USA : CRITIQUE DEBAT :
La pandémie entraînera-t-elle plus de suicides?
Il est trop tôt pour savoir. Mais certaines données récentes, en particulier de groupes spécifiques, sont préoccupantes.
D'apres article "Will the Pandemic Result in More Suicides?" Par Kim Tingley 21 janvier 2021 sur https://www.nytimes.com*
Même
avant d'entrer dans cet hivers le plus sombre, lorsque Covid-19 cause
sans relâche de plus en plus de maladies et de décès - sans parler du
stress supplémentaire, de l'isolement et de la douleur économique - il y
avait des preuves suggérant que beaucoup plus de gens ont pensé à
mettre fin à leurs jours pendant la pandémie que ces dernières années.
En août, les Centers for Disease Control and Prevention
ont publié les résultats d'une enquête nationale menée au cours de la
dernière semaine de juin: Plus de 40 pour cent de ceux qui ont répondu
ont signalé des symptômes d'anxiété ou de dépression ou une consommation
accrue de substances, en plus d'autres difficultés. Et plus de 10% ont
déclaré avoir sérieusement envisagé de se suicider au cours des 30
derniers jours, contre un peu plus de 4% qui ont dit la même chose en
2018 - et qui faisaient référence à des idées suicidaires au cours des
12 mois précédents . «Nous voulons savoir qui est le plus à risque de
suicide dans la pandémie», déclare Paul Nestadt, psychiatre à la Johns
Hopkins School of Medicine, qui n'a pas participé à l'enquête. Et
pourtant, ajoute-t-il, "nous ne le saurons pas avant que ce ne soit
presque terminé." En effet, cela peut prendre un an ou deux au CDC pour
collecter et analyser les données nationales sur la mortalité.
Pour essayer d'avoir une idée de ce qui pourrait se passer actuellement, Nestadt et ses collègues ont examiné les données du Maryland
, un échantillon beaucoup plus petit. Le nombre total de décès par
suicide entre janvier et début juillet 236 était en fait inférieur à ce
qu'il était pendant les périodes correspondantes des trois années
précédentes. Cependant, lorsqu'ils ont examiné séparément les données
sur les décès par suicide chez les Noirs et les Blancs, des tendances
radicalement différentes sont apparues. Du 5 mars, lorsque le Maryland a
annoncé ses premiers cas de Covid et déclaré une urgence dans tout
l'État, jusqu'au 7 mai, lorsque les espaces publics ont commencé à
rouvrir, le nombre de décès par suicide parmi les résidents noirs a
doublé par rapport à une moyenne de la même période au cours des trois
années précédentes. ; les décès parmi les résidents blancs ont chuté de
près de la moitié. Des changements similaires ont été observés dans le
Connecticut et à Chicago.
Les données ne peuvent pas dire si la
pandémie ou tout autre facteur a causé ces changements. Mais ces
résultats mettent en évidence comment les expériences des groupes
vulnérables peuvent être manquées à moins que les chercheurs ne les
recherchent spécifiquement. Comme le dit Sean Joe, qui est le directeur
du Race and Opportunity Lab à l'Université de Washington à Saint-Louis
et qui étudie le suicide chez les Noirs aux États-Unis, «vous ne pouvez
pas supposer que la tendance générale décrit ce qui se passe avec tous
Les Américains."
Le suicide peut être le comportement humain le
plus difficile à étudier. C'est relativement rare, ce qui signifie que
les données sur la mortalité ne peuvent généralement être ventilées
qu'en catégories assez larges - comme la race et le sexe - avant que la
taille de l'échantillon ne devienne peut-être trop petite pour révéler
des tendances claires. Les chercheurs peuvent parler avec des personnes
qui ont tenté de se suicider, mais elles peuvent être catégoriquement
différentes de celles qui se suicident. Aux États-Unis, les femmes sont
plus susceptibles de tenter de se suicider, par exemple, mais les hommes
sont plus susceptibles d'en mourir. Beaucoup plus de gens envisagent le
suicide que d'agir sur ces pensées.
De nouvelles façons
d'étudier le comportement dans des contextes expérimentaux consistent à
donner aux participants la possibilité de choisir le suicide dans des
simulations de réalité virtuelle, ce qui s'est avéré sûr. Mais à ce
jour, ce que l'on sait du suicide provient principalement d'entretiens
psychiatriques approfondis avec des proches du défunt et de statistiques
nationales. Ces chiffres montrent que les taux de suicide dans
l'ensemble ont augmenté d'environ 30 pour cent aux États-Unis au cours
des deux dernières décennies. Mais une analyse de 50 ans de recherche
publiée dans Psychological Bulletin en 2017
a constaté qu'en ce qui concerne les signes avant-coureurs que les
médecins ou les profanes peuvent utiliser pour déterminer si une
personne est en danger imminent - changements d'humeur, par exemple, ou
antécédents d'automutilation - «tout facteur de risque que nous pensions
être particulièrement utile n'est que marginalement mieux qu'un tirage
au sort », déclare Jessica Ribeiro, auteur de l'analyse et professeur
adjoint de psychologie à la Florida State University. Une analyse tout aussi complète de 2020 dans
le même journal par Ribeiro et ses collègues a révélé que les
interventions actuelles, y compris les lignes d'assistance, la thérapie,
la médecine et l'hospitalisation, bien qu'elles fonctionnent pour
certains, semblent réduire les comportements suicidaires d'environ 9%
seulement.
Un examen plus détaillé des données nationales donne
une image encore plus compliquée des personnes les plus à risque - et
donc de la manière de les atteindre. Parmi les Américains blancs, les
hommes de 45 ans et plus sont les plus susceptibles de se suicider.
Parce que les Américains blancs ont le taux de suicide le plus élevé du
pays, les données agrégées suggèrent que c'est un problème qui affecte
largement les personnes âgées. Mais parmi les Noirs américains, les
hommes les plus susceptibles de se suicider sont les hommes entre 25 et
34 ans. . Et si le groupe d'âge le plus à risque est resté à peu près le
même pour les Blancs au cours des dernières décennies, selon Sean Joe,
il est devenu "de plus en plus jeune" pour les Noirs. En 2018, une étude en pédiatrie JAMA
ont constaté que les taux de suicide ont augmenté chez les enfants
noirs entre 5 et 11 ans entre 1993 et 1997 et entre 2008 et 2012. Le
taux a diminué chez leurs homologues blancs. «L'un des mythes qui pose
problème est que les enfants ne meurent pas par suicide», dit Joe. «Et
ils le font.»
La plus grande question, et la plus difficile à
répondre, est de savoir pourquoi. Quels sont les facteurs qui poussent
certaines personnes à se suicider alors que d'autres, bien plus
nombreuses, appartenant à la même population et vivant dans des
conditions similaires, ne le font pas ? Il existe de nombreux
sous-groupes dont les membres présentent un risque élevé de suicide,
notamment la communauté L.G.B.T.Q., les Amérindiens, le personnel
militaire et les personnes souffrant d'une maladie psychiatrique. Et le
fardeau disproportionné de Covid peut en avoir créé - ou éclairé -
d'autres. Dans l'enquête du CDC, plus de 30 pour cent de ceux qui se
sont identifiés comme aidants naturels non rémunérés pour adultes ont
déclaré qu'ils avaient sérieusement envisagé de se suicider au cours du
mois dernier, soit près de trois fois la moyenne globale; c'est le cas
de plus d'un jeune de 18 à 24 ans sur quatre et de plus d'un travailleur
essentiel sur cinq. Mais ces types de catégories ne sont que des
«prédicteurs», pas des «mécanismes causaux», dit Ribeiro. "Nous ne
savons pas si cela fonctionne différemment". Les causes sous-jacentes du
suicide sont probablement beaucoup plus complexes que ne le laissent
supposer les tendances statistiques ; au contraire, comme pour d'autres
problèmes de santé complexes, la biologie et les conditions
environnementales rendent les individus de certains groupes plus
vulnérables.
L'étude de l'effet de Covid-19 sur les taux de
suicide pourrait éclairer un débat scientifique de longue date sur la
mesure dans laquelle le comportement est déterminé par la chimie du
cerveau par rapport aux facteurs de stress externes. Si Covid-19
augmente les comportements suicidaires - il y a eu une augmentation du
suicide chez les personnes âgées à Hong Kong en 2003, l'année de
l'épidémie de SRAS - cela pourrait donner du poids à l'idée que les
pressions socio-économiques, comme la perte d'emploi ou l'isolement,
sont des déclencheurs clés . «Mais comme pour tout débat scientifique,
la réponse est toujours les deux», ajoute Nestadt. «C'est un
comportement multifactoriel.»
Aussi déroutant que ce comportement
demeure, les chercheurs ont des preuves solides sur certains facteurs
qui pourraient aider à protéger ceux qui luttent pendant la pandémie.
Les gens ne devraient pas avoir peur de demander si un ami ou un être
cher a envisagé de se suicider; cela n'implantera pas l'idée. Le suicide
est également étonnamment impulsif. Une majorité qui décide de le faire
agit en une heure, dit Nestadt, et près d'un quart agit en cinq
minutes. Ne pas avoir accès à une arme létale pendant cette période
réduit considérablement le risque de mort. Aux États-Unis, les armes à
feu sont le moyen le plus courant de se suicider et l'achat d'armes à
feu a augmenté au cours de la dernière année. Se débarrasser des armes à
feu ou en rendre l'accès plus difficile permettrait d'éviter davantage
de décès par suicide, tout comme des soins de santé mentale plus
abordables et largement disponibles.
Joe pense que nous ne
verrons peut-être pas l'impact de la pandémie sur le suicide tant que
les vaccins n'auront pas atténué les dangers immédiats du virus et que
les Américains n'auront pas enquêté sur ce qu'ils ont perdu: traditions,
célébrations, emplois, êtres chers. «Tout ce chagrin compliqué qui se
produit, c'est ce qui frappera l'Amérique dans les 24 prochains mois»,
dit-il. «Et c'est ce à quoi nous devons faire attention. Que nous
n'avons pas de crise de santé mentale après cette crise de Covid et que
personne ne s'y prépare.
Si vous avez des pensées suicidaires,
appelez la National Suicide Prevention Lifeline au 1-800-273-8255
(TALK). Vous pouvez trouver une liste de ressources supplémentaires sur SpeakingOfSuicide.com/resources .
https://www.nytimes.com/2021/01/21/magazine/will-the-pandemic-result-in-more-suicides.html
Affichage des articles dont le libellé est FACTEURS PREDICTIFS. Afficher tous les articles
Affichage des articles dont le libellé est FACTEURS PREDICTIFS. Afficher tous les articles
vendredi 22 janvier 2021
USA : CRITIQUE DEBAT : La pandémie entraînera-t-elle plus de suicides? EPIDEMIOLOGIE "Le suicide peut être le comportement humain le plus difficile à étudier"
jeudi 12 novembre 2020
ETUDE RECHERCHE A comprehensive model of predictors of suicide attempt in individuals with panic disorder: Results from a national 3-year prospective study
A comprehensive model of predictors of suicide attempt in individuals with panic disorder: Results from a national 3-year prospective study
Abstract : Objective: People with panic disorder are at increased risk of suicide. Multiple factors influence their risk suggesting a need to combine them into an integrative model to develop more effective suicide prevention strategies for this population. In this report, we sought to build a comprehensive model of the 3-year risk of suicide attempt in individuals with panic disorder using a longitudinal nationally representative study, the National Epidemiologic Survey on Alcohol and Related Conditions (NESARC; wave 1, 2001-2002; wave 2, 2004-2005). Method: We used structural equation modeling to simultaneously examine effects of six broad groups of clinical factors previously identified as potential predictors of suicide attempt in adults with panic disorder: 1) severity of panic disorder, 2) severity of comorbidity, 3) prior history of suicide attempt, 4) family history of psychiatric disorders, 5) sociodemographic characteristics and 6) treatment-seeking behavior. Results: The 3-year prevalence rate of suicide attempt was 4.6%. A general psychopathology factor, lower physical health-related quality of life, prior suicide attempt and a greater number of stressful life events at baseline significantly and independently predicted suicide attempt between the two waves (p < .05). R-square of the models ranged from 0.47 to 0.50. Conclusion: This model may help inform future research and identify high-risk individuals among adults with panic disorder.
jeudi 18 juin 2020
ETUDE RECHERCHE Prédiction algorithmique en santé connectée: le cas de la prévention du suicide
Algorithmic prediction in connected health: The case of suicide prevention
Soumis le : mercredi 11 mars 2020 - 17:19:31
Source https://hal.archives-ouvertes.fr/hal-02505798
Soumis le : mercredi 11 mars 2020 - 17:19:31
Source https://hal.archives-ouvertes.fr/hal-02505798
mercredi 29 avril 2020
ETUDE RECHERCHE USA Le risque de suicide peut-il être prédit à partir du dossier d'un patient ?
