Сетевой анализ: новый подход к пониманию суицидального поведения

Размещено на http://www.allbest.ru/

Сетевой анализ: новый подход к пониманию суицидального поведения

Derek de Beurs

Нидерландский институт исследований медицинских услуг, Нидерланды

Суицид - проблема мирового масштаба, обсуждаемая повсеместно, но мало известно о развитии суицидального поведения (СП) как результирующей сложного взаимодействия биопсихосоциальных факторов. Эпидемиологические исследования выявили ряд факторов риска СП, но далеко до понимания механизма их взаимодействий и влияния на суицидогенез. Новый подход, сетевой анализ, может улучшить понимание процесса, обнаруживая и визуализируя комплекс взаимосвязей многообразных признаков и факторов риска. Сетевой анализ (СА) данных пациентов показывает взаимодействие факторов риска СП и пригоден для изучения депрессии и психоза, но пока мало задействован в суицидологии. Представлена концепция СА профилактики СП и предложены направления применения этих знаний.

Ключевые слова: суицид, сетевой анализ, симптомы, индивидуальный терапевтический подход.

NETWORK ANALYSIS: A NOVEL APPROACH TO UNDERSTAND SUICIDAL BEHAVIOUR

Derek de Beurs

Netherlands Institute for Health Services Research (NIVEL), Otterstraat 118-124, 3513 CR Utrecht, The Netherlands; Academic Editor: Paul B. Tchounwou

Although suicide is a major public health issue worldwide, we understand little of the onset and development of suicidal behaviour. Suicidal behaviour is argued to be the end result of the complex interaction between psychological, social and biological factors. Epidemiological studies resulted in a range of risk factors for suicidal behaviour, but we do not yet understand how their interaction increases the risk for suicidal behaviour. A new approach called network analysis can help us better understand this process as it allows us to visualize and quantify the complex association between many different symptoms or risk factors. A network analysis of data containing information on suicidal patients can help us understand how risk factors interact and how their interaction is related to suicidal thoughts and behaviour. A network perspective has been successfully applied to the field of depression and psychosis, but not yet to the field of suicidology. In this theoretical article, I will introduce the concept of network analysis to the field of suicide prevention, and offer directions for future applications and studies.

Key words: suicide, network analysis, symptoms, personalized treatment

сетевой анализ суицидальное поведение

Комплексный характер суицидального поведения (СП). Суицид - проблема мирового масштаба [1]: в рейтинге ведущих причин смерти занимая десятое место, в некоторых странах устремился вверх с начала мирового финансового кризиса в 2007 г. [2].

В последние годы многочисленные эпидемиологические исследования выявили ряд факторов риска СП, такие как половые различия и психические расстройства [3], но известно не много об их взаимодействии [4]. Традиционный эпидемиологический анализ ограничен статистически значимыми общими факторами, как возраст и пол. Это, прежде всего, важно здравоохранению, но не лечащему врачу конкретного пациента, в том числе при выборе индивидуального терапевтического подхода. Данные, что у мужчин старшего возраста риск СП выше, чем у молодых женщин клинически малоценны.

В последнее время модели СП сосредоточены вокруг основополагающей биопсихосоциальной парадигмы [4]. Для облегчения комплексного анализа СП разработана объединённая мотивационно-волевая модель (Integrated Motivational Volitional Model, или ОМВМ) (рис. 1) [4, 5].

ОМВМ подразумевает, что СП в развитии проходит мотивационные и волевые фазы. Первая описывает симптомы, которые связаны с появлением суицидальных мыслей. Признаками стадии служат ощущение безысходности, совладание, навязчивые мысли. Волевая стадия

- диапазон от суицидальных мыслей, представлений до суицидальных тенденций - связана с большим риском СП. Выделены центральные аспекты модели [4]: безысходность и безнадёжность [6]. По ОМВМ, волевые факторы определяют границу между совершившими суицидальную попытку и лишь помышляющими о суициде [7]. Следующий логический шаг

- обнаружение связи между сосуществующими в комплексной модели факторами. Для понимания взаимодействия между многими переменными предложен сетевой анализ (СА).

