Tesis:
Modelo de intervención personalizada para la prevención, el tratamiento de síntomas leves y el diagnóstico precoz de la depresión en escenarios extrahospitalarios
- Autor: GONZÁLEZ MARTÍNEZ, Sergio
- Título: Modelo de intervención personalizada para la prevención, el tratamiento de síntomas leves y el diagnóstico precoz de la depresión en escenarios extrahospitalarios
- Fecha: 2023
- Materia:
- Escuela: E.T.S. DE INGENIEROS DE TELECOMUNICACION
- Departamentos: TECNOLOGIA FOTONICA Y BIOINGENIERIA
- Acceso electrónico: https://oa.upm.es/73564/
- Director/a 1º: OTTAVIANO, Manuel
- Resumen: Los trastornos depresivos, junto con los trastornos de ansiedad, son los trastornos mentales y del comportamiento que tienen las cifras más altas de incidencia y prevalencia. Durante el 2019, los trastornos depresivos tuvieron una prevalencia de 4.586,47 casos y una incidencia de 5.113,869 casos por cada 100.000 habitantes en Europa Occidental. Según estimaciones, el coste económico global de la depresión podría situarse entre los 3,1 y los 6,9 billones de euros en el 2019. Estos trastornos pueden provocar tristeza, ira y soledad, acompañadas de cambios somáticos y cognitivos que afectan significativamente las capacidades del individuo, además de causar problemas laborales, sociales o educativos convirtiéndolos en un grave problema de salud.
Uno de los mayores problemas de los trastornos depresivos es que, según los estudios la mitad de los casos sobre todo los leves o moderados quedan sin diagnosticar. Aunque esto se debe a diferentes causas, una de ellas es la falta de acceso a los especialistas médicos en salud mental, ya que en la mayoría de los sistemas nacionales de salud europeos no es fácil acceder a estos servicios sanitarios desde atención primaria. Además, los costes asociados a esta atención son muy elevados, por lo que no son asequibles para la mayoría de los pacientes. Esto unido a unas estrategias insuficientes de prevención en salud mental, provoca que esta enfermedad esté infradiagnosticada. Por otra parte, las enfermedades mentales y del comportamiento están asociadas a un estigma tanto individual, como social, que favorece que no se comuniquen los síntomas en fases tempranas.
Existen diferentes tipos de intervenciones, tanto en el campo clínico, como sobre el estilo de vida de los individuos que permiten prevenir y tratar los síntomas leves y contribuir al diagnóstico precoz, ayudando a las personas a manejar sus emociones y comportamiento para evitar la aparición de los primeros síntomas, evitar el deterioro de los síntomas presentes y en el caso necesario, facilitar a los profesionales sanitarios información relevante para realizar un diagnóstico en fases tempranas.
Las tecnologías de la información y la comunicación constituyen una gran oportunidad en el campo de la salud mental, permitiendo acercar algunas intervenciones a los pacientes, facilitando el acceso y reduciendo los costes. Aunque ya existen soluciones digitales, faltan propuestas tecnológicas que incluyan diferentes factores que permitan realizar tareas de prevención y mejoren las intervenciones aunando diferentes técnicas que aseguren la usabilidad, accesibilidad y efectividad y sobre todo mejoren la adherencia de los usuarios a la tecnología para lograr el objetivo de la manera más eficiente.
El objetivo de esta tesis doctoral es diseñar un modelo de solución personalizada para la prevención, detección temprana y tratamiento de los primeros síntomas de la depresión, utilizando tecnologías digitales, y validarlo sobre un grupo con alto riesgo de sufrir depresión como son las personas con enfermedades somáticas graves.
Para lograrlo se ha definido un proceso para aplicaciones de salud digital en entornos de prevención, diagnóstico precoz y tratamiento de la depresión. En segunda instancia, se han definido los protocolos de personalización de intervenciones y actuaciones entre los que se incluyen técnicas de conciencia plena (mindfulness en inglés), la monitorización del estado emocional del paciente, así como actuaciones sobre el estilo de vida de los pacientes, higiene de sueño, la dieta y el ejercicio físico.
Aplicando el modelo realizado ha sido posible estratificar a los pacientes en función de un nivel de riesgo, desde un riesgo mínimo, sobre el que apenas sería necesario modificar un programa estándar de intervención, a niveles medios que personalizan el sistema de acuerdo con características del paciente y su estado emocional, a niveles de riesgo que generarían alertas a los profesionales sanitarios para una evaluación clínica de los síntomas o incluso del riesgo de suicidio del paciente.
Para validar el modelo se realizó un ensayo controlado aleatorio pragmático de grupos paralelos (RCT por sus siglas en ingles) en el cual se incluyeron 425 pacientes, 213 asignados al grupo intervención y 212 al grupo control. Se evaluaron la presencia de síntomas depresivos y otros síntomas de salud mental al inicio y 12 semanas después de usar el sistema. Se utilizó el Inventario de Depresión de Beck (BDI), uno de los principales cuestionarios utilizados para evaluar cuantitativamente la intensidad de la depresión, con el objetivo de determinar si el sistema disminuye efectivamente los síntomas de la depresión. Los pacientes del grupo intervención obtuvieron una puntuación más baja en el BDI al final del estudio que los pacientes del grupo control, lo que implica que la sintomatología en los pacientes que utilizaron la intervención propuesta fue más leve.
