Co sprawia, że ​​aplikacje na depresję są bezpieczne, skuteczne i godne zaufania?

Co sprawia, że ​​aplikacje na depresję są bezpieczne, skuteczne i godne zaufania?

Badanie zapewnia jaśniejszą ścieżkę identyfikacji aplikacji na depresję, które są bezpieczne, skuteczne i zalecane.

Badanie: Walidacja i wybór kryteriów oceny aplikacji do leczenia depresji: badanie Delphi. Źródło zdjęcia: myboys.me/Shutterstock.com

W niedawnym badaniu opublikowanym wBMJ otwartybadacze zaprezentowali nowatorskie ramy oparte na konsensusie, które kładą podwaliny pod przyszłe narzędzie oceny, które pomoże ekspertom i konsumentom ocenić mnóstwo mobilnych aplikacji zdrowotnych (mzdrowia) ukierunkowanych na depresję i wsparcie zdrowia psychicznego.

W ramach tej platformy wykorzystano zmodyfikowaną metodologię Delphi z udziałem pracowników służby zdrowia, ekspertów w dziedzinie technologii i pacjentów, aby zaproponować i przejrzeć 51 potencjalnych wskaźników oceny, które następnie podzielono na 28 podstawowych kryteriów przeznaczonych do wykorzystania w ustrukturyzowanym narzędziu oceny aplikacji.

Wyniki badania wykazały, że prywatność i skuteczność kliniczna są wśród uczestników głównymi priorytetami w stosunku do innych powszechnie podkreślanych funkcji aplikacji, takich jak zaangażowanie i samośledzenie. W szczególności odkrycia te staną się podstawą „EvalDepApps”, przyszłego narzędzia zaprojektowanego, aby pomóc użytkownikom i klinicystom w identyfikowaniu bezpiecznych, opartych na dowodach interwencji cyfrowych.

Dlaczego wybór godnej zaufania aplikacji na depresję pozostaje trudny

Zaburzenie depresyjne, zwane potocznie depresją, to spektrum chorób psychicznych, które charakteryzują się utrzymującym się uczuciem smutku i często prowadzą do zauważalnych zmian w zachowaniu i codziennym (rutynowym) funkcjonowaniu. Choroba rozwija się na całym świecie w zastraszającym tempie, w niespotykanym dotąd tempie, dotykając podobno około 5% dorosłej populacji na całym świecie.

Choć Światowa Organizacja Zdrowia (WHO) podkreśla potencjał pojawiających się technologii cyfrowych w zakresie wypełniania luk w opiece zdrowotnej, rzeczywistość sklepu z aplikacjami jest często niejasna. Niedawna analiza wykazała, że ​​spośród 30 aplikacji przeznaczonych na depresję, które poddano szczegółowej analizie, jedynie 26,7% zostało popartych dowodami naukowymi.

Ponadto mobilne aplikacje zdrowotne (mHealth) ukierunkowane na depresję i wsparcie zdrowia psychicznego rzadko podlegają standaryzacji lub presji regulacyjnej. Obecnie użytkownicy zmuszeni są polegać na subiektywnych lub niemożliwych do sprawdzenia recenzjach, które dają niewielki wgląd w zasadność medyczną aplikacji, sposób postępowania z wrażliwymi danymi osobowymi lub jej zgodność z najlepszymi praktykami klinicznymi.

Podejście do oceny m-zdrowia skupione na depresji umożliwiłoby zarówno profesjonalistom, jak i pacjentom podejmowanie świadomych decyzji przy wyborze kolejnego cyfrowego narzędzia antydepresyjnego.

Używanie metod Delphi do definiowania standardów aplikacji specyficznych dla depresji

Celem niniejszego badania było zaspokojenie tej pilnej potrzeby poprzez zaproponowanie konkretnego, opartego na konsensusie zestawu kryteriów, dostosowanego wyłącznie do aplikacji do leczenia depresji. W badaniu wykorzystano zmodyfikowaną metodologię badania Delphi, ustrukturyzowaną technikę komunikacji zaprojektowaną w celu osiągnięcia konsensusu wśród panelu ekspertów i pomocy w skonsolidowaniu opinii, spostrzeżeń i priorytetów zainteresowanych stron objętych badaniem w dwóch iteracyjnych rundach oceny.

