Il bollettino di ricerca dell'IPERlab pensato per le persone di inTherapy: come i dati che raccogliamo insieme stanno diventando conoscenza scientifica pubblicata, condivisa e utile alla pratica clinica.
Questo è il primo numero di un bollettino che vorremmo arrivasse sulla vostra scrivania ogni sei mesi. Lo abbiamo pensato per dirvi una cosa semplice: quello che fate ogni giorno con i pazienti sta diventando ricerca scientifica — e questa ricerca sta producendo risultati che meritate di conoscere.
Ogni questionario somministrato, ogni anamnesi raccolta in GRETA, ogni monitoraggio settimanale che chiedete ai pazienti di compilare costituisce un piccolo mattone di un progetto più grande. Da soli, questi dati sono strumenti clinici al servizio della singola terapia. Aggregati e analizzati con metodi rigorosi, diventano conoscenza che può tornare a voi sotto forma di evidenze, raccomandazioni cliniche e — speriamo presto — strumenti predittivi che vi aiuteranno a riconoscere precocemente i pazienti più a rischio di interrompere la terapia.
Negli ultimi mesi una parte importante del lavoro dell'IPERlab si è concentrata proprio su questo: capire chi abbandona la terapia, quando lo fa, e perché. È un fenomeno che conoscete da vicino, e che la letteratura internazionale stima possa coinvolgere fino al 35-50% dei pazienti in CBT. Comprenderlo meglio significa poter intervenire prima.
In parallelo, altri filoni di ricerca dell'IPERlab si sono mossi velocemente in questo semestre — un paper appena uscito su Journal of Affective Disorders, due preprint OSF, un protocollo longitudinale su Psychological Reports, una presentazione al congresso EABCT di Belgrado. Tutto su dati inTherapy.
In queste pagine troverete il progetto di ricerca in primo piano, gli spotlight sui lavori più importanti del semestre, una panoramica degli altri filoni attivi, lo specchietto delle ricadute cliniche, e l'elenco completo della produzione scientifica.
Vorremmo che questo bollettino vi ricordasse, semestre dopo semestre, che la cura che mettete nel lavoro clinico non resta lì. Diventa pubblicazioni, strumenti, e — quando va bene — qualcosa che torna ad aiutare i prossimi pazienti che entreranno nella stanza con voi.
Buona lettura.
Dott. Gabriele Caselli
Direttore IPERlab — Sigmund Freud University, Milano
Il progetto di dottorato che attraversa questo numero indaga il dropout in psicoterapia cognitivo-comportamentale online, integrando la piattaforma GRETA con modelli predittivi di machine learning. L'obiettivo finale è uno strumento di clinical decision support: un sistema che vi avvisi quando un paziente è a rischio di interrompere il percorso, in tempo per intervenire.
Il dropout è un costo silenzioso. Per il paziente, significa una terapia interrotta prima del tempo, e spesso prima di ottenere benefici. Per il clinico, significa un investimento di tempo e relazione che si dissolve. Per il sistema, significa risorse spese senza esito misurabile. Per la ricerca, significa che gli studi randomizzati raccontano una storia incompleta — perché chi abbandona scompare anche dai dati.
inTherapy ha qualcosa che pochi servizi al mondo hanno: un dataset naturalistico ampio, longitudinale e ben strutturato, costruito sessione per sessione attraverso GRETA. Questo permette di fare una cosa che i trial clinici non possono fare: studiare il dropout nella sua fenomenologia reale, in pazienti veri, in un servizio che funziona davvero.
Il progetto è strutturato in cinque fasi. Tre sono già attive — una è pubblicata, una è in revisione, una in scrittura — e due sono lo sguardo al futuro che condividiamo con voi. Le trovate dettagliate nella pagina successiva.
Una sequenza logica che muove dalla descrizione dell'infrastruttura digitale alla validazione di un sistema di alert clinico — costruita per essere completata entro il 2027.
Descrizione e valutazione di efficacia della piattaforma GRETA su un campione di 442 pazienti dimessi. Riduzioni significative di sintomi ansiosi, depressivi e impairment funzionale, con effect size clinicamente rilevanti, in tutti i gruppi diagnostici. Pubblicato in Psychological Reports (2025).
Stima e confronto sistematico dei tassi di dropout in studi naturalistici su CBT online vs. in-presenza. Pre-registrata su PROSPERO a gennaio 2026 (CRD420251185618). Selezione e screening articoli in corso, completamento estrazione dati previsto entro luglio 2026.
Su 1.729 pazienti inTherapy, identificati tre profili biopsicosociali di base (Latent Class Analysis) e dimostrato che disinibizione e antagonismo predicono in modo differenziale il dropout precoce vs. tardivo. Manoscritto in scrittura attiva.
