Verslagen

Voortgangsverslag

Samenvatting
Dit item is dichtgeklapt
Dit item is opengeklapt

Suïcidaal gedrag is heel complex. In plaats van één verklaring zijn er heel veel verschillende factoren die er uiteindelijk voor zorgen dat iemand suïcidaal wordt. In mijn studie breng ik deze complexiteit in kaart te brengen middels een nieuwe statistische techniek, netwerk analyse. Netwerk analyse stelt dat psychopathologie zoals depressie, maar ook suïcidaliteit ontstaat vanuit de interactie van risico factoren, en dus niet op zichzelf staat. Risico factoren zoals piekeren, hopeloosheid en eenzaamheid versterken elkaar, en volgens de netwerk theorie is het deze interactie die ervoor zorgt ervoor dat iemand meer suïcidaal wordt. De eerste resultaten laten inderdaad zien dat veel factoren direct samenhangen met suicidaliteit, en dat alle variabelen ook onderling verbonden zijn. Belangrijk is het inzicht dat deze interactie tussen factoren verandert over tijd. We komen dan op het vakgebied van de ecologie. Daar weten ze al langer dat complexe systemen zoals het weer het resultaat zijn van de veranderende interactie tussen vele variabelen. Opeens kan er een tipping point zijn, een omslag punt waardoor het hele systeem kantelt. In de resterende jaren van mijn beurs probeer ik inzichten uit de ecologie vertalen naar de suïcide preventie. Kan je suïcidaal gedrag ook benaderen als een complex systeem, dat opeens om kan slaan, een tipping point heeft? En kan je dit tipping point ook voorspellen?

Resultaten
Dit item is dichtgeklapt
Dit item is opengeklapt

Als eerste stap voor mijn beurs ben ik op zoek gegaan naar data met informatie over zo veel mogelijk risico factoren voor suïcidaliteit. Uiteindelijk heb ik een unieke schotse dataset kunnen gebruiken waar 3500 mensen wel 20 verschillende vragenlijsten rondom risico factoren van suïcidaliteit hebben ingevuld. Ik gebruikte deze data om 2 belangrijke modellen in de suïcide preventie te vergelijken. Het ene model zegt dat vooral het gevoel nergens bij te horen van belang is, het andere model geeft aan dat gevoelens van in de val zitten het meest voorspellend zijn voor suïcidaliteit. De netwerk analyse liet zien dat allebei de factoren een even belangrijke rol spelen bij de voorspelling van suïcidaliteit. Het model liet ook zien dat depressieve symptomen en eerdere suïcidale gedachten een even grote rol speelden als de 2 theoretische risico factoren. Daarnaast vonden we dat nog 8 andere variabelen zoals het visualiseren van een suïcide poging belangrijke factoren waren. Het netwerk van de 20 verschillende risico factoren liet zien dat alle factoren met elkaar in verband stonden, geen enkele risico factor stond alleen. Suïcidaliteit is dus complexer dan huidige modellen doen voorkomen. Een netwerk analyse op individuele data van suïcidale patiënten liet zien dat over tijd, suïcidale gedachten vooral door eerdere suïcidale gedachten voorspeld worden. Bekende risico factoren zoals hopeloosheid waren 1.5 uur van te voren niet voorspellend voor suïcidale gedachten. Het ziet er naar uit dat de dynamiek van de interactie tussen variabelen veel sneller afspeelt dan 1.5 uur. In de studies waar ik nu aan werk kijken we of we verschillen vinden tussen patiënten met en patiënten zonder een eerdere zelfmoordpoging. Volgens de netwerk theorie moeten de netwerken tussen deze 2 groepen verschillend zijn.

Samenvatting van de aanvraag

Samenvatting
Dit item is dichtgeklapt
Dit item is opengeklapt

Suicide is a major public health issue worldwide. Despite the morbidity and mortality associated with suicidal behavior, evidence on effectiveness of clincial interventions for suicidal patients is lacking. More fundamentally, we understand little of the aetiology and development of suicidal behavior, only that it is a highly complex interplay between psychological, social and biological factors. An important reason for the lack of evidence is the difficulty in conducting a well-designed study among suicidal patients. Suicidal patients are often excluded from clinical trials, and the randomization of suicidal patients is deemed unethical. Additionally, in most analysis, researchers did not differentiate between subgroups of suicidal patients. We therefore know little about the difference in suicidal behavior between males and females, adolescents and elderly, or between depressed patients and autistic patients.

 

The application of network analysis to psychiatric data resulted in a paradigm shift in thinking about psychopathology. In a network approach to psychopathology, disorders are conceptualized as complex dynamic systems of interacting symptoms. Network analysis can be used to validate more complex theoretical models because it can analyse the association between different symptoms simultaneously. In this project, I will compare different networks, such as the networks of suicidal males with the networks of suicidal females, making it possible to better understand the differences in aetiology and development of specific patient groups. Importantly, recent innovations in the field of graph theory allow to estimate the effectiveness of an intervention from observational data only, without having to do the actual experiment. As counterintuitive as this may sound, this means that I can use existing databases to examine which intervention can be effective for suicidal patients, and thereby improve the evidence for suicide prevention. Validation studies in the field of biology found that these techniques can reliably estimate causal effects using only observational data. However, psychopathology researchers and clinicians are not equipped to use these techniques, due to lack of training, time or interest. Computer scientists on the other hand do not have access to relevant clinical data, nor the theoretical knowledge or the network to translate the results into meaningful insights for clinical practice.

In the proposed fellowship, I propose to bridge this gap. I will apply recent developments in graph theory to both national and international data. The fellowship will result in 1) a better understanding of suicidal behavior within different patient’s groups (gender, age-groups, diagnoses, ethnicity) 2) an improvement of early recognition and treatment of suicidal behavior 3) a translation of the new insights into clinical tools. I have the statistical experience, the clinical network and the experience with implementation of results in clinical practice to realize the proposed goals. Two of the most advanced research groups on network analysis (University of Amsterdam) and causal inference (ETH university Zurich) are part of the proposed research group. This will allow to optimize the analysis techniques for the available datasets. Analyses will be applied to Dutch datasets (NIVEL, NEMESIS, NESDA) and international datasets from the university of Glasgow. Representatives of these databases are part of the research group of this grant. NIVEL offered to co-fond the data handling costs and other additional expenses. Implications for clinical practice will be discussed with suicide experts, clinical experts and patient organization Ivonne van der Ven. Special care will be taken to translate the new insights into clinical useable tools. During my PhD, I learned to translate scientific insights into recommendation that clinicians could apply in their day to day routine. The e-learning module and PITSTOP training that I developed for the implementation of the guideline suicide prevention will serve as the starting point for implementation. As suicide prevention organization 113online will keep on offering the PITSTOP training, and the e-learning module of the GGZecademy is one of the most used e-learning module in psychiatry, I expect to reach around 1000 professionals each year with the new insights. Our results will be of direct use for patients and their significant others. The results will demonstrate the effectiveness of peer support or other forms of community help on suicidal behavior. Networks can be used to educate significant others of how the suicidal process in patients takes place, and what happens if they for example more actively listen to the suicidal thoughts of the patients. Overall, this fellowship will improve our understanding of suicidal behavior within different groups of patients, and increase the effectiveness of the interventions provided by clinicians and significant others.

 

Naar boven
Direct naar: InhoudDirect naar: NavigatieDirect naar: Onderkant website