Was ist Moodbuster?

Moodbuster ist eine flexible Plattform für die Online-Behandlung von psychischen Beschwerden. Die Plattform besteht aus einem Webportal für Patienten und Behandelnde und einer mobilen Anwendung, mit der sich alles Mögliche wie Stimmung oder Alltagsaktivitäten messen lassen (auch Ökologische Kurzzeitbewertung genannt). Moodbuster lässt sich sowohl zur Prävention, wie auch zur Behandlung von Selbsthilfe-Tools, zur betreuten Online-Behandlung oder in Kombination mit einer Face-to-Face-Therapie (blended Behandlung) einsetzen. Die Moodbuster-Plattform ist eine Forschungsplattform: die Behandlungen finden im Rahmen von Forschungsprojekten statt (siehe auch: Forschung).

Zurzeit besteht Moodbuster aus einer kognitiven verhaltenstherapeutischen Behandlung von Depressionen. Es gibt 6 Online-Module, mit deren Hilfe man Depressionen zu erklären, positiver denken, strukturell angenehme Aktivitäten planen, Probleme im Zusammenhang mit Trübsal lösen und sich mehr bewegen kann. Die Module sind strukturförmig aufgebaut. Texte und Videos führen den Benutzer durch das Modul, wobei dazwischen Übungen bearbeitet und Hausaufgaben gegeben werden.

Moodbuster ist in mehreren Sprachen erhältlich, darunter auf Niederländisch (und Flämisch), Englisch, Französisch, Deutsch, Portugiesisch und Polnisch.

MoodBuster 2.0

Moodbuster 2.0 besteht neben der Behandlungsplattform auch aus einem Content Management System. Dieses System bietet Forschern und Behandelnden die Möglichkeit, den Moodbuster gegen Depressionen zu erweitern und ihn auch für andere psychische Probleme, wie z.B. Angststörungen, einsetzen zu können. Moodbuster 2.0 ist ab September 2019 erhältlich

Wer kann Moodbuster benutzen?

Behandelnde und Therapeuten können Moodbuster bei der Behandlung ihrer Patienten einsetzen. Die Moodbuster-Plattform ist eine Forschungsplattform: die Behandlungen finden im Rahmen von Forschungsprojekten statt (siehe auch: Projekte).

Moodbuster als Selbsthilfetool
Der Moodbuster als Selbsthilfe-Variante ermöglicht es den Nutzern, ohne Involvieren eines Behandelnden selbstständig zu arbeiten, Beschwerden zu reduzieren und nach Lösungen zu suchen. Der Anwender bestimmt selbst, wann und wo er/sie dies nutzt.

Moodbuster in der Betreuungstherapie
Moodbuster besteht zurzeit aus 5 Online-Modulen. Diese lassen sich zu einer Online-Behandlung oder in Kombination mit einer Face-to-Face-Therapie einsetzen. Diese Kombination aus Gesprächen mit einem Arzt und Online-Behandlungssitzungen wird als “blended” Behandlung bezeichnet. Diese blended Behandlung wurde untersucht und als klinisch wirksam befunden (siehe Forschung).

Bei einer blended Behandlung wechseln sich Gespräche mit dem Behandelnden und Online-Sitzungen ab. Die Gespräche mit dem Behandelnden finden am Behandlungsort statt und die Online-Sitzungen werden vom Benutzer zu Hause am Computer selbstständig durchgeführt. Der Behandelnde gibt dann online Feedback.

Projekte

Moodbuster wurde entwickelt, bewertet und in laufenden und abgeschlossenen Projekten eingesetzt:

.

Moodbuster 1.0 wurde im Rahmen der europäischen ICT4DEPRESSION (7. Rahmen) entwickelt. Dieses Projekt wurde im Jahr 2012 abgeschlossen. Weitere Informationen über den Entwicklungsverlauf, die Partner und die Ergebnisse finden Sie hier: www.ict4depression.eu

.

