Efficacia di psicoterapie e psicofarmaci contro la malattia mentale/Psicoterapie per l'ansia sociale

Caricamento librerie

library(dplyr)
library(meta)

Parte 1: Dati

All'indirizzo https://docs.metapsy.org/databases/sad-psyctr/ è possibile scaricare documenti in formato pdf e dati in formato zip relativi ad una meta analisi fatta da ricercatori dal titolo "Social Anxiety Disorder: Psychotherapy vs. Control" in cui vengono analizzati 315 studi clinici relativi alle psicoterapie contro l'ansia sociale confrontando gruppi sottoposti a psicoterapia e gruppi di controllo. Nel dataset csv è presente per ogni studio l'effect size g di Hedges con la sua relativa deviazione standard , la variabile recruitment che consente di catalogare gli studi in clin (istituzionali fatti presso ospedali o cliniche ) o com (popolazione reclutata tramite annunci o media), la variabile condition_arm1 che contiene il tipo di psicoterapia utilizzata nello studio :

• cbt: Terapia cognitivo-comportamentale (Cognitive Behaviour Therapy).
• 3rd: Terapie della "terza ondata", come la terapia dell'accettazione e dell'impegno (ACT) o la mindfulness-based stress reduction (MBSR).
• Exposure: Terapia di sola esposizione.
• Other psy: Altre forme di psicoterapia, come la terapia psicodinamica, la terapia interpersonale (IPT) o l'imagery rescripting,

la variabile condition_arm2 che contiene il tipo di gruppo con cui si confronta il gruppo sottoposto a psicoterapia :

• wlc: Lista d'attesa (Waitlist control); è la condizione più comune, utilizzata in 55 dei 66 studi inclusi.
• cau: Cure abituali (Care as usual).
• other ctr: Altri tipi di controlli inattivi, come pillole placebo, compiti di lettura o compiti di automonitoraggio.

Caricamento e visualizzazione dei primi 6 studi :

df <- read.csv("data.csv", sep = ";", dec = ",", stringsAsFactors = FALSE)

df %>%
  filter(time=="post") %>%
  select(study,.g,.g_se,recruitment,condition_arm1,condition_arm2) %>%
  head()

Parte 2: Meta analisi

Calcolo di g di Hedges

Calcoliamo g di Hedges in meta analisi immediatamente dopo il trattamento (time=post) e facciamo il test di Egger per valutare se c'è un bias di pubblicazione dovuto al fatto che gli studi con risultati positivi e g elevati hanno maggiori probabilità di essere pubblicati rispetto a quelli con risultati modesti o negativi. Essendo p-value<0.05 nel test c'è effettivamente un bias di pubblicazione, quindi si utilizza la procedura "trim and fill" di Duval e Tweedie, che stima il numero di studi mancanti e ricalcola g, ottenendo g = 0.63 con intervallo di confidenza al 95%: [ 0.55 , 0.72 ] quindi in tal caso l'effetto della psicoterapia sull'ansia sociale è medio-alto:

df_post <- df %>% filter(time=="post")

# Meta-analisi a effetti casuali con modifica Hartung-Knapp
m_g <- metagen(TE = .g,
               seTE = .g_se,
               data = df_post,
               studlab = study,
               random = TRUE,
               method.tau = "DL", # DerSimonian-Laird
               method.random.ci =  "HK")       # Modifica Hartung-Knapp


# Test di Egger per il bias di pubblicazione
metabias(m_g, method.stat = "linreg")

Linear regression test of funnel plot asymmetry
Test result: t = 7.69, df = 313, p-value < 0.0001
Bias estimate: 2.3470 (SE = 0.3052)
Details:
- multiplicative residual heterogeneity variance (tau^2 = 2.8507)
- predictor: standard error
- weight:    inverse variance
- reference: Egger et al. (1997), BMJ

m_g<- trimfill(m_g)
print(paste("g =",round(m_g$TE.random,2),"; 95%CI: [",round(m_g$lower.random,2),",",round(m_g$upper.random,2),"]"))

"g = 0.63 ; 95%CI: [ 0.55 , 0.72 ]"

Misurando g per le varie psicoterapie immediatamente dopo il trattamento (time=post) si ottiene che 3rd: Terapie della "terza ondata", come la terapia dell'accettazione e dell'impegno (ACT) o la mindfulness-based stress reduction (MBSR) ha il g maggiore (g=0.98), Exposure: Terapia di sola esposizione (g=0.72), cbt: Terapia cognitivo-comportamentale (Cognitive Behaviour Therapy) (g=0.64) ecc. , quindi l'effetto della maggior parte delle psicoterapie sull'ansia sociale è alto...

for (p in unique(df$condition_arm1)) {
  df_post <- df %>% filter(time == "post", condition_arm1==p)
  m_pst<-metagen(TE = .g,
          seTE = .g_se,
          data = df_post,
          studlab = study,
          random = TRUE, # Modello a effetti casuali
          method.tau = "DL", # DerSimonian-Laird
          method.random.ci =  "HK")       # Modifica Hartung-Knapp

  m_pst<- trimfill(m_pst)
  print(paste(p,": g=",round(m_pst$TE.random,2),"; 95%CI: [",round(m_pst$lower.random,2),",",round(m_pst$upper.random,2),"]"))

}

[1] "cbt : g= 0.64 ; 95%CI: [ 0.53 , 0.75 ]"
[1] "Exposure : g= 0.72 ; 95%CI: [ 0.55 , 0.9 ]"
[1] "3rd : g= 0.98 ; 95%CI: [ 0.6 , 1.35 ]"
[1] "Other psy : g= 0.54 ; 95%CI: [ 0.26 , 0.82 ]"