スウェーデンにおける若者のメンタルヘルスに関する研究 (UPIC)

スウェーデンでは、若者、特に若い女性の精神的健康問題が増加していることが報告されています。 この増加はほとんど理解されていないため、問題の範囲と深刻さを明らかにするだけでなく、若者の精神的健康を適切に評価する方法についての実践を知らせるためにも、より厳密な研究が求められています。

このプロジェクトの目的は、若い女性と男性のメンタルヘルスに関する知識を深め、メンタルヘルスを促進しメンタルヘルス問題に対処する能力を向上させることができる、若者のメンタルヘルスを評価するための有効かつ包括的な方法を確立することです。 若者の精神的健康の評価方法に関する実現可能性研究を含む、マルチモーダルなデータアプローチが適用されます。

提案されたプロジェクトの具体的な目的は次のとおりです。 1) 2 年間にわたる若い女性と男性の精神的健康の範囲と経過を特定し、精神的健康問題を評価および予測するための複合データの付加価値を識別すること。 2) 若い女性と男性の精神的健康に関するさまざまな評価方法の実現可能性を実証すること。 実現可能性の確立は、採用率、データ収集方法を含む研究手順の順守および受容に関するデータを収集することによって行われます。

スウェーデンおよび国際的には、過去数十年間で精神的健康問題が増加しているという共通の意見があります。 この精神的健康問題の増加が示唆されているものを理解し、報告が精神的健康の真の悪化を反映しているかどうかを明らかにするには、さらなる研究が必要である。 既存の研究は、研究デザインの不均一性や、確立された包括的な尺度の使用の欠如などの制限により、精神的健康問題の信頼できる推定値を提供できないとして批判されてきました。 スウェーデンの若い女性の精神的健康の悪化を示す全国調査は、単一の質問からの報告に基づいています。 回答者の負担は少ないものの、不安やうつ病などの概念を評価するために単一の質問を使用することの妥当性と信頼性については議論の余地があります。 さらに、既存の研究では、将来のタイムラインではなく断面点の推定値が提供されており、一般に、より正確で信頼性の高いデータが得られます。

若い女性のメンタルヘルスをより深く理解するために正確で信頼できる推定値を提供するために自己申告データのみに依存する従来の方法論は、前進する方法ではない可能性があります。 例えば、血液や尿などから採取されたメタボロミクスバイオマーカーは、精神疾患に関与する新たな予期せぬ経路をスクリーニングする能力、恐怖条件付けおよび恐怖消去プロトコル、ならびに例えば恐怖の行動検査などで関心を集めている。 回避と苦痛への耐性は、メンタルヘルスの検出と予測に有望であることが示されています。 自己報告データとそのような他のデータソースからの情報を組み合わせるのは有望なアプローチですが、マルチモーダルデータの使用はメンタルヘルス研究において十分に研究されていない分野です。 さらに、テクノロジーの進歩に伴うスマートフォンの普及により、スマートフォンなどのデジタルデバイスを使用して特定の行動を評価および追跡できるようになり、従来の評価方法の欠点のいくつかに対処することが可能になりました。 デジタルデバイスから収集された非臨床環境における参加者の症状、機能、社会環境などに関するリアルタイムの行動データは、精神疾患、気分障害、抑うつ症状の検出、理解、予測に大きな可能性を秘めています。

この実現可能性研究は、マルチモーダル データ アプローチを使用した前向きコホートで構成されています。 同じ理論的枠組み、手順、データ収集、測定が目的 1 と目的 2 の両方に適用されます。

設計 3 つの評価プロトコルが評価されます。 ベースライン評価の後、参加者は 1:1:1 ベースでプロトコルにランダムに割り当てられます。 ベースライン後の参加者の脱落を考慮し、プロトコルごとに 750 人の若者を参加させることを目標として、ベースライン時の出生年あたり 200 人の若者の目標数 (n=3000) に達するまで募集を継続します。 提案されたサンプルサイズは、プロトコルの完全な順守という主要な実現可能性の結果に基づいています。 検出力が 90%、アルファ = 0.05 であると仮定すると、プロトコル間の遵守における 10% の統計的に有意な差を検出するには、少なくとも 500 人の若者が各プロトコルを遵守する必要があります。 プロトコル 1 および 2 に割り当てられた遵守者の 60% の若者は追跡調査を完了しましたが、プロトコル 3 に割り当てられた遵守者の若者は 50% でした。

データ収集 アクティブ データとパッシブ データの両方を含む、さまざまなモダリティからのデータが結合されます。 具体的には、アンケート、スマートフォンのセンサーデータ、在宅採血、行動検査、レジデータなどによりデータを収集します。 ほとんどのデータは研究専用のアプリを介して管理されます。 参加前に書面（電子）による同意を取得します。 たとえば、参加者は調査データ、センサー データ、行動テストへの参加には同意する場合がありますが、血液サンプルや登録データへのリンクには同意しません。 評価の完了時に参加者にインセンティブが提供されます。