Addestramento e validazione di modelli predittivi (Random Forest, XGBoost, modelli a rete neurale) sui dati GRETA per stimare la probabilità di dropout di ogni nuovo paziente entro le prime sedute. Avvio previsto: secondo semestre 2026.
Studio di feasibility per verificare se notifiche al terapeuta basate sulla previsione del modello aiutano effettivamente a prevenire il dropout. È la fase più impegnativa — e quella in cui il vostro coinvolgimento sarà decisivo.
Psychological Reports — SAGE Publications, 2025
DOI: 10.1177/00332941251409157
Il primo articolo del progetto descrive in modo sistematico la piattaforma GRETA e ne verifica l'efficacia. L'analisi pre-post su 442 pazienti dimessi dal servizio — sia chi ha completato la terapia, sia chi ha interrotto — mostra miglioramenti statisticamente significativi e clinicamente rilevanti su tutti i tre indicatori monitorati.
I risultati sono in linea con quelli del programma inglese NHS Talking Therapies — il principale benchmark europeo per valutare l'efficacia dei servizi di psicoterapia evidence-based. Tradotto: il servizio inTherapy raggiunge esiti comparabili a quelli del sistema sanitario inglese, e lo dimostra con dati raccolti sistematicamente attraverso il vostro lavoro quotidiano sulla piattaforma.
Il paper è anche la prima pubblicazione in Italia che descrive un servizio privato di psicoterapia allineato alle linee guida nazionali di un sistema sanitario pubblico. Quando compilate un dossier o chiedete a un paziente di riempire un questionario su GRETA, state contribuendo a un'infrastruttura di ricerca riconosciuta a livello internazionale — questa pubblicazione ne è la prima certificazione.
Journal of Affective Disorders — Elsevier, 2026 (Vol. 398)
DOI: 10.1016/j.jad.2025.121062
I disturbi emotivi con comorbidità di personalità (ED-PD) hanno esiti clinici peggiori dei disturbi emotivi "puri" (ED-noPD). Ma questa differenza si limita all'intensità dei sintomi, o riguarda anche la struttura di come metacognizioni, ruminazione e sintomi si tengono insieme? Un network analysis su 962 pazienti inTherapy — il più grande del suo genere in un campione clinico — prova a rispondere.
→ Struttura simile, accenti diversi. Le due reti (ED-PD vs. ED-noPD) non differiscono in modo statisticamente significativo, ma hanno baricentri diversi.
→ Nei pazienti senza PD, il nodo più centrale è quello delle credenze metacognitive negative su incontrollabilità e pericolo dei pensieri — il cuore del modello di Wells.
→ Nei pazienti con PD, il nodo più centrale diventa la ruminazione depressiva, con un ponte specifico verso la cognitive self-consciousness — segnale di una ego-sintonicità maggiore del processo ruminativo.
Le indicazioni per il lavoro clinico convergono su un punto: nei pazienti con comorbidità PD, gli interventi metacognitivi mirati a ridurre la self-focused attention e a promuovere defusione cognitiva (Attention Training Technique, detached mindfulness) potrebbero essere particolarmente efficaci rispetto al protocollo CBT standard — perché toccano direttamente il meccanismo ruminativo che, in questi pazienti, è il centro di gravità.
Manoscritto in scrittura — submission prevista entro fine 2026
Su un campione di 1.729 adulti italiani in CBT online — interamente pazienti inTherapy — abbiamo testato un'idea: il dropout precoce e il dropout tardivo non sono lo stesso fenomeno. Hanno predittori diversi. E i dati ci hanno dato ragione.
Tramite Latent Class Analysis sui questionari anamnestici di intake (CBA 2.0), sono emersi tre profili biopsicosociali di base: basso, medio e alto livello di fattori protettivi. La regressione multinomiale ha poi mostrato che:
→ Profilo "alto fattori protettivi": rischio di dropout precoce ridotto del 52% rispetto al profilo a bassi fattori protettivi.
→ Disinibizione (PID-5): predice specificamente il dropout precoce (entro la 5ª seduta).
→ Antagonismo (PID-5): predice specificamente il dropout tardivo (dopo la 5ª seduta).
Curiosamente, né la diagnosi categoriale di disturbo di personalità né il numero totale di diagnosi migliorano la predizione una volta inserite le classi anamnestiche e i tratti dimensionali. L'informazione utile sta nelle dimensioni, non nelle etichette.
Da voi. Il PID-5 e l'anamnesi CBA 2.0 fanno parte della batteria di intake che amministrate ai pazienti tramite GRETA. Ogni volta che un Case Manager completa una valutazione iniziale, sta contribuendo a un dataset che oggi è tra i più grandi in Italia per studi naturalistici sulla CBT online.
