Depressie

Initiatief: NVvP Aantal modules: 55

De noodzaak van een algoritme voor de behandeling van depressie

Uitgangsvraag

Heeft het volgen van een algoritme bij farmacotherapie voordeel boven het ad hoc behandelen?

Aanbeveling

  • Wij bevelen aan om bij de behandeling van depressie een behandelalgoritme te volgen.
  • Wij bevelen aan om bij het volgen van het behandelalgoritme het risico op uitval te verminderen door de keuzes voor vervolgstappen en eventuele alternatieven in gezamenlijke besluitvorming te overwegen en om bij onacceptabele bijwerkingen de behandelstap direct te heroverwegen.

Overwegingen

Kwaliteit van het bewijs

De kwaliteit van het bewijs varieert van zeer laag tot laag. Lithiumaugmentatie, antidepressivum-dosisescalatie en switchen van antidepressivum volgens een algoritme lijkt zowel de kans op eerdere remissie als op uitval te vergroten, maar de kwaliteit van het bewijs is laag – hoofdzakelijk omdat de effectschattingen gebaseerd zijn op één RCT met een beperkt aantal events. Voor behandeling volgens een gestandaardiseerd, stapsgewijs algoritme geldt hetzelfde (één RCT met weinig events). De kwaliteit van bewijs is zeer laag voor algoritmegeleide behandeling. Niet alleen zijn de effectschattingen gebaseerd op één RCT met weinig events, ook was er in de RCT sprake van hoog risico op bias vanwege niet blinderen van uitkomstbeoordelaars.

 

Balans tussen gewenste en ongewenste effecten

Het volgen van een algoritme geeft naast een hogere kans op remissie ook meer kans op uitval. De Werkgroep is van mening dat dit waarschijnlijk te maken heeft met de onderzochte algoritmen, waarin te verwachten is dat additie met lithium of dosisverhoging meer bijwerkingen geeft en dat men om deze reden besluit een dergelijke interventie te staken. Tegelijkertijd zal er bij afwezigheid van een algoritme eerder afgewacht worden, waarbij er geen verandering ten aanzien van gebruikte medicatie wordt doorgevoerd. Desondanks is er ook bij analyses op basis van intention-to-treat een grotere kans op remissie, hetgeen inhoudt dat ook als uitval nog steeds meetelt bij de effectiviteit, het volgen van een algoritme betere resultaten oplevert. De Werkgroep is van mening dat in de dagelijkse praktijk bij het volgen van een algoritme en het optreden van veel bijwerkingen op een vervolgstap flexibel, kan worden gekozen voor een alternatieve stap in een algoritme, meer dan wat er in de gevonden onderzoeken mogelijk was.

 

Patiëntenperspectief

Het volgen van een algoritme kan voor de patiënt duidelijkheid geven over de vervolgstappen, mocht een behandeling niet aanslaan. Tegelijkertijd moet het voor de patiënt duidelijk zijn dat een algoritme een hulpmiddel is en niet als strak keurslijf zal worden toegepast, met andere woorden, dat er mogelijkheden zijn om beredeneerd af te wijken van de stappen voorgeschreven in het algoritme.

 

Naastbetrokkenenperspectief

Ook voor naastbetrokkenen is het belangrijk te weten dat de behandeling via een aantal voorgestelde stappen wordt vormgegeven om op die manier effectief tot remissie te komen.

 

Professioneel perspectief

In de praktijk zijn er bij de behandeling van depressie veel variabelen die meespelen. De afgelopen decennia hebben we voor depressie een behandelalgoritme gevolgd dat op basis van consensus een aantal wisselingen van klassen van antidepressiva voorstelt. De implementatie daarvan laat in de praktijk nogal eens te wensen over. Het blijkt dus moeilijk om volgens een vast stramien van behandelstappen te werken. Op grond van de gevonden literatuur is aannemelijk dat het volgen van een behandelalgoritme meerwaarde heeft. Waarschijnlijk biedt een behandelalgoritme met een bijbehorende afspraak over kritische beslismomenten voor dat algoritme, een stramien waarin de combinatie van metingen en vervolgstappen de patiënt en behandelaar tot actie manen als een behandelrespons te lang op zich laat wachten.

 

Middelenbeslag

Ricken en collega’s (2011) hebben naar aanleiding van de RCT van Bauer en collega’s (2009) onderzoek gedaan naar de kosteneffectiviteit van behandeling volgens SSTR versus TAU. De gemiddelde behandelkosten en (medicatie)kosten per remissie waren significant lager voor deelnemers die behandeling volgens SSTR kregen, vergeleken met deelnemers die TAU kregen. Medicatiekosten en het remissiepercentage waren ook lager in de interventiegroep, maar de verschillen met de controlegroep waren niet significant. Zie tabel 6.1 voor een overzicht van de kosten en het remissiepercentage van SSTR en TAU voor de studieduur. 

 

Tabel 6.1 Kosten en remissiepercentage SSTR en TAU voor de studieduur

 

SSTR (n = 74)

TAU (n = 74)

P-waarde

Totaal (n = 148)

Gemiddelde behandelkosten (€)

10830
(SD ± 8632)

15202
(SD ± 12843)

0.026

13016
(SD ± 10918)

Medicatiekosten (€)

155
(SD ± 183)

184
(SD ± 216)

0.188

169
(SD ± 200)

Remissie (%)

54.05

39.19

0.07

46.62

Kosten/remissie (€)

20035

38793

< 0.001

29414
(SD ± 26815)

Medicatiekosten/remissie (€)

286
(SD ± 339)

470
(SD ± 551)

0.01

378
(SD ± 465)

 

Ricken en collega’s (2018) hebben naar aanleiding van de RCT van Adli en collega’s (2017) onderzoek gedaan naar de kosteneffectiviteit van behandeling volgens ALGO versus TAU. De kosten voor de studieduur en de kosten per remissie voor de studieduur en tijd in het ziekenhuis waren significant lager voor de deelnemers die behandeling volgens ALGO kregen, vergeleken met TAU. Het remissiepercentage was daarnaast significant hoger voor de interventiegroep. Er waren geen significante verschillen tussen de interventie- en controlegroep met betrekking tot kosten voor de tijd in het ziekenhuis en het remissiepercentage voor de studieduur. Zie tabel 6.2 voor een overzicht van de kosten en het remissiepercentage van ALGO en TAU voor de studieduur en tijd in het ziekenhuis.