Le risque de suicide peut-il être prédit à partir du dossier d'un patient ?
D'apres article
Les modèles informatiques signalent de nombreux patients à risque de tentatives de suicide, deux ans à l'avance
Hôpital pour enfants de Boston
Le suicide est aujourd'hui la deuxième cause de décès chez les jeunes Américains. Les suicides ont augmenté de 30 % entre 2000 et 2016, et l'année 2016 à elle seule a vu 1,3 million de tentatives de suicide. Aujourd'hui, une étude menée par l'hôpital pour enfants de Boston et l'hôpital général du Massachusetts démontre qu'un modèle informatique prédictif peut identifier les patients à risque de tentative de suicide à partir des modèles de leur dossier médical électronique - en moyenne deux ans à l'avance.
De tels modèles pourraient potentiellement alerter les professionnels de la santé avant une visite, aidant ainsi les patients à bénéficier d'interventions appropriées, affirment les chercheurs. Les résultats ont été publiés le mois dernier dans JAMA Network Open..
"Les ordinateurs ne peuvent pas remplacer les équipes de soins dans l'identification des problèmes de santé mentale", déclare Ben Reis, PhD, directeur du groupe de médecine prédictive, qui fait partie du programme CHIP ( Computational Health Informatics Program (CHIP) de l'hôpital pour enfants de Boston, et co-auteur principal du document. "Mais nous pensons que les ordinateurs, s'ils sont bien conçus, pourraient identifier les patients à haut risque qui pourraient actuellement passer inaperçus dans le système de santé. Nous envisageons un système qui pourrait dire au médecin que "parmi tous vos patients, ces trois-là appartiennent à une catégorie à haut risque". Prenez quelques minutes supplémentaires pour leur parler".
L'équipe a analysé les données des dossiers médicaux électroniques de plus de 3,7 millions de patients âgés de 10 à 90 ans dans cinq systèmes de santé américains différents : Partners HealthCare System à Boston ; Boston Medical Center ; Boston Children's Hospital ; Wake Forest Medical Center en Caroline du Nord ; et University of Texas Health Science Center à Houston. Les différents centres ont fourni des données sur une période de six à 17 ans, notamment les codes de diagnostic, les résultats des tests de laboratoire, les codes de procédure médicale et les médicaments.
Les dossiers ont fait état de 39 162 tentatives de suicide au total. Les modèles ont permis de détecter 38 % d'entre elles (de 33 à 39 % dans les cinq centres) avec une spécificité de 90 %. Les cas ont été relevés en moyenne 2,1 ans avant la tentative de suicide proprement dite (de 1,3 à 3,5 ans).
Les prédicteurs les plus forts, sans surprise, comprenaient les intoxications aux drogues, la dépendance aux drogues, l'intoxication alcoolique aiguë et plusieurs problèmes de santé mentale. Mais d'autres prédicteurs étaient ceux qui ne viendraient pas à l'esprit en temps normal, comme la rhabdomyolyse, la cellulite ou l'abcès de la main, et les médicaments contre le VIH.
"Il n'y avait pas un seul prédicteur", dit Reis. "C'est plutôt une gestalt ou une prépondérance d'indicateurs, un signal général qui s'accumule au fil du temps."
Conception d'un prédicteur du risque de suicide
Les enquêteurs ont développé le modèle en deux étapes, en utilisant une approche d'apprentissage automatique. Tout d'abord, ils ont montré la moitié des données de leurs patients à un modèle informatique, l'orientant vers la recherche de modèles associés à des tentatives de suicide documentées. Ensuite, ils ont tiré les leçons de cet exercice de "formation" et les ont validées en utilisant l'autre moitié de leurs données - en demandant au modèle de prédire, sur la base de ces seuls modèles, quels patients feraient éventuellement une tentative de suicide.
Dans l'ensemble, le modèle a donné des résultats similaires dans les cinq centres médicaux, mais le recyclage du modèle dans les différents centres a donné de meilleurs résultats.
"Nous aurions pu créer un modèle unique pour tous les centres médicaux, en utilisant les mêmes codes", dit Yuval Barak-Corren, MD, de CHIP, premier auteur de l'article. "Mais nous avons choisi une approche qui construit automatiquement un modèle légèrement différent, adapté aux spécificités de chaque site de soins de santé".
Les résultats ont confirmé l'intérêt d'adapter le modèle à chaque site, car les centres de soins de santé peuvent avoir des facteurs prédictifs uniques, basés sur des pratiques de codage hospitalier différentes et sur les caractéristiques démographiques et sanitaires locales.
Grâce à une subvention de l'Institut national de la santé mentale, l'équipe va maintenant chercher à améliorer son approche de modélisation, par exemple en intégrant les notes cliniques des médecins dans ses données.
###
L'étude a été soutenue par le Tommy Fuss Fund, le National Institute of Mental Health (R01MH117599), le Patient-Centered Outcomes Research Institute (CDRN-1306-04608), le National Center for Advancing Translational Sciences (U54 TR002804), U01 TR002393), l'Institut de recherche sur la prévention du cancer du Texas (RP150535, RP170668), le Cullen Trust for Health Care, une bourse de recherche sur l'HGM de la famille Tepper et la Fondation Demarest Lloyd Jr.
Jordan Smoller, MD, ScD, du Massachusetts General Hospital, était co-auteur principal de l'article. Les coauteurs à l'hôpital pour enfants de Boston étaient Kenneth Mandl, MD, MPH ; Marc Natter, MD ; et Nandan Patibandla, MS. Voir le document pour une liste complète des auteurs et des divulgations.
À propos du Boston Children's Hospital
Le Boston Children's Hospital est classé premier hôpital pour enfants du pays par U.S. News & World Report et est le principal établissement d'enseignement pédiatrique affilié à la Harvard Medical School. Il abrite la plus grande entreprise de recherche au monde
https://www.eurekalert.org/pub_releases/2020-04/bch-csr042420.php
D'apres article
News Release Could suicide risk be predicted from a patient's records? https://www.eurekalert.org/*
Les modèles informatiques signalent de nombreux patients à risque de tentatives de suicide, deux ans à l'avance
Hôpital pour enfants de Boston
Le suicide est aujourd'hui la deuxième cause de décès chez les jeunes Américains. Les suicides ont augmenté de 30 % entre 2000 et 2016, et l'année 2016 à elle seule a vu 1,3 million de tentatives de suicide. Aujourd'hui, une étude menée par l'hôpital pour enfants de Boston et l'hôpital général du Massachusetts démontre qu'un modèle informatique prédictif peut identifier les patients à risque de tentative de suicide à partir des modèles de leur dossier médical électronique - en moyenne deux ans à l'avance.
De tels modèles pourraient potentiellement alerter les professionnels de la santé avant une visite, aidant ainsi les patients à bénéficier d'interventions appropriées, affirment les chercheurs. Les résultats ont été publiés le mois dernier dans JAMA Network Open..
"Les ordinateurs ne peuvent pas remplacer les équipes de soins dans l'identification des problèmes de santé mentale", déclare Ben Reis, PhD, directeur du groupe de médecine prédictive, qui fait partie du programme CHIP ( Computational Health Informatics Program (CHIP) de l'hôpital pour enfants de Boston, et co-auteur principal du document. "Mais nous pensons que les ordinateurs, s'ils sont bien conçus, pourraient identifier les patients à haut risque qui pourraient actuellement passer inaperçus dans le système de santé. Nous envisageons un système qui pourrait dire au médecin que "parmi tous vos patients, ces trois-là appartiennent à une catégorie à haut risque". Prenez quelques minutes supplémentaires pour leur parler".
L'équipe a analysé les données des dossiers médicaux électroniques de plus de 3,7 millions de patients âgés de 10 à 90 ans dans cinq systèmes de santé américains différents : Partners HealthCare System à Boston ; Boston Medical Center ; Boston Children's Hospital ; Wake Forest Medical Center en Caroline du Nord ; et University of Texas Health Science Center à Houston. Les différents centres ont fourni des données sur une période de six à 17 ans, notamment les codes de diagnostic, les résultats des tests de laboratoire, les codes de procédure médicale et les médicaments.
Les dossiers ont fait état de 39 162 tentatives de suicide au total. Les modèles ont permis de détecter 38 % d'entre elles (de 33 à 39 % dans les cinq centres) avec une spécificité de 90 %. Les cas ont été relevés en moyenne 2,1 ans avant la tentative de suicide proprement dite (de 1,3 à 3,5 ans).
Les prédicteurs les plus forts, sans surprise, comprenaient les intoxications aux drogues, la dépendance aux drogues, l'intoxication alcoolique aiguë et plusieurs problèmes de santé mentale. Mais d'autres prédicteurs étaient ceux qui ne viendraient pas à l'esprit en temps normal, comme la rhabdomyolyse, la cellulite ou l'abcès de la main, et les médicaments contre le VIH.
"Il n'y avait pas un seul prédicteur", dit Reis. "C'est plutôt une gestalt ou une prépondérance d'indicateurs, un signal général qui s'accumule au fil du temps."
Conception d'un prédicteur du risque de suicide
Les enquêteurs ont développé le modèle en deux étapes, en utilisant une approche d'apprentissage automatique. Tout d'abord, ils ont montré la moitié des données de leurs patients à un modèle informatique, l'orientant vers la recherche de modèles associés à des tentatives de suicide documentées. Ensuite, ils ont tiré les leçons de cet exercice de "formation" et les ont validées en utilisant l'autre moitié de leurs données - en demandant au modèle de prédire, sur la base de ces seuls modèles, quels patients feraient éventuellement une tentative de suicide.
Dans l'ensemble, le modèle a donné des résultats similaires dans les cinq centres médicaux, mais le recyclage du modèle dans les différents centres a donné de meilleurs résultats.
"Nous aurions pu créer un modèle unique pour tous les centres médicaux, en utilisant les mêmes codes", dit Yuval Barak-Corren, MD, de CHIP, premier auteur de l'article. "Mais nous avons choisi une approche qui construit automatiquement un modèle légèrement différent, adapté aux spécificités de chaque site de soins de santé".
Les résultats ont confirmé l'intérêt d'adapter le modèle à chaque site, car les centres de soins de santé peuvent avoir des facteurs prédictifs uniques, basés sur des pratiques de codage hospitalier différentes et sur les caractéristiques démographiques et sanitaires locales.
Grâce à une subvention de l'Institut national de la santé mentale, l'équipe va maintenant chercher à améliorer son approche de modélisation, par exemple en intégrant les notes cliniques des médecins dans ses données.
###
L'étude a été soutenue par le Tommy Fuss Fund, le National Institute of Mental Health (R01MH117599), le Patient-Centered Outcomes Research Institute (CDRN-1306-04608), le National Center for Advancing Translational Sciences (U54 TR002804), U01 TR002393), l'Institut de recherche sur la prévention du cancer du Texas (RP150535, RP170668), le Cullen Trust for Health Care, une bourse de recherche sur l'HGM de la famille Tepper et la Fondation Demarest Lloyd Jr.
Jordan Smoller, MD, ScD, du Massachusetts General Hospital, était co-auteur principal de l'article. Les coauteurs à l'hôpital pour enfants de Boston étaient Kenneth Mandl, MD, MPH ; Marc Natter, MD ; et Nandan Patibandla, MS. Voir le document pour une liste complète des auteurs et des divulgations.
