A Review of Suicide-Related Risks through Propensity Score Methods using the Maryland Suicide Data Warehouse

Het voorspellen van wie een leven uit zichzelf kan beëindigen, is een van de moeilijkste uitdagingen in de geneeskunde. Artsen en onderzoekers weten al lang dat bepaalde aandoeningen, zoals ernstige depressie of middelengebruik, iemand een grotere kans geven om door zelfmoord te sterven. Het weten welke factoren het belangrijkst zijn, is echter ingewikkeld omdat mensen zelden slechts één probleem hebben. Iemand kan tegelijkertijd worstelen met angst, het verliezen van een baan en het omgaan met chronische pijn. Wanneer onderzoekers proberen deze situaties met computermodellen te bestuderen, kunnen de enorme hoeveelheid overlappende factoren de resultaten verwarren. Het wordt moeilijk om te bepalen of een specifieke diagnose de oorzaak is van het risico, of dat het slechts een bijwerking is van de moeilijke levensomstandigheden van de persoon. Om dit op te lossen, hebben wetenschappers statistische instrumenten ontwikkeld die werken als een weegschaal, waardoor ze verschillende groepen mensen kunnen wegen zodat ze ze eerlijk kunnen vergelijken, alsof ze in elk opzicht identiek zijn, behalve voor de ene factor die getest wordt.

Een team van onderzoekers aan de Johns Hopkins University besloot deze instrumenten te testen op een enorme collectie real-world data om te zien of ze de werkelijke drijfveren van zelfmoordrisico konden verhelderen. Ze werkten met een database uit de staat Maryland die medische dossiers uit ziekenhuizen en klinieken koppelt aan officiële overlijdensakten. Hierdoor konden ze bijna één miljoen levende patiënten bekijken en deze vergelijken met bijna tweeduizend mensen die tussen 2016 en 2020 door zelfmoord zijn gestorven. De onderzoekers wilden zien of het gebruik van deze geavanceerde weegmethoden het verhaal zou veranderen dat de data vertelde, met name met betrekking tot hoe vaak mensen artsen bezochten en welke specifieke diagnoses zij in het jaar voorafgaand aan hun dood hadden.

De onderzoekers begonnen door naar de ruwe cijfers te kijken zonder enige aanpassingen. Onverwacht genoeg vonden zij dat mensen die door zelfmoord stierven, veel vaker de diagnose hadden gekregen van mentale aandoeningen zoals bipolaire stoornis, posttraumatische stress of psychotische stoornissen, vergeleken met de levende patiënten. Ze hadden ook vaker te maken gehad met drugs- of alcoholgebruik. In de ongecorrigeerde data maakte het hebben van een diagnose bipolaire stoornis een persoon ongeveer zesentwintig keer waarschijnlijker om door zelfmoord te sterven dan iemand zonder die diagnose. Vergelijkbaar daarmee toonden het hebben van een geschiedenis van middelengebruik of sociale problemen zoals woninginstabiliteit sterke verbanden met de uitkomst. De data lieten ook zien dat deze individuen veel vaker artsen, spoedeisende hulp en ziekenhuizen bezochten dan de algemene populatie, vooral in de dagen en weken voor hun overlijden.

Echter, het verhaal veranderde aanzienlijk zodra de onderzoekers de statistische weegmethoden toepasten om de groepen in evenwicht te brengen. Wanneer zij corrigeerden voor het feit dat mensen met een mentale ziekte vaak andere overlappende problemen hebben, verschoof de sterkte van de verbinding tussen bepaalde factoren en het zelfmoordrisico. Voor sommige aandoeningen leek het risico zelfs hoger dan de initiële cijfers suggereerden. Bijvoorbeeld, na het balanceren van de groepen, werd de link tussen opioïdengebruik en zelfmoordsterfte sterker, waarbij de aangepaste analyse een odds ratio van 3,08 liet zien vergeleken met 2,1 in het oorspronkelijke model. Hetzelfde gold voor mensen met meerdere middelenmisbruikstoornissen; de aangepaste analyse toonde aan dat hun risico veel groter was dan een eenvoudige telling van ziekenhuisbezoeken zou aangeven.

Misschien wel de meest verrassende verschuiving vond plaats bij sociale behoeften. In de ongecorrigeerde analyse leek het hebben van gecodeerde sociale behoeften, zoals woninginstabiliteit of voedselonzekerheid, het risico op zelfmoord zelfs te verlagen, wat tegenintuïtief leek. Maar zodra de onderzoekers de weegmethoden gebruikten om rekening te houden met het complexe web van medische en sociale factoren waar deze patiënten mee te maken hadden, kantelde het beeld volledig. De aangepaste resultaten toonden aan dat deze sociale strijd eigenlijk sterke risicofactoren waren, die de kans op een zelfmoordsterfte met meer dan drie keer vergrootten. Dit suggereert dat de initiële modellen het volledige plaatje misten, waarschijnlijk omdat mensen met ernstige sociale behoeften ook verschillende soorten zorg ontvingen die het werkelijke gevaar maskeerden.

De studie keek ook nauwgezet naar hoe vaak mensen een arts zagen en hoe dicht die bezoeken in de buurt lagen van hun dood. De onderzoekers vonden dat de frequentie van contact een krachtig signaal was. Mensen die door zelfmoord stierven, hadden in het jaar voor hun overlijden een veel groter aantal medische contacten dan levende patiënten. Dit verschil werd het meest dramatisch in de laatste week van het leven. In de zeven dagen voor de dood had 2,6% van de mensen die stierven zes of meer afzonderlijke medische bezoeken gehad, terwijl slechts een fractie van de levende controlegroep zoveel bezoeken had gehad. Toen de onderzoekers het risico berekenden op basis van deze hoge frequentie van contact, was het verschil groot: het hebben van zes of meer bezoeken in een week was geassocieerd met een risico dat bijna honderd keer hoger was dan bij minder bezoeken. Dit patroon hield stand in alle verschillende statistische methoden die zij gebruikten, wat bevestigde dat een plotselinge piek in medische activiteit een cruciaal waarschuwingssignaal is.

De onderzoekers concludeerden dat deze statistische weeginstrumenten essentieel zijn voor het krijgen van het juiste antwoord. Zij vonden dat traditionele methoden vaak de details gladstrijken, waardoor het moeilijk is om de werkelijke sterkte van een risicofactor te zien. Door deze instrumenten te gebruiken, konden zij zien dat de relatie tussen sociale problemen en zelfmoord veel sterker is dan eerder gedacht, en dat de enorme omvang van de medische zorg die een persoon in de laatste dagen van zijn leven ontvangt, een enorme indicator van risico is. De studie beweert niet dat zij het probleem van zelfmoordvoorspelling hebben opgelost, maar biedt een duidelijkere manier om naar de data te kijken. Het suggereert dat wanneer clinici een patiënt zien met een geschiedenis van sociale ontbering of een plotselinge toename in ziekenhuisbezoeken, zij naar een veel hoger niveau van gevaar kijken dan standaardmodellen zouden aangeven. Het werk benadrukt dat het begrijpen van het zelfmoordrisico vereist dat men kij naar de hele persoon en hun volledige zorggeschiedenis, en niet alleen naar geïsoleerde diagnoses.