Socioeconomic and sleep correlates of a positive depression screen, and the limited added value of laboratory measurement: a design-based analysis of NHANES 2007–2018

Stel je voor dat je een verborgen schat probeert te vinden in een enorme, drukke stad. Je hebt een kaart, maar de stad is zo groot en de mensen zo divers dat je niet zomaar naar één straathoek kunt kijken; je moet de hele stad in één oogopslag bekijken. Dit is de wereld van het volksgezondheidsonderzoek, waar wetenschappers proberen te begrijpen waarom sommige mensen zich diep verdrietig of depressief voelen terwijl anderen dat niet doen. Om dit te doen, gebruiken ze vaak enorme enquêtes, zoals een enorme volkstelling die duizenden mensen vraagt naar hun leven, hun slaap, hun banen en zelfs bloedmonsters neemt. Het doel is om de "aanwijzingen" te vinden die wijzen op depressie. Maar hier is het lastige deel: soms zijn de aanwijzingen overduidelijk, zoals een gebroken been, maar andere keren zijn ze onzichtbaar, zoals een chemische disbalans in het bloed. De grote vraag die onderzoekers zich hebben gesteld is: Hebben we dure, ingewikkelde medische tests nodig (zoals bloedafnames en laboratoriummachines), of kunnen we mensen gewoon eenvoudige vragen stellen over hun dagelijks leven?

Deze studie duikt in die vraag met behulp van een enorme dataset genaamd NHANES, wat een soort gigantische, rollende gezondheidscontrole voor de Verenigde Staten is. De onderzoekers keken naar gegevens van bijna 32.000 volwassenen die over een periode van twaalf jaar zijn verzameld. Ze wilden zien of ze konden voorspellen wie worstelde met depressie door alleen vragen te stellen over geld, slaap en gezondheid, of dat ze echt de "chique" medische gegevens nodig hadden. Ze testten ook of superintelligente computerprogramma's (machine learning) het beter konden doen dan eenvoudige wiskunde. Denk aan een wedstrijd tussen een high-tech detective met een duizend gadgets en een ervaren detective die gewoon weet hoe hij de juiste vragen moet stellen.

De Grote Detectivewedstrijd: Vragen versus Bloedtests

De onderzoekers zetten een grootschalig experiment op. Ze verzamelden informatie over 135 verschillende zaken over elke persoon, variërend van het gezinsinkomen en hoeveel slaap men kreeg, tot bloedcelwaarden en vitaminegehaltes. Vervolgens gebruikten ze deze gegevens om mensen te identificeren die hoog scoorden op een screeningsinstrument voor depressie (de PHQ-9).

Eerst testten ze de "High-Tech Detective". Ze voedden alle 135 variabelen aan zes verschillende computeralgoritmen, waaronder enkele zeer complexe machine-learningmodellen die ontworpen zijn om verborgen patronen te vinden. Ze testten ook de "Simple Detective", die een rechttoe rechtaan statistische methode gebruikte genaamd penalized logistic regression. De uitslag was een verrassing voor velen: de eenvoudige wiskunde won. De complexe computerprogramma's deden het niet beter; sterker nog, de eenvoudige methode was eigenlijk het meest accuraat in het opsporen van de mensen die het moeilijk hadden.

Maar de grootste wending kwam toen ze begonnen met het wegstrippen van de aanwijzingen. Ze vroegen: "Hoeveel van deze gegevens hebben we eigenlijk nodig?" Ze bouwden een "getrapt" systeem, zoals een videogame waarbij je nieuwe levels aan uitrusting ontgrendelt.

• Niveau 1: Alleen de interviewvragen (over slaap, geld, werk en gezondheid). Dit gebruikte 6et vragen.
• Niveau 2: Voegde fysieke metingen toe zoals lengte en gewicht.
• Niveau 3: Voegde bloedtests en laboratoriumresultaten toe.
• Niveau 4: Voegde gedetailleerde voedingsverslagen toe.

Hier kwam de plotwending: De bloedtests hielpen helemaal niet.

