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
O estudo desenvolveu e validou internamente o ENTER, um rastreador digital multimodal que demonstrou discriminação e calibração superiores em comparação ao ponto de corte do PQ-16 estabelecido para identificar jovens em alto risco clínico para psicose em ambientes comunitários.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo
Os desafios de saúde mental frequentemente começam silenciosamente, muito antes de uma crise eclodir. Para muitos jovens, os primeiros sinais de uma condição grave, como a psicose, aparecem como mudanças sutis no pensamento, no sentimento ou na percepção durante a adolescência ou o início da idade adulta. Esta fase inicial, conhecida como um estado de alto risco clínico, é uma janela de oportunidade crítica. Se identificada, permite suporte e cuidados que podem evitar que a condição se desenvolva plenamente ou diminuir o seu impacto. No entanto, encontrar esses indivíduos é difícil. Atualmente, a maioria das pessoas só é reconhecida quando procura ajuda de um especialista, o que significa que muitas passam despercebidas pelas falhas do sistema enquanto os seus sintomas ainda são leves e controláveis. O desafio reside em criar uma forma de detectar estes riscos precocemente, com precisão e sem sobrecarregar os limitados recursos disponíveis para o cuidado de saúde mental.
Uma equipa de investigadores de universidades e hospitais do Reino Unido e de Itália deu um passo significativo para resolver este problema. Eles desenvolveram e testaram uma nova ferramenta digital chamada ENTER, concebida para rastrear jovens na comunidade em busca de sinais de risco de psicose. O estudo, que envolveu mais de 2.500 participantes com idades entre os 12 e os 35 anos, comparou esta nova abordagem com um método padrão atualmente utilizado em clínicas. O método padrão baseia-se num questionário simples que pergunta sobre pensamentos e experiências incomuns específicas. Embora esta ferramenta existente seja boa a detetar a maioria das pessoas que possam estar em risco, ela também sinaliza muitas pessoas que não estão, levando a consultas de acompanhamento desnecessárias. Os investigadores queriam ver se adicionar outros tipos de informação — como a velocidade com que uma pessoa processa informações e o seu histórico de vida — poderia tornar o rastreio mais preciso.
Os investigadores construíram a sua nova ferramenta pedindo aos participantes que completassem um questionário online. Este questionário incluía o questionário padrão sobre pensamentos incomuns, mas também perguntava sobre o desconforto que esses pensamentos causavam, incluía um teste rápido de quão depressa uma pessoa conseguia associar símbolos a números e recolhia informações sobre o seu histórico de vida, como o contexto familiar, onde cresceram e qualquer exposição a dificuldades sociais. A equipa utilizou então algoritmos computacionais avançados para analisar esta mistura de dados. Eles compararam os resultados desta nova abordagem de múltiplas camadas contra os resultados apenas do questionário padrão. Para garantir que os resultados fosiam fiáveis, testaram a ferramenta num grupo de pessoas que já tinham passado por uma entrevista clínica detalhada, considerada o padrão de ouro, para confirmar se estavam realmente em alto risco.
As descobertas mostraram que a nova ferramenta ENTER foi significativamente melhor a distinguir entre aqueles que estavam em alto risco e aqueles que não estavam. Enquanto o questionário padrão identificava corretamente o risco em cerca de 62 de cada 100 casos, a nova ferramenta melhorou esta precisão para aproximadamente 74 de cada 100. Mais importante ainda, a nova ferramenta foi melhor a evitar falsos alarmes. Em termos práticos, isto significa que, para cada 100 pessoas rastreadas, o novo método poderia identificar cerca de dois indivíduos adicionais que realmente precisavam de ajuda, sem aumentar o número de pessoas que eram incorretamente sinalizadas. Os investigadores descobriram que a versão mais bem-sucedida da sua ferramenta utilizava um tipo específico de aprendizagem computacional que podia detetar padrões complexos nos dados, em vez de apenas observar fatores individualmente. Esta abordagem destacou que o risco não se trata apenas de sintomas; é também moldado pela forma como uma pessoa pensa, pelo desconforto que sente e pelo ambiente em que vive.
Apesar destes resultados promissores, os investigadores são cuidadosos ao notar que este é um estudo de desenvolvimento, não uma solução final. A ferramenta foi testada internamente, o que significa que foi avaliada no mesmo grupo de pessoas que ajudou a construí-la, e ainda não foi comprovado que funcione em clínicas do mundo real ou em diferentes países. O estudo também reconheceu que o grupo de pessoas que se voluntariou não era perfeitamente representativo da população geral, com um maior número de mulheres e de pessoas de etnia branca do que seria encontrado numa comunidade típica. Além disso, o processo exigiu que os participantes respondessem a mais perguntas do que o método padrão, o que poderia ser uma barreira para alguns. Os autores enfatizam que, embora a nova ferramenta mostre grande potencial para melhorar a forma como encontramos jovens em risco, são necessários mais testes para confirmar a sua utilidade na prática quotidiana. Até lá, o trabalho serve como uma forte prova de conceito de que combinar diferentes tipos de informação pode levar a um quadro mais claro dos riscos de saúde mental do que olhar apenas para os sintomas.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.