СА в психопатологии. Психопатологические симптомы, как усталость, бессилие и сниженное настроение взаимодействуют и влияют друг на друга [8]. Этот подход отличается от подхода классической медицины, используемого в соматической практике, согласно которому, к примеру, головная боль - проявление возможной опухоли. Так и в основе симптомов, как сниженное настроение, апатия, суицидальные мысли обычно психическое расстройство, как депрессивное (ДР).

Так и опухоль не обязательно проявляется головной болью, а головная боль не всегда подразумевает опухоль, то есть необходимо отделять медицинское условие (субстрат, диагноз) от симптомов [8]. Эта точка зрения не находит эмпирического применения в психопатологии: вряд ли ДР не сопровождает печаль [8]. Подход СА к психопатологии признан, так как предлагает альтерна-тивное объяснение сосуществования психопатологических симптомов [9]. В последние годы интенсивно развиваются статистические модели и программное обеспечение СА депрессии, психоза и ПТСР [9]. Хотя суицидальные мысли и СП не принято полагать нозологической категорией (оспорено [10]), СА может объяснить сложные модели СП, выявить различия подгрупп суицидентов и персонифицировать помощь и терапию.

Применение СА в профилактике СП.

Рис. 1. Объединённая мотивационно-волевая модель СП

Комплексные модели СП. ОМВМ (рис. 1) выделяет составляющие домотивационной, мотивационной (переживания и формирование намерений) и волевой (принятие решения, осуществление намерения) стадий СП. По ОМВМ, суицидальные мысли появляются при взаимодействии переживаний неудачи и безысходности и дополнительных симптомов: навязчивые размышления, низкий уровень социальной поддержки [5]. Такие черты характера, как импульсивность и затруднения планирования могут быть триггерами перехода от мотивационной к волевой стадии. Взаимодействие между элементами модели может быть проанализировано как сеть. Так, в определённый момент (поперечный срез) суицидентов просили оценить пять утверждений по пятибалльной шкале. Выше балл - больше степень согласия. Из пяти положений два характеризовали мотивационную стадию (неотступные мысли о смерти, суициде), три - волевую стадию (я склонен к импульсивным поступкам, есть план суицида, жду подходящего момента). Отношения между ответами респондентов могут быть проанализированы при помощи корреляционной матрицы 5 х 5. Бесплатный программный пакет [11] позволяет визуализировать матрицу корреляций как сеть, в которой каждый узел обозначает некое положение, явление, а линия - корреляцию между ними. В сети два узла связаны линией, если между ними достоверная связь. Последняя может быть обнаружена и показана матрицей частичной корреляции. Она используется чаще при изучении ложных связей и зависимости в некой условной структуре.

Не связанные узлы независимы от иных переменных. Больше информации по основам статистики и методологии в дополнительных источниках [11-15]. Вариант СА пяти вышеуказанных пунктов на рис. 2.

Рис. 2. Гипотетический пример СА суицидальных симптомов. (Int - интенсивность суицидальных мыслей; pla - конкретный план; imp - импульсивность, die - желание умереть; sui - готовность к суициду. Линии зелёного цвета обозначают положительные связи. Чем толще линия - сильнее зависимость)

Рис. 2 показывает отношения между признаками ОМВМ как сети. В гипотетической сети четыре признака (интенсивность суицидальных мыслей (int), планирование (pla), импульсивность (imp), желание умереть (die) связаны с разной силой. Далее, согласно модели, только импульсивность непосредственно связана с вероятностью попытки суицида. Рассматривая эту сеть более абстрагировано, можно проследить развитие суицидального процесса, вычленить центральные, важные признаки и их связь с другими факторами [9]. У основных узлов предположительно наибольшее количество связей, и какие-либо изменения с их стороны вероятнее вызовут цепную реакцию в сети по принципу обратной связи. Раннее выявление и лечение могут сосредотачиваться на этих признаках, что, скорее всего, повлияет и на другие симптомы. Итак, получим возможность определять показатели суицидального кризиса.