À propos du Boston Children's Hospital
Le Boston Children's Hospital est classé premier hôpital pour enfants du pays par U.S. News & World Report et est le principal établissement d'enseignement pédiatrique affilié à la Harvard Medical School. Il abrite la plus grande entreprise de recherche au monde
https://www.eurekalert.org/pub_releases/2020-04/bch-csr042420.php
vendredi 24 janvier 2020
MàJ ETUDE RECHERCHE Prévision d'une décision fatale: réplication directe de la validité prédictive du Suicide–Implicit Association Test (S–IAT)
Forecasting a Fatal Decision: Direct Replication of the Predictive Validity of the Suicide–Implicit Association Test
First Published December 11, 2019
Volume: 31
issue: 1,
page(s): 65-74
Article first published online: December 11, 2019; Issue published: January 1, 2020
Abstract
Prévision d'une décision fatale: réplication directe de la validité prédictive Suicide–Implicit Association Test (S–IAT)
Une étude précédente de Nock et al. (2010) suggère qu'un nouveau test et algorithme mesurant la tendance à s’identifier automatiquement à la «mort» ou au «suicide» peut prédire avec précision les tentatives de suicide plusieurs mois à l'avance. Nous rapportons ici la première réplication directe et indépendante de cette découverte prometteuse. Les participants étaient 165 patients admis dans un service hospitalier de psychiatrie en France. Dans un premier temps, les patients ont réalisé le test d'association implicite lié au suicide (S–IAT), un entretien semi-structuré et une mesure auto-rapportée des idées suicidaires. Six mois plus tard, nous avons contacté les participants par téléphone et examiné leur dossier médical pour déterminer s'ils avaient fait une tentative de suicide depuis leur sortie de l’hôpital. Les résultats ont montré que le S–IAT n’a pas discriminé les patients admis à l'hôpital après une tentative de suicide et ceux admis pour d'autres raisons. Comme dans l'étude originale, cependant, le S–IAT a prédit les tentatives de suicide au cours de la période de suivi de 6 mois au-delà des facteurs de risque connus. Le test a correctement classé 85% des patients (intervalle de confiance à 95% = [76,91, 91,53]), confirmant ainsi sa valeur diagnostique pour identifier les patients à risque de commettre une tentative de suicide dans un avenir proche.
Une étude précédente de Nock et al. (2010) suggère qu'un nouveau test et algorithme mesurant la tendance à s’identifier automatiquement à la «mort» ou au «suicide» peut prédire avec précision les tentatives de suicide plusieurs mois à l'avance. Nous rapportons ici la première réplication directe et indépendante de cette découverte prometteuse. Les participants étaient 165 patients admis dans un service hospitalier de psychiatrie en France. Dans un premier temps, les patients ont réalisé le test d'association implicite lié au suicide (S–IAT), un entretien semi-structuré et une mesure auto-rapportée des idées suicidaires. Six mois plus tard, nous avons contacté les participants par téléphone et examiné leur dossier médical pour déterminer s'ils avaient fait une tentative de suicide depuis leur sortie de l’hôpital. Les résultats ont montré que le S–IAT n’a pas discriminé les patients admis à l'hôpital après une tentative de suicide et ceux admis pour d'autres raisons. Comme dans l'étude originale, cependant, le S–IAT a prédit les tentatives de suicide au cours de la période de suivi de 6 mois au-delà des facteurs de risque connus. Le test a correctement classé 85% des patients (intervalle de confiance à 95% = [76,91, 91,53]), confirmant ainsi sa valeur diagnostique pour identifier les patients à risque de commettre une tentative de suicide dans un avenir proche.
ou Accès article https://hal.archives-ouvertes.fr/hal-02440256/document
source https://hal.archives-ouvertes.fr/hal-02440256
vendredi 17 janvier 2020
ETUDE RECHERCHE USA Modèles de prédiction des tentatives de suicide et des décès
Modélisation de la prévision du suicide
d’après article https://www.sprc.org/* 10 janvier 2020
La modélisation de la prédiction du suicide analyse des données démographiques et sanitaires complexes, provenant parfois de diverses sources, pour identifier les individus à risque de suicide. Les possibilités d'élaborer des modèles de prédiction du suicide plus efficaces ont augmenté en raison de la plus grande disponibilité de vastes ensembles de données sur les soins de santé et des progrès de l'intelligence artificielle.
Pour déterminer si l'exactitude de la classification des modèles de prédiction du suicide s'est améliorée, les chercheurs ont effectué une revue systématique de 17 études utilisant 64 modèles différents. Ils ont constaté que bon nombre de ces études utilisaient une population de patients présentant un risque de suicide accru, limitant la généralisation de leurs résultats à d'autres groupes de patients et systèmes de santé. La validité prédictive d'un résultat positif pour le décès par suicide était très faible ( 0,01) pour la plupart des modèles. Les chercheurs ont développé des modèles de simulation des résultats, ce qui suggère que la modélisation de la prédiction du suicide produit un très grand nombre de faux positifs.
Les performances actuelles des modèles de prédiction du suicide indiquent une capacité pratique limitée à prédire les tentatives de suicide et les décès. Les auteurs ont suggéré que les responsables des soins de santé évaluent ces limites avant d'utiliser les modèles de prédiction du suicide dans les systèmes de santé.
Belsher, B. E., Smolenski, D. J., Pruitt, L. D., Bush, N. E., Beech, E. H., Workman, D. E., . . . Skopp, N. A. (2019). Prediction models for suicide attempts and deaths: A systematic review and simulation. JAMA Psychiatry, 76(6), 642–651. https://www.ncbi.nlm.nih.gov/pubmed/30865249
https://www.sprc.org/news/suicide-prediction-modeling
d’après article https://www.sprc.org/* 10 janvier 2020
La modélisation de la prédiction du suicide analyse des données démographiques et sanitaires complexes, provenant parfois de diverses sources, pour identifier les individus à risque de suicide. Les possibilités d'élaborer des modèles de prédiction du suicide plus efficaces ont augmenté en raison de la plus grande disponibilité de vastes ensembles de données sur les soins de santé et des progrès de l'intelligence artificielle.
Pour déterminer si l'exactitude de la classification des modèles de prédiction du suicide s'est améliorée, les chercheurs ont effectué une revue systématique de 17 études utilisant 64 modèles différents. Ils ont constaté que bon nombre de ces études utilisaient une population de patients présentant un risque de suicide accru, limitant la généralisation de leurs résultats à d'autres groupes de patients et systèmes de santé. La validité prédictive d'un résultat positif pour le décès par suicide était très faible ( 0,01) pour la plupart des modèles. Les chercheurs ont développé des modèles de simulation des résultats, ce qui suggère que la modélisation de la prédiction du suicide produit un très grand nombre de faux positifs.
Les performances actuelles des modèles de prédiction du suicide indiquent une capacité pratique limitée à prédire les tentatives de suicide et les décès. Les auteurs ont suggéré que les responsables des soins de santé évaluent ces limites avant d'utiliser les modèles de prédiction du suicide dans les systèmes de santé.
Belsher, B. E., Smolenski, D. J., Pruitt, L. D., Bush, N. E., Beech, E. H., Workman, D. E., . . . Skopp, N. A. (2019). Prediction models for suicide attempts and deaths: A systematic review and simulation. JAMA Psychiatry, 76(6), 642–651. https://www.ncbi.nlm.nih.gov/pubmed/30865249
https://www.sprc.org/news/suicide-prediction-modeling
lundi 29 mai 2017
MISE A JOUR : ETUDE RECHERCHE USA Comment l'intelligence artificielle est utilisée pour améliorer la prédiction du suicide
Les travaux mentionnés dans le post sont également en ligne dans un article sur les facteurs de risque pour les pensées et les comportements suicidaires : une méta-analyse de 50 ans de recherche
http://www.apa.org/pubs/journals/releases/bul-bul0000084.pdf
Et Walsh, C. G., Ribeiro, J. D., & Franklin, J. C. (2017). Predicting Risk of Suicide Attempts Over Time Through Machine Learning. Clinical Psychological Science.
http://journals.sagepub.com/doi/full/10.1177/2167702617691560
Présentation de la recherche Machine Learning Might Help Identify Those Most At Risk of Suicide
https://www.psychologicalscience.org/publications/observer/obsonline/machine-learning-might-help-identify-those-most-at-risk-of-suicide.html#.WS1BxdykIdU
Article sur le sujet
1er Post du 23/03/2017
"How artificial intelligence will save lives in the 21st century
Par: Dave Heller Publié: Février 28, 2017 sur psy.fsu.edu*
La chercheuse psychologue Jessica Ribeiro de FSU utilise l'apprentissage automatique pour améliorer la prédiction du suicideUn projet révolutionnaire mené par une chercheuse de l'Université de l'État de Floride fait une avancée exponentielle dans la prédiction du suicide, en donnant potentiellement aux cliniciens la capacité de prédire qui tentera de se suicider jusqu'à deux ans à l'avance avec 80 pour cent de précision d'après l'etude.Jessica Ribeiro, chercheuse en psychologie de l'FSU, se sent pressée de faire face à ce problème implacable. L'ombre de ses recherches est la conscience omniprésente que 120 Américains prennent leur vie chaque jour, près de 45.000 par an.L'article de Ribeiro, intitulé «Prédire le risque de tentatives de suicide au fil du temps grâce à l'apprentissage automatique», sera publié par la revue Clinical Psychological Science.L'étude offre une découverte fascinante: l'apprentissage automatique - une future frontière pour l'intelligence artificielle - pourrait prédire avec une précision de 80 à 90% si quelqu'un tentera de se suicider sur deux ans dans l'avenir. Les algorithmes deviennent encore plus précis lorsque la tentative de suicide d'une personne se rapproche. Par exemple, la précision monterait à 92 pour cent une semaine avant une tentative de suicide lorsque l'intelligence artificielle se concentre sur les patients de l'hôpital général."Cette étude fournit des preuves que nous pouvons prédire les tentatives de suicide avec précision", a déclaré Ribeiro. «Nous pouvons les prédire avec précision au fil du temps, mais nous sommes meilleurs pour les prédire plus près de l'événement. Nous savons aussi, à partir de cette étude, que les facteurs de risque - comment ils fonctionnent et à quel point ils sont importants - changent aussi au fil du temps.La recherche de Ribeiro représente un développement extraordinaire dans la prédiction du suicide qui est désespérément nécessaire. Une étude récente menée par Joseph Franklin, Professeur adjoint à la psychologie de la FSU, a révélé que 50 ans de recherches sur la prévision du suicide n'avaient pas produit de progrès réel pour pouvoir prédire qui tenterait de se tuer. Les facteurs de risque traditionnels identifiés au cours des 50 dernières années pour prédire les comportements suicidaires - tels que la dépression, le stress ou la toxicomanie - pourraient rassembler un taux d'exactitude pas beaucoup mieux que la conjecture aléatoire.Un flip de pièce de monnaie est aussi précis sur les tentatives de suicide que les plus brillants experts du suicide dans le monde.«C'était vraiment triste», a déclaré Ribeiro, qui a travaillé avec Franklin sur cette étude. "Cinquante ans de recherche avec des gens vraiment intelligents qui travaillent sur ce point et pas de changement réel. Nous pouvons voir cela dans les taux de suicide. Je ne dis pas que la machine d'apprentissage est la panacée, mais ces types de techniques et les changements dans le statu quo peut vraiment perturber une zone de recherche stagnante.Le projet de Ribeiro est né des résultats surprenants de Franklin. Elle et Franklin, ainsi que Colin Walsh du Vanderbilt University Medical Center, ont réussi à accéder à un dépôt de données massives contenant les dossiers de santé électroniques d'environ 2 millions de patients dans le Tennessee. Le projet était la plus grande étude de ce genre dans l'histoire, une "grande opportunité", a déclaré Ribeiro. L'équipe a analysé les dossiers médicaux électroniques anonymes et identifié plus de 3 200 personnes qui avaient tenté de se suicider.Avoir cette information était cruciale; Il contenait des histoires médicales détaillées de milliers de personnes menant à leurs tentatives de suicide. En utilisant l'apprentissage automatique pour examiner tous ces détails, les algorithmes ont pu «apprendre» quelle combinaison de facteurs dans les enregistrements pouvait prédire avec la plus grande exactitude les tentatives futures de suicide."La machine apprend la combinaison optimale de facteurs de risque", a déclaré Ribeiro. "Ce qui importe vraiment, c'est de savoir comment cet algorithme et ces variables interagissent les unes avec les autres dans leur ensemble. Ce type de travail nous permet d'appliquer des algorithmes qui peuvent considérer des centaines de points de données dans le dossier médical de quelqu'un et potentiellement les réduire à des informations cliniquement significatives.Ce genre d'information significative pourrait être utilisé pour développer un système d'alerte pour les cliniciens identifiant les patients à risque de comportement suicidaire. Par exemple, le système émettrait un «avertissement de lumière rouge» ou «score de risque» pour chaque personne, donc lorsqu'ils arrivent dans un hôpital avec des symptômes aigus, un médecin de salle d'urgence pourrait voir un risque élevé de suicide et obtenir d'un psychiatre une réponse immédiatement ."Tout comme vous obtenez un score de risque cardiovasculaire, vous obtiendriez un score de risque de suicide qui est informatif pour les cliniciens et les aide à les diriger sur les étapes à suivre", a déclaré Ribeiro.Trop souvent, ces prochaines étapes ne se produisent jamais. Des études montrent que 60-90 pour cent des personnes qui meurent par suicide avaient visité leur fournisseur médical au cours de la dernière année et le clinicien n'a pas vu venir.
