over onsprojectenvoor wie

Wat is Moodbuster?

Het Moodbuster platform is een onderzoeksplatform: de behandelingen vinden plaats in het kader van onderzoeksprojecten (zie ook: Projecten). Het platform bestaat uit een web-portaal voor patienten en behandelaren en een mobiele applicatie waarmee allerlei zaken gemeten kunnen worden zoals stemming of dagelijkse activiteiten (ook wel Ecological Momentary Assessment genoemd). Moodbuster kan gebruikt worden voor zowel preventie als behandeling dus van zelfhulptool, tot begeleide online-behandeling of in combinatie met face-to-face therapie (blended behandeling).

Op dit moment bestaat Moodbuster uit een cognitieve gedragstherapeutisch behandeling voor depressie. Er zijn 6 online modules, gericht op uitleg over depressie, positiever leren denken, structureel plezierige activiteiten plannen, problemen oplossen die samenhangen met somberheid en meer bewegen. De modules zijn gestructureerd. Teksten en filmpjes leiden de gebruiker door de module, waarbij tussendoor oefeningen worden gemaakt en huiswerkopdrachten worden gegeven.

Moodbuster is beschikbaar in verschillende talen waaronder in het Nederlands (en Vlaams), Engels, Frans, Duits, Portugees en Pools.

MoodBuster 2.0

Moodbuster 2.0 bestaat naast het behandelplatform ook uit een content-management systeem (CMS). Dit systeem biedt onderzoekers en behandelaren de mogelijkheid om Moodbuster voor depressie uit te breiden en ook voor andere psychische problemen geschikt te maken bijvoorbeeld voor angststoornissen.

Wie kan gebruik maken van Moodbuster?

Moodbuster als zelfhulptool
De Moodbuster als zelfhulp-variant maakt het voor gebruikers mogelijk om zelfstandig, dus zonder tussenkomst van een hulpverlener, aan de slag te gaan met het verminderen van hun klachten en het zoeken naar oplossingen. De gebruiker bepaalt zelf waar en wanneer hij/zij dat doet. Dit is altijd in het kader van een onderzoek.

Moodbuster in begeleide therapie
Moodbuster bestaat nu uit 6 online modules. Die kunnen gebruikt worden voor online behandeling of in combinatie met face-to-face therapie in het kader van onderzoek. Deze combinatie van gesprekken met een behandelaar en online behandelsessies noemen wij een ‘blended’ behandeling. Deze blended behandeling is onderzocht en klinisch effectief bevonden (zie onderzoek).

Bij een blended behandeling wisselen gesprekken met de behandelaar en online sessies elkaar af. De gesprekken met de behandelaar vinden plaats op de behandellocatie en de online sessies voert de gebruiker zelfstandig thuis achter de computer uit. De behandelaar geeft vervolgens online feedback.

Projecten

Moodbuster is ontwikkeld, geëvalueerd en gebruikt in lopende en afgeronde projecten:

.

Moodbuster 1.0 is ontwikkeld binnen het Europese ICT4DEPRESSION (7e Kader). Dit project is afgerond in 2012. Voor meer informatie over het ontwikkeltraject, de partners en de resultaten zie:  www.ict4depression.eu

.

E-COMPARED: het ‘European Comparative Effectiveness Research on Internet-based Depression Treatment’ project heeft de klinische effectiviteit en kosteneffectiviteit van blended behandelen van majeure depressie bij volwassenen in vergelijk met reguliere behandeling binnen de reguliere zorg geëvalueerd in 9 Europese landen, waarvan 5 landen met Moodbuster gewerkt hebben. Dit project is succesvol afgerond in 2017. (www.e-compared.eu)

.

eMen:Dit is een EU/INTERREG project dat tot doel heeft e-mental health innovatie en implementatie te verbeteren door middel van samenwerking tussen private en publieke partijen in Nederland, Engeland, Duitsland, Belgie en Frankrijk. Binnen dit project wordt Moodbuster doorontwikkeld en geëvalueerd wordt voor gebruik in de eerstelijnszorg (onbegeleid) en binnen een ziekenhuis-setting (begeleid). Dit project loopt tot 2020. Voor meer informatie: www.nweurope.eu/….emen

Protocol papers RCT’s in which Moodbuster has been applied

  1. Kemmeren, L. L., van Schaik, D. J., , Kleiboer, A. M., Bosmans, J. E., & Smit, J. H. (2016). Effectiveness of blended depression treatment for adults in specialised mental healthcare: Study protocol for a randomised controlled trial. BMC Psychiatry, 16(1), 113.doi:10.1186/s12888-016-0818-5
  2. Kleiboer, A., Smit, J., Bosmans, J., Ruwaard, J., Andersson, G., Topooco, N., Berger, T., Krieger, T., Botella, C., Baños, R., Chevreul, K., Araya, R., Cerga-Pashoja, A., Cieślak, R., Rogala, A., Vis, C., Draisma, S., van Schaik, A., Kemmeren, L., Ebert, D., Berking, M., Funk, B., Cuijpers, P., & . (2016). European COMPARative Effectiveness research on blended Depression treatment versus treatment-as-usual (E-COMPARED): Study protocol for a randomized controlled, non-inferiority trial in eight European countries. Trials, 17(1), 387. doi:10.1186/s13063-016-1511-1

