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
De studie ontwikkelde en valideerde intern de ENTER, een multimodale digitale screener die superieure discriminatie en kalibratie demonstreerde vergeleken met de gevestigde PQ-16-afkapwaarde voor het identificeren van jongeren met een klinisch hoog risico op psychose in gemeenschapsinstellingen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Mentale gezondheidsuitdagingen beginnen vaak stilletjes, lang voordat er een crisis uitbreekt. Voor veel jongeren verschijnen de eerste tekenen van een ernstige aandoening zoals psychose als subtiele verschuivingen in het denken, voelen of de perceptie tijdens de adolescentie of vroege volwassenheid. Deze vroege fase, bekend als een klinische hoogrisicotoestand, is een cruciaal venster van kansen. Als dit wordt geïdentificeerd, maakt het ondersteuning en zorg mogelijk die kunnen voorkomen dat de aandoening zich volledig ontwikkelt of de impact ervan verminderen. Het vinden van deze individuen is echter moeilijk. Momenteel worden de meeste mensen pas herkend zodra ze hulp zoeken bij een specialist, wat betekent dat velen door de mazen van het systeem glippen terwijl hun symptomen nog mild en beheersbaar zijn. De uitdaging ligt in het creëren van een manier om deze risico's vroegtijdig en nauwkeurig te signaleren, zonder de beperkte middelen voor de geestelijke gezondheidszorg te overbelasten.
Een team van onderzoekers van universiteiten en ziekenhuizen uit het Verenigd Koninkrijk en Italië heeft een belangrijke stap gezet naar het oplossen van dit probleem. Ze hebben een nieuwe digitale tool ontwikkeld en getest genaamd ENTER, ontworpen om jongeren in de gemeenschap te screenen op tekenen van psychoserisico. De studie, waarbij meer dan 2.500 deelnemers tussen de 12 en 35 jaar betrokken waren, vergeleek deze nieuwe aanpak met een standaardmethode die momenteel in klinieken wordt gebruikt. De standaardmethode vertrouwt op een eenvoudige vragenlijst die vraagt naar specifieke ongewone gedachten en ervaringen. Hoewel deze bestaande tool goed is in het vangen van de meeste mensen die mogelijk een risico lopen, signaleert het ook veel mensen die dat niet zijn, wat leidt tot onnodige vervolgafspraken. De onderzoekers wilden zien of het toevoegen van andere soorten informatie — zoals hoe snel een persoon informatie verwerkt en hun achtergrondervaringen uit het leven — de screening preciezer kon maken.
De onderzoekers bouwden hun nieuwe tool door deelnemers een online enquête te laten invullen. Deze enquête bevatte de standaard vragenlijst over ongewone gedachten, maar vroeg ook naar de stress die deze gedachten veroorzaakten, bevatte een korte test over hoe snel een persoon symbolen met getallen kon koppelen, en verzamelde informatie over hun levensgeschiedenis, zoals hun familieachtergrond, waar ze opgroeiden en eventuele blootstelling aan sociale ontberingen. Het team gebruikte vervolgens geavanceerde computeralgoritmen om deze mix van gegevens te analyseren. Ze vergeleken de resultaten van deze nieuwe, gelaagde aanpak met de resultaten van de standaard vragenlijst alleen. Om de betrouwbaarheid van de resultaten te waarborgen, testten ze de tool op een groep mensen die al een gedetailleerd, gouden standaard klinisch interview hadden ondergaan om te bevestigen of zij werkelijk een hoog risico liepen.
De bevindingen toonden aan dat de nieuwe ENTER-tool aanzienlijk beter was in het onderscheiden van degenen die een hoog risico liepen en degenen die dat niet deden. Terwijl de standaard vragenlijst het risico correct identificeerde in ongeveer 62 van de 100 gevallen, verbeterde de nieuwe tool deze nauwkeurigheid naar ongeveer 74 van de 100. Belangrijker nog, de nieuwe tool was beter in het vermijden van valse alarmen. In praktische zin betekent dit dat de nieuwe methode voor elke 100 gescreende personen ongeveer twee extra individuen zou kunnen identificeren die werkelijk hulp nodig hadden, zonder het aantal mensen dat onterecht werd gesignaleerd te verhogen. De onderzoekers ontdekten dat de meest succesvolle versie van hun tool een specifiek type computergestuurd leren gebruikte dat complexe patronen in de gegevens kon detecteren, in plaats van alleen naar factoren één voor één te kijken. Deze aanpak benadrukte dat risico niet alleen over symptomen gaat; het wordt ook gevormd door hoe iemand denkt, hoeveel stress iemand ervaart en de omgeving waarin men leeft.
Ondanks deze veelbelovende resultaten zijn de onderzoekers voorzichtig genoeg om op te merken dat dit een ontwikkelingsstudie is, geen definitieve oplossing. De tool werd intern getest, wat betekent dat deze werd geëvalueerd op dezelfde groep mensen die hielpen bij het bouwen ervan, en het is nog niet bewezen te werken in de echte klinische praktijk of in andere landen. De studie erkende ook dat de groep mensen die vrijwilliger was niet perfect representatief was voor de algemene bevolking, met een hoger aantal vrouwen en mensen van witte etniciteit dan men in een typische gemeenschap zou vinden. Bovendien vereiste het proces dat deelnemers meer vragen beantwoordden dan de standaardmethode, wat een barrière kan zijn voor sommigen. De auteurs benadrukken dat hoewel de nieuwe tool een groot potentieel heeft om te verbeteren hoe we jongeren in risico opsporen, verdere tests nodig zijn om de bruikbaarheid in de dagelijkse praktijk te bevestigen. Tot die tijd dient het werk als een sterk bewijs van concept dat het combineren van verschillende soorten informatie kan leiden tot een duidelijker beeld van mentale gezondheidsrisico's dan het kijken naar symptomen alleen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.