"Cet algorithme attire notre attention sur les gens qui sont les plus susceptibles de tenter de se suicider afin que nos ressources soient mieux consacrées aux personnes que nous manquons maintenant", a déclaré Ribeiro. "Actuellement, nous manquons une grande proportion de personnes qui sont à risque que nous ne pensons même jamais."Les systèmes de santé construisent des infrastructures nationales et internationales d'enregistrements électroniques qui pourraient être analysées avec l'apprentissage automatique pour identifier les personnes à risque de suicide. Mais les données pourraient devoir être modifiées à des fins de recherche, c'est donc un défi encore à venir.De plus en plus d'organisations comme l'armée des États-Unis et le ministère des Anciens Combattants des États-Unis sont déjà en mesure d'adopter des méthodes d'apprentissage automatique pour leurs propres dossiers de santé électroniques. Ribeiro travaille actuellement à une étude avec le Military Suicide Research Consortium basé à Florida State qui utilise l'apprentissage automatique pour identifier les personnes avec un risque imminent de suicide.Le taux de suicide n'a pas beaucoup changé au cours du dernier siècle: en 1915, il était d'environ 13 pour 100 000 personnes; En 2015, il était de 13,26 pour 100 000 - peu de progrès au cours d'un siècle, malgré certains des esprits les plus brillants scrutant le problème et des milliards de dollars consacrés aux soins de santé mentale. Mais Ribeiro reste optimiste sur le travail de son équipe et croit qu'elle atteindra des objectifs ambitieux. Elle envisage des percées sur la capacité d'identifier et de traiter les populations à grande échelle de ceux qui ont le plus besoin d'aide.«L'objectif principal de mon programme de recherche est de pouvoir détecter avec précision le risque de suicide pour toutes les personnes à tous les moments», a déclaré M. Ribeiro. C'est à cela que je vais m'adresser. Ce que nous avons jusqu'ici est prometteur, mais c'est juste un début. Bien que ce ne soient pas les seules méthodes ou les meilleures, je pense que si davantage de chercheurs se concentrent sur cette approche, nous pouvons enfin constater des baisses significatives des taux de comportements suicidaires et finalement des décès par suicide à l'échelle mondiale. Ce n'est pas si loin.Ribeiro a collaboré avec Joseph Franklin, professeur adjoint de psychologie à l'Université de l'État de Floride, dans le cadre du projet “Predicting Risk of Suicide Attempts over Time through Machine Learning”; Et Colin Walsh, professeur adjoint d'informatique biomédicale au Vanderbilt University Medical Center.
https://news.fsu.edu/news/health-medicine/2017/02/28/how-artificial-intelligence-save-lives-21st-century/
Psychol Bull. 2017 Feb;143(2):187-232. doi: 10.1037/bul0000084. Risk factors for suicidal thoughts and behaviors: A meta-analysis of 50 years of research.
Franklin JC1, Ribeiro JD1, Fox KR2, Bentley KH3, Kleiman EM2, Huang X1, Musacchio KM1, Jaroszewski AC2, Chang BP4, Nock MK2.
- 1 Department of Psychology, Vanderbilt University.
2 Department of Psychology, Harvard University.
3 Department of Psychology, Boston University.
4 Department of Emergency Medicine, Department of Emergency Medicine, Columbia University Medical Center.
Et Walsh, C. G., Ribeiro, J. D., & Franklin, J. C. (2017). Predicting Risk of Suicide Attempts Over Time Through Machine Learning. Clinical Psychological Science.
http://journals.sagepub.com/doi/full/10.1177/2167702617691560
Présentation de la recherche Machine Learning Might Help Identify Those Most At Risk of Suicide
https://www.psychologicalscience.org/publications/observer/obsonline/machine-learning-might-help-identify-those-most-at-risk-of-suicide.html#.WS1BxdykIdU
Article sur le sujet
1er Post du 23/03/2017
"How artificial intelligence will save lives in the 21st century
Par: Dave Heller Publié: Février 28, 2017 sur psy.fsu.edu*
La chercheuse psychologue Jessica Ribeiro de FSU utilise l'apprentissage automatique pour améliorer la prédiction du suicideUn projet révolutionnaire mené par une chercheuse de l'Université de l'État de Floride fait une avancée exponentielle dans la prédiction du suicide, en donnant potentiellement aux cliniciens la capacité de prédire qui tentera de se suicider jusqu'à deux ans à l'avance avec 80 pour cent de précision d'après l'etude.Jessica Ribeiro, chercheuse en psychologie de l'FSU, se sent pressée de faire face à ce problème implacable. L'ombre de ses recherches est la conscience omniprésente que 120 Américains prennent leur vie chaque jour, près de 45.000 par an.L'article de Ribeiro, intitulé «Prédire le risque de tentatives de suicide au fil du temps grâce à l'apprentissage automatique», sera publié par la revue Clinical Psychological Science.L'étude offre une découverte fascinante: l'apprentissage automatique - une future frontière pour l'intelligence artificielle - pourrait prédire avec une précision de 80 à 90% si quelqu'un tentera de se suicider sur deux ans dans l'avenir. Les algorithmes deviennent encore plus précis lorsque la tentative de suicide d'une personne se rapproche. Par exemple, la précision monterait à 92 pour cent une semaine avant une tentative de suicide lorsque l'intelligence artificielle se concentre sur les patients de l'hôpital général."Cette étude fournit des preuves que nous pouvons prédire les tentatives de suicide avec précision", a déclaré Ribeiro. «Nous pouvons les prédire avec précision au fil du temps, mais nous sommes meilleurs pour les prédire plus près de l'événement. Nous savons aussi, à partir de cette étude, que les facteurs de risque - comment ils fonctionnent et à quel point ils sont importants - changent aussi au fil du temps.La recherche de Ribeiro représente un développement extraordinaire dans la prédiction du suicide qui est désespérément nécessaire. Une étude récente menée par Joseph Franklin, Professeur adjoint à la psychologie de la FSU, a révélé que 50 ans de recherches sur la prévision du suicide n'avaient pas produit de progrès réel pour pouvoir prédire qui tenterait de se tuer. Les facteurs de risque traditionnels identifiés au cours des 50 dernières années pour prédire les comportements suicidaires - tels que la dépression, le stress ou la toxicomanie - pourraient rassembler un taux d'exactitude pas beaucoup mieux que la conjecture aléatoire.Un flip de pièce de monnaie est aussi précis sur les tentatives de suicide que les plus brillants experts du suicide dans le monde.«C'était vraiment triste», a déclaré Ribeiro, qui a travaillé avec Franklin sur cette étude. "Cinquante ans de recherche avec des gens vraiment intelligents qui travaillent sur ce point et pas de changement réel. Nous pouvons voir cela dans les taux de suicide. Je ne dis pas que la machine d'apprentissage est la panacée, mais ces types de techniques et les changements dans le statu quo peut vraiment perturber une zone de recherche stagnante.Le projet de Ribeiro est né des résultats surprenants de Franklin. Elle et Franklin, ainsi que Colin Walsh du Vanderbilt University Medical Center, ont réussi à accéder à un dépôt de données massives contenant les dossiers de santé électroniques d'environ 2 millions de patients dans le Tennessee. Le projet était la plus grande étude de ce genre dans l'histoire, une "grande opportunité", a déclaré Ribeiro. L'équipe a analysé les dossiers médicaux électroniques anonymes et identifié plus de 3 200 personnes qui avaient tenté de se suicider.Avoir cette information était cruciale; Il contenait des histoires médicales détaillées de milliers de personnes menant à leurs tentatives de suicide. En utilisant l'apprentissage automatique pour examiner tous ces détails, les algorithmes ont pu «apprendre» quelle combinaison de facteurs dans les enregistrements pouvait prédire avec la plus grande exactitude les tentatives futures de suicide."La machine apprend la combinaison optimale de facteurs de risque", a déclaré Ribeiro. "Ce qui importe vraiment, c'est de savoir comment cet algorithme et ces variables interagissent les unes avec les autres dans leur ensemble. Ce type de travail nous permet d'appliquer des algorithmes qui peuvent considérer des centaines de points de données dans le dossier médical de quelqu'un et potentiellement les réduire à des informations cliniquement significatives.Ce genre d'information significative pourrait être utilisé pour développer un système d'alerte pour les cliniciens identifiant les patients à risque de comportement suicidaire. Par exemple, le système émettrait un «avertissement de lumière rouge» ou «score de risque» pour chaque personne, donc lorsqu'ils arrivent dans un hôpital avec des symptômes aigus, un médecin de salle d'urgence pourrait voir un risque élevé de suicide et obtenir d'un psychiatre une réponse immédiatement ."Tout comme vous obtenez un score de risque cardiovasculaire, vous obtiendriez un score de risque de suicide qui est informatif pour les cliniciens et les aide à les diriger sur les étapes à suivre", a déclaré Ribeiro.Trop souvent, ces prochaines étapes ne se produisent jamais. Des études montrent que 60-90 pour cent des personnes qui meurent par suicide avaient visité leur fournisseur médical au cours de la dernière année et le clinicien n'a pas vu venir.
"Cet algorithme attire notre attention sur les gens qui sont les plus susceptibles de tenter de se suicider afin que nos ressources soient mieux consacrées aux personnes que nous manquons maintenant", a déclaré Ribeiro. "Actuellement, nous manquons une grande proportion de personnes qui sont à risque que nous ne pensons même jamais."Les systèmes de santé construisent des infrastructures nationales et internationales d'enregistrements électroniques qui pourraient être analysées avec l'apprentissage automatique pour identifier les personnes à risque de suicide. Mais les données pourraient devoir être modifiées à des fins de recherche, c'est donc un défi encore à venir.De plus en plus d'organisations comme l'armée des États-Unis et le ministère des Anciens Combattants des États-Unis sont déjà en mesure d'adopter des méthodes d'apprentissage automatique pour leurs propres dossiers de santé électroniques. Ribeiro travaille actuellement à une étude avec le Military Suicide Research Consortium basé à Florida State qui utilise l'apprentissage automatique pour identifier les personnes avec un risque imminent de suicide.Le taux de suicide n'a pas beaucoup changé au cours du dernier siècle: en 1915, il était d'environ 13 pour 100 000 personnes; En 2015, il était de 13,26 pour 100 000 - peu de progrès au cours d'un siècle, malgré certains des esprits les plus brillants scrutant le problème et des milliards de dollars consacrés aux soins de santé mentale. Mais Ribeiro reste optimiste sur le travail de son équipe et croit qu'elle atteindra des objectifs ambitieux. Elle envisage des percées sur la capacité d'identifier et de traiter les populations à grande échelle de ceux qui ont le plus besoin d'aide.«L'objectif principal de mon programme de recherche est de pouvoir détecter avec précision le risque de suicide pour toutes les personnes à tous les moments», a déclaré M. Ribeiro. C'est à cela que je vais m'adresser. Ce que nous avons jusqu'ici est prometteur, mais c'est juste un début. Bien que ce ne soient pas les seules méthodes ou les meilleures, je pense que si davantage de chercheurs se concentrent sur cette approche, nous pouvons enfin constater des baisses significatives des taux de comportements suicidaires et finalement des décès par suicide à l'échelle mondiale. Ce n'est pas si loin.Ribeiro a collaboré avec Joseph Franklin, professeur adjoint de psychologie à l'Université de l'État de Floride, dans le cadre du projet “Predicting Risk of Suicide Attempts over Time through Machine Learning”; Et Colin Walsh, professeur adjoint d'informatique biomédicale au Vanderbilt University Medical Center.
https://news.fsu.edu/news/health-medicine/2017/02/28/how-artificial-intelligence-save-lives-21st-century/
lundi 17 octobre 2016
CRITIQUE DEBAT Big Data, de la prédiction à l’intervention
Big Data, de la prédiction à l’intervention
article 15 octobre 2016 sur internetactu.blog.lemonde.fr* Hubert Guillaud, journaliste sur InternetActu
Malgré leurs nombreuses limites, Big Data et machine learning promettent de nous calculer, de nous analyser, de nous prédire… de deviner avec toujours plus d’acuité nos comportements à venir. Pour autant que nous puissions prendre ces promesses au sérieux, il y a un fossé entre la prédiction et l’intervention, entre inférer quelque chose et opérer une réponse. Un fossé d’autant plus béant que peu de monde semble s’y intéresser.
