gms | German Medical Science

Brücken bauen – von der Evidenz zum Patientenwohl: 19. Jahrestagung des Deutschen Netzwerks Evidenzbasierte Medizin e. V.

Deutsches Netzwerk Evidenzbasierte Medizin e. V.

08.03. - 10.03.2018, Graz

Interventionen zur Behandlung von Depressionen bei alten Patienten. Systematische Übersichtsarbeit und Bayesian-Netzwerkmetaanalyse

Meeting Abstract

Suche in Medline nach

  • author presenting/speaker Marc Krause - Department of Psychiatry and Psychotherapy, Technical University of Munich, Klinikum rechts der Isar
  • Stefan Leucht - Department of Psychiatry and Psychotherapy, Technical University of Munich, Klinikum rechts der Isar

Brücken bauen – von der Evidenz zum Patientenwohl. 19. Jahrestagung des Deutschen Netzwerks Evidenzbasierte Medizin. Graz, Österreich, 08.-10.03.2018. Düsseldorf: German Medical Science GMS Publishing House; 2018. Doc18ebmP6-11

doi: 10.3205/18ebm126, urn:nbn:de:0183-18ebm1263

Veröffentlicht: 6. März 2018

© 2018 Krause et al.
Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). Lizenz-Angaben siehe http://creativecommons.org/licenses/by/4.0/.


Gliederung

Text

Hintergrund/Fragestellung: Depressionen kommen in der älteren Bevölkerung sehr häufig vor und führen oft zu verringerter Lebensqualität und im Extremfall zum Tod durch Suizid. Antidepressiva sind die am häufigsten verwendete Behandlung bei MDD, allerdings ist unklar welches das Beste für ältere Menschen ist. Aufgrund kleiner Effektstärken in Metaanalysen bei Erwachsenen (18-65 Jahre) gibt es eine Debatte darüber ob der Schaden im Vergleich zum Nutzen überwiegt. Darüber hinaus sind ältere Menschen empfindlicher für Nebenwirkungen, weisen oft Komorbiditäten auf, und erhalten eine polypharmazeutische Behandlung was ein weiteres Risiko darstellt. Verschiedene Formen der Psychotherapie, könnten eine geeignetere Behandlungsoption darstellen. Allerdings ist die Effektivität für ältere Erwachsene bisher nicht ausreichend belegt. Dies gilt umso mehr für andere Behandlungen von Depressionen wie z.B. Entspannungstechniken, elektrokonvulsive Therapie und Lichttherapie. Um herauszufinden welche Interventionen am besten geeignet sind, werden wir in einer Netzwerkmetaanalyse alle RCT‘s einschließen, welche die Effektivität und Sicherheit potenzieller Therapien zur Behandlung von MDD für alte Patienten untersuchen und gegen eine andere Intervention, Placebo oder Scheinintervention vergleichen.

Methoden/Materialien: Unsere Methodik orientiert sich an den Kriterien des PRISMA-statements. Zunächst wird eine systematische Literaturrecherche nach Cochrane-standards durchgeführt. Die Studienselektion und Datenextraktion erfolgt unabhängig von zwei Reviewern. Der primäre Outcome ist die Anzahl der Patienten welche auf die Intervention ansprechen, definiert durch eine Reduktion um mindestens 50% des Ausgangsscores der Hamilton Depression Scale oder anderer validierter Depressionsskalen. Des Weiteren werden wir diverse Effektivitäts- und Sicherheits-Endpunkte untersuchen.

Die Netzwerk-metaanalytischen Berechnungen mit dem Bayes-Ansatz werden mit dem Programm WinBUGS 1.4 (MRC Biostatistics Unit, Cambridge, UK) durchgeführt. Wir werden mithilfe der Ergebnisse der Netzwerkmetaanalyse Rankings erstellen [1], die zeigen, welche Intervention hinsichtlich der einzelnen Outcomes wahrscheinlich am besten, zweitbeste, etc ist. Dabei wird sowohl direkte als auch indirekte Evidenz einbezogen. Die Qualität der Evidenz wird mit dem GRADE-Ansatz ausgewertet werden [2]. Wir werden ein an Netzwerkmetaanalysen angepasstes Verfahren nutzen [3].


Literatur

1.
Ades AE, Sculpher M, Sutton A, Abrams K, Cooper N, Welton N, Lu G. Bayesian methods for evidence synthesis in cost-effectiveness analysis. Pharmacoeconomics. 2006;24(1):1-19.
2.
Guyatt GH, Oxman AD, Vist GE, Kunz R, Falck-Ytter Y, Alonso-Coello P, Schünemann HJ; GRADE Working Group. GRADE: an emerging consensus on rating quality of evidence and strength of recommendations. BMJ. 2008 Apr 26;336(7650):924-6. DOI: 10.1136/bmj.39489.470347.AD Externer Link
3.
Salanti G, Del Giovane C, Chaimani A, Caldwell DM, Higgins JP. Evaluating the quality of evidence from a network meta-analysis. PloS one. 2014;9:e99682.