Mikä tekee masennussovelluksista turvallisia, tehokkaita ja luotettavia?

Mikä tekee masennussovelluksista turvallisia, tehokkaita ja luotettavia?

Tutkimus tarjoaa selkeämmän tavan tunnistaa turvallisia, tehokkaita ja suositeltavia masennussovelluksia.

Tutkimus: Validointi ja kriteerien valinta masennuksen hoitoon tarkoitettujen sovellusten arviointiin: Delphi-tutkimus. Kuvan luotto: myboys.me/Shutterstock.com

Äskettäin julkaistussa tutkimuksessaBMJ auki, tutkijat esittelivät uuden konsensuspohjaisen viitekehyksen, joka luo perustan tulevalle arviointityökalulle, joka auttaa asiantuntijoita ja kuluttajia arvioimaan lukuisia mobiiliterveyssovelluksia (mHealth), jotka on suunnattu masennukseen ja mielenterveyden tukemiseen.

Viitekehyksessä käytettiin muokattua Delphi-metodologiaa, jossa terveydenhuollon ammattilaiset, teknologia-asiantuntijat ja potilaat ehdottivat ja tarkastelivat 51 mahdollista arviointimittaria, jotka sitten jaettiin 28 olennaiseksi kriteeriksi, jotka oli tarkoitettu käytettäväksi strukturoidussa sovellusten arviointityökalussa.

Tutkimustulokset osoittivat, että yksityisyys ja kliininen tehokkuus ovat osallistujien keskuudessa vahvasti etusijalla muihin yleisesti korostettuihin sovellusominaisuuksiin, kuten sitoutumiseen ja itsensä seurantaan. Erityisesti nämä havainnot muodostavat perustan "EvalDepAppsille", tulevaisuuden työkalulle, joka on suunniteltu auttamaan käyttäjiä ja lääkäreitä tunnistamaan turvalliset, näyttöön perustuvat digitaaliset interventiot.

Miksi luotettavan masennussovelluksen valitseminen on edelleen vaikeaa

Masennushäiriö, tai yleisesti vain masennukseksi kutsuttu, on joukko mielenterveyssairauksia, joille on ominaista jatkuva surun tunne ja jotka usein johtavat havaittaviin muutoksiin käyttäytymisessä ja päivittäisessä (rutiinissa) toiminnassa. Tauti lisääntyy hälyttävällä nopeudella maailmanlaajuisesti ennennäkemättömällä nopeudella, ja sen kerrotaan vaikuttavan noin 5 prosenttiin maailman aikuisväestöstä.

Vaikka Maailman terveysjärjestö (WHO) korostaa nousevan digitaalisen teknologian mahdollisuuksia umpeen hoidossa, sovelluskaupan todellisuus on usein epäselvä. Tuoreen analyysin mukaan 30 laajan tarkastelun kohteena olevasta masennussovelluksesta vain 26,7 prosenttia tuki tieteellistä näyttöä.

Lisäksi mHealth-sovellukset, jotka on suunnattu masennukseen ja mielenterveystukeen, ovat harvoin standardoinnin tai sääntelyn paineen alaisia. Tällä hetkellä käyttäjien on pakko luottaa subjektiivisiin tai todentamattomiin arvosteluihin, jotka antavat vain vähän tietoa sovelluksen lääketieteellisestä pätevyydestä, sen arkaluonteisten henkilötietojen käsittelystä tai kliinisen parhaiden käytäntöjen noudattamisesta.

Masennuskeskeinen lähestymistapa mTerveyden arviointiin antaisi ammattilaisille ja potilaille mahdollisuuden tehdä tietoon perustuvia päätöksiä valitessaan seuraavaa digitaalista masennusvälinettä.

Delphi-menetelmien käyttäminen masennuskohtaisten sovellusstandardien määrittämiseen

Tämän tutkimuksen tavoitteena oli vastata tähän kiireelliseen tarpeeseen ehdottamalla erityisiä, konsensukseen perustuvia kriteerejä, jotka on räätälöity yksinomaan masennuksen hoitosovelluksiin. Tutkimuksessa käytettiin muokattua Delphi-tutkimusmetodologiaa, jäsenneltyä viestintätekniikkaa, joka on suunniteltu saavuttamaan yksimielisyys asiantuntijapaneelin kesken ja auttamaan lujittamaan mukana olevien sidosryhmien mielipiteitä, käsityksiä ja prioriteetteja kahdella iteratiivisella arviointikierroksella.

Tutkimukseen osallistuneiksi kutsuttuja sidosryhmiä olivat terveydenhuollon ammattilaiset (psykiatrit, psykologit, sairaanhoitajat), terveydenhuollon teknologian asiantuntijat ja henkilöt, joilla on diagnosoitu masennus. Nämä osallistujat (n = 43) valittiin huolellisesti, jotta varmistetaan kokonaisvaltainen näkemys aiheesta sekä kliinisen että elävien kokemusten näkökulmasta.