Het model dat werd gebouwd met alleen de interviewvragen (Niveau 1) was net zo goed in het vinden van depressieve volwassenen als het model dat het volledige pakket van bloedtests, lichamelijke onderzoeken en voedingslogs gebruikte. De chique laboratoriummetingen voegden nul extra waarde toe. Het is alsof je een verloren hond probeert te vinden in een park. Je kunt uren besteden aan het controleren van het DNA van de hond, het meten van de pootafdrukken en het analyseren van de vachtkleur (de labtests), maar je vindt hem net zo snel door simpelweg de mensen in het park te vragen: "Heeft iemand een hond gezien die er verdrietig uitziet en al een tijdje niet heeft gegeten?" (het interview).

De Echte Aanwijzingen: Slaap en Geld

Dus, als de bloedtests nutteloos zijn voor deze specifieke taak, wat zijn dan wél de aanwijzingen? De studie vond dat de sterkste signalen sociaal en levensstijl-gebaseerd waren, en niet biologisch.

De nummer één aanwijzing was problemen met slapen. Mensen die rapporteerden problemen te hebben met slapen, hadden ongeveer 4 keer meer kans om positief te scoren op een depressiescreening dan mensen die dat niet hadden. De tweede grootste aanwijzing was geld. Mensen met een zeer laag gezinsinkomen hadden 3,5 keer meer kans om te worstelen, en mensen die kampten met voedselonzekerheid (zorg maken over waar hun volgende maaltijd vandaan kwam) waren bijna 3 keer zo vaak getroffen.

Andere sterke aanwijzingen waren het niet hebben van een baan, het hebben van meerdere chronische gezondheidsproblemen en een lager opleidingsniveau. Interessant genoeg vond de studie dat de "chique" biologische markers, zoals ontstekingswaarden in het bloed, ons niets nieuws vertelden wat de eenvoudige vragen niet al hadden onthuld.

Wat de Studie Uitsluit

Het is belangrijk om te weten wat deze studie niet zegt dat we nodig hebben. De onderzoekers hebben expliciet de gedachte uitgesloten dat we bloed moeten trekken of labtests moeten uitvoeren om depressie te screenen in de algemene populatie. Ze lieten zien dat het toevoegen van deze dure tests de screening niet nauwkeuriger maakt. Ze lieten ook zien dat de meest complexe computergeleerde modellen niet nodig zijn; een eenvoudig, goed gestructureerd wiskundig model werkt net zo goed, zo niet beter.

De studie is echter heel duidelijk over wat zij niet kan vertellen. Omdat ze naar iedereen keken op slechts één moment in de tijd (zoals het maken van één foto van de stad), kunnen ze niet met zekerheid zeggen wat eerst kwam: het slechte slapen of de droefenis. Veroorzaakte het gebrek aan slaap de depressie, of veroorzaakte de depressie het gebrek aan slaap? De studie zegt: "We zien ze samen gebeuren, maar we weten niet welke de andere heeft voortgestuwd." Het is als het zien van vuur en rook; je weet dat ze verbonden zijn, maar deze specifieke momentopname vertelt je niet welke van de twee de ander heeft ontstoken.

De Kern van het Verhaal

Dit onderzoek suggereert dat wanneer we proberen mensen te vinden die worstelen met depressie in de algemene populatie, we geen ziekenhuislaboratorium nodig hebben. We hoeven geen bloed te trekken of complexe chemicaliën te meten. De krachtigste instrumenten zijn eenvoudige, eerlijke gesprekken over hoe mensen slapen, of ze zich eten kunnen veroorloven en of ze een baan hebben. De "chique" medische gegevens waren als het meenemen van een sloophamer om een noot te kraken—het was zwaar, duur en deed het eigenlijk niet beter dan een eenvoudige hamer.

De studie benadrukte ook een droevige realiteit: onder de volwassenen die positief testten op depressie, nam ongeveer twee op de drie geen medicatie om te helpen. Dit suggereert dat hoewel we misschien beter worden in het opsporen van het probleem met eenvoudige vragen, we nog steeds een lange weg te gaan hebben om ervoor te zorgen dat die mensen de hulp krijgen die ze nodig hebben. Maar het goede nieuws is dat we hen kunnen vinden zonder een miljoen dollar kostend laboratorium, simpelweg door te luisteren naar hun verhalen over slaap en geld.