Traumagerichte behandelingen, zoals Prolonged Exposure (PE), EMDR en Cognitieve Processing Therapy, zijn effectief voor veel mensen met PTSS. Tegelijkertijd heeft ongeveer 40% van de patiënten na behandeling nog last van klachten. We weten nog onvoldoende welke processen tijdens een behandeling daadwerkelijk tot verbetering leiden, voor welke patiënten welke processen het belangrijkst zijn en hoe we behandeling tijdig kunnen aanpassen wanneer iemand onvoldoende profiteert. 

In het project BigData4Change ga je deze vragen beantwoorden. Je brengt internationale gegevens uit PTSS-behandelingen samen en analyseert het klachtenbeloop van sessie tot sessie om te onderzoeken welke behandelprocessen voorafgaan aan verandering in PTSS-klachten. Vervolgens ontwikkel en toets je modellen die in een vroege fase van de behandeling kunnen voorspellen wie waarschijnlijk herstelt, wie risico loopt op aanhoudende klachten en bij wie klachten mogelijk verslechteren. Ten slotte onderzoek je in een gerandomiseerde klinische studie of het gericht versterken van werkzame behandelprocessen leidt tot betere behandeluitkomsten.

Het onderzoek combineert klinische psychologie, geavanceerde longitudinale statistiek en machine learning methoden. Daarmee draag je bij aan de ontwikkeling van datagedreven en gepersonaliseerde PTSS-zorg.

Wil je alvast meer weten over de verschillende fases binnen het PhD-traject? Op deze pagina lees je hierover meer informatie.

Als promovendus voer je het project uit, onder begeleiding van ervaren onderzoekers en in nauwe samenwerking met nationale en internationale partners.

• Je bouwt een internationale dataset op met sessiegegevens uit traumagerichte PTSS-behandelingen, in samenwerking met onderzoeks- en behandelcentra in het binnen- en buitenland;
• Je analyseert deze gegevens met geavanceerde longitudinale en dynamische modellen om te onderzoeken welke behandelprocessen voorafgaan aan verandering in PTSS-klachten;
• Je onderzoekt voor welke patiënten en onder welke omstandigheden de mechanismen meer of minder relevant zijn;
• Je ontwikkelt en valideert modellen op basis van machine learning om behandeluitkomsten en mogelijke verslechtering vroeg in het behandeltraject te voorspellen;
• Je zet een gerandomiseerde klinische studie op en voert deze uit waarin reguliere Prolonged Exposure (PE) wordt vergeleken met een variant waarin werkzame behandelprocessen gericht worden versterkt;
• Je werkt samen met behandelaren, onderzoekers en ervaringsdeskundigen bij de ontwikkeling, uitvoering en interpretatie van het onderzoek;
• Je publiceert in internationale wetenschappelijke tijdschriften, presenteert je werk op congressen en draagt bij aan de vertaling van bevindingen naar de klinische praktijk.

Nieuwsgierigheid, gedrevenheid en zorgvuldigheid kenmerken jou. Je hebt aantoonbare interesse in het onderwerp en werkt graag op het snijvlak van klinische praktijk en datawetenschap. Daarnaast heb je affiniteit met klinisch onderzoek, bijvoorbeeld met studies naar psychotherapie, dataverzameling of het werken met behandelgegevens. Je werkt nauwkeurig, planmatig en zelfstandig en zoekt tegelijkertijd proactief de samenwerking op. In het contact met deelnemers, behandelaren, ervaringsdeskundigen en onderzoekspartners communiceer je sensitief en professioneel.

Verder breng je het volgende mee:

• Je hebt een afgeronde masteropleiding in psychologie, gezondheidswetenschappen, biomedische wetenschappen, epidemiologie, data science of een andere relevante discipline. Een researchmaster is een pré;
• Je hebt ervaring met statistische analyses en bent gemotiveerd om je verder te ontwikkelen in longitudinale analysemethoden, dynamische modellen en machine learning technieken;
• Ervaring met R, Python of vergelijkbare software is een pré;
• Je beheerst de Nederlandse taal goed, omdat je contact hebt met deelnemers en behandelaren in de klinische studie. Je beheerst bovendien het Engels uitstekend voor internationale samenwerking en wetenschappelijke publicaties.