A collaborative, computer-assisted, psychoeducational intervention for depressed patients with chronic disease at primary care: protocol for a cluster-randomized controlled trial
Notice bibliographique
Résumé
Introduction Depression treatment recommendations seldom include chronic illness comorbidity. Objectives To describe the rationale and methods for a cluster-randomized trial (CRT) in primary care clinics (PCC) comparing a computer-assisted psychoeducational (CAPE) intervention to usual care (UC) for depressed patients with hypertension or diabetes. Methods Two-arm, single-blind CRT in Santiago, Chile. Eight PCC will be randomly assigned to the intervention or UC. A total of 360 depressed individuals aged 18 or older PHQ-9 scores ≥ 15 and hypertension or diabetes will be recruited. Patients with alcohol/substance abuse; current treatment for depression, bipolar disorder, or psychosis; illiteracy; severe impairment; and residents in long-term care facilities will be excluded. Patients in the intervention will receive eight CAPE sessions by trained therapists, structured telephone calls to track progress, and usual medical care for chronic diseases. Psychologists and psychiatrists will regularly supervise therapists. To ensure continuity of care, the PCC team will meet monthly with a research team member. Patients in UC will receive standard medical and depression treatment. Three, six, and twelve months after enrollment, outcomes will be assessed. The primary outcome will be a 50% reduction in baseline PHQ-9 scores at six months. Intention-to-treat analyses will be used. Results A previous, small-scale pilot study provided valuable insights for study design. Conclusions This study will provide first-hand evidence on the effectiveness of a CAPE for depressed patients with chronic diseases at PCC in a Latin American country. Disclosure No significant relationships.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».