Zapobieganie samobójstwom dzięki interwencjom opartym na fenotypowaniu cyfrowym i farmakogenetyce (SMARTomicS-R)

Rekrutacja uczestników będzie odbywać się osobiście w ambulatoryjnych klinikach zdrowia psychicznego, oddziałach ratunkowych i krótkoterminowych oddziałach szpitalnych.
Specjaliści zdrowia psychicznego (psychiatrzy, psycholodzy i pielęgniarki) ocenią kwalifikowalność podczas spotkań klinicznych, przekażą informacje o badaniu i uzyskają świadomą zgodę.
Dane będą wprowadzane do środowiska MeMind w celu monitorowania danych i walidacji pacjentów, zapewniając spełnienie kryteriów kwalifikowalności i odnotowując brakujące informacje.

Przed rekrutacją personel medyczny otrzymuje sesje szkoleniowe i ustandaryzowane wytyczne, aby zapewnić przestrzeganie protokołu badania.

Dane będą weryfikowane na podstawie statystyk INE i dokumentacji szpitalnej w celu oceny reprezentatywności i kompletności danych.

Pierwszorzędowym wynikiem jest ryzyko zachowań samobójczych, oceniane przy użyciu Skali Oceny Ryzyka Samobójstw Columbia (C-SSRS), skali Brugha, udokumentowanych incydentów samobójczych, wykorzystania opieki zdrowotnej, wzorców behawioralnych, fenotypowania cyfrowego oraz modyfikacji leczenia farmakologicznego.
Wyniki drugorzędowe obejmują ocenę skuteczności leczenia farmakologicznego oraz opłacalności markerów genetycznych w kierowaniu wyborem leków przeciwdepresyjnych.

Zbieranie danych wyjściowych obejmuje:

1. Pobieranie próbek genetycznych do profilowania genomowego i metabolicznego.
2. Ocenę socjodemograficzną i kliniczną.
3. Ekstrakcję danych behawioralnych cyfrowych opartą na zgodzie za pośrednictwem Google Takeout.

Aby wzbogacić profile zdrowotne uczestników, zostaną zintegrowane dane retrospektywne z elektronicznych dokumentacji medycznych (EHR), rejestrów recept oraz wskaźników socjodemograficznych z Hiszpańskiego Narodowego Instytutu Statystycznego (INE).
Dane EHR będą obejmować Podstawowy Minimalny Zbiór Danych (BMSD), ustandaryzowany zestaw danych kliniczno-administracyjnych.
Próbki krwi umożliwią ekstrakcję DNA/RNA i analizy metabolomiczne.
Odkrycia genetyczne będą porównywane z sumarycznymi statystykami GWAS z Konsorcjum Genomiki Psychiatrycznej (PGC) dotyczącymi prób samobójczych i walidowane na podstawie próbek kontrolnych z Banco Nacional de ADN oraz kohorty Madrid Manic Group.

Dane z Google Takeout będą wykorzystywane do konstruowania fenotypów cyfrowych.
Pacjenci wybiorą, które dane udostępnić, przy wsparciu asystenta badawczego.
Wybrane dane zostaną pseudonimizowane za pomocą bezpiecznego skryptu przed przechowywaniem na serwerach Universidad Carlos III.
Historie recept z różnych regionów autonomicznych zostaną przeanalizowane w celu monitorowania trajektorii leczenia w czasie.

Badanie to jest częścią krajowego konsorcjum, którego celem jest próba co najmniej 5000 uczestników.
Obliczenia mocy, oparte na niedawnej metaanalizie (Li, 2023), wskazują, że ta wielkość próby dałaby 93,5% mocy przy poziomie istotności w całym genomie (p < 5×10⁻⁸), przy założeniu częstości allelu mniejszego 0,2 i ilorazu szans 1,3, uwzględniając zmienność płci, diagnozy i odpowiedzi na leczenie.

Analizy statystyczne będą przeprowadzane przy użyciu oprogramowania SPSS w wersji 29.0.
Modele regresji logistycznej zostaną użyte do zbadania czynników związanych z wynikami pierwszorzędowymi, a model regresji wielorakiej zostanie opracowany w celu oceny niezależnych związków.
Wszystkie testy będą dwustronne, z istotnością statystyczną zdefiniowaną jako p < 0,05 i podanymi 95% przedziałami ufności.

W celu identyfikacji cyfrowych biomarkerów behawioralnych zostaną zastosowane zaawansowane techniki statystyczne i uczenia maszynowego.
Indywidualne profile związane z samobójstwem zostaną wygenerowane i porównane przy użyciu zintegrowanych danych ze źródeł genetycznych, metabolicznych, medycznych i fenotypowania cyfrowego.
Dodatkowo zostanie skonstruowany spersonalizowany i anonimizowany ekspozom poprzez połączenie danych geo-czasowych z Google Takeout z informacjami kontekstowymi z publicznych zestawów danych socjodemograficznych (np. INE).