Des modèles prédictifs psycho-solutionnistes !Il ne se passe pas un jour sans qu’une étude propose une nouvelle solution prédictive, en construisant un modèle depuis de nouveaux ensembles de données. Déroulons un exemple récent… pour bien comprendre.
La perception de la couleur semble être très liée à notre état émotionnel, estime plusieurs études, rapporte FastCoDesign. Andrew Reece et Christopher Danforth de l’université de Harvard et du Computational Story Lab de l’université du Vermont, ont utilisé Instagram, le réseau social de partage de photos, pour étudier la dépression. Selon leur état émotionnel, les gens communiquent différemment : ce qui a un impact en retour sur leur état émotionnel. Ils ont donc créé un modèle en analysant l’état émotionnel de 160 personnes et observé l’impact de celui-ci sur les photos de leur compte Instagram, en s’intéressant à des détails comme la tonalité des couleurs, la luminosité des images, leur saturation et le type de filtres qu’ils appliquaient à leurs photos. Ils ont également demandé à des utilisateurs de noter les photos de leurs « patients » selon qu’elles reflétaient pour eux la joie ou la tristesse.
Selon les chercheurs, les données sociales, comme les commentaires, les likes ou le nombre de publications quotidiennes sont peu corrélés à la dépression. Bien moins en tout cas que la tonalité (le niveau de bleu ou de rouge dans les couleurs), la luminosité ou la saturation. Les utilisateurs déprimés ont tendance à poster des images comportant plus de bleu, moins brillantes et moins saturées. Ils ont une préférence pour des photos avec moins de couleurs et moins de lumières. A l’inverse, les images favorisant les tons rouges, les lumières vives seraient des indicateurs de bonne santé. Les dépressifs ont tendance à moins utiliser de filtres et publient plus de portraits et notamment plus de selfies.
Image : L’usage des filtres sur Instagram selon votre état de santé.
Si vous croyez que cela va vous permettre de porter un autre oeil sur vos photos de vacances ou celles de vos amis, détrompez-vous ! Dans un très utile complément, Nick Stockton pour Wired rappelle que si cette étude conclut à une association entre filtres utilisés et sentiments, il est encore un peu prématuré de vous prendre pour un psychiatre chaque fois qu’un de vos amis publiera un selfie pâlot.
En fait, les publications sur les médias sociaux ne sont certainement pas la meilleure source pour ce genre de diagnostics, notamment parce qu’ils permettent aux utilisateurs de garder la main sur ce qu’ils publient. Pour le psychiatre Stephen Schueller, seules les données qui ne sont pas façonnées par les utilisateurs doivent pouvoir être prises en compte, comme c’est le cas des indications de déplacements, des rencontres, de leurs fréquences… « Les personnes dont les mouvements sont plus rythmiques ont des niveaux d’anxiété et de dépression plus bas », explique-t-il. Les gens déprimés ont tendance à rater des rendez-vous, à refuser de sortir, vont ou partent du travail plus tôt ou plus tard… Les déplacements, les agendas, le graphe social de vos rencontres… pourraient être de meilleurs prédicateurs de l’état de santé qu’une photo et que la façon dont vous l’avez transformé pour la rendre belle à vos yeux.
D’autres données pourraient être utilement utilisées à ces fins. Des chercheurs Danois ont publié une étude qui utilise le micro des smartphones pour écouter en permanence conversations, bruits ambiants, et analyser bien sûr vitesse de parole, ton de parole (plus que le contenu des propos). Là encore, sans beaucoup plus de surprise par rapport aux évidences de l’intuition, les gens déprimés ont tendance à avoir une diction plus lente et plus « plate ».
Reste que si les données recueillies par-devers l’utilisateur sont considérées comme moins manipulables par celui-ci et donc plus fiables, force est de reconnaître que ce type de diagnostic numérique passif est encore assez brut. Pas sûr que nous puissions lui faire confiance pour prédire d’une manière fiable notre humeur à la volée.
Ce que nous disent ces exemples surtout, c’est combien l’analyse de données, le Big data, peut produire un avis sur tout. Depuis des modèles, parfois très rapidement bâtis, on peut inférer des catégorisations de comportement. Mais si on peut tout analyser, faire des corrélations sur tout, tenter de tirer du sens… il demeure une grande inconnue : comment construit-on des formes de rétroaction pour l’utilisateur final à partir de ces données ?
Mais quand bien même des conjonctions d’outils et de traitements feraient des analyses qui se recoupent, comment rendre cette information à l’utilisateur, comment la lui délivrer ?
Ce type d’analyse automatisée pose la question de la chaîne d’interaction de ces informations. Comment votre téléphone ou les opérateurs de services qui utiliseront ces méthodes d’analyse automatique devront-ils alerter les gens concernés ou leurs proches (et lesquels ?) Quel outil va décider que vous êtes déprimés ? Votre téléphone ? Instagram ?… Instagram va-t-il contacter vos amis, votre famille, votre femme ou votre maîtresse ? Votre médecin ? Vont-ils nous indiquer que nous devrions acheter un peu de Prozac parce qu’on a mis trop de filtres décolorés sur nos photos ? Quel taux de confiance pourrons-nous avoir dans ces analyses ?
Si nombre d’études s’intéressent à l’analyse et au diagnostic, il reste à développer des études pour savoir et comprendre comment ces systèmes doivent prévenir les utilisateurs ou leurs proches, et comment ils vont discuter avec les usagers. Le champ de la prédiction enfle à mesure que des études exploitent de nouveaux répertoires de données toujours plus interconnectées. L’analyse automatisée fait émerger des schémas comportementaux, des récurrences, des régularités statistiques… Mais, si des analyses de ce type seront certes demain possibles… rien ne nous est dit de leur acceptation sociale, de leur implémentation concrète, de la pertinence effective de leurs critères, des modalités d’implémentations et d’alertes qui en résulteront, de la manière dont ils vont rétro-réagir sur les utilisateurs eux-mêmes. Autant de points qui semblent encore une vaste inconnue dans le bouillonnement actuel d’une analyse prédictive qui semble ne connaître aucune limite. Comme le souligne le professeur Aneesha Singh de l’University College de Londres dans un article du New Scientist, les systèmes ont encore du mal à comprendre comment intervenir quand ils détectent un problème. Si l’on sait créer des formes de soutien émotionnel via les machines, notamment via la personnification, celles-ci ont encore bien du mal à comprendre comment intervenir quand elles détectent un problème. Malgré les travaux dans le domaine de l’informatique émotionnelle, les progrès dans l’analyse et la détection des signaux sensibles émis par les humains qu’évoquait récemment la Technology Review, semble toujours mettre de côté la question de la conception et de l’intégration des interactions depuis ces analyses. Si l’analyse de données et la modélisation du monde progressent, la question de l’exploitation, de la rétroaction de ces connaissances semble demeurer le parent pauvre de la recherche.
A l’heure où les applications de santé se démultiplient, où les capteurs de données sont partout, où le solutionnisme règne en maître, il semble que la question de la conception des alertes, leurs paramétrages, reste un problème que bien peu traitent. Difficile de croire, pourtant que ces systèmes pourront fonctionner tout seul. Comme le soulignait Gina Neff (@ginasue) dans un article de recherche de 2013, intitulé « Pourquoi le Big data ne va pas nous guérir », l’enjeu est de savoir comment utiliser les données issues du Big data médical dans la pratique. La puissance des données néglige les aspects clés de ‘ »l’interopérabilité sociale ». Si les données permettent de découvrir des motifs, de mettre à jour des patterns, des modèles, cela nécessite encore de les connecter aux soins, au système médical et pas seulement les renvoyer au seul patient pour qu’il s’en débrouille avec. Ce serait comme si votre téléphone en analysant vos photos sur Instagram vous renvoyait un message : vous êtes visiblement dépressif, consultez ! Comme le souligne très bien Gina Neff, quand on parle d’innovation en santé autour des données, les promoteurs du Big data négligent souvent la façon dont encadrer et délivrer l’information. Bref, l’analyse de l’information ne suffit pas. Comment allons-nous rendre lisible cette information aux utilisateurs eux-mêmes ? L’analyse des données est un modèle puissamment séduisant qui permet de démultiplier l’interprétation, mais qui renvoie à de nombreux problèmes de connaissance, d’interprétation et d’action. Traduire des comportements en connaissance ne nous dit pas grand-chose de la manière dont nous allons rendre cette connaissance aux gens.
Pour prendre un autre exemple, l’éditorialiste du New York Times Anna North (@annanorthtweets), revenait récemment sur la perspective que les outils d’analyse des réseaux sociaux soient capables de détecter différentes formes de harcèlement. Mais l’identifier ne dit rien des modalités de réponse que nous y apporterons. Aujourd’hui, quelqu’un qui subit des intimidations en ligne est le seul à pouvoir signaler l’incident. Mais que se passera-t-il quand des outils tiers seront capables de les repérer ? Les plateformes seront-elles les seules responsables de cette gestion ? Devront-elles demander à la victime si elle a besoin d’aide ou se contenter de rendre plus visible un bouton d’alerte ? Un modérateur pourra-t-il invertenir au nom de la victime ? Y aura-t-il une procédure d’alerte pour les mineurs ? Qui est-ce que le système devra prévenir ? Les parents ? Un médecin ? Des éducateurs sociaux ? Des professeurs ?
On pourrait certainement construire depuis Facebook un modèle prédictif permettant de prédire quand un utilisateur risque de prendre de la drogue selon l’évolution de ses centres d’intérêt et les relations qu’il développe. Mais comment délivrer et utiliser cette information ?
Aujourd’hui, les données nous promettent une compréhension intégrale du monde. Reste tout de même à nous la livrer… Ça risque d’être un peu plus difficile que de l’analyser !
Hubert Guillaud
15 octobre 2016
http://internetactu.blog.lemonde.fr/2016/10/15/big-data-de-la-prediction-a-lintervention/
article 15 octobre 2016 sur internetactu.blog.lemonde.fr* Hubert Guillaud, journaliste sur InternetActu
Malgré leurs nombreuses limites, Big Data et machine learning promettent de nous calculer, de nous analyser, de nous prédire… de deviner avec toujours plus d’acuité nos comportements à venir. Pour autant que nous puissions prendre ces promesses au sérieux, il y a un fossé entre la prédiction et l’intervention, entre inférer quelque chose et opérer une réponse. Un fossé d’autant plus béant que peu de monde semble s’y intéresser.
Des modèles prédictifs psycho-solutionnistes !Il ne se passe pas un jour sans qu’une étude propose une nouvelle solution prédictive, en construisant un modèle depuis de nouveaux ensembles de données. Déroulons un exemple récent… pour bien comprendre.
La perception de la couleur semble être très liée à notre état émotionnel, estime plusieurs études, rapporte FastCoDesign. Andrew Reece et Christopher Danforth de l’université de Harvard et du Computational Story Lab de l’université du Vermont, ont utilisé Instagram, le réseau social de partage de photos, pour étudier la dépression. Selon leur état émotionnel, les gens communiquent différemment : ce qui a un impact en retour sur leur état émotionnel. Ils ont donc créé un modèle en analysant l’état émotionnel de 160 personnes et observé l’impact de celui-ci sur les photos de leur compte Instagram, en s’intéressant à des détails comme la tonalité des couleurs, la luminosité des images, leur saturation et le type de filtres qu’ils appliquaient à leurs photos. Ils ont également demandé à des utilisateurs de noter les photos de leurs « patients » selon qu’elles reflétaient pour eux la joie ou la tristesse.