Para evaluar la tecnología se administraron dos escalas diferentes a los pacientes que participaron en el grupo intervención. Una fue la Escala de Usabilidad de un Sistema (SUS, System Usability Scale en inglés) que proporciona una herramienta confiable y rápida para medir la usabilidad, y la otra, la escala User versión of the Mobile Application Rating Scale (uMARS) que facilita un método simple, objetivo y confiable para evaluar la calidad de una aplicación móvil de salud. Las evaluaciones de la tecnología arrojaron un resultado satisfactorio en la evaluación mediante SUS con una puntuación de 66,65 a las 4 semanas de uso del sistema y 67,96 puntos después de usar el sistema 12 semanas. El resultado de la evaluación mediante uMARS también fue favorable con una puntuación de 3,50 sobre 5, con todas las dimensiones por encima de los 3 puntos.
El trabajo de investigación realizado en esta tesis doctoral contribuye a personalizar la atención de los pacientes con depresión, proporcionando elementos que ayuden a prevenir y a diagnosticar precozmente este tipo de patología. El modelo de intervención incluye protocolos de personalización que han demostrado una eficacia clínica y una usabilidad y aceptabilidad suficientes. Además, se espera que ayude a sentar las bases de futuras investigaciones que profundicen en la personalización de las intervenciones, incluyendo elementos que permitan detectar durante la intervención, en la medida de lo posible, la idoneidad de la acción propuesta.
ABSTRACT
Depressive disorders and anxiety disorders are the mental and behavioral disorders with the highest incidence and prevalence figures. During 2019, depressive disorders had a prevalence of 4,586.47 cases and an incidence of 5,113.869 cases per 100,000 inhabitants in Western Europe. According to estimates, the global economic cost of the depression could be between 3.1 and 6.9 trillion euros in 2019. These disorders can cause sadness, anger, and loneliness, as well as somatic and cognitive changes that significantly affect the individual’s abilities, in addition to causing work, social or educational problems, turning them into serious health problems.
One of the most substantial problems with depressive disorders is that, according to studies half of the cases especially mild or moderate ones remain undiagnosed. Although this is due to different causes, one of them is the lack of access to medical specialists in mental health, since in most of the European national health systems it is not easy to access these health services from primary care. In addition, the costs associated with this kind of care are very high, thus not affordable for most patients. This, together with insufficient prevention strategies in mental health, causes this disease to be underdiagnosed. Moreover, mental and behavioral illnesses are associated with both individual and social stigma, which favor not reporting symptoms in the early stages.
There are different kinds of interventions, both in the clinical field and in the lifestyle of individuals that allow the prevention and treatment of mild symptoms and contribute to early diagnosis, helping people manage their emotions and behavior to avoid the onset of the first symptoms, avoid the deterioration of the present symptoms and, if necessary, provide health professionals with relevant information to make a diagnosis in early phases.
Information and communication technologies constitute a great opportunity in the field of mental health, allowing some interventions to be brought closer to patients, facilitating access, and reducing costs. Although digital solutions already exist, there is a lack of technological proposals that include different factors that allow prevention tasks to be carried out and interventions to be improved by combining different techniques which ensure usability, accessibility, and effectiveness and, above all, improve user adherence to technology to achieve the objective most efficiently.
The objective of this doctoral thesis is to design a personalized solution model for the prevention, early detection, and treatment of the first symptoms of depression using digital technologies and validate it on a group of people at high risk of suffering from depression, such as people with severe somatic mental illnesses.
In order to achieve this, a process for digital health applications in prevention environments, early diagnosis, and treatment of depression has been defined. Secondly, protocols for the customization of interventions and actions, including mindfulness techniques, the monitoring of the patient’s emotional state, as well as actions on the lifestyle of patients, sleep hygiene, diet, and physical exercise have also been defined.
Applying the model that has been carried out, it has been possible to stratify patients according to a level of risk, including a minimum risk, on which it would hardly be necessary to modify a standard intervention program, a medium risk, which personalizes the system according to the characteristics and emotional state of the patient, and a high risk, which would generate alerts to health professionals for a clinical evaluation of the symptoms or even a potential risk of suicide.
To validate the model, a pragmatic randomised controlled trial (RCT) was carried out which included 425 patients. 213 were assigned to the intervention group and 212 to the control group. The presence of depressive symptoms and other mental health symptoms were assessed at baseline and after 12 weeks of use of the system, The Beck Depression Inventory (BDI), one of the main questionnaires used to quantitatively assess the intensity of depression, was used to determine if the system effectively decreases the symptoms of depression. The patients belonging to the intervention group obtained a lower BDI score at the end of the study than the patients in the control group, which implies that the symptoms in the patients who used the proposed intervention were milder.
To evaluate the technology, two different scales were administered to the patients who participated in the intervention group. One was the System Usability Scale (SUS), which provides a reliable and fast tool to measure usability, and the other, the User version of the Mobile Application Rating Scale (uMARS) which provides a simple, objective, and reliable method to assess the quality of a mobile health application. The technology evaluations showed a satisfactory result in the SUS evaluation with a score of 66.65 after 4 weeks of using the system and 67.96 points after using the system 12 weeks. The result of the uMARS evaluation was also favorable with a score of 3.50 out of 5, with all dimensions above 3 points.
The research work carried out in this doctoral thesis contributes to personalizing the care of patients suffering from depression, providing elements that can help prevent and diagnose this kind of pathology as early as possible. This intervention model includes customization protocols that have shown sufficient clinical efficacy, usability, and acceptability. In addition, it is expected to help lay the foundations for future research that deepens into the personalization of interventions, including elements that make it possible to detect, as far as possible, the suitability of the proposed action during the intervention.