Refining E-detectioN Tools for Emerging mental disoRders (ENTER) to identify young people at clinical high risk for psychosis in the community: model development and internal validation
Lo studio ha sviluppato e validato internamente l'ENTER, uno strumento di screening digitale multimodale che ha dimostrato una capacità di discriminazione e calibrazione superiore rispetto al cut-off del PQ-16 per l'identificazione di giovani ad alto rischio clinico di psicosi in contesti comunitari.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Le sfide legate alla salute mentale spesso iniziano silenziosamente, molto prima che scoppi una crisi. Per molti giovani, i primi segni di una condizione grave come la psicosi appaiono come sottili cambiamenti nel pensiero, nel sentimento o nella percezione durante l'adolescenza o la prima età adulta. Questa fase iniziale, nota come stato di alto rischio clinico, è una finestra critica di opportunità. Se identificata, permette di fornire supporto e cure che possono prevenire lo sviluppo completo della condizione o attenuarne l'impatto. Tuttavia, individuare queste persone è difficile. Attualmente, la maggior parte delle persone viene riconosciuta solo quando cerca aiuto da uno specialista, il che significa che molte scivolano tra le crepe del sistema mentre i loro sintomi sono ancora lievi e gestibili. La sfida consiste nel creare un modo per individuare questi rischi precocemente, con precisione e senza sovraccaricare le limitate risorse disponibili per l'assistenza alla salute mentale.
Un team di ricercatori provenienti da università e ospedali del Regno Unito e dell'Italia ha compiuto un passo significativo verso la risoluzione di questo problema. Hanno sviluppato e testato un nuovo strumento digitale chiamato ENTER, progettato per sottoporre a screening i giovani nella comunità per segni di rischio di psicosi. Lo studio, che ha coinvolto oltre 2.500 partecipanti di età compresa tra i 12 e i 35 anni, ha confrontato questo nuovo approccio con un metodo standard attualmente utilizzato nelle cliniche. Il metodo standard si basa su un semplice questionario che pone domande su specifici pensieri ed esperienze insolite. Sebbene questo strumento esistente sia bravo a intercettare la maggior parte delle persone che potrebbero essere a rischio, segnala anche molte persone che non lo sono, portando a appuntamenti di follow-up non necessari. I ricercatori volevano vedere se l'aggiunta di altri tipi di informazioni — come la velocità con cui una persona elabora le informazioni e il proprio background di vita — potesse rendere lo screening più preciso.
I ricercatori hanno costruito il loro nuovo strumento chiedendo ai partecipanti di completare un sondaggio online. Questo sondaggio includeva il questionario standard sui pensieri insoliti, ma chiedeva anche quale disagio causassero questi pensieri, includeva un test rapido sulla velocità con cui una persona poteva abbinare simboli a numeri e raccoglieva informazioni sulla storia della vita, come il contesto familiare, dove la persona è cresciuta e qualsiasi esposizione a difficoltà sociali. Il team ha poi utilizzato algoritmi informatici avanzati per analizzare questa miscela di dati. Hanno confrontato i risultati di questo nuovo approccio multilivello con i risultati del solo questionario standard. Per garantire che i risultati fossero affidabili, hanno testato lo strumento su un gruppo di persone che avevano già affrontato un colloquio clinico dettagliato, considerato il "gold standard", per confermare se fossero realmente ad alto rischio.
I risultati hanno mostrato che il nuovo strumento ENTER era significamente migliore nel distinguere tra coloro che erano ad alto rischio e coloro che non lo erano. Mentre il questionario standard identificava correttamente il rischio in circa 62 casi su 100, il nuovo strumento ha migliorato questa precisione a circa 74 su 100. Più importante ancora, il nuovo strumento era più efficace nell'evitare i falsi allarmi. In termini pratici, questo significa che per ogni 100 persone sottoposte a screening, il nuovo metodo potrebbe identificare circa due individui aggiuntivi che avevano realmente bisogno di aiuto, senza aumentare il numero di persone erroneamente segnalate. I ricercatori hanno scoperto che la versione più efficace del loro strumento utilizzava un tipo specifico di apprendimento automatico capace di rilevare schemi complessi nei dati, piuttosto che limitarsi a guardare i singoli fattori. Questo approccio ha evidenziato che il rischio non riguarda solo i sintomi; è anche plasmato dal modo in cui una persona pensa, da quanto disagio prova e dall'ambiente in cui vive.
Nonostante questi risultati promettenti, i ricercatori tengono a precisare che si tratta di uno studio di sviluppo, non di una soluzione definitiva. Lo strumento è stato testato internamente, il che significa che è stato valutato sullo stesso gruppo di persone che ha contribuito a costruirlo, e non è ancora stato dimostrato che funzioni nelle cliniche del mondo reale o in altri paesi. Lo studio ha inoltre riconosciuto che il gruppo di volontari non era perfettamente rappresentativo della popolazione generale, con un numero maggiore di donne e di persone di etnia bianca rispetto a quanto si possa trovare in una tipica comunità. Inoltre, il processo richiedeva ai partecipanti di rispondere a più domande rispetto al metodo standard, il che potrebbe rappresentare una barriera per alcuni. Gli autori sottolineano che, sebbene il nuovo strumento mostri un grande potenziale per migliorare il modo in cui individuiamo i giovani a rischio, sono necessari ulteriori test per confermarne l'utilità nella pratica quotidiana. Fino ad allora, il lavoro funge da forte prova di concetto che combinare diversi tipi di informazioni può portare a un quadro più chiaro dei rischi per la salute mentale rispetto al semplice esame dei sintomi.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.