Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Social Web Mining zur Suizidprävention (Don't Do It)

1. September 2021 aktualisiert von: University Hospital, Montpellier

Social Web Mining zur Suizidprävention von Jugendlichen

Laut einem aktuellen und alarmierenden Bericht der WHO (Weltgesundheitsorganisation) (4. September 2014) stirbt weltweit alle 40 Sekunden ein Mensch durch Suizid. Selbstmord ist die dritthäufigste Todesursache für 15- bis 24-Jährige, laut den Centers for Disease Control and Prevention, nach Unfällen und Tötungsdelikten.

Dieses große Problem der öffentlichen Gesundheit erfordert Präventionsstrategien, die speziell auf gefährdete Bevölkerungsgruppen ausgerichtet sind. Seit 2013 sind mehr als 2 Milliarden Nutzer in sozialen Netzwerken wie Twitter oder Facebook angemeldet. Junge Erwachsene (im Alter von 18 bis 29 Jahren) nutzen am häufigsten soziale Medien – ganze 90 % tun dies.

Folglich konzentrieren wir uns in diesem Projekt auf die Suizidprävention in sozialen Netzwerken.

Ziel dieses Projektes ist die Validierung des Algorithmus. Dieser Algorithmus baut ein Entscheidungsunterstützungssystem auf, das gefährdete junge Menschen auf der Grundlage einer großen Menge heterogener Daten überwacht, die über soziale Medien gesammelt wurden, um die Suizidprävention zu verbessern.

Studienübersicht

Status

Abgeschlossen

Bedingungen

Detaillierte Beschreibung

Diese Studie besteht aus zwei Schritten:

  1. 9 Probanden wurden rekrutiert. Nach Zustimmung des Patienten griffen Informatiker auf das Profil des Patienten in sozialen Netzwerken zu. Informatiker konnten den Inhalt von Veröffentlichungen nicht visualisieren, sondern nur den Algorithmus ausführen, der den Inhalt von Nachrichten analysiert (Text, Häufigkeit, Emoticons…)

    Der Algorithmus definiert die 3 am stärksten gefährdeten Perioden von Suizidverhalten im nächsten Monat. Dieses Ergebnis wurde mit Perioden verglichen, die durch ein psychiatrisches Interview gefunden wurden. Der Psychiater bestätigte LIRM dann, ob die vom Algorithmus gefundenen Perioden mit den vom Psychiter definierten Perioden übereinstimmen oder nicht. Es wurden keine Daten des sozialen Netzwerks erhoben.

  2. Der zweite Schritt zielt darauf ab, den Algorithmus zu verbessern, indem soziodemografische und klinische Daten zu den eingeschlossenen Patienten gesammelt werden.

Studientyp

Beobachtungs

Einschreibung (Tatsächlich)

9

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

      • Montpellier, Frankreich, 34295
        • UHMontpellier

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

15 Jahre und älter (Kind, Erwachsene, Älterer Erwachsener)

Akzeptiert gesunde Freiwillige

Nein

Studienberechtigte Geschlechter

Alle

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Patienten (schwer oder minderjährig) mit suizidalem Verhalten (kürzlicher Suizidversuch oder Suizidgedanken)

Beschreibung

Einschlusskriterien:

  • Großer Patient
  • Minderjähriger Patient mit Zustimmung der Eltern
  • Patient wegen Suizidversuch oder Suizidgedanken ins Krankenhaus eingeliefert
  • Häufiger aktiver Nutzer von sozialen Netzwerken (Facebook, Instagram, Youtube, Twitter)

Ausschlusskriterien:

- Weigerung des Patienten, teilzunehmen

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Empfindlichkeit des Algorithmus
Zeitfenster: 1 Tag
Grundlinie
1 Tag

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Ermittler

  • Hauptermittler: Sébastien Guillaume, PhD, University Hospital, Montpellier

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

1. Januar 2017

Primärer Abschluss (Tatsächlich)

1. Juni 2017

Studienabschluss (Tatsächlich)

30. Dezember 2020

Studienanmeldedaten

Zuerst eingereicht

12. Juli 2019

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

8. August 2019

Zuerst gepostet (Tatsächlich)

9. August 2019

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

2. September 2021

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

1. September 2021

Zuletzt verifiziert

1. September 2021

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • RECHMPL19_0320

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

UNENTSCHIEDEN

Beschreibung des IPD-Plans

NC

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .

3
Abonnieren