 

Tabel 6.2 Kosten en remissiepercentage ALGO en TAU voor de studieduur en tijd in het ziekenhuis

 

ALGO (n = 266)

TAU (n = 84)

P-waarde

Kosten studieduur (€)

7848 (SD ± 6065)

10033 (SD ± 7696)

0.04

Kosten tijd in ziekenhuis (€)

14734 (SD ± 8329)

14244 (SD ± 8419)

0.617

Kosten/remissie studieduur (€)

13554 (SD ± 10476)

20066 (SD ± 15391)

< 0.001

Kosten/remissie tijd in ziekenhuis (€)

17582 (SD ± 9939)

21516 (SD ± 12718)

0.036

Remissie studieduur (%)

57.9

50.0

0.204

Remissie tijd in ziekenhuis (%)

83.3

66.2

0.002

 

In een studie van Meeuwissen et al. (2019) wordt de kostenutiliteit van op de Multidisciplinaire richtlijn Depressie (Spijker et al., 2013) gebaseerde stepped-care algoritmes geëvalueerd. Dit gebeurde aan de hand van een depressie state-transition model voor lichte versus matig ernstige tot ernstige depressieve stoornissen. De inputwaarden in het model waren gebaseerd op literatuuronderzoek en op de expertschattingen door de leden van de Werkgroep Richtlijnontwikkeling Multidisciplinaire richtlijn Depressie (2013). Stepped-care algoritmes werden vergeleken met care-as-usual voor het zorggebruik van een patiëntenpopulatie met verschillende ernstniveaus van de depressie, de bijbehorende kosten van de zorg en de opgeleverde gezondheidswinst, uitgedrukt in voor kwaliteit van leven gecorrigeerde levensjaren (QALY’s). De modelleringsstudie toont aan dat het bereiken van gezondheidswinst aan de hand van de stepped-care algoritmes kosteneffectief is. De modelsimulaties geven aan dat één QALY gezondheidswinst bij een lichte depressieve stoornis in het stepped-care scenario samengaat met een kostenpost van € -2.500 (dominant), in vergelijking met care-as-usual. De kosten zijn € 3.200 per QALY bij een matige tot ernstige depressieve stoornis. Bij een willingness-to-pay plafond van € 20.000 voor het winnen van een extra QALY, kunnen de beide stepped-care algoritmes met meer dan 95% zekerheid als kosteneffectief worden beschouwd. Dit betekent dat stepped care zeer waarschijnlijk een kosteneffectieve keuze is vergeleken met care-as-usual. Deze bevindingen ondersteunen de Nederlandse richtlijnaanbevelingen (2013) volgens welke stepped-care algoritmes de klinische besluitvorming ondersteunen.

 

Concluderend is het volgen van een behandelalgoritme qua kosteneffectiviteit aan te bevelen.

 

Organisatie van zorg

Met het volgen van een behandelalgoritme zal regelmatig een behandelstap in beeld komen waarvoor extra expertise en/of doorverwijzing vereist is. Het is van belang dat dergelijke doorverwijzingen in het regionale zorgaanbod makkelijk zijn te realiseren. Het volgen van een behandelalgoritme wordt door veel elektronische patiëntendossiers niet ondersteund. ICT-technisch is een patiëntvolgsysteem hiervoor wenselijk.

 

Maatschappelijk perspectief

Momenteel is er op geen enkele manier een duidelijke incentive in het zorgsysteem dat het behandelen volgens een algoritme beloont/stimuleert.

Onderbouwing

Behandeling volgens een medicatiealgoritme versus TAU voor intramurale patiënten met een depressie

⊕⊕◯◯

Lithium augmentatie, antidepressivum dosisescalatie en switchen van antidepressivum lijken zowel de kans op een eerdere remissie als uitval te vergroten.

Adli (2017)

 

Behandeling volgens een gestandaardiseerd, stapsgewijs medicatiealgoritme versus TAU voor intramurale patiënten met een depressie

⊕⊕◯◯

Behandeling volgens een gestandaardiseerd, stapsgewijs medicatiealgoritme lijkt zowel de kans op een eerdere remissie als uitval te vergroten.

Bauer (2009)

 

Algoritme geleide behandeling versus TAU voor poliklinische patiënten met een depressie 

⊕◯◯◯

Algoritme geleide behandeling lijkt de kans op een eerdere remissie te vergroten, maar de wetenschappelijke evidentie is zeer onzeker.

Yoshino (2009)

 

Algoritme geleide behandeling versus TAU voor poliklinische patiënten met een depressie 

⊕◯◯◯

De wetenschappelijke evidentie is zeer onzeker over het effect van algoritme geleide behandeling op uitval.

Yoshino (2009)

Adli (2017)

Door middel van een RCT hebben Adli en collega’s (2017) onderzoek gedaan naar de effecten van behandeling volgens drie verschillende medicatiealgoritmes voor depressie. Aan de RCT deden in totaal 429 deelnemers (leeftijd tussen 18 en 70 jaar) met een unipolaire depressie (gediagnosticeerd door middel van de ICD-10; met of zonder psychotische symptomen, maar niet met een bipolaire depressie) mee. De deelnemers van de RCT waren intramurale patiënten van een ggz-instelling. In tabel 6.3 zijn baseline karakteristieken van de deelnemers weergegeven. De medicatiealgoritmes zijn vergeleken met TAU. De vergelijkingen waren: (1) lithium augmentatie (ALGO LA) versus TAU, (2) antidepressivum dosisescalatie (ALGO DE) versus TAU en (3) switchen van antidepressivum (ALGO SW) versus TAU. De primaire uitkomst was remissie (i.e., een HAMD-21 score van ≤9). Uiteindelijk zijn 169 van de 429 deelnemers (39.4%) gestopt met het onderzoek. In de interventiegroepen waren de uitvalpercentages hoger (ALGO LA = 40.7%; ALGO DE = 42.9%; ALGO SW = 42.7%) dan in de controlegroep (19%). Van de 429 deelnemers bereikten 235 (54.8%) remissie (ALGO LA = 51 [59.3%]; ALGO DE = 52 [57.1%]; ALGO SW = 51 [57.3%]; TAU = 42 [50%].