プロトコル 1 では、ベースライン時と 1 年後および 2 年後の追跡調査の 3 回の調査によってメンタルヘルスが評価されます。 毎年評価を行うこの設計は、調査による従来の評価方法と一致しています。 より頻繁な評価の潜在的な利点とリスクを調査するために、プロトコル 2 と同じ方法でデータが収集されますが、ベースライン時と 6、12、18、24 か月後の 5 回でデータが収集されます。 プロトコル 3 では、調査による年次評価に加えて、生態学的瞬間評価 (EMA) と呼ばれるリアルタイムのデータ収集方法が適用されます。 ベースライン評価の後、プロトコル 3 の参加者は、1 か月間、選択した自己報告尺度を使用して毎日の登録を完了するように求められます。 自己申告問題はアプリを通じて1回あたり15～20問程度配布されます。 この EMA スケジュールは調査期間中に 3 回繰り返されます。

データ分析計画 2年間の追跡調査期間にわたる自己申告の精神的健康上の問題の有病率と発達の軌跡を評価するために、調査回答に基づいて（利用可能なスコアリングガイドに従って）うつ病の症状の症例性を示す若者の数が決定されます。 。 メンタルヘルスのプロファイルは、さまざまな種類のデータからの情報を使用してマッピングされます。 精神的健康上の問題と幸福の症状パターン、関係性、決定要因の特定に適用される統計手法は、構造方程式モデリング、一般化線形 (混合) モデル、ベイジアン モデリングなど、複雑な長期的かつ多峰性のデータに適しています。 症状発生の時系列を研究するために、長期的に報告された症状のクラスターが教師なしクラスター分析によって取得されます。

若者のメンタルヘルスに関するこれまでの研究に基づいて、ベースライン採用率の基準点 > 20% は実現可能であると考えられます。 ドロップアウト分析は、ベースラインおよび研究の各フェーズ全体での代表性をターゲットとします。 ベースラインでは、登録データによって取得された社会人口統計データの分布が、参加者と非参加者の間で分析されます。 減少バイアスを特定するために、ドロップアウト分析では社会人口統計学的登録データが考慮されますが、研究の後期段階での参加者とドロップアウト間の以前の評価からの健康結果の分布も分析されます。

2 年間の追跡調査中の遵守率が 50% 以上であれば実現可能とみなされ、評価プロトコルごとに評価されます。 EMA 結果 (プロトコル 3) の場合、コンプライアンス データの記録と報告は、配信されたプロンプトの総数のうち回答されたプロンプトの数としてのコンプライアンス率の測定 (80% 以上のコンプライアンスが実現可能) を含む、公開された推奨事項に従います。待ち時間 (参加者がプロンプトを受信して​​から EMA に応答するまでの時間)。 スウェーデンにおけるメンタルヘルスに関するこれまでの調査研究に基づくと、全体的な遵守率 > 75% は実現可能であると考えられます。 この不均一な非臨床集団における行動実験の実現可能な受け入れ率を決定することはできませんが、私たちの結果は、この種の遠隔で実施される行動実験の受け入れ率と完了率を明らかにするでしょう。 Mom2B 研究の暫定結果に基づくと、受動的データへのアクセスについては 70% 以上、データの登録については 80% 以上の承認率が実現可能であると考えられます。 さらに、各自己申告施策の達成率も算出されます。 機器のガイドラインは分析と解釈の指針となりますが、ガイドラインが存在しない場合は、質問/スケールごとに 10% 未満の内部欠損が実現可能であると考えられます。

期待される結果 この前向きデザインにより、若者の精神的健康問題の程度と重症度を検出することができ、2 年間の精神的健康の経過が明らかになります。 メンタルヘルスの経過を検出するために、より頻繁な評価ポイントを持つことの付加価値を明らかにすることは、本研究の重要な成果です。 EMA 評価の結果は、メンタルヘルスの症状や行動における個人の日次変動を明らかにし、メンタルヘルスの根底にあるプロセスとダイナミクスについての知識を拡大します。 この結果は、精神的健康の評価におけるマルチモーダル データの有用性を実証し、さまざまなデータ ソースからの結果がどのように相互に関連しているかを示します。 これと、頻繁な評価の潜在的な欠点の特定は、将来の健康評価戦略の指針となります。 また、さまざまな評価方法からの健康結果の予測値に関するデータも利用できます。 特に興味深いのは、マルチモーダルデータが単一データモダリティよりも包括的なデータを提供するかどうかを実証し、マルチモーダルデータが精神的健康問題の予測精度を向上させるかどうかを明らかにすることです。

重要なのは、この結果により、年齢と性別で階層化された採用戦略が適切であるかどうか、または代表的な母集団サンプルを取得するために選択的な採用方法が必要であるかどうかが示されることになります。 6 か月および/または 1 年間の追跡調査を伴う自己申告によるメンタルヘルス データの収集と、EMA アプローチによるメンタルヘルス データの収集の実現可能性が明確になります。 結果は、行動検査、受動的データ、採血が提案どおりに使用できる実行可能な結果ツールであるかどうかも示します。