Различия пациентов. СП отличается в подгруппах пациентов. Так, СП имеет половые различия [3, 16]. Индивидуальный анализ симптомов СП в длительных исследованиях показал, что стресс увеличивал риск СП только в подгруппах мужчин [17]. Многие исследователи не учитывают различия подгрупп [7, 18, 19], что ведёт к выявлению неспецифических факторов риска, имеющих ограниченное значение в предупреждении СП. Понимание раличий структуры симптомов в подгруппах поможет уточнению диагностики. При создании модели СА учитывает различия в подгруппах пациентов. Так, на рис. 3 смоделированы сети для мужчин и женщин, и показаны тонкие половые различия в структуре сети. В подгруппе мужчин импульсивность теснее связана с готовностью к суициду, СП и планирование взаимосвязаны, тогда как в подгруппе женщин подобная связь, вероятно, отсутствует.

Рис. 3. Гипотетическая сеть симптомов СП мужчин и женщин (Males - мужчины, Females - женщины, Int - интенсивность суицидальных мыслей; pla - конкретный план; imp - импульсивность, die - желание умереть; sui - готовность к суициду. Зеленые линии обозначают положительные связи. Чем толще линия - сильнее зависимость.)

Программное обеспечение R package Network Comparison Test (NCT) позволяет формально проверить различие между сетями [20, 21]. Неэмпирический пример даёт ключ к пониманию потенциала СА в выявлении различий подгрупп пациентов. Выявленные особенности могут быть переведены в большее количество калиброванных диагностических критериев диагностики СП.

Индивидуальный терапевтический подход с использованием СА данных пациента. Когда данные собираются в течение определённого времени, через конкретные временные отрезки, например, при помощи телефона [22], можно сформировать уникальную индивидуальную сеть для отдельного пациента. То есть сеть будет сформирована не на уровне группы пациентов, а представлена персональной статистической моделью.

При помощи такой уникальной аналитической модели пациент может научиться пониманию взаимодействия психопатологических симптомов, раннему распознаванию суицидального кризиса.

Пациент может использовать личную сеть как инструмент улучшения и индивидуализации лечения. В необычном исследовании единственная участница год контролировала психотические симптомы, оценивая 10 параметров самочувствия четырежды в неделю [23]. Сетевые данные позволили повысить степень понимания соотношения симптомов и динамики общего состояния при изменении конкретных показателей, что помогало пациентке предвидеть рецидив, улучшая самоконтроль и реабилитацию. В идеальных условиях такая сеть должна создаваться при участии профессионалов и близких пациента, то есть три участника формируют сеть, обсуждая и планируя терапию. Подобная программа исследования СП с использованием мобильного телефона начата Свободным университетом Амстердама. Непрерывная оценка профилактики СП (Continuous Assessment for Suicide Prevention and Research, CASPAR) подразумевает сбор данных в группе (n=30-60) получающих специализированную медицинскую помощь. Эти данные в конце 2017 г. станут первым инструментом индивидуальных аналитических моделей СП.

Обсуждение. СА может улучшить понимание механизмов СП, различение подгрупп пациентов. Сетевые исследования в других областях психиатрии обнаружили ряд новых данных: более густая, насыщенная сеть связана с дальнейшей депрессией [20]; показана взаимосвязь детской психотравмы и психотических симптомов [24]. Для суицидента важна информация о своём состоянии при помощи уникальной персонифицированной сети, что делает лечение более индивидуальным и безопасным. СП - диагностически сложная структура, и СА может стать хорошим подспорьем клиницистам и их пациентам.

Социальные сети и СП. В социологии взгляд на СП с позиции сети представлен в 1989 г. [25]. Авторы пересмотрели теорию Э. Дюркгейма об антисуицидальной роли религии, уточнив, что сила религии зависит от силы влияния социальной группы, в которой она распространена. Модель СП представлена взаимодействием социальных факторов, а не комплексом связей между симптомами [26]. Работы Э. Дюркгейма и современных социологов актуальны и весомы в суицидологии как историческое наследие и основа научных традиций [26], но разительно отличны от подхода данной статьи.

