13: Personalisierung Flashcards
Personalisierung in der Psychotherapieforschung - Warum?
- 80/90er: RCTs als Goldstandard
–> nun: Wie lässt sich das individuelle Behandlungsergebnis verbessern?
(da viele Patient*innen keine bedeutsame Verbesserung durch die Therapie erleben) - Therapeut*innen sind nicht besonders gut in der Vorhersage von Therapieverläufen
- Relative Stagnation von Effektivität über die letzten
Jahrzehnte - RCTs werden interindividuellen Unterschieden nicht gerecht (interindiv. Untersch. werden absichtlich ausgeschlossen)
- Möglichkeiten von Big Data & Machine Learning –> neue Techniken ermöglichen verallgemeinernde Algorithmen, die auf Individuen angewendet werden können
Welche Ebenen der Personalisierung gibt es?
Woher stammen die Daten zur Personalisierung?
- Intuitive Modelle (Intuition und Anekdoten) –> idiosynchratic/artisanal
- Theoretische Modelle (Theorien und Konzepte) –> guideline
- Daten-informierte Modelle (evidenzbasiert) –> decision aid & decision rule
- Data-driven Modelle (basierend auf stat. Algorithmen) –> statistische Modelle
–> Alle Modelle können die menschliche Ebene beinhalten (clinician judgement, patient preference, shared decision-making)
Level der Intervention (Was & wie intensiv?)
- Selecting level of intensity or treatment
- Selecting treatment package
- Selecting treatment components or techniques
- Adapting delivery or interaction style
Time (Messen & Feedback):
- Before starting treatment
- During treatment
- After treatment
Methoden von Personalisierung
- Genügend große Stichproben (meist 4-stellig)
- Variablenauswahl (der interindiv. Untersch.), Outcome-Auswahl (psychopathologische Kriterien korrelieren meist; auch andere Kriterien möglich wie Beziehungsqualität, Behandlungsabbruch etc.)
- Modelldefinition / KI-Training , Anwendung in anderen Datensätzen (Kreuzvalidierung)
- Implementierung in klassische Psychotherapieforschung, Generalisierungsversuch
Fragen an Personalisierung
- Methodische und stichprobenbezogene Voraussetzungen (Qualität, repräsentativ)
- Welche Datensätze? (garbage in – garbage out)
- Folgen Personalisierungsmodelle einem medical oder einem contextual model und was bedeutet das für Forschung und Praxis?
- Was wären faire Tests zur Überlegenheit datenbasierter vs. kompetenzbasierter Personalisierung?
- Annahmen über verwendete Pat.-Variablen sind nicht theorie- und voraussetzungsfrei und erschöpfend (siehe Varianzaufklärung - nicht alles wird aufgeklärt, siehe auch Responsiveness)
- Akzeptanz von Pat. & Therap. (intuitiv vs. daten-basiert) / Meta-Modelle von
Psychotherapie (Was ist Psychotherapie eigentlich?) - Bisher keine klaren Hinweise für Überlegenheit
personalisierter Ansätze auf statistischer Ebene
Responsiveness
= Phänomen der Anpassung von Therap. an Anforderungen der Therapie, der Umstände und der/des Pat.
- Methodisches Problem (konzeptuell,
forschungstechnisch) - Allgemeines Phänomen der Ein- und Abstimmung in interpersonellen Situationen
Ist Responsiveness wirksam?
- mal hilfreich, mal weniger
- Es gibt Pat.-Variablen, die die Wahrscheinlichkeit für diese Phänomene erhöhen (-> interpersonelle Natur von Responsiveness)
- Zielparameter: appropriate responsiveness
–> Wie? –> Aufgabe für die Forschung
Beispiel des Flussdiagramms für Depressionen (Therapie und Behandlung mit Anti-Depressiver –> Was tun, wenn Verfahren nicht anschlägt? Wann muss das Verfahren geändert werde? Müssen nur Teile geändert werden? etc.)
