Using the Personalized Advantage Index for individual treatment allocation to cognitive behavioral therapy (CBT) or a CBT with integrated exposure and emotion-focused elements (CBT-EE)

Abstract

Even though different psychotherapeutic interventions for depression have shown to be effective, patients suffering from depression vary substantially in their treatment response. The goal of this study was to answer the following research questions: (1) What are the most important predictors determining optimal treatment allocation to cognitive behavioral therapy (CBT) or CBT with integrated exposure and emotion-focused elements (CBT-EE)?, and (2) Would model-determined treatment allocation using this predictive information result in better treatment outcomes? Bayesian Model Averaging (BMA) was applied to the data of a randomized controlled trial comparing the efficacy of CBT and CBT-EE in depressive outpatients. Predictions were made for every patient for both treatment conditions and an optimal versus a suboptimal treatment was identified in each case. An index comparing the two estimates, the Personalized Advantage Index (PAI), was calculated. Different predictors were found for both conditions. A PAI of 1.35 BDI-II points for the two conditions was found and 46% of the sample was predicted to have a clinically meaningful advantage in one of the therapies. Although the utility of the PAI approach must be further confirmed in prospective research, the present study study promotes the identification of specific interventions favorable for specific patients.

Sebbene diversi interventi psicoterapeutici per la depressione si siano dimostrati efficaci, i pazienti che soffrono di depressione rispondono in modo sostanzialmente variabile al loro trattamento. L'obiettivo di questo studio è di rispondere alle seguenti domande di ricerca: (1) quali sono i predittori più importanti che determinano l'assegnazione ottimale alla terapia cognitivo-comportamentale (CBT) o alla CBT con esposizione integrata ed elementi focalizzati sull'emozione (CBT-EE)? E (2) l'assegnazione al trattamento modello-determinata utilizzando queste informazioni predittive dà esiti migliori al trattamento? Il modello Bayesiano della media (BMA) è stato applicato ai dati di un trial controllato randomizzato per comparare l'efficacia della CBT e della CBT-EE in pazienti ambulatoriali depressi. Le previsioni sono state calcolate per tutti i pazienti per entrambe le condizioni di trattamento ed è stato individuato in ciascun caso un trattamento ottimale versus uno subottimale. È stato calcolato un indice, il PersonalizedAdvantage Index (PAI), paragonando le due stime. Diversi predittori sono stati individuate per entrambe le condizioni. È stato trovato un PAI di 1.35 BDI-II punti per le due condizioni e per il 46% del campione è stato predetto un vantaggio clinicamente significativo in una delle due terapie. Sebbene l'utilità dell'approccio PAI necessita di ulteriori conferme in una prospettiva di ricerca, il presente studio promuove l'identificazione di specifici interventi favorevoli per specifici pazienti.

Embora diferentes intervenções psicoterapêuticas para a depressão tenham demonstrado ser eficazes, pacientes que sofrem de depressão variam substancialmente na forma como respondem ao tratamento. O objetivo deste estudo foi o de responder às seguintes questões de investigação: (1): Quais são os preditores mais importantes que determinam a alocação ideal à terapia cognitivo-comportamental (TCC) ou TCC com integração de exposição e elementos focados nas emoções (TCC-EE)?, e (2) O modelo de alocação ao tratamento determinado usando esta informação preditiva resultaria em melhores resultados de tratamento? A Ponderação Bayesiana de Modelos foi aplicada aos dados de um ensaio clínico randomizado, comparando a eficácia da TCC e da TCC-EE nos pacientes com depressão em ambulatório. Foram feitas predições para cada paciente para ambas as condições de tratamento e foi identificado um tratamento ótimo versus sub-ótimo em cada caso. Um índice que compara as duas estimativas, o Índice de Vantagem Personalizada (IVP) foi calculado. Diferentes preditores foram encontrados para ambas as condições. Um IVP de 1.35 pontos do BDI foi encontrado para as duas condições e foi predito 46% da amostra ter uma vantagem significativa numa das terapias. Embora a utilidade da abordagem IVP tenha que ser confirmada em investigações futuras, o presente estudo promove a identificação de intervenções específicas favoráveis a pacientes específicos.

即使針對憂鬱症的不同心理治療介入均有呈現其有效性，憂鬱症患者對於治療的反應仍相當分歧。本研究的目的在於回應以下研究問題：(1) 對 CBT 和 CBT-EE 而言，何者為決定較佳治療派案的最重要預測變項？(2) 運用這個預測資訊所決定的模式進行治療派案，能否獲致較佳的治療結果？本研究針對憂鬱症門診患者進行隨機對照實驗設計，運用貝葉斯模組平均化分析（Bayesian Model Averaging，BMA） 比較 CBT 和 CBT-EE 的效果。每位患者均同時設定治療狀況預測值以及針對每位個案找出一個較佳和次佳治療的預測值。接著，計算個別化優勢指數（PAI）以比較兩組預估值。兩種治療狀況各找出不同的預測變項。結果發現兩種狀況在貝克憂鬱量表第二版的 PAI 是 1.35，並可以預測 46%的樣本在其中一項療法中具有臨床意義的優勢。雖然採用 PAI 這種取向需要更多的前瞻性研究加以確認，本研究的貢獻在於找出特定治療介入有利於特定患者。

Keywords:

• Personalized Advantage Index
• treatment selection
• depression
• psychotherapy
• CBT
• precision medicine

Parole chiave:

• PersonalizedAdvantage Index
• selezione del trattamento
• depressione
• psicoterapia, CBT
• medicina di precisione

Palavras-chave:

• Índice de Vantagem Personalizada
• seleção de tratamento
• depressão
• psicoterapia
• TCC
• medicina de precisão

關鍵字:

• 個別化優勢指數
• 治療選擇
• 憂鬱症
• 心理治療
• CBT
• 精準醫學

Supplemental data

Supplemental data for this article can be accessed 10.1080/10503307.2019.1664782.

ORCID

Thomas Berger http://orcid.org/0000-0002-2432-7791