Cultural Adaptation and Preliminary Field Evaluation of the Community Informant Detection Tool (CIDT) for Psychosis, Depression, and Anxiety in Indonesia: A Mixed Methods Study
Diese Mixed-Methods-Studie zeigt, dass das kulturell adaptierte Community Informant Detection Tool (CIDT) ein valides und reliables Instrument zur Früherkennung von Psychosen durch kommunale Gesundheitshelfer in Indonesien ist, während sie gleichzeitig die Notwendigkeit einer weiteren Verfeinerung hervorhebt, um dessen Genauigkeit bei der Identifizierung von Depressionen und Angstzuständen zu verbessern.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Die psychische Gesundheitsversorgung steht in vielen Teilen der Welt vor einer tiefgreifenden Herausforderung: Es gibt schlichtweg nicht genügend Ärzte und Spezialisten, um alle zu erreichen, die Hilfe benötigen. In Ländern wie Indonesien ist das Verhältnis von Psychiatern zur Bevölkerung so gering, dass die meisten Menschen niemals einen Spezialisten zu Gesicht bekommen. Um diese Lücke zu schließen, verlassen sich Gesundheitssysteme oft auf kommunale Gesundheitshelfer – lokale Bewohner, die geschult wurden, um eine Basisversorgung und Unterstützung zu leisten. Diese Mitarbeiter sind die Augen und Ohren des Gesundheitssystems, aber sie haben oft Schwierigkeiten, psychische Probleme zu erkennen, da die Symptome subtil, verborgen oder auf eine Weise ausgedrückt sein können, die von medizinischen Standardlehrbüchern abweicht. Wenn ein Mitarbeiter ein Problem nicht identifizieren kann, bleibt eine Person in Not möglicherweise unbehandelt, und der Kreislauf des Leidens setzt sich fort. Die Kernfrage für Forscher laó: Wie gibt man diesen Nicht-Spezialisten ein Werkzeug an die Hand, das in ihrem spezifischen kulturellen Kontext funktioniert und ihnen hilft, Anzeichen von Krankheit zu erkennen, ohne einen medizinischen Abschluss zu benötigen?
Ein Forschungsteam in Indonesien setzte sich zum Ziel, dieses Problem zu lösen, indem es ein Erkennungsinstrument namens Community Informant Detection Tool (CIDT) für den Einsatz durch lokale Gesundheitshelfer adaptierte. Das ursprüngliche Werkzeug verwendet kurze Geschichten und Bilder, um Menschen dabei zu helfen, Anzeichen psychischer Erkrankungen zu identifizieren, aber es musste umgestaltet werden, um zur indonesischen Lebensweise und Sprache zu passen. Die Forscher begannen damit, zuzuhören, was die kommunalen Gesundheitshelfer und lokalen Führungspersönlichkeiten tatsächlich sahen und verstanden. Sie fanden heraus, dass zwar jeder offensichtliche, störende Verhaltensweisen wie Aggression oder das Selbstgespräch führen leicht erkennen konnte, viele jedoch die leiseren Anzeichen von Traurigkeit, Angst oder Sorge übersahen. Diese inneren Gefühle sind von außen betrachtet schwerer zu erkennen, und die Standardwege, sie zu beschreiben, fühlten sich für die Helfer oft fremd oder verwirrend an.
Um dies zu beheben, entwickelte das Team eine neue Version des Werkzeugs, die mit Geschichten und Illustrationen gefüllt war, die das alltägliche Leben in der Region widerspiegelten. Sie stützten sich auf die eigenen Erfahrungen der Helfer, um Symptome in vertrauten Begriffen zu beschreiben, wie etwa eine Person, die aufhört zu baden oder zu essen, oder jemand, der Stimmen hört, die sonst niemand hören kann. Das Ziel war es, die Anzeichen einer Krankheit eher als erkennbar denn als klinisch erscheinen zu lassen. Sobald die neue Version des Werkzeugs entworfen war, testeten die Forscher sie mit fast sechzig kommunalen Gesundheitshelfern, um zu sehen, ob sie für sie verständlich war und ob sie sie effektiv nutzen konnten. Die Helfer fanden das Werkzeug im Allgemeinen leicht verständlich und hilfreich, insbesondere wenn es darum ging, Anzeichen von Psychose zu erkennen – einem Zustand, der durch einen Bruch mit der Realität gekennzeichnet ist. Die Geschichten und Bilder für diesen Zustand wurden sehr positiv bewertet, was darauf hindeutet, dass die Helfer diese spezifischen Anzeichen zuverlässig identifizieren konnten.
Die Tests zeigten jedoch eine erhebliche Hürde bei Depressionen und Angstzuständen auf. Obwohl die Helfer das Werkzeug mochten, hatten sie Schwierigkeiten, die Bilder, die Traurigkeit, Lethargie oder übermäßige Angst darstellen sollten, korrekt zu identifizieren. In einigen Fällen konnten die Helfer nicht zwischen einem Bild einer Person, die Angst empfindet, und einem Bild einer Person mit einer anderen Art von Not unterscheiden. Wenn die Forscher die Urteile der Helfer mit denen geschulter Krankenschwestern verglichen, war die Übereinstimmung bei Psychosen stark, aber bei Depressionen und Angstzuständen schwach und inkonsistent. Dies geschah teilweise deshalb, weil die Symptome dieser Zustände intern und weniger sichtbar sind, was es schwierig macht, sie in einer einzigen Zeichnung oder einer kurzen Geschichte einzufangen. Die Forscher stellten fest, dass selbst wenn ein Bild auf dem Papier gut aussah, es den Helfer nicht immer dazu brachte, die richtige Entscheidung zu treffen.
Die Studie kommt zu dem Schluss, dass dieses adaptierte Werkzeug zwar ein vielversprechender Schritt nach vorn zur Erkennung von Psychosen im kommunalen Umfeld ist, aber noch nicht bereit für den flächendeckenden Einsatz zur Identifizierung von Depressionen und Angstzuständen ist. Das Team lernte, dass es nicht ausreicht, lediglich zu fragen, ob ein Werkzeug gut aussieht; man muss auch beobachten, wie das Werkzeug im Feld arbeitet. Die Ergebnisse legen nahe, dass zukünftige Versionen des Werkzeugs bessere Wege benötigen, um die subtilen, unsichtbaren Anzeichen emotionaler Not darzustellen. Bis dahin bietet diese Arbeit einen klaren Weg zur Verbesserung der Art und Weise, wie Gemeinschaften ihre verletzlichsten Mitglieder unterstützen können, und zeigt, dass das richtige Werkzeug nicht nur auf medizinischen Fakten, sondern auf einem tiefen Verständnis dessen aufgebaut werden muss, wie Menschen tatsächlich leben und fühlen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.