Predicting depression outcome in mental health treatment: A recursive partitioning analysis

Abstract

Objective: Recursive partitioning was applied to a longitudinal dataset of outpatient mental health clinic patients to identify empirically factors and interactions among factors that best predicted clinical improvement and deterioration in symptoms of depression across treatment. Method: Sixty-two variables drawn from an initial patient survey and from chart review were included as covariates in the analysis, representing nearly all of the demographic, treatment, symptom, diagnostic, and social history information obtained from patients at their initial evaluations. Trees estimated the probability of participants' having depression at their last assessment, improving to a clinically significant degree during treatment, or developing a new onset of significant depressive symptoms during treatment. Results: Initial pain, the presence of anxiety, and a history of multiple types of abuse were risk factors for poorer outcome, even among patients who did not initially have significant depressive symptoms. Conclusions: By examining multiple-related outcomes, we were able to create a series of overlapping models that revealed important predictors across trees. Limitations of the study included the lack of cross-validation of the trees and the exploratory nature of the analysis

Obiettivi: è stato applicato un partizionamento ricorsivo a un dataset longitudinale di pazienti ambulatoriali di un centro di salute mentale per identificare empiricamente i fattori e le interazioni tra i fattori che meglio predicevano il miglioramento clinico e il peggioramento dei sintomi della depressione durante il trattamento Metodo: Sono state incluse sessantadue variabili tratte da un'indagine iniziale sui paziente e dalla revisione della cartella clinica come covariabili nell'analisi, che rappresentano la quasi totalità delle informazioni riguardanti la situazione demografica, il trattamento, i sintomi, la diagnosi, e la storia sociale, ottenute dai pazienti nella loro valutazione iniziale. Gli alberi di ricerca valutavano la probabilità che i partecipanti fossero affetti da depressione nella loro ultima valutazione, che migliorava in misura clinicamente significativa durante il trattamento, o lo sviluppo di una nuova insorgenza di sintomi depressivi significativi durante il trattamento Risultati: il dolore iniziale, la presenza di ansia, e una storia con molteplici tipi di abuso sono stati i fattori di rischio per l'esito negativo, anche tra i pazienti che non mostravano inizialmente sintomi depressivi Conclusioni:. Esaminando risultati multipli e correlati, siamo stati in grado di creare una serie di modelli sovrapposti che ha rivelato importanti predittori attraverso gli alberi di ricerca. Limitazioni dello studio comprendevano la mancanza di validazioni incrociate degli alberi di ricerca e la natura esplorativa dell'analisi.

Objetivo: Foi aplicado um particionamento recursivo a um conjunto de dados longitudinais de pacientes em ambulatório de uma clínica de saúde mental para identificar os fatores empíricos e as interações entre fatores que melhor prediziam a melhoria clínica e deterioração dos sintomas de depressão ao longo do tratamento. Método: Sessenta e duas variáveis construídas a partir de um questionário inicial do paciente e de uma revisão de gráficos (Chart Review) foram incluídas como covariáveis nas análises, representando quase toda a informação demográfica, de tratamento, sintomas, diagnóstico e de história social obtida a partir dos pacientes nas suas avaliações iniciais. As árvores (Trees) estimaram a probabilidade dos pacientes apresentarem depressão na última avaliação, melhorarem num grau clinicamente significativo durante o tratamento ou desenvolverem de novo sintomas depressivos significativos durante o tratamento. Resultados: O sofrimento inicial, a presença de ansiedade e uma história de múltiplos tipos de abuso revelaram-se fatores de risco para um pior resultado, mesmo entre pacientes que inicialmente não apresentavam sintomas depressivos significativos. Conclusões: Através da análise de resultados multiplamente relacionados, fomos capazes de criar uma série de modelos de sobreposição que se revelaram preditores importantes ao longo das árvores. As limitações do estudo incluem a falta de transvalidação das árvores e a natureza exploratória das análises.

Ziel: Ein längsschnittlicher Datensatz ambulanter psychiatrischer Patienten wurde rekursiv mittels Regressionsbäumen aufgeteilt um empirische Faktoren und Faktoreninteraktionen zu identifizieren, die klinische Verbesserung und Symptomverschlechterung bei Depressionen über die Behandlung am besten vorhersagen. Methode: 62 Variablen aus einer initialen Patientenstudie und Skalenreviews wurden als Kovariaten in die Analyse aufgenommen. Diese repräsentierten fast alle demografischen Informationen und Informationen über Behandlung, Symptomatik, Diagnostik und soziale Herkunft, die aus der anfänglichen Evaluation der Patienten gewonnen wurden. Wahrscheinlichkeitsbäume zeigten die Wahrscheinlichkeit für die Teilnehmer eine Depression bei ihrer letzten Einschätzung zu haben, eine Verbesserung um einen klinisch signifikanten Grad über die Behandlung, oder die Entwicklung eines neuen Ausbruchs signifikanter depressiver Symptome während der Behandlung. Ergebnisse: Anfänglicher Schmerz, das Vorhandensein von Angst, und eine Geschichte verschiedener Arten von Missbrauch waren Risikofaktoren für ein schlechtes Ergebnis, sogar bei Patienten, die anfänglich keine signifikanten depressiven Symptome hatten. Schlussfolgerung: Über die Beobachtung mehrfach zugehöriger Ergebnisse, waren wir in der Lage, eine Reihe überlappender Modelle zu kreieren, die wichtige Prädiktoren über die Bäume anzeigten. Limitationen der Studie waren unter anderem die fehlende Kreuzvalidierung der Bäume und das exploratorische Vorgehen der Analyse.

目的：預後分類應用於心理健康門診病人的長期資料組群，以找出不同治療取向中最能預測出憂鬱症病人在治療過程中臨床改善或症狀惡化的實證預測因子及因子間的交互作用。方法：針對病人的初始評估及病歷找出62個變項作為含共變數進行分析，幾乎包含來自病人初始評量的所有背景、治療、症狀、診斷及社交史等資料。運用樹狀圖估算參與者在最後評量時有憂鬱症、在治療過程中達臨床顯著程度的改善，或是在治療中發展出其他重大憂鬱症狀的機率。結果：縱使病人一開始並没有明顯的憂鬱症狀，但是初始疼痛、顯現焦慮及多重的虐待經驗是不良預後的危險因子。結論：藉由檢視多重相關的結果，我們可以產生一系列重疊的模式，以了解樹狀圖間的重要預測因子。未對樹狀圖及本分析的探索性本質進行交互驗證，是本研究的限制之一。

Keywords:

• recursive partitioning
• CART
• depression
• treatment outcome
• treatment combinations