Algoritmos baseados em estimativas de mHealth sinalizando a próxima recorrência de episódios em transtornos bipolares (MEASURE-BD)

Veteranos com transtornos bipolares (TB) vivenciam períodos recorrentes e aparentemente imprevisíveis de graves prejuízos no funcionamento psicossocial, que levam a resultados ruins ao longo da vida, como encarceramento, falta de moradia e morte por suicídio. Estudos apoiam uma ligação entre maior gravidade e frequência dos sintomas de TB e pior funcionamento psicossocial. Os veteranos com TB abandonam frequentemente os cuidados em momentos em que o tratamento seria mais benéfico para prevenir a deterioração do funcionamento psicossocial – quando surgem novos episódios maníacos e depressivos. Assim, apesar da disponibilidade de tratamentos baseados em evidências, o TB está entre as principais causas de incapacidade em todo o mundo.

Ferramentas eficazes para detectar prospectivamente o início de episódios maníacos e depressivos poderiam proporcionar aos médicos a oportunidade de intervir de forma mais eficiente e prevenir resultados psicossociais insatisfatórios e perda de vidas. Não é de surpreender que as intervenções psicoterapêuticas muitas vezes se concentrem em ensinar aos pacientes técnicas de monitoramento do humor para prevenção de recaídas de episódios. No entanto, essas técnicas de autorrelato exigem percepção e grande esforço do paciente, o que pode faltar durante episódios agudos de TB. Faltam medidas do mundo real dos sintomas de TB e do funcionamento social em veteranos com TB que sejam objetivas e não exijam grande percepção ou grande esforço. Assim, métodos passivos de mHealth que sejam viáveis ​​e aceitáveis ​​para veteranos com TB e eficazes na detecção prospectiva de inícios de mania e depressão poderiam prevenir declínios no funcionamento psicossocial, garantindo que cuidados baseados em evidências sejam fornecidos nos momentos de maior necessidade.

O objetivo geral deste projeto do Prêmio de Mérito é estabelecer algoritmos de aprendizado de máquina confiáveis ​​e válidos usando dados de mHealth para detectar prospectivamente declínios na participação social e início prospectivo de mania e depressão em veteranos com TB. Os objetivos específicos do estudo são:

Objetivo nº 1. Estabelecer um algoritmo de aprendizado de máquina usando dados de GPS/localização para prever declínios prospectivos na participação social em veteranos com TB. Os investigadores fornecerão novos modelos de aprendizado de máquina baseados em GPS do mundo real que prevêem mudanças com dias de antecedência na participação social dos veteranos. Com base nos dados do piloto, os investigadores esperam que os preditores/recursos de dados do GPS incluam o tempo gasto na residência, no trabalho e em locais de rotina diária.

Objetivo nº 2. Estabelecer algoritmos de aprendizado de máquina usando dados de GPS/localização para prever estados clínicos prospectivos de TB aguda. Os investigadores irão explorar se a adição de auto-relato diário mais pesado e recursos de voz láctea melhoram a precisão dos modelos usando previsão positiva e outros índices estatísticos. Os investigadores prevêem que os dados passivos de GPS/localização por si só fornecerão uma previsão precisa de mudanças prospectivas nos sintomas de TB.

Objetivo nº 3. Explorar a implementação clínica dos algoritmos baseados em mHealth no tratamento do TB. Grupos focais de provedores e administradores de VA avaliarão a viabilidade da implementação de algoritmos em cuidados clínicos.

Para atingir os objetivos, o estudo recrutará 200 veteranos com diagnóstico de TB que recebem atendimento no Sistema de Saúde VA de Minneapolis por meio de mala direta aos pacientes, folhetos no centro médico e encaminhamentos de médicos. O estudo usará estratégias de recrutamento de amostragem estratificada para inscrever pelo menos 20 veteranos nas faixas etárias de 18 a 35, 36 a 45, 46 a 55, 56 a 65 e 66 anos ou mais. Os participantes serão acompanhados por 14 semanas usando três aplicativos de smartphone (ou seja, VA mPRO, FollowMee e Recorder Plus ou ASR Voice Recorder). Diariamente, os participantes preencherão uma avaliação de 8 perguntas sobre seus sintomas atuais e fornecerão dados de voz para análise de fala em um prompt fixo sobre suas atividades planejadas para o dia. Outro aplicativo monitorará a localização de forma contínua e passiva usando os recursos de GPS do smartphone para detectar desvios na rotina diária. Quinzenalmente, os participantes preencherão uma breve tela telefônica avaliando a participação social e comunitária, sintomas de mania e depressão e tendência suicida. Os dados de saúde móvel dos dias anteriores às entrevistas quinzenais serão usados ​​como recursos em um pequeno número de modelos candidatos de aprendizado de máquina, sendo as medidas de resultados avaliações de entrevistas quinzenais sobre sintomas bipolares e participação social. A equipe do projeto também realizará dois grupos focais - um dos 8 provedores de saúde mental VA e um dos 8 administradores VA - representando diversas disciplinas e usará perguntas de discussão guiadas para obter feedback sobre a implementação de algoritmos baseados em mHealth em futuros cuidados clínicos de veteranos com TB.

Impacto: O objetivo do estudo é fornecer ferramentas clínicas para sinais em tempo real, discretos e prospectivos sobre recaídas iminentes de episódios depressivos e maníacos em veteranos com TB aos seus médicos para um uso mais rápido, menos dispendioso e mais eficaz dos dados existentes baseados em evidências tratamentos para prevenir maus resultados funcionais psicossociais. Além disso, o estudo atual produzirá medidas objetivas, de baixo esforço e discretas para rastrear a participação social in-situ e em tempo real em veteranos com TB e outras populações de veteranos.