Do interesariuszy nazywanych uczestnikami badania należeli pracownicy służby zdrowia (psychiatrzy, psycholodzy, pielęgniarki), eksperci w dziedzinie technologii medycznych oraz osoby, u których zdiagnozowano depresję. Uczestnicy ci (n = 43) zostali starannie wybrani, aby zapewnić całościowe spojrzenie na temat, zarówno z perspektywy klinicznej, jak i doświadczenia życiowego.

Metodologię badania rozpoczęto od przeglądu literatury przeprowadzonego przez autora w celu zidentyfikowania możliwych kryteriów standaryzacji aplikacji mHealth i oceny ich działania. Spośród 60 zidentyfikowanych potencjalnych kryteriów w wyniku wewnętrznego przeglądu wybrano 51 kryteriów oceny uczestników, przy czym dziewięć uznano za zbędne.

Proces oceny uczestnika lub panelu odbywał się w dwóch turach głosowania:

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.

W zaleceniach dotyczących badania uwzględniono jedynie te kryteria, które osiągnęły wewnętrzne progi i osiągnęły wysoki poziom konsensusu. W szczególności kryterium uznawano za wysoki konsensus tylko wtedy, gdy co najmniej 80% respondentów oceniło je na 5 lub 6, co odpowiada „bardzo ważne”.

Czego naprawdę chcą interesariusze od aplikacji na rzecz depresji

W wyniku dwóch rund przeglądu panelowego zidentyfikowano 28 kryteriów (w porównaniu z 51), które odpowiadają preferencjom i potrzebom zarówno ekspertów, jak i pacjentów. Udział panelu był szczególnie duży: 59% zaproszonych ekspertów odpowiedziało w rundzie 1 i 53,4% w rundzie 2.

Wyniki badania wykazały, że uczestnicy w przeważającej mierze traktowali priorytetowo następujące obszary:

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

Nieoczekiwanie, w przeciwieństwie do wniosków z szerzej zakrojonych badań ewaluacyjnych m-zdrowia, kryteria związane ze wskaźnikami zdrowia, takie jak: Inne kryteria, takie jak śledzenie snu, dieta czy siedzący tryb życia, zostały w dużej mierze uznane za mniej ważne i stanowiły 7,1% ostatecznej listy kryteriów. Autorzy zauważają, że to zmniejszenie priorytetów nie oznacza, że ​​te cechy są pozbawione wartości, ale raczej odzwierciedla ograniczone dowody łączące je z lepszymi wynikami depresji, gdy są stosowane osobno.

Wreszcie, użyteczność i funkcjonalność pozostały ważne i stanowiły 17,9% ostatecznej listy. Uczestnicy podkreślili, że aplikacje muszą być czytelne, responsywne i jasno komunikować swoje cele, aby wspierać zrównoważone i znaczące użytkowanie.

Co te kryteria oznaczają dla przyszłych aplikacji związanych ze zdrowiem psychicznym

W niniejszym badaniu podkreślono, że aplikacje m-zdrowia, zwłaszcza te mające na celu łagodzenie depresji, muszą stawiać na pierwszym miejscu bezpieczeństwo i wiarygodność naukową przed funkcjami mniej klinicznymi, takimi jak śledzenie snu czy diety. Wprowadza 28 zatwierdzonych kryteriów oceny i przeglądu aplikacji m-zdrowia, zapewniając zainteresowanym stronom świadomą ścieżkę przyszłej oceny narzędzi cyfrowych do leczenia depresji, zamiast natychmiastowo polecać określone aplikacje.

Kryteria te będą miały kluczowe znaczenie przy optymalizacji narzędzia oceny EvalDepApps, którego celem jest umożliwienie pracownikom służby zdrowia i użytkownikom identyfikowanie aplikacji wysokiej jakości, zapewniając w ten sposób nie tylko dostępność cyfrowego wsparcia w zakresie zdrowia psychicznego, ale także bezpieczeństwo i solidne podstawy naukowe. Autorzy zauważają jednak, że przed powszechnym wdrożeniem, szczególnie w różnych systemach opieki zdrowotnej i środowiskach kulturowych, konieczna będzie dalsza walidacja, adaptacja kontekstowa i testy w świecie rzeczywistym.

Pobierz teraz swoją kopię PDF!

Źródła: