Eficacia de un programa de tratamiento cognitivo-conductal para trastornos por estrés traumático, depresivos y de ansiedad a largo plazo en víctimas de atentados terroristas

OBJETIVO Se analiza la eficacia de la terapia cognitivo-conductual centrada en el trauma en víctimas de atentados terroristas con trastorno por estrés postraumático (TEPT) o trastornos de ansiedad o depresivos a muy largo plazo (> 5 años después del atentado). Se pretende, así, engrosar el limitado conocimiento científico sobre la eficacia de los tratamientos en esta población concreta. MÉTODO Un grupo de 120 víctimas directas e indirectas de atentados terroristas cometidos en España una media de 18,43 años atrás, que presentaban aislada o concurrentemente trastorno por estrés postraumático (TEPT; 49,2%), trastorno depresivo mayor (TDM; 40,8%) y otros trastornos de ansiedad (75,8%), fueron aleatorizados en 16 sesiones de Terapia Cognitivo-Conductual (TCC) centrada en el trauma (grupo experimental) o 16 semanas de espera (grupo control). La TCC centrada en el trauma estaba basada en el protocolo de exposición prolongada de Foa y Rothbaum (1998) pero se le añadieron técnicas específicas para el manejo de los trastornos del estado de ánimo y trastornos de ansiedad, se hizo un mayor énfasis en la psicoeducación sobre las reacciones post traumáticas y en la reestructuración cognitiva y se añadieron estrategias de motivación, regulación emocional y terapia narrativa. De las 60 personas que fueron asignadas al grupo experimental, 25 (41,6%) rechazaron la terapia y 10 (28,6%) la abandonaron una vez iniciada. RESULTADOS Las personas del grupo experimental que completaron el tratamiento (n = 25) tenían puntuaciones medias en sintomatología postraumática (PCL), depresiva (BDIL-II) y de ansiedad (BAI) significativamente inferiores a las obtenidas en el pretratamiento. Ninguna de ellas presentó en el postratamiento TEPT ni TDM y se redujo significativamente el porcentaje de otros trastornos de ansiedad. Estos resultados fueron significativamente mejores que los del grupo de control. Se obtuvieron tamaños del efecto pre/post grandes (d PCL = 1,39; d BDI-II = 1,19; d BAI = 1,20) y grandes y medios entre grupos (d PCL = 0,84; d BDI-II = 0,69; d BAI = 0,88). Un 78,3%, 91,7% y 91,7% obtuvieron una puntuación media inferior a la puntuación C para la PCL, el BDI-II y el BAI, y un 56,5%, 45,8% y 54,2% mejoraron según el índice de cambio fiable. Los beneficios se mantuvieron a los 6 meses de seguimiento y el análisis de intención de tratar (n = 35) y el análisis de todas las personas que habían completado el tratamiento (incluyendo al grupo control; n = 40) confirmaron la significación de los datos. La terapia tenía efectos mejores sobre la comorbilidad triple (TEPT, trastornos depresivos y ansiosos), pero no se encontró un efecto positivo de la adición de psicofármacos, en todo caso, peores resultados (por ejemplo, en la puntuación del BAI y la muestra de intención de tratar). CONCLUSIONES Los resultados de este estudio, comparables a los de otros estudios específicos previos, sugieren que la TCC centrada en el trauma y adaptada a víctimas del terrorismo que sufren TEPT o trastornos de ansiedad o depresivos muchos años después de los atentados terroristas, es eficaz. Aunque se recomienda mejorar las técnicas de motivación, hacer nuevos estudios con tamaños muestrales más amplios, donde se realicen análisis de componentes, análisis de la fiabilidad y adherencia al protocolo y atendiendo a diferentes grupos de víctimas y factores de riesgo, los resultados de esta tesis doctoral sustentan firmemente la idea de que la terapia cognitivo-conductual centrada en el trauma debe ser el tratamiento de elección para víctimas del terrorismo con TEPT, TDM u otros trastornos de ansiedad, incluso cuando éstos se presentan de manera comórbida y crónica.

Desarrollo de un sistema de detección de caídas basado en acelerómetros

Este proyecto tiene como finalidad el desarrollo de un sistema de detección de caídas para personas de edad avanzada basado en el uso de acelerómetros. El 30 % de los mayores se cae una vez al año y estas caídas causan el 70 % de los accidentes mortales en el colectivo de personas mayores de 75 años. Por esta razón, se pretende realizar un sistema fiable y que ofrezca una respuesta de emergencia efectiva, así como un sistema poco intrusivo y fácil de usar. Inicialmente, se realizó un análisis de los sistemas de este tipo propuestos o existentes en el mercado, con el objetivo de detectar las carencias de los mismos, así como identificar los requisitos a implementar en el sistema. La monitorización de las actividades y caídas tanto en el Virtual Living Lab AIDE como en el despliegue real del sistema permitió diseñar el algoritmo de detección. Este algoritmo se integra en un sistema compuesto por un dispositivo detector portable desarrollado sobre el microordenador Beaglebone Green. El dispositivo, poseedor de la autonomía y conectividad requeridos, está pensado para ser llevado sujeto a la cintura. Como parte de la respuesta de emergencia, se crearon dos aplicaciones Android. Una de ellas ideada para usuarios que vivan solos y la otra para los que estén acompañados de una persona encargada de su cuidado. El sistema persigue favorecer la autonomía de una persona que cuida a otra, pero también la de la persona cuidada. Mediante la monitorización no intrusiva, se consigue que la persona cuidada se sienta menos dependiente y tenga menos miedo, pues, si se cae, el sistema avisará a quien tenga que hacerlo. En el diseño de este sistema ha sido relevante contemplar ciertos aspectos particulares sobre el tipo de usuario final al que iba dirigido, que era, principalmente, personas mayores. Esto ha condicionado el aspecto de la interfaz y el diseño físico del aparato. Sobre todo, ha condicionado la interacción, siendo el objetivo requerir el menor número de acciones posible. El sistema se probó con los tipos de caída más frecuentes que son las frontales, traseras y laterales, lográndose un índice de acierto aproximado del 90’78 %, constituyendo un primer resultado prometedor. Aparte de mejorar el ratio de aciertos, se pueden llegar a alcanzar otros hitos como un diseño más ergonómico o el refinamiento del algoritmo de detección de caídas. Se espera que este proyecto contribuya de manera notable al ámbito de la detección automática de caídas, ya sea mediante la publicación del sistema o por la recopilación de información.

Estabilidad del espectro de potencia en resting state: un estudio de fiabilidad con Magnetoencefalografía

La sincronización de las oscilaciones cerebrales se produce incluso en ausencia de tarea, por eso, el resting state está aportando interesantes vías de estudio de los procesos normales y patológicos. Dada la creciente necesidad por utilizar las medidas derivadas de las señales MEG en resting state como biomarcadores clínicos o en la evaluación de tratamientos, es necesario garantizar su fiabilidad. En este estudio se ha investigado por primera vez la fiabilidad de la las medidas espectrales derivadas de registros MEG explorando la estabilidad en resting state de la potencia de 10 sujetos sanos en tres sesiones con un intervalo test-retest de 7 días. A partir de las señales MEG de cada sujeto y sesión se calculó el espectro de potencia de 1 a 100Hz en cada sensor, y como medida de fiabilidad se utilizó el coeficiente de correlación intraclase (ICC). Para explorar cómo afecta la intensidad de la señal a la estabilidad, se registró la señal de la cámara vacía en cada sesión de registro y se calculó la relación señal/ruido (SNR). La potencia espectral en MEG es muy estable en las bandas de frecuencia α, β y θ, y menos estable en δ y γ-2. Con respecto a la distribución de la estabilidad, la señal capturada en la zona frontal del equipo MEG fue la menos estable a través de todas las bandas de frecuencia. La estabilidad mostró cierta tendencia a disminuir conforme disminuye la SNR; este efecto es parcial, ya que los ritmos cerebrales estables mostraron un alto ICC incluso con baja SNR. En conjunto, estos resultados sugieren que las medidas espectrales en resting state con MEG son suficientemente fiables para ser consideradas en futuros estudios longitudinales sobre cambios en la actividad cerebral.

Integración de datos y análisis predictivo en tratamiento de drogodependencia

El análisis de datos actual se enfrenta a problemas derivados de la combinación de datos procedentes de diversas fuentes de información. El valor de la información puede enriquecerse enormemente facilitando la integración de nuevas fuentes de datos y la industria es muy consciente de ello en la actualidad. Sin embargo, no solo el volumen sino también la gran diversidad de los datos constituye un problema previo al análisis. Una buena integración de los datos garantiza unos resultados fiables y por ello merece la pena detenerse en la mejora de procesos de especificación, recolección, limpieza e integración de los datos. Este trabajo está dedicado a la fase de limpieza e integración de datos analizando los procedimientos existentes y proponiendo una solución que se aplica a datos médicos, centrándose así en los proyectos de predicción (con finalidad de prevención) en ciencias de la salud. Además de la implementación de los procesos de limpieza, se desarrollan algoritmos de detección de outliers que permiten mejorar la calidad del conjunto de datos tras su eliminación. El trabajo también incluye la implementación de un proceso de predicción que sirva de ayuda a la toma de decisiones. Concretamente este trabajo realiza un análisis predictivo de los datos de pacientes drogodependientes de la Clínica Nuestra Señora de la Paz, con la finalidad de poder brindar un apoyo en la toma de decisiones del médico a cargo de admitir el internamiento de pacientes en dicha clínica. En la mayoría de los casos el estudio de los datos facilitados requiere un pre-procesado adecuado para que los resultados de los análisis estadísticos tradicionales sean fiables. En tal sentido en este trabajo se implementan varias formas de detectar los outliers: un algoritmo propio (Detección de Outliers con Cadenas No Monótonas), que utiliza las ventajas del algoritmo Knuth-Morris-Pratt para reconocimiento de patrones, y las librerías outliers y Rcmdr de R. La aplicación de procedimientos de cleaning e integración de datos, así como de eliminación de datos atípicos proporciona una base de datos limpia y fiable sobre la que se implementarán procedimientos de predicción de los datos con el algoritmo de clasificación Naive Bayes en R.