オンラインうつ病スクリーニング後の自動化された結果の効果の異質性:DISCOVER試験の二次機械学習ベースの分析
Matthias Klee1, Byron C Jaeger2, Franziska Sikorski3
1Department of General Internal Medicine and Psychosomatics, Heidelberg University, Im Neuenheimer Feld 410, Heidelberg, 69120, Germany, 49 62215632879.
JMIR AI
|August 25, 2025
まとめ
この研究では,オンラインスクリーニングの後に調整されたもの,非調整されたもの,またはフィードバックがないものとの間で,うつ病の症状の減少において有意な差異が見つかりませんでした. パーソナライズされたフィードバックは結果を改善しなかったため,スクリーニングだけでは十分かもしれないことを示唆している.
科学分野:
- デジタルメンタルヘルス
- 臨床心理学
- 医療における機械学習
背景:
- オンラインのうつ病検診ツールは 根拠に基づいた治療へのアクセスを拡大することを目的としています
- 以前の試験では,自動フィードバックが抑うつ症状の軽減を改善していないことが示されました.
- 個人のニーズや好みによる差異はフィードバックの反応に影響を与える可能性があります.
研究 の 目的:
- オンラインのうつ病スクリーニングの後に,調整された,非調整された,またはフィードバックなしの治療効果 (HTE) の異質性を調査する.
- 個々の特徴に基づいてフィードバックモードに対する差異的な反応を特定する.
主な方法:
- 条件付き平均処理効果 (CATE) を推定するために,機械学習のアプローチである因果森林を使用しました.
- DISCOVER試験の二次データを分析し,中程度のうつ病の患者を対象とした.
- 患者健康アンケート-9を用いて,うつ病の重度の変化を6ヶ月間評価した.
主要な成果:
- フィードバックがない状態と比較して,治療効果の有意な異質性 (HTE) は検出されなかった.
- 予測されたCATEに基づくパーソナライズされたフィードバックアロケーションは,平均治療効果 (ATE) を変化させなかった.
- コントロール信念はフィードバックによって否定的に影響される潜在的な要因として現れた.
結論:
- 原因森林はHTEを明らかにせず,フィードバックモードに均一な反応を示した.
- 予測されたCATEに基づく治療優先順位は,平均的な治療効果を高めなかった.
- 調整されたフィードバックまたは非調整されたフィードバックによる害または利益の証拠は見つかりませんでした.将来の研究はスクリーニングの単独の影響を調査する必要があります.
