SmartCriseS - Smarttelefonundersøkelse av selvmordsrisiko (SmartCriseS)

Den foreslåtte studien vil bruke økologisk momentan vurdering (EMA) via smarttelefonapplikasjoner (apper) og bærbare trackere for å undersøke forholdet mellom suicidalitet (ønske om å dø, selvmordstanker og selvmordsforsøk) og endringer i søvnkvalitet og forstyrret appetitt. Disse atferdsmarkørene, hvis hypotesen er bevist sann, kan bidra til å forutsi økt selvmordsrisiko i sanntid innenfor en sårbar befolkning på tvers av ulike kulturer.

Studien har som mål å: (1) Etablere i hvilken grad søvnkvalitet er relatert til selvmordstanker og selvmordsforsøk; (2) Etablere i hvilken grad endring i appetitt er relatert til selvmordstanker og selvmordsforsøk; (3) Bestem den følelsesmessige effekten av appen når suicidalitet vurderes; (4) Avklare tidslinjen for forholdet mellom søvnforstyrrelser og selvmordsatferd; (5) Utvikle personlige algoritmer basert på EMA-protokoll og motoriske aktivitetsmarkører eller "signaturer" for å vurdere risikoen for selvmordsforsøk.

Hypotesen er at variasjoner i søvnkvalitet vil korrelere med økt ønske om å dø, selvmordstanker og selvmordsforsøk. Det forventes at en reduksjon i søvnkvalitet vil være en selvmordsrisikomarkør, spesielt blant unge individer.

Denne prospektive tverrnasjonale studien vil bruke infrastrukturen til et eksisterende nettverk (WORECA). Woreca har definert en felles protokoll for selvmordsvurdering, datadeling og analysestrategi.

1044 selvmordsforsøkere vil bli inkludert og fulgt i 6 måneder. Hver deltaker vil bli vurdert ved hjelp av en EMA-protokoll via to smarttelefonapper: (1) En app vil stille dagligdagse spørsmål etter en dynamisk protokoll for å vurdere søvnkvalitet, appetitt, selvmordstanker og psykopatologi; (2) den andre appen vil registrere aktivitet ved hjelp av smarttelefonsensorer. I tillegg vil 300 deltakere (150 i Frankrike og 150 i Spania) få søvnfasene og andre fysiologiske endringer under søvn overvåket med et armbånd. Studieresultater inkluderer ønske om å leve, ønske om å dø, selvmordstanker og selvmordsforsøk i oppfølgingsperioden.

En logit-regresjonsanalyse på flere nivåer vil bli brukt for å gjøre rede for flere observasjoner per individ, for å identifisere individnivå (søvn, appetitt, sosio-demografiske, kliniske data, behandlingsdata) og kjennetegn på stedsnivå assosiert med dødsønske, selvmordstanker. eller selvmordsforsøk (mål 1 og 2). Faremodeller vil også bli brukt for å relatere kovariate egenskaper (søvn, appetitt, sosiodemografiske, kliniske data, behandlingsdata) med tid til selvmordsforsøk i løpet av oppfølgingsperioden (mål 1 og 2). Data mining (maskinlæring) teknikker vil bli brukt for å undersøke risikofaktorer, mønstre for sykdomsutvikling (mål 3 og 4) og pasientstratifisering etter nivå av selvmordsrisiko (mål 5).

Å identifisere surrogatmarkører for suicidalitet relatert til fysiologiske funksjoner, som bærer mindre eller ingen stigma for pasientene og er lettere å rapportere, eller har en lavere rapporteringsterskel er en viktig oppgave. Disse markørene vil tillate å forutsi i sanntid en økning i selvmordsrisiko i en sårbar befolkning og til slutt bidra til å forebygge og til og med tilpasse behandlingen. Selvmordsatferd, inkludert selvmordstanker, kan forebygges, men for å være effektiv må forebygging stole på identifisering av spesifikke risikofaktorer.