Profiling av sårbarhet og motstandsdyktighet for psykisk sykdom etter virusinfeksjoner: Oversettelse av epidemiologi til dyp-fenotyping. (Viral-MI)

Den israelske kohorten består av to databaser fra Clalit Health Services (CHS)-registrene i Israel (CHS1 n=50 000, CHS2 n=69 594). CHS er den største av fire operative helseorganisasjoner som tilbyr helsetjenester til alle israelske borgere, og dekker over 50 % av Israels befolkning. CHS-databasene gjennomgår periodiske oppdateringsprosesser og er validert av registeralgoritmen samt av mange vitenskapelige organisasjoner som benytter databasen. Diagnoser av kroniske sykdommer er basert på sanntidsdata fra helsetjenesteleverandører, apotek, medisinske behandlingssteder og administrative datasystemer. Psykiatriske diagnoser er basert på ICD-9- og ICD-10-klassifikasjonene. For å vurdere sannsynligheten for alvorlig psykisk lidelse (SMI) etter infeksjon og etterinfeksjonsutfall (CHS1), vil personer med høy belastning av tidligere infeksjoner bli identifisert og matchet i et 1:1-forhold til kontroller etter alder og kjønn. Sannsynligheten for SMI-utbrudd over et bredt spekter av psykiatriske lidelser vil bli undersøkt blant høybelastnings- og kontrollgruppene, inkludert depresjon, bipolar lidelse, angst og psykotiske lidelser. Inklusjonskriterier: personer forsikret av CHS siden fødselen og med minst 10 års oppfølging; eksklusjonskriterier inkluderer opphør av forsikring og manglende påfølgende medisinsk oppfølging. For å vurdere sannsynligheten for psykiatrisk tilbakefall blant personer med forhåndseksisterende psykisk lidelse etter infeksjon (CHS2), vil en kohort på 34 797 personer med schizofreni matchet tilfeldig med alder- og kjønnskontroller (HC) uten schizofrenidiagnose bli utnyttet. Inklusjonskriterier for dette utvalget er en aktiv schizofrenidiagnose i CHS-registrene under analysefasene, og bosted innenfor CHS-sykehusets opptaksområde (for å sikre at psykiatrisk innleggelse er fullstendig registrert); eksklusjonskriterier inkluderer manglende aktiv diagnose og bosted utenfor CHS' opptaksområde. I begge kohortene er sosioøkonomisk status, familiestatus, sivilstatus, antall søsken, røyking, fedme, diabetes, hypertensjon, hyperlipidemi, kronisk obstruktiv lungesykdom og iskemisk hjertesykdom, samt helsetjenestebruk og andre demografiske variabler, samlet inn. Følgende infeksjoner vil bli vurdert i begge kohortene: Epstein Barr-virus, cytomegalovirus, Toxoplasma gondii, COVID-19 og herpesvirus. Mål på betennelse inkluderer nøytrofil/lymfocyt-forhold og systemisk inflammatorisk indeks.

For å demonstrere en sammenheng mellom infeksjoner, med spesielt fokus på virale, alvorlig psykisk lidelse (SMI) og etterinfeksjonsalvorlige utfall (Mål 1), vil vi beregne fareforhold (HR) for å vurdere risikoen for SMI-utvikling eller psykiatrisk tilbakefall etter infeksjon ved bruk av Cox proporsjonal fare-regresjonsmodeller i alle tre kohortene (CHS1, CHS2). Insidensrater og rå- og justerte modeller kontrollert for demografiske og kliniske faktorer vil bli rapportert. Den proporsjonale fareantagelsen vil bli testet som korrelasjonen mellom Schoenfeld-residualene og overlevelses tid, med signifikansnivå p<0,05 som indikerer ikke-proporsjonalitet. Estimert projeksjon av den kumulative sannsynligheten for alvorlige utfall blant personer med forhåndseksisterende SMI vil bli oppnådd ved Kaplan-Meier-analyse. Forvirrende, modererende og medierende mønstre av miljømessige (sosiale og sosiodemografiske) og biologiske (betennelsesmessige, polygen risiko score (PRS) for SMI og immunrelaterte tilstander) mekanismer vil bli vurdert ved bruk av PROCESS-makroen, en simuleringsbasert strategi basert på gjentatt utvalg (bootstrapping)-teknikker. Direkte og indirekte effekter, standardfeil og konfidensintervaller vil bli estimert basert på bootstrap-fordelingen funnet med 10 000 bias-korrigerte gjenutvalg. PRS vil bli beregnet etter metoden beskrevet av Purcell et al. Analyser vil bli utført basert på den rettede asykliske grafen (DAG) kausalrammeverket, som sikrer transparente modellantagelser og minimerer bias. Alle tre databasene gir nasjonalt representative data og har bevist sin effektivitet i å karakterisere SMI-kohorter og sammenhenger med miljøfaktorer, som vist av høyt impaktpublikasjoner.