Il progetto di dottorato sul dropout è solo una delle linee attive. Ecco cosa sta producendo, in parallelo, il resto del gruppo IPERlab — sempre lavorando sui dati che voi raccogliete in inTherapy.
Studio prospettico su 200 pazienti, cinque misurazioni in dodici mesi. Modelli RI-CLPM e Latent Growth Curve per disentangolare cambiamento intra- e inter-individuale nei domini PID-5 durante la CBT.
Su 395 pazienti depressi, identificati due cluster (alta vs. bassa patologia di personalità via PID-5) e modellate le traiettorie sintomatologiche con modelli quadratici a effetti misti. Il cluster ad alta patologia ha probabilità di RCSI ~50% inferiore.
Replicazione del lavoro di De Francesco et al. allargando il network ai cinque domini PID-5. Pre-print pubblicato su OSF a marzo 2026, ulteriori analisi in corso per la submission a rivista.
Studio metodologico che confronta diversi approcci fattoriali al PID-5 sul campione clinico inTherapy. Collaborazione internazionale con Krueger, Sellbom e Hopwood — autori dello strumento originale.
Non sono raccomandazioni di linee guida, e non sostituiscono il giudizio clinico. Sono ipotesi di lavoro che emergono dalle nostre analisi e che potrebbero entrare nelle vostre antenne durante l'assessment iniziale e le prime sedute.
Il 50% dei dropout avviene entro la quarta seduta, il 75% entro la decima. La fase iniziale è il momento di massima vulnerabilità del percorso terapeutico — ed è anche dove l'ingaggio si gioca di più.
Punteggi alti in disinibizione al baseline sono associati a dropout precoce: utile prepararsi a strutturare di più le prime sedute. Punteggi alti in antagonismo sono invece predittivi di dropout tardivo: la sfida si sposta sulla tenuta della relazione.
Le tre classi latenti emerse dall'intake (basso, medio, alto livello di fattori protettivi) predicono il rischio di abbandono indipendentemente da diagnosi e sintomi. Il quadro biopsicosociale di base merita lo stesso peso degli score sintomatologici.
Il network analysis di De Francesco e colleghi suggerisce che, nei pazienti con comorbidità di personalità, la ruminazione depressiva è più centrale e più ego-sintonica. Tecniche metacognitive (ATT, detached mindfulness) possono fare una differenza più marcata in questi pazienti.
Gli spunti sopra si basano sulle analisi presentate negli spotlight scientifici di questo numero (pagine 6-8) e nei filoni di ricerca attivi (pagina 9). Riferimenti bibliografici completi nella sezione "Produzione scientifica" che segue.
Il semestre Gennaio-Giugno 2026 si chiude con nove output scientifici direttamente legati all'attività clinica di inTherapy. Tre articoli pubblicati su rivista peer-reviewed (uno appena uscito su Journal of Affective Disorders), due manoscritti in scrittura attiva, tre pre-registrazioni su PROSPERO e OSF, e una presentazione al congresso EABCT 2024.
Le pagine seguenti riportano l'elenco dettagliato. Pubblicazioni e manoscritti nella prossima pagina; pre-registrazioni e convegni nella pagina successiva.
Per i clinici e la segreteria che leggono il bollettino per la prima volta, qualche definizione veloce: una pubblicazione peer-reviewed è un articolo che ha superato la revisione anonima di esperti del settore ed è stato accettato da una rivista scientifica. Una pre-registrazione (su PROSPERO per le revisioni sistematiche, su OSF per gli studi empirici) è un protocollo depositato pubblicamente prima di iniziare le analisi: serve a vincolare i ricercatori al piano dichiarato e a prevenire il cherry-picking dei risultati. È uno standard di trasparenza scientifica in forte crescita.
Nei prossimi sei mesi sono previste presentazioni ai congressi nazionali SITCC e AIP, oltre a una possibile partecipazione a EABCT 2026 — l'elenco aggiornato sarà nel numero di Dicembre.
Il manoscritto principale del progetto di dottorato (Latent Classes & tratti) entra in fase di submission a rivista internazionale.
Completamento dello screening articoli e inizio dell'estrazione dati per la meta-analisi pre-registrata su PROSPERO.
Prima costruzione di modelli di machine learning per la predizione del dropout: feature engineering sui dati GRETA, baseline modeling con Random Forest e Gradient Boosting.
Vi ritroverete questo bollettino sulla scrivania per il bilancio del semestre Lug-Dic 2026.
Grazie a chi tiene
la stanza.
Ogni dato che entra in GRETA passa prima dalle vostre mani. Dalla telefonata al Clinical Contact Center alla dimissione, c'è una catena di attenzioni cliniche, organizzative e relazionali che rende possibile tutto quello che avete letto in queste pagine. Questo bollettino, e tutta la ricerca che racconta, parte da voi.
Gruppo Studi Cognitivi