Yazarlar: Elizabeth A. Penix-Smith, Stephanie C. Glitsos, Phillip J. Quartana
Dergi: Psychological Services, 2026 (çevrim içi yayın: 12 Kasım 2026)
Orijinal makale: https://doi.org/10.1037/ser0001103
Bu yazı makalenin birebir çevirisi değil, yayımlanmış özetine dayanan Türkçe bir özettir. Makalenin tam metni yayıncının telif hakkı altındadır.
Çalışmanın sorusu
EMDR, ABD Gazi İşleri Bakanlığı ile Savunma Bakanlığı'nın 2023 tarihli klinik kılavuzunda gazilerde travma sonrası stres bozukluğu (TSSB) için birinci basamak tedaviler arasında yer alıyor. Buna karşın gazilerin EMDR'ı neden ve hangi koşullarda yarıda bıraktığı pek bilinmiyor. Yazarlar iki şeyi sordu: Tedaviyi bırakmayı makine öğrenmesiyle önceden kestirmek mümkün mü, ve bırakmayla en çok hangi değişkenler ilişkili?
Yöntem
Çalışmada EMDR alan 279 gazinin verisi kullanıldı (veri seti Fairbanks ve arkadaşlarının 2026 tarihli çalışmasından). Katılımcılar rastgele iki gruba ayrıldı: modellerin eğitildiği 224 kişilik bir küme (%80) ve modellerin sınandığı 55 kişilik bir test kümesi (%20). Rastgele orman, lojistik regresyon ve nihai bir topluluk (ensemble) modeli dahil farklı algoritmalar karşılaştırıldı.
Bulgular
Gazilerin 114'ü (%40,9) tedaviyi yarıda bıraktı. Tedavi sonlandığında bırakanların TSSB ve depresyon belirtileri, EMDR'ı tamamlayanlara göre daha ağırdı.
Öngörü başarısı algoritmaya ve ölçüte göre değişti, ancak genel olarak yüksekti:
- Topluluk modeli: kesinlik duyarlılık eğrisi altında kalan alan (PR-AUC) 0,83; Brier skoru 0,13.
- Rastgele orman: PR-AUC 0,83; AUC 0,89; doğruluk 0,85.
- Lojistik regresyon: PR-AUC 0,83; özgüllük 0,94.
Tedaviyi bırakmayla en güçlü ilişkili çıkan değişkenler şunlardı:
- Daha genç yaş
- Daha fazla sayıda travma türü yaşamış olmak
- Tedavi sürecinde TSSB belirtilerinin kötüleşmesi
- Depresyon belirtilerinin düzelmesi
- Belirti ölçeklerinin doldurulmamış (eksik) olması
Yazarların yorumu
Yazarlara göre bulgular, gazilerde EMDR'ı bırakmanın daha iyi anlaşılması gerektiğini gösteriyor. Bırakma risk etkenleri gazi alt grupları arasında farklı işliyor olabilir ve makine öğrenmesi bu çeşitliliği tanımlamada yararlı bir araç olabilir. Terapistlere, araştırmacılara ve kliniklere, bırakma riski taşıyan gaziler için araştırmaya dayalı bırakmayı önleme stratejilerini değerlendirmeleri öneriliyor.
Klinik açıdan notlarım
Bulguların en dikkat çekeni, depresyon belirtileri düzelirken TSSB belirtileri kötüleşen danışanın tedaviyi bırakma riskinin artması. Bu örüntü, kişinin "biraz rahatladım" duygusuyla işlemenin zorlaştığı noktada tedaviden çekilebileceğini düşündürüyor. Ölçeklerin doldurulmaması da kendi başına bir uyarı işareti olarak okunabilir; seans içinde ölçüm alışkanlığı yalnızca izlemek için değil, bırakma riskini erken görmek için de değerli.
Öte yandan modeller 55 kişilik küçük bir test kümesinde sınandı. Bu sonuçların klinik karar aracına dönüşmeden önce başka örneklemlerde ve farklı klinik ortamlarda doğrulanması gerekiyor.
Kaynak: Penix-Smith, E. A., Glitsos, S. C., & Quartana, P. J. (2026). Predicting U.S. veteran dropout from trauma-focused eye movement desensitization and reprocessing therapy using machine learning. Psychological Services. https://doi.org/10.1037/ser0001103
EMDR terapisi hakkında genel bilgi: EMDR terapisi