E-COMPARED: Das Projekt “European Comparative Effectiveness Research on Internet-based Depression Treatment” hat die klinische Wirksamkeit und Kosteneffizienz der blended Behandlung von schweren Depressionen bei Erwachsenen im Vergleich zur regulären Behandlung im Rahmen der regulären Gesundheitsversorgung in 9 europäischen Ländern bewertet, von denen 5 Länder mit Moodbuster zusammengearbeitet haben. Dieses Projekt wurde im Jahr 2017 erfolgreich abgerundet. (www.e-compared.eu)

.

eMen: Dies ist ein EU/INTERREG-Projekt, das darauf abzielt, die Innovation und Umsetzung der E-Mental-Health durch Zusammenarbeit zwischen privaten und öffentlichen Parteien in den Niederlanden, England, Deutschland, Belgien und Frankreich zu verbessern. Im Rahmen dieses Projekts wird Moodbuster für den Einsatz in der Primärversorgung (unbeaufsichtigt) und in einem Krankenhaus (beaufsichtigt) weiterentwickelt und evaluiert. Dieses Projekt läuft bis 2020. Mehr Informationen finden Sie hier: 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. Trials17(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 Practice69(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 treatment2019doi: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 Interventions9, 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

Über Uns

Kontakt

Für weitere Informationen oder Fragen zu Moodbuster wenden Sie sich bitte an Khadicha Amarti,

tel +31 (0) 20 59 83348
email info@moodbuster.science

Moodbuster-Projektteam

Heleen Riper

Heleen Riper

Prof. dr. Heleen Riper, Research Director MoodBuster. Fakultät für Verhaltens- und Bewegungswissenschaften, Abteilung für Klinische, Neuro- und Entwicklungspsychologie, Sektion Klinische Psychologie. Vrije Universiteit Amsterdam

Anneke van Schaik

Anneke van Schaik

Psychiater, GGZ inGeest / Amsterdam UMC

Khadicha Amarti

Khadicha Amarti

Platform-Koordinator, Vrije Universiteit Amsterdam

Christiaan Vis

Christiaan Vis

Moodbuster Organisationsberater, Vrije Universiteit Amsterdam

Felix Bolinski

Felix Bolinski

Bildungskoordinator, Vrije Universiteit Amsterdam

Geke Romijn

Geke Romijn

Moodbuster Interventionsentwickler, Vrije Universiteit Amsterdam

Simon Provoost

Simon Provoost

Moodbuster Interventionsentwickler, Vrije Universiteit Amsterdam

Artur Rocha

Artur Rocha

Informationsarchitekt, INESC TEC

José Pedro Ornelas

José Pedro Ornelas

Leiter der Technologie, INESC TEC

Carin Freid

Carin Freid

Therapeutischer Berater


FAQ

Oft gestellte Fragen

E-Mental-Health ist die Nutzung von IT zur Unterstützung der psychischen Gesundheitsversorgung. Sie kann zur Prävention, Behandlung und Nachsorge eingesetzt werden. Es gibt viele verschiedene Formen der E-Mental-Health, wie z.B. die Online-Selbsthilfe, die betreute Selbsthilfe oder blended Behandlungen.

Die derzeit verfügbaren Module konzentrieren sich auf die Behandlung von Depressionen. Diese basieren auf der kognitiven Verhaltenstherapie (KVT). Eine Therapieform, bei der der Nutzer untersucht, wie Gedanken, Gefühle und Verhalten miteinander verbunden sind. KVT ist eine wirksame Behandlung von Depressionen, auch wenn sie über das Internet angeboten wird.

Bald werden auf der Plattform auch Module für andere psychische Beschwerden zur Verfügung gestellt, wie z.B. Module für Angststörungen.

Bei einer blended Behandlung wechseln sich Gespräche mit dem Behandelnde und Online-Sitzungen ab. Die Gespräche mit dem Behandelnden finden am Behandlungsort statt und die Online-Sitzungen werden vom Benutzer zu Hause am Computer selbstständig durchgeführt. Der Behandelnde gibt dann online Feedback.

Moodbuster ist zurzeit in Niederländisch, Englisch, Deutsch und Französisch erhältlich.