Mehr Mut zur Psychotherapieforschung in der Praxis: Auf dem Weg zu einer evidenzbasierten Personalisierung

Sina A. Clausen

Wolfgang Lutz

Aus den Diskussionen der letzten Jahre zu den Psychotherapierichtlinien, der Reform der Psychotherapieaus- und -weiterbildung sowie zu evaluativen und qualitätssichernden Maßnahmen in der Praxis ergab sich bereits der positive Effekt einer stärkeren Beteiligung vieler Psychotherapeutinnen und Psychotherapeuten an praxisbezogenen Forschungs- und Evaluationsbemühungen [1]. Das in Großbritannien im gesamten Gesundheitssystem eingesetzte Konzept des Improving Access to Psychological Therapies (IAPT) [2] [3] als Orientierung nehmend haben z. B. die Hochschul- und Ausbildungsambulanzen für Psychotherapie eine gemeinsame Datenerhebungs- und Auswertungsplattform (KODAP) zur koordinierten Evaluation der Psychotherapie sowie zur Schaffung einer deutschlandweiten Forschungsdatenplattform für Klinische Psychologie und Psychotherapie initiiert (z. B. [4]). Ähnliche Überlegungen zur Umsetzung und zum Einsatz zu routinemäßigen Erhebungen gibt es bei weiteren Psychotherapieverbänden (z. B. DGVT) und Organisationen (z. B. DKPM), wenn auch mit unterschiedlich intensiven Implementationsbemühungen [5] [6] [7].

• Literatur

• 1 Lutz W, Neu R, Rubel JA. Evaluation und Effekterfassung in der Psychotherapie. Göttingen: Hogrefe; 2019
• 2 Delgadillo J, De Jong K, Lucock M. et al. Feedback-informed treatment versus usual psychological treatment for depression and anxiety. A multisite, open-label, cluster randomised controlled trial. The Lancet Psychiatry 2018; 5: 564-572. doi: 10.1016/S2215-0366(18)30162-7
• 3 Clark DM, Layard R, Smithies R. et al. Improving access to psychological therapy. Initial evaluation of two UK demonstration sites. Behav Res Ther 2009; 47: 910-920 doi: 10.1016/j.brat.2009.07.010
• 4 Velten J, Margraf J, Benecke C. et al. Methodenpapier zur Koordination der Datenerhebung und -auswertung an Hochschul- und Ausbildungsambulanzen für Psychotherapie (KODAP). Zeitschrift für Klinische Psychologie und Psychotherapie 2017; 46: 169-175. doi:10.1026/1616-3443/a000431
• 5 Henkel M, Zimmermann J, Huber D. et al. Patientencharakteristika in psychoanalytischen Ausbildungsambulanzen und Praxen. Forum Psychoanal 2018; 34: 99-111. doi:10.1007/s00451-017-0285-8
• 6 Glaesmer H, Forkmann T, Dinkel A. et al. Kriterienkatalog zur Beurteilung psychodiagnostischer Selbstbeurteilungsinstrumente--Empfehlung des Deutschen Kollegiums für Psychosomatische Medizin (DKPM). Psychother Psychosom Med Psychol 2015; 65: 246-254. doi:10.1055/s-0034-1398685
• 7 Victor P, Dresenkamp A, Haag E. et al. Ausbildungsforschung in Ausbildungsinstituten der Deutschen Gesellschaft für Verhaltenstherapie. Psychotherapeut 2018; 63: 62-67. doi:10.1007/s00278-017-0225-5
• 8 Tasca GA, Sylvestre J, Balfour L. et al. What clinicians want. Findings from a psychotherapy practice research network survey. Psychotherapy 2015; 52: 1-11 doi:10.1037/a0038252
• 9 Lambert MJ. Maximizing Psychotherapy Outcome beyond Evidence-Based Medicine. Psychother Psychosom 2017; 86: 80-89 doi: 10.1159/000455170
• 10 Rief W, Bleichhardt G, Dannehl K. et al. Comparing the Efficacy of CBASP with Two Versions of CBT for Depression in a Routine Care Center. A Randomized Clinical Trial. Psychother Psychosom 2018; 87: 164-178. doi: 10.1159/000487893
• 11 Borsboom D, Cramer AOJ. Network analysis. An integrative approach to the structure of psychopathology. Annu Rev Clin Psychol 2013; 9: 91-121. doi: 10.1146/annurev-clinpsy-050212-185608
• 12 Fisher AJ, Reeves JW, Lawyer G. et al. Exploring the idiographic dynamics of mood and anxiety via network analysis. J Abnorm Psychol 2017; 126: 1044-1056 doi:10.1037/abn0000311
• 13 Rubel JA, Fisher AJ, Husen K. et al. Translating Person-Specific Network Models into Personalized Treatments. Development and Demonstration of the Dynamic Assessment Treatment Algorithm for Individual Networks (DATA-IN). Psychother Psychosom 2018; 87: 249-251
• 14 Lutz W, Schwartz B, Hofmann SG. et al. Using network analysis for the prediction of treatment dropout in patients with mood and anxiety disorders. A methodological proof-of-concept study. Sci Rep 2018; 8: 114. doi:10.1038/s41598-018-25953-0
• 15 Furukawa TA, Efthimiou O, Weitz ES. et al. Cognitive-Behavioral Analysis System of Psychotherapy, Drug, or Their Combination for Persistent Depressive Disorder. Personalizing the Treatment Choice Using Individual Participant Data Network Metaregression. Psychother Psychosom 2018; 87: 1-14. doi:10.1159/000489227
• 16 Deisenhofer A-K, Delgadillo J, Rubel JA. et al. Individual treatment selection for patients with posttraumatic stress disorder. Depress Anxiety 2018; 1-10. doi:10.1002/da.22755
• 17 Delgadillo J, Overend K, Lucock M. et al. Improving the efficiency of psychological treatment using outcome feedback technology. Behav Res Ther 2017; 99: 89-97. doi:10.1016/j.brat.2017.09.011
• 18 Lutz W, Zimmermann D, Müller VNLS. et al. Randomized controlled trial to evaluate the effects of personalized prediction and adaptation tools on treatment outcome in outpatient psychotherapy. Study protocol. BMC Psychiatry 2017; 17: 306. doi:10.1186/s12888-017-1464-2
• 19 Lutz W, Wucherpfennig F. Was bedeutet Personalized Medicine und Personalized Mental Health für die Psychotherapie und Psychotherapieforschung?. Psychother Psychosom Med Psychol 2017; 67: 227-230. doi:10.1055/s-0043-110128
• 20 Paulick J, Deisenhofer A-K, Ramseyer F. et al. Nonverbal synchrony. A new approach to better understand psychotherapeutic processes and drop-out. Journal of Psychotherapy Integration 2018; 28: 367-384 doi:10.1037/int0000099
• 21 Schönherr D, Paulick J, Strauß B. et al. Nonverbale Synchronie von Bewegungen als Prädiktor für einen Therapieabbruch bei Patienten mit Sozialer Phobie. Psychother Psych Med 2018; 68: e37-e37 doi:10.1055/s-0038-1667970