Selon les chercheurs, les données sociales, comme les commentaires, les likes ou le nombre de publications quotidiennes sont peu corrélés à la dépression. Bien moins en tout cas que la tonalité (le niveau de bleu ou de rouge dans les couleurs), la luminosité ou la saturation. Les utilisateurs déprimés ont tendance à poster des images comportant plus de bleu, moins brillantes et moins saturées. Ils ont une préférence pour des photos avec moins de couleurs et moins de lumières. A l’inverse, les images favorisant les tons rouges, les lumières vives seraient des indicateurs de bonne santé. Les dépressifs ont tendance à moins utiliser de filtres et publient plus de portraits et notamment plus de selfies.
Image : L’usage des filtres sur Instagram selon votre état de santé.
Si vous croyez que cela va vous permettre de porter un autre oeil sur vos photos de vacances ou celles de vos amis, détrompez-vous ! Dans un très utile complément, Nick Stockton pour Wired rappelle que si cette étude conclut à une association entre filtres utilisés et sentiments, il est encore un peu prématuré de vous prendre pour un psychiatre chaque fois qu’un de vos amis publiera un selfie pâlot.
En fait, les publications sur les médias sociaux ne sont certainement pas la meilleure source pour ce genre de diagnostics, notamment parce qu’ils permettent aux utilisateurs de garder la main sur ce qu’ils publient. Pour le psychiatre Stephen Schueller, seules les données qui ne sont pas façonnées par les utilisateurs doivent pouvoir être prises en compte, comme c’est le cas des indications de déplacements, des rencontres, de leurs fréquences… « Les personnes dont les mouvements sont plus rythmiques ont des niveaux d’anxiété et de dépression plus bas », explique-t-il. Les gens déprimés ont tendance à rater des rendez-vous, à refuser de sortir, vont ou partent du travail plus tôt ou plus tard… Les déplacements, les agendas, le graphe social de vos rencontres… pourraient être de meilleurs prédicateurs de l’état de santé qu’une photo et que la façon dont vous l’avez transformé pour la rendre belle à vos yeux.
D’autres données pourraient être utilement utilisées à ces fins. Des chercheurs Danois ont publié une étude qui utilise le micro des smartphones pour écouter en permanence conversations, bruits ambiants, et analyser bien sûr vitesse de parole, ton de parole (plus que le contenu des propos). Là encore, sans beaucoup plus de surprise par rapport aux évidences de l’intuition, les gens déprimés ont tendance à avoir une diction plus lente et plus « plate ».
Reste que si les données recueillies par-devers l’utilisateur sont considérées comme moins manipulables par celui-ci et donc plus fiables, force est de reconnaître que ce type de diagnostic numérique passif est encore assez brut. Pas sûr que nous puissions lui faire confiance pour prédire d’une manière fiable notre humeur à la volée.
Ce que nous disent ces exemples surtout, c’est combien l’analyse de données, le Big data, peut produire un avis sur tout. Depuis des modèles, parfois très rapidement bâtis, on peut inférer des catégorisations de comportement. Mais si on peut tout analyser, faire des corrélations sur tout, tenter de tirer du sens… il demeure une grande inconnue : comment construit-on des formes de rétroaction pour l’utilisateur final à partir de ces données ?
Comment ces modèles vont-ils rétroagir ?
Et là, ça devient tout de suite plus difficile. D’abord, on se rend compte que ces données prises isolément ne sont certainement pas suffisantes pour faire un diagnostic fiable.Mais quand bien même des conjonctions d’outils et de traitements feraient des analyses qui se recoupent, comment rendre cette information à l’utilisateur, comment la lui délivrer ?
Ce type d’analyse automatisée pose la question de la chaîne d’interaction de ces informations. Comment votre téléphone ou les opérateurs de services qui utiliseront ces méthodes d’analyse automatique devront-ils alerter les gens concernés ou leurs proches (et lesquels ?) Quel outil va décider que vous êtes déprimés ? Votre téléphone ? Instagram ?… Instagram va-t-il contacter vos amis, votre famille, votre femme ou votre maîtresse ? Votre médecin ? Vont-ils nous indiquer que nous devrions acheter un peu de Prozac parce qu’on a mis trop de filtres décolorés sur nos photos ? Quel taux de confiance pourrons-nous avoir dans ces analyses ?
Si nombre d’études s’intéressent à l’analyse et au diagnostic, il reste à développer des études pour savoir et comprendre comment ces systèmes doivent prévenir les utilisateurs ou leurs proches, et comment ils vont discuter avec les usagers. Le champ de la prédiction enfle à mesure que des études exploitent de nouveaux répertoires de données toujours plus interconnectées. L’analyse automatisée fait émerger des schémas comportementaux, des récurrences, des régularités statistiques… Mais, si des analyses de ce type seront certes demain possibles… rien ne nous est dit de leur acceptation sociale, de leur implémentation concrète, de la pertinence effective de leurs critères, des modalités d’implémentations et d’alertes qui en résulteront, de la manière dont ils vont rétro-réagir sur les utilisateurs eux-mêmes. Autant de points qui semblent encore une vaste inconnue dans le bouillonnement actuel d’une analyse prédictive qui semble ne connaître aucune limite. Comme le souligne le professeur Aneesha Singh de l’University College de Londres dans un article du New Scientist, les systèmes ont encore du mal à comprendre comment intervenir quand ils détectent un problème. Si l’on sait créer des formes de soutien émotionnel via les machines, notamment via la personnification, celles-ci ont encore bien du mal à comprendre comment intervenir quand elles détectent un problème. Malgré les travaux dans le domaine de l’informatique émotionnelle, les progrès dans l’analyse et la détection des signaux sensibles émis par les humains qu’évoquait récemment la Technology Review, semble toujours mettre de côté la question de la conception et de l’intégration des interactions depuis ces analyses. Si l’analyse de données et la modélisation du monde progressent, la question de l’exploitation, de la rétroaction de ces connaissances semble demeurer le parent pauvre de la recherche.
A l’heure où les applications de santé se démultiplient, où les capteurs de données sont partout, où le solutionnisme règne en maître, il semble que la question de la conception des alertes, leurs paramétrages, reste un problème que bien peu traitent. Difficile de croire, pourtant que ces systèmes pourront fonctionner tout seul. Comme le soulignait Gina Neff (@ginasue) dans un article de recherche de 2013, intitulé « Pourquoi le Big data ne va pas nous guérir », l’enjeu est de savoir comment utiliser les données issues du Big data médical dans la pratique. La puissance des données néglige les aspects clés de ‘ »l’interopérabilité sociale ». Si les données permettent de découvrir des motifs, de mettre à jour des patterns, des modèles, cela nécessite encore de les connecter aux soins, au système médical et pas seulement les renvoyer au seul patient pour qu’il s’en débrouille avec. Ce serait comme si votre téléphone en analysant vos photos sur Instagram vous renvoyait un message : vous êtes visiblement dépressif, consultez ! Comme le souligne très bien Gina Neff, quand on parle d’innovation en santé autour des données, les promoteurs du Big data négligent souvent la façon dont encadrer et délivrer l’information. Bref, l’analyse de l’information ne suffit pas. Comment allons-nous rendre lisible cette information aux utilisateurs eux-mêmes ? L’analyse des données est un modèle puissamment séduisant qui permet de démultiplier l’interprétation, mais qui renvoie à de nombreux problèmes de connaissance, d’interprétation et d’action. Traduire des comportements en connaissance ne nous dit pas grand-chose de la manière dont nous allons rendre cette connaissance aux gens.
Pour prendre un autre exemple, l’éditorialiste du New York Times Anna North (@annanorthtweets), revenait récemment sur la perspective que les outils d’analyse des réseaux sociaux soient capables de détecter différentes formes de harcèlement. Mais l’identifier ne dit rien des modalités de réponse que nous y apporterons. Aujourd’hui, quelqu’un qui subit des intimidations en ligne est le seul à pouvoir signaler l’incident. Mais que se passera-t-il quand des outils tiers seront capables de les repérer ? Les plateformes seront-elles les seules responsables de cette gestion ? Devront-elles demander à la victime si elle a besoin d’aide ou se contenter de rendre plus visible un bouton d’alerte ? Un modérateur pourra-t-il invertenir au nom de la victime ? Y aura-t-il une procédure d’alerte pour les mineurs ? Qui est-ce que le système devra prévenir ? Les parents ? Un médecin ? Des éducateurs sociaux ? Des professeurs ?
On pourrait certainement construire depuis Facebook un modèle prédictif permettant de prédire quand un utilisateur risque de prendre de la drogue selon l’évolution de ses centres d’intérêt et les relations qu’il développe. Mais comment délivrer et utiliser cette information ?
Aujourd’hui, les données nous promettent une compréhension intégrale du monde. Reste tout de même à nous la livrer… Ça risque d’être un peu plus difficile que de l’analyser !
Hubert Guillaud
15 octobre 2016
http://internetactu.blog.lemonde.fr/2016/10/15/big-data-de-la-prediction-a-lintervention/
mardi 19 avril 2016
ETUDE RECHERCHE MEMOIRE Le trouble de la personnalité borderline constitue-t-il un facteur prédictif de récidive suicidaire ?
Le trouble de la personnalité borderline constitue-t-il un facteur prédictif de récidive suicidaire ?
Patrizia Tolfo 1
1 UNS UFR Médecine - Université Nice Sophia Antipolis - Faculté de Médecine
Résumé : Contexte : Le suicide est un problème de Santé Publique, la tentative de suicide (TS) est tout aussi grave et préoccupante ; elle constitue un facteur de risque de suicide qu’ il est primordial de diagnostiquer afin d’éviter le passage à l’acte suicidaire. Le comportement suicidaire est un des critères nécessaire au trouble de personnalité borderline (TPB). L’objectif principal de notre travail est de déterminer les facteurs prédictifs de récidive suicidaire, en émettant l’hypothèse que les sujets avec un TPB constituent un groupe de patients à risque de récidive suicidaire plus élevé. Les objectifs secondaires sont que la présence d’une dépression, d’un stress traumatique et d’une impulsivité caractérisent les sujets à récidive suicidaire.
Méthodologie : les sujets âgés de 18 à 65 ans, suicidant, consultant au Centre d’Accueil Psychiatrique de Nice, sont candidats à l’inclusion, sur un semestre de mai à octobre 2014. Une série d’auto et d’hétéro questionnaires leur est proposée afin de diagnostiquer les pathologies de l’axe I et II du DSM-IV ; s’agissant de l’axe II, un auto-questionnaire permet de préciser le tempérament et le caractère. L’impulsivité et la présence d’un traumatisme font également l’objet d’une autoévaluation. L’inclusion est soumise à l’acceptation du patient. Les statistiques utilisées sont des pourcentages pour les variables catégorielles. La comparaison entre les groupes se fait par les tests de Fischer ou Mann-Withney suivant les variables considérées qualitatives ou quantitatives avec une signification p ≤ 0.05.
Résultats : 18 sujets suicidant (10 primosuicidant et 8 récidivistes suicidaires) sont inclus, d’âge moyen de 48.8 ans avec trois fois plus de femmes dans le groupe récidive suicidaire. 87.5% des patients récidivistes suicidaires ont un TPB et 50% des primosuicidant, par hétéro évaluation (SCID II), sans différence significative entre les groupes. Tous les patients présentent une dépression à l’autoévaluation, alors que l’hétéro évaluation ne la retrouve que chez 40% des patients primosuicidant et 37,5% des récidivistes suicidaires. Les valeurs à l’autoévaluation (BDI-13) et à l’hétéro évaluation (HDRS), sont plus élevées pour le groupe des récidivistes suicidaires (p=0.05). 38.9% des patients suicidant présentent un antécédent de traumatisme dans l’enfance et pratiquement autant (44%), un antécédent de traumatisme récent, sans différence significative entre les deux groupes. Les scores d’impulsivité sont tous supérieurs aux minimums nécessaires, indiquent une impulsivité tant motrice, que cognitive et lors de planifications. Il n’existe pas de différence significative entre les deux groupes. Les trois dimensions du tempérament présentent des valeurs supérieures dans le groupe des patients avec TPB et récidives suicidaires, par rapport aux patients avec TPB primosuicidant. 73% et 60% des sujets avec TPB ont respectivement un score NS (recherche de nouveauté) et HA (évitement du danger) élevé.