Tutkimusmetodologia alkoi kirjoittajan tekemällä kirjallisuuskatsauksella tunnistaakseen mahdolliset kriteerit mHealth-sovellusten standardoimiseksi ja niiden suorituskyvyn arvioimiseksi. 60 tunnistetusta mahdollisesta kriteeristä sisäisessä arvioinnissa valittiin 51 osallistujaarviointikriteeriä, joista yhdeksän kriteeriä todettiin tarpeettomiksi.

Osallistujien tai paneelin arviointiprosessi suoritettiin kahdella äänestyskierroksella:

1. Runde 1: Die Teilnehmer bewerteten die Relevanz jedes Kriteriums auf einer 6-stufigen Likert-Skala (0 bis 6).
2. Runde 2: Kriterien, die in der ersten Runde keinen entscheidenden Konsens erzielten, wurden zusammen mit früheren Abstimmungsergebnissen und zusammenfassendem Feedback zur Neubewertung an das Gremium zurückgesendet.

Tutkimussuosituksiin sisällytettiin vain ne kriteerit, jotka täyttivät sisäiset kynnysarvot korkealla yksimielisyydellä. Erityisesti kriteeriä pidettiin korkeana konsensuksena vain, jos vähintään 80 % vastaajista antoi sille arvosanan 5 tai 6, mikä vastaa "erittäin tärkeää".

Mitä sidosryhmät todella haluavat masennussovelluksista

Kahdella paneeliarviointikierroksella löydettiin 28 kriteeriä (51:stä), jotka vastasivat sekä asiantuntijoiden että potilaiden mieltymyksiä ja tarpeita. Paneelin osallistuminen oli erityisen vahvaa: 59 % kutsutuista asiantuntijoista vastasi kierrokselle 1 ja 53,4 % kierrokselle 2.

Tutkimustulokset osoittivat, että osallistujat painottivat ylivoimaisesti seuraavia alueita:

1. Sicherheit und Datenschutz (25 % der berücksichtigten Kriterien): Alle vorgeschlagenen Kriterien zu Sicherheit und Datenschutz erzielten bereits in der ersten Runde maximalen Konsens. So erreichte beispielsweise ein Kriterium bezüglich der Weitergabe von Daten an Dritte eine 100-prozentige Übereinstimmung.
2. Klinische Wirksamkeit (25 %): Die Anforderung, dass die Empfehlungen einer App evidenzbasiert sein müssen, erreichte eine Zustimmung von 95,7 %, was ein starkes Interesse an einem nachweisbaren therapeutischen Wert widerspiegelt

Yllättäen ja päinvastoin kuin laajemmissa mHealth-arviointitutkimuksissa, terveysindikaattoreihin liittyvät kriteerit, kuten: Muut kriteerit, kuten unen, ruokavalion tai istumistottumusten seuranta, pidettiin suurelta osin vähemmän tärkeinä ja muodostivat 7,1 % lopullisesta kriteerilistasta. Kirjoittajat huomauttavat, että tämä priorisointi ei tarkoita, että näillä ominaisuuksilla ei olisi arvoa, vaan pikemminkin se heijastaa rajoitettua näyttöä, joka yhdistää ne parantuneisiin masennuksen tuloksiin, kun niitä käytetään erikseen.

Lopuksi käytettävyys ja toimivuus säilyivät tärkeinä, ja niiden osuus lopullisesta listasta oli 17,9 %. Osallistujat korostivat, että sovellusten on oltava tulkittavia, responsiivisia ja selkeästi viestittävä tavoitteistaan ​​kestävän ja mielekkään käytön tukemiseksi.

Mitä nämä kriteerit tarkoittavat tuleville mielenterveyssovelluksille

Tässä tutkimuksessa korostetaan, että mHealth-sovellusten, erityisesti niiden, joiden tarkoituksena on lievittää masennusta, on asetettava turvallisuus ja tieteellinen validiteetti etusijalle vähemmän kliinisesti perustuviin ominaisuuksiin, kuten unen tai ruokavalion seurantaan. Se esittelee 28 validoitua kriteeriä mHealth-sovellusten arvioimiseksi ja tarkistamiseksi. Se tarjoaa sidosryhmille tietoon perustuvan tien masennuksen hoidon digitaalisten työkalujen tuleviin arviointeihin sen sijaan, että suosittelisi välittömästi tiettyjä sovelluksia.

Nämä kriteerit ovat ratkaisevan tärkeitä optimoitaessa EvalDepApps-arviointityökalua, jonka avulla terveydenhuollon ammattilaiset ja käyttäjät voivat tunnistaa korkealaatuisia sovelluksia ja varmistaa, että digitaalinen mielenterveystuki ei ole vain saatavilla, vaan myös turvallista ja tieteellisesti perusteltua. Kirjoittajat huomauttavat kuitenkin, että lisävalidointia, kontekstuaalista mukauttamista ja todellista testausta tarvitaan ennen laajaa käyttöönottoa, erityisesti erilaisissa terveydenhuoltojärjestelmissä ja kulttuuriympäristöissä.

Lataa PDF-kopiosi nyt!

Lähteet: