O que é o Moodbuster?

O Moodbuster é uma plataforma de investigação: os tratamentos ocorrem no âmbito de projetos de investigação (ver também: Projetos). A plataforma consiste num portal online para pacientes e terapeutas e numa aplicação móvel através da qual é possível medir todos os tipos de fatores, tais como o humor ou as atividades diárias (também referido como Ecological Momentary Assessment). O Moodbuster pode ser utilizado tanto para a prevenção como para o tratamento, quer como ferramenta de autoajuda ou tratamento acompanhado online ou em combinação com terapia face-a-face (terapia combinada).

De momento, o Moodbuster consiste num tratamento terapêutico cognitivo-comportamental para a depressão. Existem 6 módulos online que visam explicar a depressão, que têm como objetivo ensinar a pensar de forma mais positiva, planear atividades estruturalmente agradáveis, resolver problemas associados a estados de tristeza e praticar mais exercício físico. Os módulos são estruturados. O utilizador é guiado através de textos e vídeos ao longo do módulo, sendo-lhe apresentados vários exercícios e tarefas para fazer em casa.

O Moodbuster está disponível em diversos idiomas, entre os quais o Holandês, (e Flamengo), Inglês, Francês, Alemão, Português e Polaco.

MoodBuster 2.0

Para além da plataforma de tratamento, o Moodbuster 2.0 apresenta também um sistema de gestão de conteúdos. Este sistema oferece aos investigadores e terapeutas a possibilidade de alargarem o Moodbuster para tratar a depressão e de o adaptarem a outros problemas do foro psicológico, como por exemplo problemas de ansiedade.

Quem pode utilizar o Moodbuster?

O Moodbuster enquanto ferramenta de autoajuda
Enquanto variante de autoajuda, o Moodbuster permite aos utilizadores começarem a reduzir os seus problemas e a procurar soluções autonomamente, ou seja, sem a intervenção de um prestador de cuidados. O utilizador determina por si próprio onde e quando pretende fazê-lo. Isso sempre ocorre no context da pesquisa.

 O Moodbuster em terapia acompanhada

O Moodbuster contém de momento 6 módulos online. Estes podem ser usados para tratamentos online ou em combinação com terapia face-a-face. Esta combinação de conversas com um terapeuta e sessões de tratamento online chama-se terapia “combinada”. Esta terapia combinada foi alvo de investigação e considerada clinicamente eficaz (ver investigação).

Numa terapia combinada vão sendo intercaladas as conversas com o terapeuta e as sessões online. As conversas com o terapeuta ocorrem no local da terapia e as sessões online são conduzidas pelo utilizador de forma autónoma, em casa, a partir do seu computador. O terapeuta vai dando o seu feedback online.

Projetos

O Moodbuster foi desenvolvido, avaliado e utilizado em projetos em curso, bem como em projetos concluídos:

.

O Moodbuster 1.0 foi desenvolvido no âmbito do projeto europeu ICT4DEPRESSION (7.º Programa-Quadro). Este projeto foi concluído em 2012. Para mais informações sobre o projeto de desenvolvimento, os parceiros e os resultados, consulte www.ict4depression.eu

.

E-COMPARED: o projeto “European Comparative Effectiveness Research on Internet-based Depression Treatment” avaliou a eficácia clínica e a relação custo/eficácia de terapias combinadas para depressões graves em adultos em comparação com a terapia regular realizada nos cuidados regulares em nove países europeus, dos quais cinco trabalharam com o Moodbuster. Este projeto foi concluído com sucesso em 2017. (www.e-compared.eu)

.

eMen: Trata-se de um projeto da UE/INTERREG cujo objetivo é contribuir para a inovação e a implementação da saúde mental online (e-mental health) através da colaboração de intervenientes públicos e privados na Holanda, Inglaterra, Alemanha, Bélgica e Alemanha. No âmbito deste projeto, o Moodbuster foi desenvolvido e avaliado para ser utilizado na prestação de cuidados de saúde primários (não acompanhados) e num ambiente hospitalar (acompanhados). Este projeto irá decorrer até 2020. Para mais informações: 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

Sobre nós

Entre em contato

Para mais informações ou dúvidas sobre o Moodbuster, você pode entrar em contato com a Khadicha Amarti,

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

Equipe do projeto Moodbuster

FAQ

Perguntas frequentes

A e-mental health é a utilização das Tecnologias de Informação e Comunicação no apoio à prestação de cuidados de saúde. Pode ser utilizada na prevenção, no tratamento e no acompanhamento posterior. Existem muitas formas diferentes de e-mental health, como a autoajuda online, a autoajuda acompanhada ou as terapias combinadas.

Os módulos que estão disponíveis de momento são orientados para o tratamento da depressão. Estes módulos têm por base a terapia cognitivo-comportamental (TCC). Uma forma de terapia na qual o utilizador investiga o modo como os pensamentos, os sentimentos e os comportamentos se relacionam entre si. A TCC é um tratamento eficaz da depressão, mesmo se for disponibilizado através da Internet.

Em breve deverão estar disponíveis na plataforma módulos para o tratamento de outros problemas mentais, como por exemplo problemas de ansiedade.

No caso de uma terapia combinada, as conversas com o terapeuta e as sessões online vão alternando entre si. As conversas com o terapeuta ocorrem no local da terapia e as sessões online são conduzidas pelo utilizador de forma autónoma, em casa, a partir do seu computador. O terapeuta vai dando o seu feedback online.

De momento, o Moodbuster está disponível em Holandês, Inglês, Alemão e Francês.