 

Tabel 6.3 Baseline karakteristieken deelnemers Adli (2017)

 

ALGO LA

ALGO DE

ALGO SW

TAU

N

86

91

89

84

Percentage vrouw

65.9

62.6

62.9

51.2

Leeftijd (in jaren; M, sd)

45.6 ± 11.1

44.3 ± 13.3

42.2 ± 13.4

45.1 ± 11.7

Percentage getrouwd/partner

45.0

34.9

44.6

38.2

Aantal kinderen (M, sd)

1.3 ± 1.1

1.1 ± 1.3

1.1 ± 1.1

1.1 ± 1.1

Percentage in dienst (parttime/fulltime)

45.1

32.1

55.7

36.1

Ernst depressie (HAMD-21 score; M, sd)

25.9 ± 6.5

25.4 ± 5.3

25.4 ± 5.8

27.4 ± 6.3

Percentage psychotische symptomen

10.7

5.6

8.0

3.7

 

Bauer (2009)

Door middel van een RCT hebben Bauer en collega’s (2009) onderzoek gedaan naar het effect van behandeling volgens een gestandaardiseerd, stapsgewijs medicatiealgoritme (“algorithm-guided standardized stepwise drug treatment regimen [SSTR]”) voor depressie. Aan de RCT deden in totaal 148 deelnemers met een depressieve episode (gediagnosticeerd door middel van de ICD-10; met of zonder psychotische symptomen, dysthymie, langere depressieve reactie of bipolaire depressie). De deelnemers waren allemaal intramurale patiënten van een ggz-instelling. In tabel 6.4 zijn baseline karakteristieken van de deelnemers weergegeven. De SSTR omvatte slaaptekort, antidepressivum monotherapie, lithium augmentatie, MAOI therapie of ECT geleid door scores op de door clinicus beoordeelde Bech-Rafaelson Melancholia Scale (BRMS). Behandeling volgens SSTR is vergeleken met TAU en de primaire uitkomst was remissie (i.e., een BRMS score van ≤7). Gedurende de studie was er meer sprake van uitval in de interventiegroep (n = 33; 45%) dan in de controlegroep (n = 12; 16%). In de interventiegroep bereikten 40 deelnemers (54%) remissie. In de controlegroep bereikten 29 deelnemers (39%) remissie.

 

Tabel 6.4 Baseline karakteristieken deelnemers Bauer (2009)

 

SSTR

TAU

N

74

74

Vrouw (%)

42 (57)

46 (62)

Leeftijd (in jaren; M, sd)

47.8 ± 13.8

48.6 ± 12.9

Getrouwd/partner (%)

35 (47)

39 (53)

Aantal kinderen (M, sd)

1.2 ± 1.2

1.1 ± 1.2

In dienst (%)

42 (57)

45 (61)

Depressieve episode, eenmalig

32

24

Depressieve episode, terugkerend

34

35

Bipolaire depressie

5

12

Dysthymie

0

1

Psychotische depressie (%)

8 (11)

10 (13)

Ernst depressie (BRMS score; M, sd)

19.8 ± 4.9

20.6 ± 4.4

 

Yoshino (2009)

Door middel van een RCT hebben Yoshino en collega’s (2009) onderzoek gedaan naar het effect van algoritme geleide behandeling (AGT) op depressie. Aan de RCT deden in totaal 210 deelnemers mee. De deelnemers waren poliklinische patiënten met een depressieve stoornis: een DSM-IV diagnose van milde of matig ernstige depressieve stoornis zonder psychotische kenmerken. In tabel 6.5 zijn baseline karakteristieken van de deelnemers weergegeven. Het Saitama Medication Algorithm Project (SMAP) algoritme bevatte vier behandelstappen: stap 1, monotherapie met SSRI of een SNRI; stap 2, switchen tussen SSRI en SNRI; stap 3, TCA en stap 4, een combinatie van SNRI en TCA. De primaire uitkomst van tijd tot remissie (i.e., een Clinical Global Improvement [CGI] score van 1 die voor vier weken behouden werd). In de interventiegroep bereikten 50 deelnemers (60.2%) remissie en vielen 33 deelnemers (39.8%) uit. In de controlegroep bereikten 62 deelnemers (49.7%) remissie en vielen 65 deelnemers (51.2%) uit.

 

Tabel 6.5 Baseline karakteristieken deelnemers Yoshino2009

 

AGT

TAU

N

83

127

Percentage vrouw

49.4

49

Leeftijd (in jaren; M, sd)

49.9 (17.1)

48.2 (16.9)

Percentage getrouwd

73.5

63.8

Percentage gescheiden

1.2

3.2

Percentage nooit getrouwd

21.7

26.8

Percentage uit elkaar

0.0

1.6

Percentage weduwe

3.6

4.7

Percentage fulltime in dienst

59.0

48.0

Percentage parttime in dienst

9.6

9.4

Percentage werkloos

31.3

42.5

Gezinsgrootte (M, sd)

1.9 ± 1.2

2.0 ± 1.3

Percentage alleenwonend

9.6

13.4

Om de uitgangsvraag te beantwoorden, is op 30 november 2021 een search gedaan naar systematische reviews en meta-analyses (vanaf 2010) in de Medline, Embase en Psycinfo databases. Hierbij is gebruik gemaakt van de PICO die in tabel 6.6 is weergegeven.

 

Tabel 6.6  PICO

Patients

Patiënten met een depressieve stoornis

Intervention

  • Behandeling volgens stappenplan/algoritme (met critical decision points)
  • Alle mogelijke interventie-strategieën (augmentatie/atypisch/lithium/methylfenidaat/withinbetween class switches/combinatiebehandeling)

Control

Treatment as usual / geen algoritme

Outcome

  • Depressiesymptomen
  • Respons
  • Uitval

Time

Vanaf 2010 tot heden

 

Geïncludeerde en geëxcludeerde studies

De search leverde 194 studies op (86 systematische reviews en 108 RCT’s), waarvan 101 uit Medline, 70 uit Embase en 23 uit Psycinfo. De 194 studies bleken 21 duplicaten te bevatten. Van de 173 unieke studies bleven 20 studies over na de eerste selectie; van deze 20 studies bleven uiteindelijk 5 studies (Adli et al., 2017; Bauer et al., 2009; Ricken et al., 2011 [overige overwegingen]; Ricken et al., 2018 [overige overwegingen]; Yoshino et al., 2009) over na beoordeling van de volledige teksten. De andere studies vielen af omdat ze met betrekking tot het studiedesign en/of interventie niet aansloten bij de PICO (Baghai et al., 2011 [geen vergelijking algoritme met TAU]; Bauer2019 [zelfde resultaten als Adli et al., 2017 gecombineerd met Ricken2018]; Browning et al., 2021 [studie is gericht op voorspellen van behandeluitkomst]; Lee et al., 2018 [studie gaat over voorspellen van respons en niet over algoritme gebaseerde/geleide behandeling]; Manea, Gilbody, & McMillan, 2015 [studie is gericht op screenen van depressie]; Paul et al., 2019 [studie heeft niets met algoritme gebaseerde/geleide behandeling te maken]; Ribeiz et al., 2013 [is een open studie]; Schoeyen et al., 2015 [alleen gericht op bipolaire stoornis en de vergelijking sluit niet aan bij de PICO]; Spijker & Nolen, 2011 [narratieve review, dus niet geschikt voor grading]; Vande Voort et al., 2021 [studie is gericht op farmacogenetica]; Wagner et al., 2018 [deelnemers van controlegroep hebben geen depressie]; Webb et al., 2019 [studie gaat niet over algoritme gebaseerde/geleide behandeling]; Wells, Tang, Carlson, & Asarnow, 2012 [studie bevat geen bruikbare resultaten voor grading]; Wiethoff et al., 2010 [studie bevat geen bruikbare informatie over algoritme gebaseerde/geleide behandeling]; Yang et al., 2021 [studie bevat geen bruikbare resultaten voor grading]).

