SmartCriseS - Smartphone-undersökning av självmordsrisk (SmartCriseS)

Den föreslagna studien kommer att använda ekologisk momentan bedömning (EMA) via smartphoneapplikationer (appar) och bärbara spårare för att undersöka sambandet mellan suicidalitet (vilja dö, självmordstankar och självmordsförsök) och förändringar i sömnkvalitet och störd aptit. Dessa beteendemarkörer, om hypotesen bevisas sann, kan hjälpa till att förutsäga ökad suicidalrisk i realtid inom en sårbar befolkning över olika kulturer.

Studien syftar till att: (1) fastställa i vilken utsträckning sömnkvaliteten är relaterad till självmordstankar och självmordsförsök; (2) fastställa i vilken utsträckning förändring i aptit är relaterad till självmordstankar och självmordsförsök; (3) Bestäm den känslomässiga effekten av appen när suicidalitet bedöms; (4) Förtydliga tidslinjen för sambandet mellan sömnstörningar och självmordsbeteende; (5) Utveckla personliga algoritmer baserade på EMA-protokoll och motorisk aktivitetsmarkörer eller "signaturer" för att bedöma risken för självmordsförsök.

Hypotesen är att variationer i sömnkvalitet kommer att korrelera med ökad önskan att dö, självmordstankar och självmordsförsök. Det förväntas att en minskning av sömnkvaliteten kommer att vara en självmordsriskmarkör särskilt bland unga individer.

Denna prospektiva tvärnationella studie kommer att använda infrastrukturen i ett befintligt nätverk (WORECA). Woreca har definierat ett gemensamt protokoll för självmordsbedömning, datadelning och analysstrategi.

1044 självmordsförsökare kommer att inkluderas och följas under 6 månader. Varje deltagare kommer att bedömas med hjälp av ett EMA-protokoll via två smartphone-appar: (1) En app kommer att ställa vardagliga frågor enligt ett dynamiskt protokoll för att bedöma kvaliteten på sömn, aptit, självmordstankar och psykopatologi; (2) den andra appen kommer att registrera aktivitet med smartphonesensorer. Dessutom kommer 300 deltagare (150 i Frankrike och 150 i Spanien) att få sina sömnfaser och andra fysiologiska förändringar under sömnen övervakade med ett bärbart armband. Studieresultat inkluderar önskan att leva, önska att dö, självmordstankar och självmordsförsök under uppföljningsperioden.

En logit-regressionsanalys på flera nivåer kommer att användas för att ta hänsyn till flera observationer per individ, för att identifiera individuella nivåer (sömn, aptit, sociodemografiska, kliniska data, behandlingsdata) och egenskaper på platsnivå associerade med dödsbegär, självmordstankar. eller självmordsförsök (mål 1 och 2). Faromodeller kommer också att användas för att relatera kovariata egenskaper (sömn, aptit, sociodemografiska, kliniska data, behandlingsdata) med tiden till självmordsförsök under uppföljningsperioden (mål 1 och 2). Datautvinningstekniker (maskininlärning) kommer att användas för att undersöka riskfaktorer, mönster för sjukdomsutveckling (mål 3 och 4) och patientstratifiering efter nivå av suicidalisk (mål 5).

Att identifiera surrogatmarkörer för suicidalitet relaterad till fysiologiska funktioner, som bär mindre eller inget stigma för patienterna och som är lättare att rapportera, eller har en lägre rapporteringströskel är en viktig uppgift. Dessa markörer skulle göra det möjligt att i realtid förutsäga en ökning av suicidalrisk inom en utsatt befolkning och i slutändan hjälpa till att förebygga och till och med anpassa behandlingen. Suicidala beteenden, inklusive självmordstankar, kan förebyggas men för att vara effektiva måste förebyggande åtgärder förlita sig på identifiering specifika riskfaktorer.