Co to jest Moodbuster?

Moodbuster to platforma badawcza: procesy leczenia przebiegają w ramach projektów badawczych (zob. też Projekty). Na platformę składa się portal internetowy dla pacjentów i osób prowadzących leczenie oraz mobilna aplikacja, która pozwala na pomiar wielu aspektów, takich jak nastrój czy codzienne czynności (metoda zwana też Ecological Momentary Assessment). Platformy Moodbuster można używać zarówno do zapobiegania, jak i w leczeniu, a więc jako narzędzie samopomocy, jako objęte nadzorem leczenie przez Internet lub w połączeniu z klasyczną terapią bezpośrednią (leczenie mieszane).

Obecnie Moodbuster obejmuje leczenie depresji z zastosowaniem terapii poznawczo-behawioralnej. Składa się na nie 6 internetowych modułów, których celem jest wyjaśnienie depresji, nakierowanych na naukę pozytywnego myślenia, strukturalne planowanie przyjemnych czynności, rozwiązywanie problemów powiązanych z przygnębieniem i zwiększenie ruchu. Moduły mają określoną strukturę. Teksty i filmiki prowadzą użytkownika przez moduł, a między nimi pojawiają się ćwiczenia do wykonania i zadania domowe.

Platforma Moodbuster jest dostępna w różnych językach, w tym po niderlandzku (także w wersji flamandzkiej), angielsku, francusku, niemiecku, portugalsku i po polsku.

Moodbuster 2.0

Na Moodbuster 2.0 oprócz platformy terapeutycznej składa się też system zarządzania treścią. System ten pozwala badaczom i prowadzącym leczenie poszerzać Moodbuster stosowany przy depresji i dostosować go do użycia przy innych problemach psychicznych, na przykład przy zaburzeniach lękowych.

Kto może korzystać z Moodbuster?

Moodbuster jako narzędzie do samopomocy
Moodbuster w wariancie do samopomocy umożliwia użytkownikom samodzielnie, a więc bez pośrednictwa osoby świadczącej pomoc, rozpocząć redukowanie dolegliwości i poszukiwanie rozwiązań. Użytkownik sam określa, gdzie i kiedy chce to robić. Procesy leczenia przebiegają w ramach projektu

Moodbuster w terapii prowadzonej
Moodbuster składa się obecnie z 6 modułów. Można je wykorzystywać do leczenia przez Internet lub w połączeniu z klasyczną terapią bezpośrednią. To połączenie rozmów z osobą prowadzącą leczenie i internetowych sesji nazywamy leczeniem „mieszanym”. Takie leczenie mieszane zostało przebadane i uznano je za klinicznie skuteczne (zob. badania).

Przy leczeniu mieszanym rozmowy z osobą prowadzącą przeplatają się z sesjami internetowymi. Rozmowy z osobą prowadzącą odbywają się w miejscu leczenia, a sesje internetowe użytkownik wykonuje samodzielnie w domu, przy komputerze. Następnie osoba prowadząca dostarcza za pośrednictwem sieci informację zwrotną.

Projekty

Platformę Moodbuster opracowano, poddano ewaluacji i wykorzystano w bieżących i już zakończonych projektach:

.

Moodbuster 1.0 powstała w ramach europejskiego programu ICT4DEPRESSION (7. Program Ramowy). Projekt ten zakończył się w roku 2012. Więcej informacji o procesie tworzenia, partnerach i wynikach można znaleźć na stronie www.ict4depression.eu

.

E-COMPARED, czyli projekt “European Comparative Effectiveness Research on Internet-based Depression Treatment”, pozwolił na ewaluację skuteczności klinicznej i opłacalności leczenia mieszanego dużej depresji u dorosłych w porównaniu ze standardowym leczeniem w ramach zwykłej opieki w 9 europejskich krajach, z czego w 5 krajach wykorzystano Moodbuster. Projekt ten zakończył się sukcesem w roku 2017. (www.e-compared.eu)

.

eMen to projekt UE w ramach INTERREG, który ma na celu ulepszenie innowacji i implementacji w dziedzinie zdrowia psychicznego z wykorzystaniem Internetu (“e-mental health”) poprzez współpracę między prywatnymi i publicznymi podmiotami z Holandii, Anglii, Niemiec, Belgii i Francji. W ramach tego projektu platforma Moodbuster jest dalej rozbudowywana i oceniana pod kątem wykorzystania w podstawowej opiece zdrowotnej (bez nadzoru) i w środowisku szpitalnym (pod nadzorem). Ten projekt trwa do roku 2020. Więcej informacji: 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

O nas

Kontakt

Aby uzyskać więcej informacji lub pytania dotyczące Moodbuster, możesz skontaktować się z Khadichą Amarti,

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

Zespół projektowy Moodbuster

FAQ

Często zadawane pytania

E-mental health to wykorzystanie technologii informacyjno-komunikacyjnych do wspierania zdrowia psychicznego. Można ich używać do zapobiegania, leczenia i opieki po zakończeniu leczenia. Istnieje wiele różnych form e-mental health, takich jak samopomoc z użyciem Internetu, samopomoc objęta nadzorem lub leczenie mieszane.

Dostępne obecnie moduły są nakierowane na leczenie depresji. Bazują one na terapii poznawczo-behawioralnej (CBT). Jest to forma terapii, w której użytkownik obserwuje, jak powiązane są myśli, uczucia i zachowania. CBT to skuteczna metoda leczenia depresji, także jeśli oferuje się ją za pośrednictwem Internetu.

W najbliższym czasie na platformie zostaną udostępnione również moduły dla innych problemów psychicznych, jak na przykład moduły dotyczące zaburzeń lękowych.

Przy leczeniu mieszanym rozmowy z osobą prowadzącą leczenie przeplatają się z sesjami internetowymi. Rozmowy z osobą prowadzącą odbywają się w miejscu leczenia, a sesje internetowe użytkownik wykonuje samodzielnie w domu, przy komputerze. Następnie osoba prowadząca dostarcza za pośrednictwem sieci informację zwrotną.

Platforma Moodbuster jest obecnie dostępna po niderlandzku, angielsku, niemiecku i francusku.