Нови софтверски алат може предвидети појединачни ризик од ПТСП-а

Истражитељи су креирали софтверски модел који може тачно да идентификује 800 различитих начина на које су људи изложени повећаном ризику од посттрауматског стресног поремећаја (ПТСП).

Истраживачи са Медицинског центра Универзитета Њујорк Лангоне верују да ће нови модел по први пут омогућити персонализовани водич за предвиђање ПТСП-а.

Резултати студије су објављени у часопису БМЦ психијатрија.

„Наша студија показује да се високо ризичне особе које су доживјеле трауматични догађај могу идентификовати мање од двије седмице након што су први пут виђене у одјелу за хитне случајеве“, каже др. Ариех И. Схалев, професор Барбара Вилсон на Одјелу за психијатрију. на њујоршком универзитету Лангоне.

„До сада нисмо имали алат - у овом случају рачунски алгоритам - који може извагати много различитих начина на које се траума дешава код појединаца и пружити персонализовану процену ризика.“

Историјски гледано, клиничари су били ограничени рачунским методама које су само могле израчунати просечни ризик за читаве групе преживелих. А они су се показали недовољним као појединачно средство предвиђања ризика.

Нови алгоритам применио је алате за предвиђање ризика који се тренутно користе за предвиђање раста карцинома, за предвиђање ПТСП-а.

Истраживачи су дизајнирали студију како би открили заменљиве, максимално предвиђајуће скупове раних индикатора ризика и изградили нови алгоритам користећи модел који је претходно развијен у Њујоршком универзитетском центру за здравствену биоинформатику за молекуларна истраживања и истраживање рака.

Алат је показао да, када се примени на податке прикупљене у року од десет дана од трауматичног догађаја, може тачније да предвиди ко ће вероватно развити ПТСП упркос многим начинима на које се догађају трауматични догађаји.

Подаци уврштени у алгоритам укључују променљиве о врсти догађаја, раним симптомима и налазима одељења за хитне случајеве.

„До недавно смо углавном користили ране симптоме за предвиђање ПТСП-а, а имао је и својих недостатака“, рекао је Схалев.

„Ова студија проширује нашу способност ефикасног предвиђања. На пример, показује да се функције као што су појава трауме главе, трајање боравка у одељењу за хитне случајеве или преживели који изражавају потребу за помоћи могу интегрисати у алат за предвиђање и побољшати предвиђање. “

Развој снажног предиктивног модела такође је императив за прилагођавање напора на превенцији за људе који су у ризику од развоја ПТСП-а, додаје Схалев.

Најновије истраживање Шалева темељи се на подацима првобитно прикупљеним из студије о досезању и превенцији трауме у Јерусалиму, коју су он и колеге спровели у болници Хадассах у Израелу и која је претходно објављена у Архива опште психијатрије.

Та студија је закључила да су два облика когнитивно-бихевиоралне терапије, продужена изложеност и когнитивна терапија, подједнако ефикасна у превенцији ПТСП-а код недавних преживелих.

Шалев је, међутим, упозорио да је ова публикација „доказ концепта“. За робусно предвиђање у различитим условима, рекао је, идентификовани алгоритам треба користити за прикупљање знања стеченог у трауматичним догађајима које су искусиле друге популације пацијената и трауматичних догађаја, мимо оних анализираних из раније студије.

Да би створио генерализовани предиктивни модел, истраживачки тим је већ добио скупове података из 19 других центара широм света у студији, коју је финансирао Национални институт за ментално здравље, осмишљеној да произведе свеобухватан предиктивни алгоритам. Изводи се у сарадњи са истраживачима са универзитета Колумбија и Харвард,

„У будућности се надамо да ћемо бити у могућности да прилагодимо приступе лечењу на основу персонализованије процене ризика“, рекао је Схалев. „ПТСП наноси велике жртве погођеним појединцима и друштву.“

Нове студије у САД-у и преко Светске здравствене организације показују да ће већина живих одраслих доживети бар један трауматичан догађај током свог живота. Штавише, пет до десет посто оних који су изложени трауматичним догађајима могу развити ПТСП.

Извор: Медицински центар Лангоне Универзитета Њујорка / ЕурекАлерт