Result papers in which Moodbuster has been featured

  1. Breedvelt, J. J., Zamperoni, V., Kessler, D., , Kleiboer, A. M., Elliott, I., Abel K., Gilbody S., &Bockting, C. L. (2019). GPs’ attitudes towards digital technologies for depression: an online survey in primary care. British Journal of General Practice, 69(680), e164-e170. doi:10.3399/bjgp18X700721
  2. Bremer, V., Funk, B., &  (2019). Heterogeneity Matters: Predicting Self-Esteem in Online Interventions Based on Ecological Momentary Assessment Data. Depression research and treatment, 2019. doi:10.1155/2019/3481624
  3. Becker, D., van Breda, W., Funk, B., Hoogendoorn, M., Ruwaard, J., & Riper, H. (2018). Predictive modeling in e-mental health: A common language framework. Internet Interventions, 12, 57-67. doi:10.1016/j.invent.2018.03.002
  4. Mikus, A., Hoogendoorn, M., Rocha, A., Gama, J., Ruwaard, J., & . (2018). Predicting short term mood developments among depressed patients using adherence and ecological momentary assessment data. Internet Interventions, 12, 105-110. doi:10.1016/j.invent.2017.10.001
  5. Rocha, A., Camacho, R., Ruwaard, J., & . (2018). Using multi-relational data mining to discriminate blended therapy efficiency on patients based on log data. Internet Interventions, 12, 176-180. doi:10.1016/j.invent.2018.03.003
  6. Van de Ven, P., O’Brien, H., Henriques, R., Klein, M., Msetfi, R., Nelson, J., … & , on behalf of the E-COMPARED Consortium. (2017). ULTEMAT: A mobile framework for smart ecological momentary assessments and interventions. Internet Interventions, 9, 74-81. doi:10.1016/j.invent.2017.07.001
  7. Becker, D., Bremer, V., Funk, B., Asselbergs, J., Riper, H., & Ruwaard, J. (2016). How to predict mood? Delving into features of smartphone-based data. Proceedings of the Twenty-second Americas Conference on Information Systems (AMCIS 2016), San Diego, USA. https://aisel.aisnet.org/amcis2016/Health/Presentations/20/
  8. Van Breda, W., Pastor, J., Hoogendoorn, M., Ruwaard, J., Asselbergs, J., & . (2016). Exploring and comparing machine learning approaches for predicting mood over time. In Chen, Y., Tanaka, S., Howlett, R. J., & Lakhmi, C. J. (Eds.), International Conference on Innovation in Medicine and Healthcare(pp. 37-47). Cham, Switzerland: Springer International Publishing. https://link.springer.com/chapter/10.1007/978-3-319-39687-3_4
  9. Abro, A. H., Klein, M. C., & Tabatabaei, S. A. (2015). An agent-based model for the role of social support in mood regulation. In Highlights of Practical Applications of Agents Multi-Agent Systems, and Sustainability. Springer International Publishing. https://link.springer.com/chapter/10.1007%2F978-3-319-19033-4_2
  10. Kop, R., Hoogendoorn, M., & Klein, M. C. (2014). A personalized support agent for depressed patients: Forecasting patient behavior using a mood and coping model. In 2014 IEEE/WIC/ACM International Joint Conferences on Web Intelligence (WI) and Intelligent Agent Technologies (IAT)(Vol. 3, pp. 302-309). IEEE. https://research.vu.nl/…patients.pdf
  11. Warmerdam, L., Riper, Klein, M., van den Ven P., Rocha, A., Ricardo Henriques, M., Tousset, E., Silva, H., Andersson, G., & Cuijpers, P. (2012). Innovative ICT solutions to improve treatment outcomes for depression: The ICT4Depression project. Studies in Health Technology and Informatics,181, 339-43. doi:10.3233/978-1-61499-121-2-339

Over ons

Contact

Voor meer informatie of vragen over Moodbuster kunt u contact opnemen met Khadicha Amarti,
tel +31 (0) 20 59 83348
email info@moodbuster.science

Moodbuster Projectteam

FAQ

Veel gestelde vragen

E-mental health is het gebuik van ICT om de geestelijke gezondheidszorg te ondersteunen. Het kan gebruikt worden voor preventie, behandeling en nazorg. Er bestaan veel verschillende vormen van e-mental health, zoals online zelfhulp, begeleide zelfhulp of blended behandelingen.

De modules die op dit moment beschikbaar zijn, zijn gericht op de behandeling van depressie. Deze zijn gebaseerd op cognitieve gedragtherapie (CGT). Een vorm van therapie, waarbij de gebruiker onderzoekt hoe gedachten, gevoelens en gedrag samenhangen. CGT is een effectieve behandeling voor depressie, ook wanneer deze via internet wordt aangeboden.

Op korte termijn zullen ook modules voor andere psychische klachten op het platform beschikbaar worden gemaakt, zoals bijvoorbeeld modules voor angstklachten.

Bij een blended behandeling wisselen gesprekken met de behandelaar en online sessies elkaar af. De gesprekken met de behandelaar vinden plaats op de behandellocatie en de online sessies voert de gebruiker zelfstandig thuis achter de computer uit. De behandelaar geeft vervolgens online feedback.

Moodbuster is nu beschikbaar in het Nederlands, Engels, Duits en Frans.