Achtergrond
Het programma Piekeren is een online module op basis van cognitieve gedragstherapie (iCGT), gericht op het verminderen van piekerklachten. De module wordt grotendeels blended ingezet, als onderdeel van een behandeltraject.
Bij e-health is bekend dat een deel van de gebruikers afhaakt of een module maar deels doorloopt. De vraag is daarom of niet alleen de hoeveelheid gebruik uitmaakt, maar vooral de betrokkenheid bij de module. Ook is onderzocht of het screenen van engagement, met een bijbehorend advies aan de gebruiker om de eigen betrokkenheid te verhogen, leidt tot meer engagement en een grotere klachtafname.
Methode
De onderzoekspopulatie
Er is gebruikgemaakt van bestaande data van de module Piekeren op het platform van Therapieland. Het tijdseffect is bepaald op basis van 341 gebruikers die zowel de voor- als de nameting invulden.
Voor de vergelijking tussen condities zijn twee groepen gebruikt: een engagementgroep (n = 91) die naast de klachtenvragenlijst ook twee keer de engagementvragenlijst invulde en daar terugkoppeling op kreeg, en een groep uit 2019 (n = 150) die de module in de oorspronkelijke vorm doorliep. De groepen verschillen niet significant in leeftijd en man-vrouwverhouding. De engagementgroep doorloopt de module wel sneller (gemiddeld 33,6 versus 49,0 dagen tussen de metingen) en heeft een hoger voortgangspercentage (99,2 versus 90,1).
De meetinstrumenten
Piekerklachten zijn voor en na de module gemeten met de PSWQ (Penn State Worry Questionnaire). Engagement is gemeten met de TWEETS (Twente Engagement with Ehealth Technologies Scale), een vragenlijst van negen items. De mate van gebruik is bepaald aan de hand van het voortgangspercentage en het aantal gemaakte huiswerkopdrachten.
De analyse
Het tijdseffect en het verschil tussen de condities zijn geanalyseerd met een repeated measures ANOVA. De samenhang van engagement en gebruik met de klachtafname is onderzocht met meervoudige regressieanalyse, met leeftijd, geslacht en het aantal dagen tussen de metingen als covariaten.
Resultaten
Afname van piekerklachten
De PSWQ-score daalde van gemiddeld 60,85 op de voormeting naar 54,16 op de nameting, een afname van ongeveer 11%. Dit tijdseffect is significant met een groot effect: F(1,341) = 183,13, p < .001, partial η² = .349.
Engagement versus hoeveelheid gebruik
Uit de regressieanalyse blijkt dat de mate van engagement samenhangt met de afname van piekerklachten (β = -.600, p < .01), terwijl de hoeveelheid gebruik geen relatie met de klachtafname heeft. Engagement en gebruik hangen zelf niet of nauwelijks met elkaar samen (r = .12). Meer gebruik betekent dus niet automatisch meer betrokkenheid.
Het aantal dagen tussen de voor- en nameting was in de analyses een significante covariaat: hoe meer dagen tussen de metingen, hoe groter de afname van klachten.
Screening met advies
Het screenen van engagement met een bijbehorend advies leidde niet tot een significante toename van engagement en niet tot een grotere klachtafname. Er was geen significant interactie-effect tussen conditie en tijd.
De TWEETS als meetinstrument
De TWEETS liet een goede interne consistentie zien (Cronbach’s alpha .82 op de eerste en .89 op de tweede meting) en een goede test-hertestbetrouwbaarheid (r = .76, p < .001). De drie veronderstelde subschalen werden op geen van beide meetmomenten bevestigd; de vragenlijst is daarom als één totaalconcept gebruikt.
Conclusie
Piekerklachten nemen significant af na het doorlopen van de module Piekeren, en de mate van engagement lijkt daarbij een belangrijkere rol te spelen dan de hoeveelheid gebruik. Dat pleit ervoor om bij e-health niet alleen op voortgang te sturen, maar op betrokkenheid.
Het screenen van engagement met een geautomatiseerd advies was daarvoor niet genoeg. Vervolgonderzoek naar de vraag hoe engagement wél gericht verhoogd kan worden, is nodig.
Beperkingen — door het blended karakter van de behandeling en het ontbreken van een controlegroep kan niet met zekerheid worden vastgesteld dat de afname van klachten door de module is veroorzaakt.
.jpg)