Qu’est-ce que

Qu’est-ce que Moodbuster ?

La plateforme Moodbuster est une plateforme de recherche: les traitements ont lieu dans le cadre de projets de recherche (voir aussi: projets). La plateforme se compose d’un portail Web pour les patients et les thérapeutes et d’une application mobile avec lesquels vous pouvez mesurer toutes sortes de choses telles que l’humeur ou les activités quotidiennes (un concept connu sous le nom de « Ecological Momentary Assessment »). Moodbuster peut être utilisé aussi bien pour la prévention que pour le traitement grâce à des outils d’auto-assistance, de traitement en ligne accompagné ou en combinaison avec la thérapie en face-à-face (traitement mixte).

À l’heure actuelle, Moodbuster propose une thérapie cognitivo-comportementale de la dépression. Il y a 6 modules en ligne destinés à expliquer la dépression, à apprendre à avoir une pensée plus positive, à planifier des activités structurellement agréables, à résoudre des problèmes associés à la morosité et à faire plus d’activité physique. Les modules sont structurés. Des textes et des vidéos guident l’utilisateur à travers chaque module, dans lesquels il est appelé à faire des exercices et des devoirs.

Moodbuster est disponible en plusieurs langues dont le néerlandais (et le flamand), l’anglais, le français, l’allemand, le portugais et le polonais.

Moodbuster 2.0

Moodbuster 2.0 se compose également d’un système de gestion de contenu en plus de la plateforme de traitement. Ce système offre aux chercheurs et aux praticiens la possibilité d’élargir l’offre de Moodbuster actuellement centrée sur la dépression et de le rendre approprié pour d’autres problèmes psychiques tels que, par exemple, les troubles anxieux.

Qui peut utiliser Moodbuster ?

Moodbuster en tant qu’outil d’auto-assistance
Le Moodbuster en tant qu’alternative d’auto-assistance permet aux utilisateurs de travailler de manière autonome, c’est-à-dire sans l’intervention d’un professionnel de la santé, de traiter leurs problèmes et de trouver des solutions par eux-mêmes. L’utilisateur peut librement choisir où et à quel moment il le fait. Cela se produit toujours dans le cadre de la recherche.

Moodbuster en tant que thérapie accompagnée
Moodbuster se compose maintenant de 6 modules en ligne. Ils peuvent être utilisés pour un traitement en ligne ou en combinaison avec la thérapie en face-à-face. Cette combinaison d’entretiens avec un thérapeute et de séances de traitement en ligne est appelée un traitement « mixte ». Ce traitement mixte a été étudié et s’est révélé cliniquement efficace (voir recherche).

Dans un traitement mixte, des entretiens avec le thérapeute alternent avec les sessions en ligne. Les entretiens avec le thérapeute ont lieu sur le lieu de consultation tandis que l’utilisateur planifie lui-même ses sessions en ligne à la maison derrière son ordinateur. Le thérapeute communique ensuite ses commentaires en ligne.

Projets

Moodbuster est développé, évalué et utilisé dans les projets en cours et d’autres qui sont terminés :

.

Moodbuster 1.0 a été développé dans le cadre du projet européen ICT4DEPRESSION (cadre 7e). Ce projet a été achevé en 2012. Pour plus d’informations sur le processus de développement, les partenaires et les résultats visitez le site www.ict4depression.eu

.

E-COMPARED : le projet « European Comparative Effectiveness Research on Internet-based Depression Treatment » a évalué l’efficacité clinique et le rapport coût/efficacité du traitement mixte de la dépression majeure chez les adultes par rapport au traitement conventionnel dans le cadre de consultations régulières, et ce dans 9 pays européens, dont 5 ont travaillé avec Moodbuster. Ce projet a été conclu avec succès en 2017. (www.e-compared.eu)

.

eMen : il s’agit d’un projet UE/INTERREG visant à améliorer l’innovation et la mise en œuvre de la santé mentale par le biais de la coopération entre les parties privées et publiques aux Pays-Bas, en Angleterre, en Allemagne, en Belgique et en France. Dans le cadre de ce projet, Moodbuster est développé et évalué pour être utilisé dans les soins de première ligne (sans accompagnement) et dans un environnement hospitalier (avec accompagnement). Ce projet s’étend jusque 2020. Pour plus d’informations : 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

À propos de nous

Contact

Pour plus d’informations ou des questions sur Moodbuster, vous pouvez contacter Khadicha Amarti,

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

Équipe de projet Moodbuster

FAQ

Questions fréquentes

« e-mental health » désigne l’utilisation des TIC pour soutenir les soins de santé mentale. Ceci inclut la prévention, le traitement et le suivi. Il existe de nombreuses formes différentes de « e-mental health », telles que l’auto-assistance en ligne, l’auto-assistance avec accompagnement ou les traitements mixtes.

Les modules actuellement disponibles sont destinés au traitement de la dépression. Ceux-ci sont basés sur la thérapie cognitivo-comportementale (TCC). Une forme de thérapie, dans laquelle l’utilisateur examine comment ses pensées, ses sentiments et ses comportements sont liés. La TCC est un traitement efficace contre la dépression, même lorsqu’elle est proposée au travers d’Internet.

À court terme, la plateforme mettra également à disposition des modules répondant à d’autres symptômes psychologiques, comme les plaintes d’anxiété, par exemple.

Dans un traitement mixte, des entretiens avec le thérapeute alternent avec les sessions en ligne. Les entretiens avec le thérapeute ont lieu sur le lieu de consultation tandis que l’utilisateur planifie lui-même ses sessions en ligne à la maison derrière son ordinateur. Le thérapeute communique ensuite ses commentaires en ligne.

Moodbuster est actuellement disponible en néerlandais, anglais, allemand et français.