Man, patient, som pratar med psykolog under samtalsterapi. Foto: Getty bildbank

Doktorandprojekt: Rutinmässig utfallsmätning i psykiatrisk öppenvård

Denna studie undersöker potentialen för en datadriven och individanpassad vårdmodell genom systematisk insamling och integration av patientdata inom reguljär vårdverksamhet. Genom att kombinera etablerade kliniska mått med realtidsdata från Ecological Momentary Assessment (EMA) och patientspecifika karakteristika, syftar projektet till att utveckla kliniskt relevanta jämförelsedata och prediktiva modeller för behandlingsutfall. Denna innovativa metod kan möjliggöra en mer precis och personcentrerad vård, vilket i sin tur kan förbättra patientens upplevelse och behandlingsresultat.

Fakta om projektet

Doktorand
Dan Bengtsson
Huvudhandledare
Fredrik Falkenström, Linnéuniversitetet
Biträdande handledare
Viktor Kaldo
Deltagande organisationer
Linnéuniversitetet, Region Stockholm
Finansiär
-
Tidsplan
221020 - 270101
Ämne
Klinisk psykologi (institutionen för psykologi, fakulteten för hälso- och livsvetenskap)
Forskargrupper
Avdelningen för klinisk psykologi
Forskningsprojekt
Identifiering av de aktiva ingredienserna i psykoterapi: Ett metodutvecklingsprojekt (AIM)

Mer om projektet

Att överbrygga klyftan mellan forskning och praktik – ett datadrivet tillvägagångssätt för personlig psykologisk behandling

Psykologisk behandling är ett dynamiskt område med en mängd effektiva behandlingsmetoder. Det finns dock en ihållande klyfta mellan forskning och klinisk praxis, där systematisk insamling och användning av patientdata fortfarande är underutnyttjad. Även om rutinmässiga bedömningar är vanliga, utnyttjas den värdefulla information de ger ofta inte fullt ut för att optimera behandlingsresultaten.

Detta projekt syftar till att förbättra psykologisk behandling genom att sömlöst integrera insamling av patientdata i rutinmässig klinisk praxis, vilket främjar ett datadrivet och personligt förhållningssätt till behandling. Genom att utnyttja kraften i befintliga åtgärder, realtidsdata från Ecological Momentary Assessment (EMA) och relevanta patientkarakteristika kan vi generera kliniskt meningsfulla riktmärken och utveckla prediktiva modeller för behandlingsresultat.

Potentialen i datainformerad behandling

Forskning har konsekvent visat att även enkla mått på behandlingsframsteg avsevärt kan förbättra resultaten. Att övervaka och öppet diskutera framsteg med patienter främjar inte bara en känsla av ansvarighet utan ger också både kliniker och patienter möjlighet att göra välgrundade justeringar av behandlingsplaner. Genom att anamma transparens och datadrivet beslutsfattande kan vi säkerställa kvalitetssäkring inom psykologisk behandling samtidigt som vi öppnar upp för möjligheter till kontinuerlig förbättring.

Ecological Momentary Assessment (EMA) - realtidsdata för ökad patientdelaktighet och individanpassad behandling

Ecological Momentary Assessment (EMA) är en innovativ metod som möjliggör uppföljning av patienters mående och framsteg i realtid. Genom att integrera modern digital teknik, såsom mobilappar, kan patienter regelbundet, till exempel veckovis, rapportera sina symtom, mående och upplevelser direkt i sin vardag. Denna kontinuerliga datainsamling ger en mer nyanserad och detaljerad bild av patientens tillstånd jämfört med traditionella, mer sporadiska bedömningar.

Forskning har visat att EMA är en tillförlitlig och valid metod för att mäta psykologiska och beteendemässiga förändringar över tid. Genom att fånga upp fluktuationer i patientens mående kan EMA hjälpa kliniker att identifiera mönster och triggers som kan påverka behandlingsresultaten. Denna information kan sedan användas för att skräddarsy behandlingsplaner och ge mer individanpassat stöd. Dessutom har EMA visat sig öka patientens delaktighet och motivation i behandlingsprocessen.

Prediktiv modellering - banar väg för proaktiv och förebyggande vård

Genom att analysera de stora mängder data som samlas in genom rutinmässiga bedömningar, EMA och patientkarakteristika kan vi utveckla sofistikerade prediktiva modeller som kan förutsäga behandlingsresultat med hög grad av noggrannhet. Dessa modeller kan hjälpa kliniker att identifiera individer som kan löpa risk för återfall eller behandlingssvikt, vilket möjliggör tidiga insatser och proaktiva justeringar av vårdplaner. Dessutom kan prediktiva modeller informera utvecklingen av förebyggande insatser som kan mildra risken för psykiska hälsoproblem innan de uppstår.

Framtiden för psykologisk behandling - datadriven, personlig och resursaktiverande

Detta projekt har potential att avsevärt förbättra psykologisk behandling, där data inte bara samlas in utan aktivt används för att informera och förbättra patientens väg till förbättring. Genom att anamma ett datadrivet tillvägagångssätt kan vi bidra till att överbrygga klyftan mellan forskning och praktik, anpassa behandlingsplaner och ge både kliniker och patienter möjlighet att uppnå bättre resultat för psykisk hälsa.

Doktorandprojektet är en del av forskningen i forskargruppen Avdelningen för klinisk psykologi samt ingår i forskningsprojektet Identifiering av de aktiva ingredienserna i psykoterapi: Ett metodutvecklingsprojekt (AIM).