Advertisement

Onlinetherapie bei depressiven Störungen

Eine Akzeptanzanalyse aus der Perspektive der Behandelnden
  • Christoph DockweilerEmail author
  • Anna Kupitz
  • Sarah Palmdorf
  • Claudia Hornberg
Originalien

Zusammenfassung

Hintergrund

Das Angebot internetgestützter Therapieangebote bei leichten bis mittelgradigen depressiven Störungen hat in den vergangenen Jahren sowohl international wie auch national substanziell zugenommen. Während sich im Rahmen wissenschaftlicher Evaluationen die Wirksamkeit und Effizienz spezifischer Onlinetherapieangeboten andeutet, ist noch wenig über die Akzeptanz der neuen Therapieangebote bekannt.

Methodik

In einer bundesweiten Onlineerhebung wurden die Einstellung und Haltung, Nutzungsintention sowie der wahrgenommene Wissensstand von 657 in der psychotherapeutischen und psychiatrischen Versorgung tätigen Ärzten und Therapeuten zur Onlinetherapie bei leichten bis mittelgradigen depressiven Störungen erfasst. Der Einfluss der auf der Unified Theory of Acceptance and Use of Technology beruhenden potenziellen Prädiktoren auf die Nutzungsintention von Onlinetherapie wurde mittels eines binär logistischen Regressionsmodells analysiert.

Ergebnisse

Als signifikante einflussnehmende Prädiktoren auf die Nutzungsintention erwiesen sich neben den wahrgenommenen Leistungs- und Aufwandserwartungen auch unterstützende Rahmenbedingungen, der Einfluss des kollegialen Umfeldes, die individuelle Technikaffinität sowie die Beurteilung der zukünftigen Bedeutung onlinebasierter Therapien. Besondere Vorhersagekraft für eine positive Nutzungsintention zeigt sich im Zusammenhang mit dem wahrgenommenen Potenzial von Onlinetherapie.

Schlussfolgerungen

Die Ergebnisse verdeutlichen die Relevanz der weiteren Evidenzbasierung der Onlinetherapie. Für die gelingende Implementation erweist sich eine nutzerorientierte, partizipative Technologieentwicklung als ebenso relevant wie eine umfassende Sensibilisierung, Aufklärung und Schulung potenzieller Nutzer.

Schlüsselwörter

Onlinetherapie Depression Akzeptanz Nutzungsintention Nutzerperspektiven 

Online therapy for depressive disorders

An acceptance-based analysis from the perspective of therapists

Abstract

Background

The supply of online therapy options for mild to moderate depressive disorders has substantially risen both nationally and internationally in the past years. While the efficacy and efficiency of specific online-based therapeutic services were indicated within the framework of scientific evaluations, little is known about the acceptance of these new therapy options.

Methods

In a nationwide online survey of online-based therapy options for mild to moderate depressive disorders, the attitude and stance as well as the use intention and the subjectively perceived knowledge of 657 medical practitioners and therapists, active in psychotherapeutic and psychiatric treatment were collated. The impact of the potential predictors on the use intention of online-based therapies, based on the unified theory of acceptance and use of technology, was analyzed by means of a binary logistic regression model.

Results

Besides the perceived performance and expense expectations, the supportive framework conditions, the influence of the cooperative environment, the individual technical affinity as well as the evaluation of the prospective significance of online-based therapy proved to be significantly influential predictors on the user intention. Special predictability for a positive user intention was shown related to the perceived potential of online therapy.

Conclusion

The results underline the relevance of further evidence-basing of online therapy for mild to moderate depressive disorders. A user-oriented, participatory technology development proves to be just as relevant as a comprehensive sensitization, elucidation and education of potential users for a successful implementation.

Keywords

Online therapy Depressive disorder Acceptance Behavioral intention to use User perspectives 

Notes

Einhaltung ethischer Richtlinien

Interessenkonflikt

C. Dockweiler, A. Kupitz, S. Palmdorf und C. Hornberg geben an, dass kein Interessenkonflikt besteht.

Für diesen Beitrag wurden von den Autoren keine Studien an Menschen oder Tieren durchgeführt. Für die aufgeführten Studien gelten die jeweils dort angegebenen ethischen Richtlinien.