Conclusion : Prédire la récidive suicidaire reste difficile. Les facteurs prédictifs de récidive suicidaire demandent à être précisés par d’autres études. Il ressort néanmoins qu’un sujet TPB avec une dépression, une impulsivité et des scores élevés NS et HA demeure à haut risque suicidaire. Une prise en charge adaptée de ce type de patients participe à la prévention secondaire précoce des suicidant.
Médecine humaine et pathologie. 2015
Memoire
http://dumas.ccsd.cnrs.fr/dumas-01292104
http://dumas.ccsd.cnrs.fr/dumas-01292104/document
Patrizia Tolfo 1
1 UNS UFR Médecine - Université Nice Sophia Antipolis - Faculté de Médecine
Résumé : Contexte : Le suicide est un problème de Santé Publique, la tentative de suicide (TS) est tout aussi grave et préoccupante ; elle constitue un facteur de risque de suicide qu’ il est primordial de diagnostiquer afin d’éviter le passage à l’acte suicidaire. Le comportement suicidaire est un des critères nécessaire au trouble de personnalité borderline (TPB). L’objectif principal de notre travail est de déterminer les facteurs prédictifs de récidive suicidaire, en émettant l’hypothèse que les sujets avec un TPB constituent un groupe de patients à risque de récidive suicidaire plus élevé. Les objectifs secondaires sont que la présence d’une dépression, d’un stress traumatique et d’une impulsivité caractérisent les sujets à récidive suicidaire.
Méthodologie : les sujets âgés de 18 à 65 ans, suicidant, consultant au Centre d’Accueil Psychiatrique de Nice, sont candidats à l’inclusion, sur un semestre de mai à octobre 2014. Une série d’auto et d’hétéro questionnaires leur est proposée afin de diagnostiquer les pathologies de l’axe I et II du DSM-IV ; s’agissant de l’axe II, un auto-questionnaire permet de préciser le tempérament et le caractère. L’impulsivité et la présence d’un traumatisme font également l’objet d’une autoévaluation. L’inclusion est soumise à l’acceptation du patient. Les statistiques utilisées sont des pourcentages pour les variables catégorielles. La comparaison entre les groupes se fait par les tests de Fischer ou Mann-Withney suivant les variables considérées qualitatives ou quantitatives avec une signification p ≤ 0.05.
Résultats : 18 sujets suicidant (10 primosuicidant et 8 récidivistes suicidaires) sont inclus, d’âge moyen de 48.8 ans avec trois fois plus de femmes dans le groupe récidive suicidaire. 87.5% des patients récidivistes suicidaires ont un TPB et 50% des primosuicidant, par hétéro évaluation (SCID II), sans différence significative entre les groupes. Tous les patients présentent une dépression à l’autoévaluation, alors que l’hétéro évaluation ne la retrouve que chez 40% des patients primosuicidant et 37,5% des récidivistes suicidaires. Les valeurs à l’autoévaluation (BDI-13) et à l’hétéro évaluation (HDRS), sont plus élevées pour le groupe des récidivistes suicidaires (p=0.05). 38.9% des patients suicidant présentent un antécédent de traumatisme dans l’enfance et pratiquement autant (44%), un antécédent de traumatisme récent, sans différence significative entre les deux groupes. Les scores d’impulsivité sont tous supérieurs aux minimums nécessaires, indiquent une impulsivité tant motrice, que cognitive et lors de planifications. Il n’existe pas de différence significative entre les deux groupes. Les trois dimensions du tempérament présentent des valeurs supérieures dans le groupe des patients avec TPB et récidives suicidaires, par rapport aux patients avec TPB primosuicidant. 73% et 60% des sujets avec TPB ont respectivement un score NS (recherche de nouveauté) et HA (évitement du danger) élevé.
Conclusion : Prédire la récidive suicidaire reste difficile. Les facteurs prédictifs de récidive suicidaire demandent à être précisés par d’autres études. Il ressort néanmoins qu’un sujet TPB avec une dépression, une impulsivité et des scores élevés NS et HA demeure à haut risque suicidaire. Une prise en charge adaptée de ce type de patients participe à la prévention secondaire précoce des suicidant.
Médecine humaine et pathologie. 2015
Memoire
http://dumas.ccsd.cnrs.fr/dumas-01292104
http://dumas.ccsd.cnrs.fr/dumas-01292104/document
mardi 5 mai 2015
DEBAT Association Américaine de Suicidologie Des experts disent que la recherche sur le suicide a besoin d'un redémarrage
AAS: Les experts disent que la recherche sur le suicide a besoin d'un
redémarrage
D'après article " AAS: Experts say suicide research needs a reboot" PAR BRUCE JANCIN à la Conférence annuelle AAS sur le 2 mai 2015
http://www.pm360online.com/aas-experts-say-suicide-research-needs-a-reboot/
ANALYSE D'EXPERTS DE LA CONFÉRENCE ANNUELLE AAS
ATLANTA (FRONTLINE MEDICAL NOUVELLES) - Les progrès ont stagné pour comprendre les facteurs prédictifs et la prévention du suicide, et il est temps pour les chercheurs d'intensifier leur jeu, ont convenu les experts lors de la conférence annuelle de l'Association américaine de suicidologie.
"Dans les deux dernières décennies, nous avons appris une bonne quantité sur le comportement suicidaire. Cependant, je pense que les progrès ont été assez lents - certains pourraient même dire un peu stagnants - dans notre poussée pour aller de l'avant et l'amélioration de notre compréhension, " a déclaré Matthew K. Nock, Ph.D, à l'ouverture de conférence plénière.
Il a cité une méta-analyse en pré-publication dirigée par son post-doctorant Joseph C. Franklin, Ph.D., qui a évalué toutes les études portant sur les facteurs prédictifs de tentatives de suicide et des suicides, publiées au cours des cinq dernières décennies. Une constatation révélatrice : Les ratios prédictifs pour les facteurs de risque standards sont restés essentiellement les mêmes - à savoir, faible - durant les 50 dernières années.
«En général, nous n'allons pas en mieux dans notre capacité à prédire le comportement suicidaire - et c'est un grave problème pour nous. Nous avons encore d'énormes lacunes dans notre compréhension et notre capacité à prévoir et à prévenir », a déclaré le Dr Nock, professeur de psychologie à l'Université de Harvard, à Boston.
La nécessité d'une nouvelle approche du suicide et du risque de suicide a également été soulignée par E. David Klonsky, Ph.D., dans sa conférence Edwin Award Shneidman.
"En dépit de ce qui semble être un très grand ensemble de connaissances, les taux de suicide aux États-Unis ont augmenté pendant de nombreuses années consécutives, et la même chose est vraie dans le monde entier", a observé le Dr Klonsky, psychologue à l'Université de la Colombie-Britannique, Vancouver.
"Ce qui est vraiment difficile à concevoir c'est que nous sommes encore qu'au niveau de 1960 dans notre capacité à prédire le suicide. Et la principale raison est que nos facteurs de risque ne nous disent pas ce que nous pensons qu'ils font ", a t-il poursuivi.
Cela a été démontré d'abord dans une étude de 1999 par le Dr Ronald C. Kessler et ses collègues de l'école de médecine de Harvard (Arch. Gen. Psychiatry 1999;56:617-26). Ils ont montré que les facteurs de risque de suicide largement acceptés - y compris les troubles d'humeurs ou d'anxiété ou de toxicomanies - sont de forts facteurs prédictifs de l'idéation suicidaire, mais pas des facteurs prédictifs significatifs de la transition qui va de l'idéation à l'action suicidaire. Cette constatation a par la suite été confirmée par le Dr Nock et d'autres chez les adultes et les adolescents dans un projet d'envergure mondiale parrainée par l'Organisation Mondiale de la Santé. Pourtant, à ce jour le concept ne s'est pas vraiment élargi dans les domaines médicaux et de santé mentale, selon le Dr Klonsky.
Dans son discours en plénière, le Dr Nock s'est concentré sur quatre principales lacunes dans la compréhension actuelle de la façon de prévoir et prévenir le suicide et a expliqué comment lui et d'autres répondent à ces besoins:
Le besoin de marqueurs objectifs du risque suicidaire: Historiquement, presque tous les évaluations des patients se sont appuyés sur l'auto-évaluation et des enquêtes transversales. Cela a une limite évidente, car les gens sont souvent motivés pour dissimuler leurs pensées de suicide. Par exemple, une étude a trouvé que 78% des patients décédés par suicide tandis qu'ils étaient à l'hôpital psychiatrique ont nié leurs pensées suicidaires ou intentions dans leur dernière évaluation.
L'accent est mis sur la création émergente de brefs tests informatisés de la mémoire et du temps de réaction pour obtenir une fenêtre sur les cognitions implicites des gens. Dr Nock et ses collègues ont mis au point un tel test, le test implicite d'association. sur des patients qui se sont présentés à un service d'urgence psychiatrique et ont fait le test de 5 minutes d' association de mots et ont démontré que ceux qui ont un score élevé pour les associations implicites entre la mort et le suicide étaient six fois plus susceptibles de faire une tentative de suicide au cours des 6 prochains mois (Psychol. Sci. 2010;21:511-7) . Ces conclusions ont été confirmées depuis par un groupe canadien (Psychol. Assess. 2013;25:714-21). Le test est disponible en ligne (www.ImplicitMentalHealth.com ) avec les évaluations d'experts fournis comme un outil d'enseignement public et comme un moyen pour le Dr Nock et cochercheurs de recueillir de grandes quantités de données.
D’autres tests objectifs pour le risque de suicide qui mesurent les réponses physiologiques et neuronales aux stimuli liés au suicide incluant Suicide Stroop and Affect Misattribution Procedure.
La nécessité de meilleurs facteurs prédictifs de la transition de l'idéation à la tentative : Il y a quelques premières pistes sur ces facteurs prédictifs à partir des données de l'OMS et d'autres grandes études. Ceux-ci comprennent des troubles caractérisés par l'agressivité, l'agitation, et / ou de l'anxiété, comme les troubles de conduite, le trouble bipolaire, et une histoire de violence physique ou sexuelle. Dans une vaste étude dans l'armée américaine, le numéro un facteur prédictif est le trouble explosif intermittent.
La nécessité de méthodes pour combiner des données de facteurs de risque: Presque toutes les études sur les facteurs de risque de suicide ont utilisé l'analyse à deux variables - c-à-d., elles examinent les risques en fonction de la présence ou l'absence d'un facteur de risque individuel, telle qu'une histoire personnelle d'un trouble mental. Mais dans une étude menée par Guilherme Borges, Sc.D., de l'Institut national de psychiatrie à Mexico, un groupe dont le Dr Nock a montré en utilisant des données nationale de Comorbidity Survey Replication en mettant des facteurs simplement ensemble de risque individuels pour créer une l'échelle de 0-11, il était devenu possible d'identifier un sous-groupe à haut risque composé de 13,7% des participants au sondage. Ce sous-groupe représentait 67% de toutes les tentatives de suicide au cours des 12 prochains mois (Psychol. Med. 2006;36:1747-57) .
Les investigateurs ont continué à valider cette approche sur plus de 108 000 sujets dans 21 pays participant au projet de santé mentale de l'Organisation mondiale de la Santé (J. Clin. Psychiatry 2010;71:1617-28) .
La simple addition des facteurs de risque de tendances suicidaires, quoiqu'un grand pas en avant dans l'évaluation des risques, est encore un outil de prédiction relativement brut. Plus récemment, le Dr Kessler, en collaboration avec le Dr Nock et d'autres, a mis au point un algorithme de risque actuariel beaucoup plus sophistiqué et l'a appliqué à plus de 54 000 soldats de l'armée des États-Unis hospitalisés pour des troubles psychiatriques. Ils ont constaté que les sujets qui ont marqué dans le top 5% en termes de risque de suicide prédit représentaient 53% de tous les suicides qui ont eu lieu dans les 12 prochains mois. Le taux de suicide dans ce groupe à risque le plus élevé a été massive: 3.624 pour 100.000 par an par rapport à un taux de base de 18,5 / 100 000 / an dans l'armée en général.
