Depression and Anxiety Outcomes in a Technology-Enabled Psychotherapy Practice: Retrospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Mental health conditions account for significant distress, burden, and societal costs. Despite efforts to implement evidence-based practices (EBPs), access to high-quality mental health treatment in general practice remains limited and clinical outcomes suboptimal. Measurement-based care (MBC) is a transtheoretical and transdiagnostic strategy that has the potential, when implemented effectively, to improve the quality of care. Digital tools can also support clinicians by alleviating administrative tasks and providing in-the-moment performance data and clinical decision support. OBJECTIVE: This study aimed to examine patient retention in care and depression and anxiety outcomes in a technology-enabled psychotherapy practice where clinicians were supported by a suite of innovations, including an MBC platform and clinical decision support tools. METHODS: This retrospective cohort study examined 2984 adults who initiated mental health treatment with Two Chairs, a hybrid technology-enabled behavioral health provider, from January 1 to June 30, 2024. Rates of reliable change, recovery, remission, deterioration, and the magnitude and trajectory of symptom change in depression and anxiety symptoms were assessed using the Patient Health Questionnaire-9 (PHQ-9) and General Anxiety Disorder-7 (GAD-7). RESULTS: The participants demonstrated high rates of retention in care (3183/3572, 89.1%) and MBC survey completion (3440/3572, 96.3%). From baseline to the 12th session, patients showed significant symptom improvements in depression and anxiety, achieving high rates of reliable improvement (65.8%, 95% CI 64.0%-67.5%) and recovery (53.2%, 95% CI 51.4%-55.0%), with 71.3% (95% CI 69.7%-72.9%) of patients achieving either outcome. Outcomes continued to improve up to the point of completion of the treatment episode (79.2%, 95% CI 77.5%-80.9%, of patients achieving improvement or recovery). Pre- to posttreatment effect sizes were large (all Cohen d>0.9). CONCLUSIONS: The results of this study show that technology-enabled MBC and clinical decision support systems (CDSSs) may support high-quality patient outcomes in mental health.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».