  1. Adli, M., Wiethoff, K., Baghai, T. C., Fisher, R., Seemüller, F., Laakmann, G., ... & Bauer, M. (2017). How effective is algorithm-guided treatment for depressed inpatients? Results from the randomized controlled multicenter German algorithm project 3 trial. International Journal of Neuropsychopharmacology, 20(9), 721-730.
  2. Bauer, M., Pfennig, A., Linden, M., Smolka, M. N., Neu, P., & Adli, M. (2009). Efficacy of an algorithm-guided treatment compared with treatment as usual: a randomized, controlled study of inpatients with depression. Journal of clinical psychopharmacology, 29(4), 327-333.
  3. Meeuwissen, J.A.C., Feenstra, T.L., Smit, F., Blankers, M., Spijker, J., Bockting, C.L.H., van Balkom, A.J.L.M. & Buskens, E. (2019). The cost-utility of stepped-care algorithms according to depression guideline recommendations - results of a state-transition model analysis. Journal of Affective Disorders, Vol. 242, 244-254. https://doi.org/10.1016/j.jad.2018.08.024.
  4. Ricken, R., Wiethoff, K., Reinhold, T., Schietsch, K., Stamm, T., Kiermeir, J., ... & Adli, M. (2011). Algorithm-guided treatment of depression reduces treatment costs-results from the randomized controlled German Algorithm Project (GAPII). Journal of affective disorders, 134(1-3), 249-256.
  5. Ricken, R., Wiethoff, K., Reinhold, T., Stamm, T. J., Baghai, T. C., Fisher, R., ... & Adli, M. (2018). A standardized stepwise drug treatment algorithm for depression reduces direct treatment costs in depressed inpatients - Results from the German Algorithm Project (GAP3). Journal of Affective Disorders, 228, 173-177.
  6. Spijker, J., Bockting, C.L.H., Meeuwissen, J.A.C., Vliet, I.M. van, Emmelkamp, P.M.G., Hermens, M.L.M. & van Balkom A.L.J.M., namens de Werkgroep Multidisciplinaire richtlijnontwikkeling Angststoornissen/Depressie (2013). Multidisciplinaire richtlijn Depressie (Derde revisie). Richtlijn voor de diagnostiek, behandeling en begeleiding van volwassen patiënten met een depressieve stoornis. Utrecht: Trimbos-instituut.
  7. Yoshino, A., Sawamura, T., Kobayashi, N., Kurauchi, S., Matsumoto, A., & Nomura, S. (2009). Algorithm?guided treatment versus treatment as usual for major depression. Psychiatry and clinical neurosciences, 63(5), 652-657.

Adli (2017)

Tabel 6.7 Behandeling volgens medicatiealgoritme versus TAU voor intramurale patiënten met een depressie

Uitkomsten

Absolute effecten* (95% CI)

Relatief effect
(95% CI)

Aantal deelnemers
(studies)

Certainty of the evidence
(GRADE)

Opmerkingen

Risico met TAU

Risico met behandeling volgens ALGO

Tijd tot remissie (ALGO LA)
vastgesteld met: HAMD-21

500 per 1.000

644 per 1.000
(497 tot 790)

HR 1.49
(0.99 tot 2.25)

170
(1 RCT)

⊕⊕◯◯
Laaga,b,c

Lithium augmentatie volgens algoritme lijkt de kans op een eerdere remissie te vergroten.

Tijd tot remissie (ALGO DE)
vastgesteld met: HAMD-21

500 per 1.000

686 per 1.000
(537 tot 826)

HR 1.67
(1.11 tot 2.52)

175
(1 RCT)

⊕⊕◯◯
Laaga,b,c

Antidepressiva dosisescalatie volgens algoritme lijkt de kans op een eerdere remissie te vergroten.

Tijd tot remissie (ALGO SW)
vastgesteld met: HAMD-21

500 per 1.000

679 per 1.000
(533 tot 821)

HR 1.64
(1.10 tot 2.48)

173
(1 RCT)

⊕⊕◯◯
Laaga,b,c

Switchen van antidepressivum volgens algoritme lijkt kans op een eerdere remissie te vergroten.

Kans op uitval (ALGO LA)

190 per 1.000

408 per 1.000
(244 tot 678)

RR 2.14
(1.28 tot 3.56)

170
( RCTs)

⊕⊕◯◯
Laaga,c

Lithium augmentatie volgens algoritme lijkt de kans op uitval te vergroten.

Kans op uitval (ALGO DE)

190 per 1.000

429 per 1.000
(259 tot 707)

RR 2.25
(1.36 tot 3.71)

175
( 1 RCT)

⊕⊕◯◯
Laaga,c

Antidepressivum dosisescalatie volgens algoritme lijkt de kans op uitval te vergroten.

Kans op uitval (ALGO SW)

190 per 1.000

453 per 1.000
(274 tot 745)

RR 2.38
(1.44 tot 3.91)

168
( 1 RCT)

⊕⊕◯◯
Laaga,c

Switchen van antidepressivum volgens algoritme lijkt de kans op uitval te vergroten.

a.     Indirect bewijs: effectschatting gebaseerd op één RCT, dus mogelijk wijkt populatie af van richtlijn populatie.

b.     Onnauwkeurigheid: het betrouwbaarheidsinterval doorkruist het gebied van klinisch niet relevant effect (0.75 – 1.25).

c.     Onnauwkeurigheid: effectschatting gebaseerd op <300 events totaal.

 

Bauer (2009)

Tabel 6.8 Behandeling volgens een gestandaardiseerd, stapsgewijs medicatiealgoritme versus TAU voor intramurale patiënten met een depressie

Uitkomsten

Absolute effecten* (95% CI)

Relatief effect
(95% CI)

Aantal deelnemers
(studies)

Certainty of the evidence
(GRADE)

Opmerkingen

Risico met TAU

Risico met behandeling volgens SSTR

Tijd tot remissie
vastgesteld met: BRMS

392 per 1.000

634 per 1.000
(463 tot 804)

HR 2.02
(1.25 tot 3.28)

148
(1 RCT)

⊕⊕◯◯
Laaga,b

Behandeling volgens een gestandaardiseerd, stapsgewijs medicatiealgoritme lijkt de kans op een eerdere remissie te vergroten.