En outre, près de la moitié des soldats avec un score de risque dans le top 5% ayant eu un résultat sur 12 mois défavorable définie comme une autre tentative de suicide, la mort par suicide, la mort accidentelle ou de ré hospitalisation psychiatrique (JAMA Psychiatry 2015;72:49-57) .
Le besoin de données sur le risque imminent: Dr Nock a appelé ceci le plus grand besoin non satisfait en suicidologie; est ce que les cliniciens et les membres de la famille veulent désespérément, mais n'ont pas. À l'heure actuelle, il y a "environ zéro des données" sur la façon de prédire le comportement suicidaire dans les heures, jours ou semaines avant qu'il se produise, dit le Dr Nock. En effet, la méta-analyse de M. Franklin a montré que dans les 50 dernières années, plus des trois quarts des études portant sur le risque de suicide ont cherché un risque à un an ou plus. Seulement 2% des études ont examiné le risque dans le mois prochain ou avant.
De nombreux groupes cherchent maintenant la surveillance en temps réel du patient en utilisant les téléphones cellulaires et les montres intelligentes comme un moyen de développer des facteurs prédictifs du risque à court terme. Ces outils permettent aux enquêteurs de surveiller les changements d'humeur, les pensées, le comportement et la physiologie dans les grandes populations afin de voir ce qui mène à une tentative de suicide. Le groupe du Dr Nock collabore avec des scientifiques de l'information du Massachusetts Intitute of Technology sur de tels projets.
Cette technologie est également prometteuse pour l'intervention thérapeutique. Dr Franklin et ses collègues ont développé une brève, mobile application pour administrer ce qu'ils appellent la Therapeutic Evaluative Conditioning. Dans trois études pré-publiées d'essais contrôlés randomisés, il a été montré que cette intervention simple, - essentiellement jouer à un jeu sur un téléphone cellulaire - a entraîné des réductions de 42% à -49% des automutilations non suicidaires, 21% -64% de réduction dans la planification suicidaire, et 20% -57% des diminutions dans les comportements suicidaires, selon le Dr Nock.
La recherche de M. Nock est financée principalement par l'Institut national de la santé mentale, l'Organisation mondiale de la Santé, et le ministère de la Défense; il a indiqué ne pas avoir de conflits financiers. La recherche du Dr Klonsky est largement soutenue par la Fondation américaine pour la prévention du suicide.
D'après article " AAS: Experts say suicide research needs a reboot" PAR BRUCE JANCIN à la Conférence annuelle AAS sur le 2 mai 2015
http://www.pm360online.com/aas-experts-say-suicide-research-needs-a-reboot/
ANALYSE D'EXPERTS DE LA CONFÉRENCE ANNUELLE AAS
ATLANTA (FRONTLINE MEDICAL NOUVELLES) - Les progrès ont stagné pour comprendre les facteurs prédictifs et la prévention du suicide, et il est temps pour les chercheurs d'intensifier leur jeu, ont convenu les experts lors de la conférence annuelle de l'Association américaine de suicidologie.
"Dans les deux dernières décennies, nous avons appris une bonne quantité sur le comportement suicidaire. Cependant, je pense que les progrès ont été assez lents - certains pourraient même dire un peu stagnants - dans notre poussée pour aller de l'avant et l'amélioration de notre compréhension, " a déclaré Matthew K. Nock, Ph.D, à l'ouverture de conférence plénière.
Il a cité une méta-analyse en pré-publication dirigée par son post-doctorant Joseph C. Franklin, Ph.D., qui a évalué toutes les études portant sur les facteurs prédictifs de tentatives de suicide et des suicides, publiées au cours des cinq dernières décennies. Une constatation révélatrice : Les ratios prédictifs pour les facteurs de risque standards sont restés essentiellement les mêmes - à savoir, faible - durant les 50 dernières années.
«En général, nous n'allons pas en mieux dans notre capacité à prédire le comportement suicidaire - et c'est un grave problème pour nous. Nous avons encore d'énormes lacunes dans notre compréhension et notre capacité à prévoir et à prévenir », a déclaré le Dr Nock, professeur de psychologie à l'Université de Harvard, à Boston.
La nécessité d'une nouvelle approche du suicide et du risque de suicide a également été soulignée par E. David Klonsky, Ph.D., dans sa conférence Edwin Award Shneidman.
"En dépit de ce qui semble être un très grand ensemble de connaissances, les taux de suicide aux États-Unis ont augmenté pendant de nombreuses années consécutives, et la même chose est vraie dans le monde entier", a observé le Dr Klonsky, psychologue à l'Université de la Colombie-Britannique, Vancouver.
"Ce qui est vraiment difficile à concevoir c'est que nous sommes encore qu'au niveau de 1960 dans notre capacité à prédire le suicide. Et la principale raison est que nos facteurs de risque ne nous disent pas ce que nous pensons qu'ils font ", a t-il poursuivi.
Cela a été démontré d'abord dans une étude de 1999 par le Dr Ronald C. Kessler et ses collègues de l'école de médecine de Harvard (Arch. Gen. Psychiatry 1999;56:617-26). Ils ont montré que les facteurs de risque de suicide largement acceptés - y compris les troubles d'humeurs ou d'anxiété ou de toxicomanies - sont de forts facteurs prédictifs de l'idéation suicidaire, mais pas des facteurs prédictifs significatifs de la transition qui va de l'idéation à l'action suicidaire. Cette constatation a par la suite été confirmée par le Dr Nock et d'autres chez les adultes et les adolescents dans un projet d'envergure mondiale parrainée par l'Organisation Mondiale de la Santé. Pourtant, à ce jour le concept ne s'est pas vraiment élargi dans les domaines médicaux et de santé mentale, selon le Dr Klonsky.
Dans son discours en plénière, le Dr Nock s'est concentré sur quatre principales lacunes dans la compréhension actuelle de la façon de prévoir et prévenir le suicide et a expliqué comment lui et d'autres répondent à ces besoins:
Le besoin de marqueurs objectifs du risque suicidaire: Historiquement, presque tous les évaluations des patients se sont appuyés sur l'auto-évaluation et des enquêtes transversales. Cela a une limite évidente, car les gens sont souvent motivés pour dissimuler leurs pensées de suicide. Par exemple, une étude a trouvé que 78% des patients décédés par suicide tandis qu'ils étaient à l'hôpital psychiatrique ont nié leurs pensées suicidaires ou intentions dans leur dernière évaluation.
L'accent est mis sur la création émergente de brefs tests informatisés de la mémoire et du temps de réaction pour obtenir une fenêtre sur les cognitions implicites des gens. Dr Nock et ses collègues ont mis au point un tel test, le test implicite d'association. sur des patients qui se sont présentés à un service d'urgence psychiatrique et ont fait le test de 5 minutes d' association de mots et ont démontré que ceux qui ont un score élevé pour les associations implicites entre la mort et le suicide étaient six fois plus susceptibles de faire une tentative de suicide au cours des 6 prochains mois (Psychol. Sci. 2010;21:511-7) . Ces conclusions ont été confirmées depuis par un groupe canadien (Psychol. Assess. 2013;25:714-21). Le test est disponible en ligne (www.ImplicitMentalHealth.com ) avec les évaluations d'experts fournis comme un outil d'enseignement public et comme un moyen pour le Dr Nock et cochercheurs de recueillir de grandes quantités de données.
D’autres tests objectifs pour le risque de suicide qui mesurent les réponses physiologiques et neuronales aux stimuli liés au suicide incluant Suicide Stroop and Affect Misattribution Procedure.
La nécessité de meilleurs facteurs prédictifs de la transition de l'idéation à la tentative : Il y a quelques premières pistes sur ces facteurs prédictifs à partir des données de l'OMS et d'autres grandes études. Ceux-ci comprennent des troubles caractérisés par l'agressivité, l'agitation, et / ou de l'anxiété, comme les troubles de conduite, le trouble bipolaire, et une histoire de violence physique ou sexuelle. Dans une vaste étude dans l'armée américaine, le numéro un facteur prédictif est le trouble explosif intermittent.
La nécessité de méthodes pour combiner des données de facteurs de risque: Presque toutes les études sur les facteurs de risque de suicide ont utilisé l'analyse à deux variables - c-à-d., elles examinent les risques en fonction de la présence ou l'absence d'un facteur de risque individuel, telle qu'une histoire personnelle d'un trouble mental. Mais dans une étude menée par Guilherme Borges, Sc.D., de l'Institut national de psychiatrie à Mexico, un groupe dont le Dr Nock a montré en utilisant des données nationale de Comorbidity Survey Replication en mettant des facteurs simplement ensemble de risque individuels pour créer une l'échelle de 0-11, il était devenu possible d'identifier un sous-groupe à haut risque composé de 13,7% des participants au sondage. Ce sous-groupe représentait 67% de toutes les tentatives de suicide au cours des 12 prochains mois (Psychol. Med. 2006;36:1747-57) .
Les investigateurs ont continué à valider cette approche sur plus de 108 000 sujets dans 21 pays participant au projet de santé mentale de l'Organisation mondiale de la Santé (J. Clin. Psychiatry 2010;71:1617-28) .
La simple addition des facteurs de risque de tendances suicidaires, quoiqu'un grand pas en avant dans l'évaluation des risques, est encore un outil de prédiction relativement brut. Plus récemment, le Dr Kessler, en collaboration avec le Dr Nock et d'autres, a mis au point un algorithme de risque actuariel beaucoup plus sophistiqué et l'a appliqué à plus de 54 000 soldats de l'armée des États-Unis hospitalisés pour des troubles psychiatriques. Ils ont constaté que les sujets qui ont marqué dans le top 5% en termes de risque de suicide prédit représentaient 53% de tous les suicides qui ont eu lieu dans les 12 prochains mois. Le taux de suicide dans ce groupe à risque le plus élevé a été massive: 3.624 pour 100.000 par an par rapport à un taux de base de 18,5 / 100 000 / an dans l'armée en général.
En outre, près de la moitié des soldats avec un score de risque dans le top 5% ayant eu un résultat sur 12 mois défavorable définie comme une autre tentative de suicide, la mort par suicide, la mort accidentelle ou de ré hospitalisation psychiatrique (JAMA Psychiatry 2015;72:49-57) .
Le besoin de données sur le risque imminent: Dr Nock a appelé ceci le plus grand besoin non satisfait en suicidologie; est ce que les cliniciens et les membres de la famille veulent désespérément, mais n'ont pas. À l'heure actuelle, il y a "environ zéro des données" sur la façon de prédire le comportement suicidaire dans les heures, jours ou semaines avant qu'il se produise, dit le Dr Nock. En effet, la méta-analyse de M. Franklin a montré que dans les 50 dernières années, plus des trois quarts des études portant sur le risque de suicide ont cherché un risque à un an ou plus. Seulement 2% des études ont examiné le risque dans le mois prochain ou avant.
De nombreux groupes cherchent maintenant la surveillance en temps réel du patient en utilisant les téléphones cellulaires et les montres intelligentes comme un moyen de développer des facteurs prédictifs du risque à court terme. Ces outils permettent aux enquêteurs de surveiller les changements d'humeur, les pensées, le comportement et la physiologie dans les grandes populations afin de voir ce qui mène à une tentative de suicide. Le groupe du Dr Nock collabore avec des scientifiques de l'information du Massachusetts Intitute of Technology sur de tels projets.
Cette technologie est également prometteuse pour l'intervention thérapeutique. Dr Franklin et ses collègues ont développé une brève, mobile application pour administrer ce qu'ils appellent la Therapeutic Evaluative Conditioning. Dans trois études pré-publiées d'essais contrôlés randomisés, il a été montré que cette intervention simple, - essentiellement jouer à un jeu sur un téléphone cellulaire - a entraîné des réductions de 42% à -49% des automutilations non suicidaires, 21% -64% de réduction dans la planification suicidaire, et 20% -57% des diminutions dans les comportements suicidaires, selon le Dr Nock.
La recherche de M. Nock est financée principalement par l'Institut national de la santé mentale, l'Organisation mondiale de la Santé, et le ministère de la Défense; il a indiqué ne pas avoir de conflits financiers. La recherche du Dr Klonsky est largement soutenue par la Fondation américaine pour la prévention du suicide.
Inscription à :
Articles (Atom)