Дальнейшие исследования. Для применения СА необходимы два условия: большая выборка с основными суицидальными симптомами и программное обеспечение R (R Foundation, Вена, Австрия). Разработчик предлагает упрощённую версию с более удобным пользовательским интерфейсом, учебные пособия [11]. Сайты (psychosystems.org) предлагают виртуальное обсуждение СА научным сообществом. Международной группой суицидологов планируется пересмотреть национальные и международные выборки данных суицидентов с использованием СА в рамках проекта SUPER (Suicide Prevention by Extending Research). Длительное нидерландское исследование NESDA - база данных о симптомах депрессии, тревоги, СП более 3000 пациентов [27]. Шотландское исследование благополучия (Scottish Wellbeing Study) содержит данные о безысходности, неудачах, социальной изоляция, навязчивых воспоминаниях и образах, боязни обременения 3500 подростков. Бельгийская база самоповреждений включает данные > 15000 суицидентов, лечившихся в клиниках за 26 лет [28]. С помощью нового подхода возможна коррекция взглядов на половые различия СП, взаимодействие суицидальных симптомов. Планируется более детальное изучение депрессии в группах пациентов с СП и без оного.

Итак, необходимым условием качественного анализа служит большая выборка: количество наблюдений соответствует количеству заданных параметров. Для исследования 10 симптомов - взять > 55 случаев (10 параметров + 10 х 9/2 возможных взаимодействий), для 20 и 50 пунктов - 210 и 1250 соответственно [15]. Общие базы данных населения, как правило, указывают заниженные показатели психопатологической симптоматики в связи с относительно малой долей «больных». При выявлении подгрупп респондентов с высокими показателями психопатологической симптоматики рекомендовано сравнение с общей выборкой [29]. При построении сети с использованием поперечных данных прямая причинная связь не прослеживается [9]. Доказательства, что воздействие на некие ключевые симптомы приводит к уменьшению психопатологической симптоматики следует искать в длительных исследованиях. Объединение СА с латентным [14] как моделирование структурными уравнениями может дополнить информацию. Появляются другие инновации в статистике. Например, посредством алгоритма компьютерного исследования клинических данных обнаружены показатели особого ответа пациентов на определенные антидепрессанты [30]. Теория СА и его программное обеспечение совершенствуются. Следить за обновлениями можно на сайте www.psychosystems.org.

Выводы

Применение СА в суицидологии может улучшить понимание механизмов СП при обнаружении связей между большим количеством симптомов и факторов риска.

Литература

1. WHO. World Health Organization Public Health Action for the Prevention of Suicide. Available online: http://www.who.int/rn. 2012.

2. Oyesanya M., Lopez-Morinigo J., Dutta R. Systematic review of suicide in economic recession. World J. Psychiatry. 2015; 5: 243-54.

3. Hawton K., van Heeringen K. Suicide. Lancet. 2009; 373: 1372-81.

4. O'Connor R.C., Nock M.K. The psychology of suicidal behavior. Lancet Psychiatry. 2014; 1: 73-85.

5. O'connor R.C. Towards an Integrated Motivational-Volitional Model of Suicidal Behaviour. In International Handbook of Suicide Prevention: Research, Policy and Practice. - USA, NJ, Wiley-Blackwell: Hoboken. 2011: 181-98.

6. O'Connor R.C., Smyth R., Williams J.M.G. Intrapersonal positive future thinking predicts repeat suicide attempts in hospital-treated suicide attempters. J. Consult. Clin. Psychol. 2015; 83: 169-76.

7. O'Connor R.C., Rasmussen S., Hawton K. Distinguishing adolescents who think about self-harm from those who engage in self-harm. Br. J. Psychiatry. 2012; 200: 330-5.

8. Borsboom D., Cramer A.O.J. Network Analysis: An Integrative Approach to the Structure of Psychopathology. Ann. Rev. Clin. Psychol. 2013; 9: 91-121.

9. Fried E.I., van Borkulo C.D., Cramer A.O.J. et al. Mental disorders as networks of problems: A review of recent insights. Soc. Psychiatry Psychiatr. Epidem. 2016; 58: 7250-7.