Kans op uitval

162 per 1.000

446 per 1.000
(250 tot 795)

RR 2.75
(1.54 tot 4.90)

148
( 1 RCT)

⊕⊕◯◯
Laaga,b

Behandeling volgens een gestandaardiseerd, stapsgewijs medicatiealgoritme lijkt de kans op uitval te vergroten.

a.     Onnauwkeurigheid: effectschatting gebaseerd op <300 events totaal.

b.     Indirect bewijs: effectschatting gebaseerd op één RCT, dus mogelijk wijkt populatie af van richtlijn populatie.

 

Yoshino (2009)

Tabel 6.9 Algoritme geleide behandeling versus TAU voor poliklinische patiënten met een depressie

Uitkomsten

Absolute effecten* (95% CI)

Relatief effect
(95% CI)

Aantal deelnemers
(studies)

Certainty of the evidence
(GRADE)

Opmerkingen

Risico met TAU

Risico met AGT

Tijd tot remissie
vastgesteld met: CGI

488 per 1.000

631 per 1.000
(555 tot 708)

HR 1.49
(1.21 tot 1.84)

210
(1 RCT)

⊕◯◯◯
Zeer laaga,b,c,d

Algoritme geleide behandeling lijkt de kans op een eerdere remissie te vergroten, maar de wetenschappelijke evidentie is zeer onzeker.

Kans op uitval

512 per 1.000

399 per 1.000
(292 tot 543)

RR 0.78
(0.57 tot 1.06)

210
( 1 RCT)

⊕◯◯◯
Zeer laaga,b,c,e

De wetenschappelijke evidentie is zeer onzeker over het effect van algoritme geleide behandeling op de kans op uitval.

a.     Kans op vertekening: hoog risico op bias vanwege niet blinderen van uitkomstbeoordelaars.

b.     Indirect bewijs: effectschatting gebaseerd op één RCT, dus mogelijk wijkt populatie af van richtlijn populatie.

c.     Onnauwkeurigheid: effectschatting gebaseerd op <400 deelnemers / <300 events in totaal.

d.     Onnauwkeurigheid: betrouwbaarheidsinterval doorkruist het gebied van klinisch niet relevant effect (0.75, 1.25).

e.     Onnauwkeurigheid: betrouwbaarheidsinterval is in zowel het voor- als nadeel van de interventie.

Autorisatiedatum en geldigheid

Laatst beoordeeld  : 01-03-2024

Laatst geautoriseerd  : 01-03-2024

Geplande herbeoordeling  : 01-03-2026

Initiatief en autorisatie

Initiatief:
  • Nederlandse Vereniging voor Psychiatrie
Geautoriseerd door:
  • Nederlands Huisartsen Genootschap
  • Nederlandse Vereniging voor Psychiatrie
  • Verpleegkundigen en Verzorgenden Nederland
  • Nederlandse Vereniging van Ziekenhuisapothekers
  • Nederlandse Vereniging voor Arbeids- en Bedrijfsgeneeskunde
  • Nederlands Instituut van Psychologen
  • Nederlandse Vereniging voor Verzekeringsgeneeskunde
  • Federatie Vaktherapeutische Beroepen
  • Beroepsvereniging van Professionals in Sociaal Werk
  • MIND Landelijk Platform Psychische Gezondheid
  • Nederlandse Vereniging voor Psychotherapie

Algemene gegevens

Voor de Multidisciplinaire richtlijn Depressie (2013) zijn in het kader van de onderhavige richtlijnherziening nieuwe modules ontwikkeld. In deze modules wordt ingegaan op de beantwoording van uitgangsvragen bij actuele knelpunten in de praktijk van de zorg voor depressie. Uitzondering hierop vormen de modules Diagnostiek, Basisinterventies en eerste-stap interventies en Ondersteunende interventies, voor deze module heeft alleen een tekstrevisie plaatsgevonden.

Samenstelling werkgroep

De Multidisciplinaire richtlijn Depressie is ontwikkeld door de Werkgroep Depressie, in opdracht van de Nederlandse Vereniging voor Psychiatrie (NVvP) en Stichting Kwaliteitsgelden Medisch Specialisten (SKMS).

De Werkgroep bestond uit: psychiaters, psychologen, verpleegkundig specialisten, een huisarts en ervaringsdeskundigen, welke door de respectievelijke beroepsverenigingen en patiëntenverenigingen werden afgevaardigd. Voorafgaande aan het ontwikkeltraject werden kennismakingsgesprekken gevoerd met verscheidene kandidaat-leden voor werkgroep deelname. Naast de Werkgroep waren enkele adviseurs betrokken, welke delen hebben meegeschreven en die werden gevraagd voorafgaand aan de commentaarfase schriftelijk te reageren op onderdelen van de concepttekst. Deze adviseurs konden tevens worden gevraagd om tijdens een werkgroep bijeenkomst mee te denken over een specifieke uitgangsvraag. De Werkgroep werd methodologisch, inhoudelijk en organisatorisch ondersteund door het technisch team van het Trimbos-instituut. Dit technisch team bestond uit een projectleider, redacteur/richtlijnontwikkelaar, informatiespecialist, literatuur reviewers, een notulist en projectassistenten. Onderstaande schema's geven een overzicht van de samenstelling van de Werkgroep, de adviseurs en het ondersteunend technisch team.

 

Leden Werkgroep

 

Naam

Organisatie

Beroepsvereniging

1.

Jan Spijker (voorzitter)

Pro Persona

Psychiater, NVvP

2.

Eric Ruhé (vicevoorzitter)

Radboud UMC

Psychiater, NVvP

3.

Claudi Bockting

Amsterdam UMC

Psycholoog, NIP

3.

Philip van Eijndhoven

Radboud UMC

Psychiater, NVvP

4.

Bart Groeneweg

Depressievereniging

Ervaringsdeskundige, MIND

5.

Rob Kok

Parnassia

Psychiater, NVvP

6.

Miranda Kurver

NHG

Huisarts, NHG

7.

Josephine van der Lande

GGZ InGeest

Verpleegkundig specialist, V&VN

8.

Nicoline Lous

Depressievereniging

Ervaringsdeskundige, MIND

9.

Catrien Reichart

Curium-LUMC

Psychiater, NVvP

10.

Marie-Louise Seelen

PsyQ

Verpleegkundig specialist, V&VN

11.

Marc Verbraak

Pro Persona

Psycholoog, NIP

12.

Christiaan Vinkers

Amsterdam UMC en GGZ InGeest

Psychiater, NVvP

13.

