Metaanalys på individnivå ger nya insikter om mekanismerna bakom ångest och vilken behandling som passar vilka patienter

Ångeststörningar är den största diagnosgruppen bland psykiska sjukdomar. Globalt beräknas ungefär 812 miljoner människor vara drabbade. Trots att vi sedan många år tillbaka har haft tillgång till effektiva medicinska och terapeutiska behandlingar är det en minoritet som får adekvat hjälp. En väg för att öka tillgången till behandling är att dra nytta av den tekniska utvecklingen. Automatiserade, datorbaserade interventioner kan dessutom bidra till lägre kostnader och färre oönskade konsekvenser.

Andra problem med de vanligaste behandlingsalternativen för ångest idag är bland annat hög risk för återfall och dålig kunskap om vilken behandling som passar bäst för vilka patienter. Genom så kallade mekanistiska behandlingsmetoder, där man baserat på psykologiska teorier försöker komma åt en underliggande mekanism bakom problemet, kan man både få ökad kunskap om orsaken till problemen och vilken behandling som bäst hjälper olika patienter.

Attention Bias Modification, ABM, är en sådan mekanistisk behandling. Den riktar in sig direkt på en mekanism som man kunnat se i ett flertal studier och som tros kunna ligga bakom ångestproblematik: selektiv uppmärksamhet gentemot hot. Människor med ångest har en tendens att fästa större uppmärksamhet vid intryck som uppfattas som hotfulla. ABM försöker genom träning vid datorn att förändra denna ”uppmärksamhetsbias”, vilket borde minska ångestsymtomen – om det stämmer att detta är en bakomliggande mekanism till ångest.

Forskningsresultateten har dock varit blandade: vissa studier har visat goda effekter, medan andra inte har kunnat återskapa de goda resultaten. Även när man har försökt slå samman resultaten i metaanalyser för att få en tydligare bild, har man även då fått olika resultat vid olika analyser. Därför ville vi, i denna så kallade mega-analys, försöka få klarhet i hur det ligger till: Stämmer hypotesen att uppmärksamhetsbias kan ligga bakom ångeststörningar och kan ABM vara meningsfullt, åtminstone för vissa patientgrupper?

Mega-analysen använde sig av poolade data på patientnivå, alltså inte enbart sammanslagna medelvärden, från randomiserade kontrollerade studier av ABM. Detta tillvägagångssätt gav oss nya alternativ för att analysera samband även unika möjligheter att titta närmare på individuella skillnader inom varje sample.

Resultaten visade att ABM överlag hade en signifikant effekt när det gällde hur många som inte längre uppfyllde diagnoskriterierna. Vi kunde även se att ABM framför allt var effektivt för yngre patienter, under 37 år, och för patienter som genomförde träningen i ett labb, snarare än hemma. Effekterna var också tydligare när en kliniker skattade patientens symtom, jämfört med om patienten skattade själv.

Studien ger oss en mer nyanserad bild, där vi får stöd för att uppmärksamhetsbias kan vara en bakomliggande mekanism till ångestproblem, men att detta verkar gälla vissa undergrupper. Resultaten ger oss såväl en mer mångfasetterad förståelse av ångest som bättre möjligheter att erbjuda den enskilda patienten effektiv behandling.

[ Sammanfattat av Hedvig Nettelblad ]

Läs vår artikel i sin helhet:

Price, R. B., Wallace, M., Kuckertz, J. M., Amir, N., Graur, S., Cummings, L., Popa, P., Carlbring, P., & Bar-Haim, Y. (2016). Pooled patient-level meta-analysis of children and adults completing a computer-based anxiety intervention targeting attentional bias. Clinical Psychology Review, 50, 37-49. doi:10.1016/j.cpr.2016.09.009

[lightbox link=”http://www.carlbring.se/wp/wp-content/uploads/2016/09/CBMmetaanalysHighlights1.gif” thumb=”http://www.carlbring.se/wp/wp-content/uploads/2016/09/CBMmetaanalysHighlights1-1024×302.gif” width=”1024″ align=”center” title=”Highlights” frame=”true” icon=”image” caption=””]

[lightbox link=”http://www.carlbring.se/wp/wp-content/uploads/2016/09/prisma_metaanalys_CBM.jpg” thumb=”http://www.carlbring.se/wp/wp-content/uploads/2016/09/prisma_metaanalys_CBM-839×1024.jpg” width=”839″ align=”center” title=”PRISMA Flowchart” frame=”true” icon=”image” caption=”PRISMA Flowchart”]