Literatur

  1. 1.
    Jacobi F, Höfler M, Strehle J et al (2014) Psychische Störungen in der Allgemeinbevölkerung. Nervenarzt 85(1):77–87CrossRefGoogle Scholar
  2. 2.
    Melchior H, Schulz H, Härter M Faktencheck Gesundheit. Regionale Unterschiede in der Diagnostik und Behandlung von Depressionen. https://faktencheck-gesundheit.de/fileadmin/files/user_upload/Faktencheck_Depression_Studie.pdf. Zugegriffen: 24. Sept. 2018Google Scholar
  3. 3.
    Chan CV, Mirkovic J, Furniss S et al (2015) eHealth literacy demands and cognitive processes underlying barriers in consumer health information seeking. Knowl Manag E Learn 7(4):550–575Google Scholar
  4. 4.
    Krause K, Gürtler D, Bischof G et al (2016) Computergestützte Interventionen bei depressiven Symptomen. Z Klin Psychol Psychopathol Psychother 64(2):121–131Google Scholar
  5. 5.
    Berger T (2015) Internetbasierte Interventionen bei psychischen Störungen. Fortschritte der Psychotherapie, Bd. 57. Hogrefe, GöttingenGoogle Scholar
  6. 6.
    Eichenberg C, Kienzle K (2013) Psychotherapeuten und Internet. Psychotherapeut 58(5):485–493CrossRefGoogle Scholar
  7. 7.
    Bashshur RL, Shannon GW, Bashshur N et al (2016) The empirical evidence for telemedicine interventions in mental disorders. Telemed J 22(2):87–113CrossRefGoogle Scholar
  8. 8.
    Meyer B, Bierbrodt J, Schröder J et al (2015) Effects of an Internet intervention (Deprexis) on severe depression symptoms: randomized controlled trial. Internet Interv 2(1):48–59CrossRefGoogle Scholar
  9. 9.
    Kolovos S, van Dongen J, Riper H (2018) Cost effectiveness of guided internet-based interventions for depression in comparison with control conditions: an individual-participant data meta-analysis. Depress Anxiety 35(3):209–219CrossRefGoogle Scholar
  10. 10.
    Laux G (2017) Online‑/Internet-Programme zur Psychotherapie bei Depression – eine Zwischenbilanz. J Neurol Neurochir Psychiatr 18(1):16–24Google Scholar
  11. 11.
    Bundesärztekammer (2018) 121. Deutscher Ärztetag ebnet den Weg für ausschließliche FernbehandlungGoogle Scholar
  12. 12.
    Williams MD, Rana NP, Dwivedi YK (2015) The unified theory of acceptance and use of technology (UTAUT): a literature review. J Ent Info Manag 28(3):443–488CrossRefGoogle Scholar
  13. 13.
    Baumeister H, Nowoczin L, Lin J et al (2014) Impact of an acceptance facilitating intervention on diabetes patients’ acceptance of Internet-based interventions for depression: a randomized controlled trial. Diabetes Res Clin Pract 105(1):30–39CrossRefGoogle Scholar
  14. 14.
    Lazuras L, Dokou A (2016) Mental health professionals’ acceptance of online counseling. Technol Soc 44:10–14CrossRefGoogle Scholar
  15. 15.
    Karrer K, Glaser C, Clemens C et al (2009) Technikaffinität erfassen – der Fragebogen TA-EG. In: Lichtenstein A, Stößel C, Clemens C (Hrsg) Der Mensch im Mittelpunkt technischer Systeme 8. Berliner Werkstatt Mensch-Maschine-Systeme. VDI-Verl, Düsseldorf, S 194–199Google Scholar
  16. 16.
    Rea LM, Parker RA (1992) Designing and conducting survey research: a comprehensive guide. Jossey-Bass Publishers, San FranciscoGoogle Scholar
  17. 17.
    Ebert DD, Berking M, Cuijpers P et al (2015) Increasing the acceptance of internet-based mental health interventions in primary care patients with depressive symptoms. A randomized controlled trial. J Affect Disord 176:9–17CrossRefGoogle Scholar
  18. 18.
    Schröder J, Berger T, Meyer B et al (2017) Attitudes towards internet interventions among psychotherapists and individuals with mild to moderate depression symptoms. Cognit Ther Res 41:745–756CrossRefGoogle Scholar
  19. 19.
    Schröder J, Sautier L, Kriston L et al (2015) Development of a questionnaire measuring Attitudes towards Psychological Online Interventions-the APOI. J Affect Disord 187:136–141CrossRefGoogle Scholar
  20. 20.
    Surmann M, Bock EM, Krey E et al (2017) Einstellungen gegenüber eHealth-Angeboten in Psychiatrie und Psychotherapie. Eine Pilotumfrage auf dem DGPPN-Kongress 2014. Nervenarzt 88(9):1036–1043CrossRefGoogle Scholar
  21. 21.
    Donovan CL, Poole C, Boyes N et al (2015) Australian mental health worker attitudes towards cCBT: What is the role of knowledge? Are there differences? Can we change them? Internet Interv 2(4):372–381CrossRefGoogle Scholar
  22. 22.
    Eichenberg C, Kühne S (2014) Einführung Onlineberatung und -therapie. Grundlagen Interventionen und Effekte der Internetnutzung. PsychoMed compact, Bd. 7. Reinhardt, MünchenGoogle Scholar
  23. 23.
    Schröder J (2014) Psychotherapeuten und psychologische Online-Interventionen. Ergebnisse einer qualitativen und quantitativen Online-Umfrage unter Psychotherapeuten. Psychother Aktuell 6(3):33–36Google Scholar
  24. 24.
    Vigerland S, Ljótsson B, Bergdahl Gustafsson F et al (2014) Attitudes towards the use of computerized cognitive behavior therapy (cCBT) with children and adolescents: a survey among Swedish mental health professionals. Internet Interv 1(3):111–117CrossRefGoogle Scholar
  25. 25.
    Kessler RC, Berglund PA, Bruce ML (2001) The prevalence and correlates of untreated serious mental illness. Health Serv Res 36(6 Pt 1):987–1007PubMedPubMedCentralGoogle Scholar

Copyright information

© Springer Medizin Verlag GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  • Christoph Dockweiler
    • 1
    Email author
  • Anna Kupitz
    • 2
  • Sarah Palmdorf
    • 1
  • Claudia Hornberg
    • 1
  1. 1.Fakultät für GesundheitswissenschaftenUniversität BielefeldBielefeldDeutschland
  2. 2.Deutsches KinderschmerzzentrumUniversität Witten/HerdeckeDattelnDeutschland

Personalised recommendations