Yvonne Suijkerbuijk

Amsterdam UMC/NVVG/UWV

Verzekeringsarts, NVVG

 

Adviseurs

Hoofdstuk

Naam

Organisatie

Beroep

Psychotherapie / stadiëring en profilering

Ellen Driessen

Pro Persona/

Radboud Universiteit

GZ-psycholoog

Psychotherapie / Jeugd

Yvonne Stikkelbroek

GGZ Oost-Brabant / Universiteit Utrecht

Klinisch psycholoog

Psychotherapie /

Ouderen

Arjan Videler

GGZ Breburg

Psychotherapeut, GZ-psycholoog

Neuromodulatie

 

Ysbrand van der Werf

A’dam UMC

Neurowetenschapper

Jeugd

 

Daan Creemers

GGZ Oost-Brabant

Klinisch psycholoog

Jeugd

 

Fleur Velders

UMC Utrecht

Psychiater

Ouderen

 

Gert-Jan Hendriks

Pro Persona

Psychiater

Ouderen

 

Mardien Oudega

GGZ InGeest

Psychiater

Ouderen

 

Angela Carlier

Pro Persona

Psychiater

Ouderen

Hans Jeuring

UMCG

Psychiater

 

Vaktherapie

 

Sonja Aalbers

NHL Stenden

Muziektherapeut

Vaktherapie

 

Cees Boerhout

Windesheim / Lentis

Psychomotorisch therapeut

Arbeidsgerichte zorg

 

Jeroen Roggekamp

Zelfstandige

Maatschappelijk werker / systeemtherapeut

Arbeidsgerichte zorg

Marjolein Bastiaansen

Radboud UMC

Bedrijfsarts

Organisatie van de zorg voor depressie

Bea

Tiemens

ProPersona

 

 

Methodologische, inhoudelijke en organisatorische ondersteuning

Naam

Ondersteuning

Nicole van Erp / Piet Post

Projectleider, Trimbos-instituut

Jolanda Meeuwissen

Redacteur en richtlijnontwikkelaar, Trimbos-instituut

Egbert Hartstra

Reviewer, Trimbos-instituut

Matthijs Oud

Reviewer, Trimbos-instituut

Elena Vos

Reviewer, Trimbos-instituut

Erika Papazoglou

Reviewer, Trimbos-instituut

Bram Zwanenburg

Reviewer, Trimbos-instituut

Lex Hulsbosch

Reviewer, Trimbos-instituut

Beatrix Vogelaar

Reviewer, Trimbos-instituut

Rikie Deurenberg

Informatiespecialist, namens Trimbos-instituut

Chris van der Grinten / Jannita Paters

Notulist, namens Trimbos-instituut

Joyce Huls / Nelleke van Zon / Isa Reijgersberg

Projectassistent, Trimbos-instituut

 

In totaal kwam de Werkgroep Depressie voorafgaand aan de commentaarfase 10 keer bijeen in de periode november 2020 - april 2023. In deze periode werden de stappen van de methodiek voor evidence-based richtlijnontwikkeling (EBRO) doorlopen. De informatiespecialist verrichtte in overleg met de werkgroepleden op systematische wijze literatuuronderzoek en de reviewers maakten per uitgangsvraag een selectie in de gevonden onderzoeken (zie voor informatie over de zoekstrategie en de selectiecriteria: het reviewprotocol). De reviewers beoordeelden de kwaliteit en inhoud van de aldus verkregen literatuur en verwerkten deze per uitgangsvraag in evidence-tabellen, GRADE-profielen, beschrijvingen van de wetenschappelijke onderbouwing en wetenschappelijke (gewogen) conclusies (per module beschreven onder “Onderbouwing”). Leden van de Werkgroep gingen op basis van de gevonden literatuur met elkaar in discussie over praktijkoverwegingen (per module beschreven onder “Overwegingen”) en aanbevelingen (per module beschreven onder “Aanbevelingen”). De werkgroepleden schreven samen met het technisch team van het Trimbos-instituut de concepttekst, welke ter becommentariëring openbaar is gemaakt. De ontvangen commentaren worden verwerkt in een commentaartabel, die tijdens een werkgroep bijeenkomst wordt besproken. Na het doorvoeren van op deze bijeenkomst voorgestelde wijzigingen wordt de definitieve richtlijn aan de opdrachtgever aangeboden.

Methode ontwikkeling

Evidence based

Werkwijze

EBRO-methode voor wetenschappelijke onderbouwing

Deze multidisciplinaire richtlijn is ontwikkeld volgens de methodiek van evidence-based richtlijnontwikkeling (EBRO). Hierbij werd de GRADE-methodiek toegepast. Er zijn ook hoofdstukken overgenomen vanuit de vorige versie van de MDR Depressie (2013). Hierin zijn conclusies gebaseerd op de ‘levels of evidence’.

 

Levels of evidence

Bij ‘levels of evidence’ krijgt een individuele publicatie een mate van bewijskracht toegekend. Vervolgens  wordt er naar alle bewijskracht over een onderwerp gekeken en  kort samengevat in een conclusie, met daarbij een niveau van bewijs. Zie hieronder voor de indeling van bewijskracht en de verschillende conclusieniveaus.

 

Indeling van de literatuur naar de mate van bewijskracht

 

Voor artikelen betreffende preventie of therapie

A1

systematische reviews die tenminste enkele onderzoeken van A2-niveau betreffen, waarbij de resultaten van afzonderlijke onderzoeken consistent zijn

A2

gerandomiseerd vergelijkend klinisch onderzoek van goede kwaliteit (gerandomiseerde, dubbelblind gecontroleerde trials) van voldoende omvang en consistentie

B

gerandomiseerde klinische trials van matige kwaliteit of onvoldoende omvang of ander vergelijkend onderzoek (niet-gerandomiseerd, vergelijkend cohortonderzoek, patiënt-controle-onderzoek)

C

niet-vergelijkend onderzoek

D

mening van deskundigen, bijvoorbeeld de werkgroepleden

 

Voor artikelen betreffende diagnostiek

A1

onderzoek naar de effecten van diagnostiek op klinische uitkomsten bij een prospectief gevolgde goed gedefinieerde patiëntengroep met een tevoren gedefinieerd beleid op grond van de te onderzoeken testuitslagen, of besliskundig onderzoek naar de effecten van diagnostiek op klinische uitkomsten, waarbij resultaten van onderzoek van A2-niveau als basis worden gebruikt en voldoende rekening wordt gehouden met onderlinge afhankelijkheid van diagnostische tests

A2

onderzoek ten opzichte van een referentietest, waarbij van tevoren criteria zijn gedefinieerd voor de te onderzoeken test en voor een referentietest, met een goede beschrijving van de test en de onderzochte klinische populatie; het moet een voldoende grote serie van opeenvolgende patiënten betreffen, er moet gebruikgemaakt zijn van tevoren gedefinieerde afkapwaarden en de resultaten van de test en de 'gouden standaard' moeten onafhankelijk zijn beoordeeld. Bij situaties waarbij multipele, diagnostische tests een rol spelen, is er in principe een onderlinge afhankelijkheid en dient de analyse hierop te zijn aangepast, bijvoorbeeld met logistische regressie

B

vergelijking met een referentietest, beschrijving van de onderzochte test en populatie, maar niet de kenmerken die verder onder niveau A staan genoemd

C

niet-vergelijkend onderzoek

D

mening van deskundigen, bijvoorbeeld de werkgroepleden

 

Niveau van de conclusies

1

gebaseerd op minimaal 1 systematische review (A1) of tenminste 2 onafhankelijk van elkaar uitgevoerde onderzoeken van niveau A1 of A2

2

gebaseerd op tenminste 2 onafhankelijk van elkaar uitgevoerde onderzoeken van niveau B

3

gebaseerd op 1 onderzoek van niveau A2 of B of onderzoek(en) van niveau C

4

gepubliceerde mening van deskundigen of mening van de werkgroepleden

 

GRADE-methodiek

Sinds de introductie van de GRADE-methodiek in 2004 werd dit wereldwijd al snel de methode van voorkeur om wetenschappelijk bewijs te graderen ten behoeve van richtlijnontwikkeling (Guyatt et al., 2008), inclusief deze richtlijn. De GRADE-methodiek gaat er van uit dat de zekerheid van het wetenschappelijk bewijs uit randomized controlled trials (RCT’s) in beginsel hoog is vanwege de, mits goed uitgevoerd, kleine kans op vertekening (bias). In geval van observationele (niet gerandomiseerde) studies is de uitgangspositie van de zekerheid van bewijs laag. De zekerheid van het bewijs per uitkomstmaat wordt, behalve door de methodologische kwaliteit van de individuele onderzoeken, ook bepaald door andere factoren, zoals de mate van consistentie van de gevonden resultaten uit de verschillende onderzoeken en de precisie van de gevonden uitkomst (zie tabel 1.1). Bij observationeel onderzoek kan het bewijs in bepaalde gevallen omhoog worden gegradeerd.

 

Tabel 1.1 GRADE: Factoren voor downgraden en upgraden 1

We downgraden de zekerheid van bewijs van studies met een hoge uitgangspositie (RCT’s), bij:

We upgraden de zekerheid van bewijs van observationele studies bij:

  1. Beperkingen in de onderzoeksopzet of uitvoering (study limitations): hierbij gaat het om de methodologische kwaliteit. Voorbeelden zijn dat de randomisatie-procedure niet optimaal was, dat beoordelaars van subjectieve uitkomsten niet geblindeerd waren, dat er selectief is gerapporteerd over de uitkomsten en dat er veel uitvallers waren.
  1. Een groot effect (large magnitude of effect): hiervan is sprake als er in de resultaten een groot effect of een sterk bewijs van associatie gevonden wordt. Dit kan tot uitdrukking komen in de hoogte van het relatieve risico (RR).

 

  1. Inconsistentie van de resultaten (inconsistency): hierbij gaat het om heterogeniteit van de resultaten van verschillende studies. Er kunnen beperkingen zijn als er een grote variatie is in de schattingen van het effect van een behandeling of als er nauwelijks overlap is tussen de 95%-betrouwbaarheidsintervallen (BI’s).
  1. Mogelijke confounders die het ‘ware’ effect verminderd hebben (plausible confounding): hiervan kan sprake zijn als er een achterliggende variabele is, zoals de ernst van de aandoening van de patiënten die met het onderzoek meedoen, die van invloed is op het effect van de interventie.
  1. Indirect bewijs (indirectness): er worden twee soorten indirect bewijs onderscheiden. Enerzijds gaat het om indirecte vergelijkingen, bijvoorbeeld wanneer er alleen interventies met een placebo worden vergeleken en geen interventies met elkaar worden vergeleken. Anderzijds gaat het om verschillen in patiëntenpopulatie, inhoud van de interventie of keuze van de uitkomstmaten tussen de beschikbare studies en de uitgangsvraag die in de richtlijn of richtlijn wordt gesteld.
  1. Bewijs van een verband tussen de dosering en de repons (dose-response gradient): hiervan kan sprake zijn als een stijgende dosering van een bepaald medicijn meer effect geeft.

 

  1. Onnauwkeurigheid van de resultaten (imprecision): hierbij gaat het om de onzekerheid van de uitkomst, bijvoorbeeld als de 95%-BI’s heel breed zijn vanwege kleine patiënten aantallen.

 

  1. Kans op selectieve publicatie (publication bias) van onderzoeken of uitkomstmaten. Een voorbeeld van een beperking is wanneer niet alle studies gepubliceerd worden, bijvoorbeeld kleine studies die geen effecten ten gunste van de interventie konden aantonen.

 

1. De zekerheid van het bewijs (zeer laag, laag, matig en hoog) verwijst naar de mate van vertrouwen dat men heeft in de schatting van het effect van een behandeling.

 

Bij de beoordeling van het wetenschappelijke bewijs ten aanzien van bovenstaande factoren werd uitgegaan van ‘Grade guidelines’, zoals ook te raadplegen in het ‘Grade handbook’ (Guyatt et al., 2013; Handbook for grading the quality of evidence and the strength of recommendations using the GRADE approach).

 

Legenda GRADE

Na vaststelling van het niveau van bewijs wordt dit in de bijbehorende conclusies als volgt verwoord:

Zekerheid

Symbolen

 

Signaalwoorden

Hoog

⊕⊕⊕⊕

“Het is aangetoond dat…”

geeft, heeft (een effect), resulteert in

Redelijk

⊕⊕⊕◯

“Het is aannemelijk...”

waarschijnlijk

Laag

⊕⊕◯◯

“Er zijn aanwijzingen…”

zou kunnen, lijkt, suggereert

Zeer laag

⊕◯◯◯

“Het is onzeker, maar er zijn aanwijzingen dat…”

onzeker

 

Van bewijs naar aanbevelingen: Overwegingen

Naast het wetenschappelijk bewijs bepalen enkele andere factoren mede of een instrument of behandeling wordt aanbevolen. In de teksten van de vorige richtlijn-versies werd dit onder “Overige Overwegingen” beschreven.

 

Mee te wegen factoren om te bepalen of een instrument of behandeling wordt aanbevolen:

1. Kwaliteit van bewijs

Hoe hoger de algehele kwaliteit van het bewijs, des te waarschijnlijker wordt het formuleren van een sterke (positieve of negatieve) aanbeveling.

2. Balans tussen gewenste en ongewenste effecten

Hoe groter het verschil is tussen de gewenste en ongewenste effecten, des te waarschijnlijker wordt het formuleren van een sterke (positieve of negatieve) aanbeveling. Hoe kleiner dit verschil of hoe meer onzekerheid over de grootte van het verschil, des te waarschijnlijker wordt het formuleren van een conditionele aanbeveling.

Toelichting:

  • Bespreken effectiviteit in relatie tot bijwerkingen en complicaties in het licht van de kwaliteit van bewijs, de precisie van de effectgrootte en minimaal klinisch relevant geacht voordeel;
  • Sterkte van het effect vergeleken met geen interventie;
  • Aanwezigheid van comorbiditeit;
  • Klinisch niet relevantie van het effect.

 

3. Patiëntenperspectief

Hoe groter de uniformiteit in waarden en voorkeuren van patiënten bij het afwegen van de voor- en nadelen van een interventie, des te waarschijnlijker wordt het formuleren van een sterke (positieve of negatieve) aanbeveling.

4. Professioneel perspectief

Hoe groter de uniformiteit in waarden en voorkeuren van professionals ten aanzien van de toepasbaarheid van een interventie, des te waarschijnlijker wordt het formuleren van een sterke (positieve of negatieve) aanbeveling.

Toelichting:

  • Kennis en ervaring met technieken/therapieën;
  • Risico’s die professional loopt bij het toepassen van de interventie;
  • Verwachte tijdbesparing;
  • Verlies aan tijd door het invoeren van de interventie.

5. Middelenbeslag

Hoe minder middelen er worden gebruikt (m.a.w. hoe lager de kosten van een interventie zijn vergeleken met de beschouwde alternatieven en andere kosten gerelateerd aan de interventie), des te waarschijnlijker wordt het formuleren van een sterke aanbeveling. Hoe meer onzekerheid over het middelenbeslag, des te waarschijnlijker wordt een conditionele aanbeveling.

6. Organisatie van zorg

Hoe meer onzekerheid of de geëvalueerde interventie daadwerkelijk op landelijke schaal toepasbaar is, des te waarschijnlijker wordt het formuleren van een conditionele aanbeveling.

Toelichting:

  • De beschikbaarheid/aanwezigheid van faciliteiten & medicijnen;
  • De wijze waarop de organisatie van de zorg aangeboden dient te worden/grootte van de verandering in de organisatie-zorgproces / infrastructuur voor implementatie;
  • Voorbeeld: een bepaalde diagnostiek of behandeling kan alleen in bepaalde centra worden uitgevoerd in verband met de aanwezigheid van faciliteiten zoals een PET-scan.

 

Formulering van aanbevelingen

Afhankelijk van deze factoren kun je een instrument of behandeling wel of niet aanbevelen. We maken daarbij onderscheid tussen zwakke en sterke aanbevelingen. In het geval van een sterke aanbeveling zou je behandeling X voor alle patiënten met Y willen aanbevelen. Bij een zwakke aanbeveling is dit bijvoorbeeld afhankelijk van de voorkeuren van de patiënt in kwestie. Het is belangrijk in deze sectie expliciet te vermelden op grond waarvan een behandeling wel of niet wordt aanbevolen en ook waarom die aanbeveling zwak of sterk zou moeten zijn.

 

Voor de formulering van ‘sterke’ (onvoorwaardelijke) en ‘zwakke’ (voorwaardelijke) aanbevelingen is de volgende indeling aangehouden (zie tabel 1.2):

 

Tabel 1.2 GRADE Voorkeursformulering sterke / zwakke aanbevelingen

Gradering aanbeveling

Betekenis

Voorkeursformulering*

STERK VOOR

De voordelen zijn groter dan de nadelen voor bijna alle patiënten.

Alle of nagenoeg alle geïnformeerde patiënten zullen waarschijnlijk deze optie kiezen.

We bevelen [interventie] aan.

ZWAK VOOR

De voordelen zijn groter dan de nadelen voor een meerderheid van de patiënten, maar niet voor iedereen.

De meerderheid van geïnformeerde patiënten zal waarschijnlijk deze optie kiezen.

Overweeg [interventie], bespreek de voor- en nadelen).

ZWAK TEGEN

De nadelen zijn groter dan de voordelen voor een meerderheid van de patiënten, maar niet voor iedereen.

De meerderheid van geïnformeerde patiënten zal waarschijnlijk deze optie kiezen.

Wees terughoudend met [interventie], bespreek de voor- en nadelen).

STERK TEGEN

De nadelen zijn groter dan de voordelen voor bijna alle patiënten.

Alle of nagenoeg alle geïnformeerde patiënten zullen waarschijnlijk deze optie kiezen.

We bevelen [interventie] niet aan.

*      Het gaat hier om voorkeursaanbevelingen, deze kunnen in een enkele geval afwijken. Voor bepaalde hoofdstukken is GRADE niet toegepast (bijv. Organisatie van zorg) daar zijn uit praktisch oogpunt ook de aanbevelingen niet volgens GRADE.

 

Leeswijzer

Klachten of symptomen die horen bij een depressieve stoornis (depressie) noemen we ‘depressieklachten’ of ‘depressiesymptomen’. Met ‘depressieve klachten’ bedoelen we stemmingsklachten waar iemand hinder van ondervindt, waarbij niet wordt voldaan aan de DSM-criteria voor een depressieve stoornis (depressie).

 

Als we spreken van een depressieve stoornis of depressie wordt een unipolaire depressieve stoornis bedoeld, al dan niet chronisch, en inclusief de persisterende depressieve stoornis. Behalve van ‘(psychische/depressieve) stoornis’ spreken we in deze richtlijn, rechtdoende aan het patiëntenperspectief, bij voorkeur van ‘aandoening’.

 

Met kinderen en adolescenten bedoelen we kinderen van 8 tot 12 jaar en adolescenten van 12 tot 18 jaar. Met jongvolwassenen bedoelen we volwassenen van 18 tot 25 jaar. Met volwassenen bedoelen we mensen van 25 tot 60 jaar. Met ouderen bedoelen we oudere volwassenen van 60 jaar en ouder.

 

Metapsy

Tijdens de ontwikkeling van deze richtlijn is gebruik gemaakt van metapsy.org. Metapsy is een onderzoeksinitiatief van de Vrije Universiteit Amsterdam, onder leiding van professor Pim Cuijpers. Het hoofddoel van Metapsy is het verschaffen van toegang tot een meta-analytische database van klinische studies die de effecten van psychologische interventies, zoals psychotherapie, preventieve interventies en psychoeducatie, op diverse psychische aandoeningen en geestelijke gezondheidsproblemen onderzoeken.

Metapsy bevat twee R-pakketten waarmee met behulp van klinische variabelen van interesse (PICO) een meta-analyse kan worden uitgevoerd en waarbij alle relevante informatie om tot een GRADE conclusie te komen over de effecten van psychotherapie op depressieve symptomen wordt gepresenteerd in een (pdf) rapport of online zijn te bekijken.

Zoekverantwoording

Zoekacties zijn opvraagbaar. Neem hiervoor contact op met de Richtlijnendatabase.

Volgende:
Basisinterventies en eerste-stap interventies (2013)