10. Oquendo M.A., Baca-Garcia E. Suicidal behavior disorder as a diagnostic entity in the DSM-5 classification system: Advantages outweigh limitations. World Psychiatry. 2014; 13: 128-30.

11. Epskamp S., Cramer A.O.J., Waldrop L.J. et al. Network visualizations of relationships in psychometric data. J. Stat. Soft. 2012; 48: 1-18.

12. Costantini G., Epskamp S., Borsboom D. et al. State of the aRt personality research: A tutorial on network analysis of personality data. R. J. Res. Personal. 2015; 54: 13-29.

13. Van Borkulo C.D., Borsboom D., Epskamp S. et al. A new method for constructing networks from binary data. Sci. Rep. 2014; 4: 5918.

14. Epskamp S., Rhemtulla M., Borsboom D. Generalized Network Psychometrics: Combining Network and Latent Variable Models. arXiv:1605.09288.

15. Epskamp S., Borsboom D., Fried E.I. Estimating Psychological Networks and their Stability: A Tutorial Paper. arXiv: 1604.08462.

16. De Beurs D.P., Hooiveld M., Kerkhof A.J. et al. Trends in suicidal behaviour in Dutch general practice 1983-2013: A retrospective observational study. BMJ Open. 2016; 6: e010868.

17. Fried E.I., Nesse R.M., Zivin K. et al. Depression is more than the sum score of its parts: Individual DSM symptoms have different risk factors. Psychol. Med. 2013; 44: 2067-76.

18. De Beurs D.P., de Groot M.H., de Keijser J. et al. Evaluation of benefit to patients of training mental health professionals in suicide guidelines: Cluster randomised trial. Br. J. Psychiatry. 2015; 208: 477-83.

19. Dhingra K., Boduszek D., O'Connor R.C. A structural test of the Integrated Motivational-Volitional model of suicidal behavior. Psychiatry Res. 2016; 239: 169-78.

20. Van Borkulo C., Boschloo L., Borsboom D. et al. Association of Symptom Network Structure with the Course of Longitudinal Depression. JAMA Psychiatry. 2015; 72: 1219-26.

21. Rpackage Network Comparison Test. Available online: https://cran.r-project.org/web/packages/

22. De Beurs D., Kirtley O., Kerkhof A. et al. The role of mobile phone technology in understanding and preventing suicidal behavior. Crisis J. Crisis Interv. Suicide Prev. 2015; 36: 79-82.

23. Bak M., Drukker M., Hasmi L. et al. An n=1 Clinical network analysis of symptoms and treatment in psychosis. PLoS ONE. 2016; 11: e0162811.

24. Isvoranu A.M., van Borkulo C.D., Boyette L.L. et al. Network Approach to Psychosis: Pathways between Childhood Trauma and Psychotic Symptoms. Schizophr. Bull. 2016; 43: 187-96.

25. Pescosolido B.A., Georgianna S. Durkheim, Suicide, and Religion: Toward a Network Theory of Suicide. Am. Sociol. Rev. 1989; 54: 33-48.

26. Stack S. Suicide: A 15 Year Review of the Sociological Literature: Part II: Modernization and Social Integration Perspectives. Suicide Life Threat. Behav. 2000; 30: 163-76.

27. Penninx B.W.J.H., Beekman A.T.F. et al. The Netherlands Study of Depression and Anxiety (NESDA): Rationale, objectives and methods. Int. J. Methods Psychiatr. Res. 2008; 17: 121-40.

28. Vancayseele N., Portzky G., Van Heeringen K. Increase in selfinjury as a method of self-harm in Ghent, Belgium: 1987-2013. PLoS ONE. 2016; 11: e0156711.

29. Terluin B., De Boer M.R., De Vet H.C.W. Differences in connection strength between mental symptoms might be explained by differences in variance: Reanalysis of network data did not confirm staging. PLoS ONE. 2016; 11: e0155205.

30. Chekroud A.M., Zotti R.J., Shehzad Z. et al. Cross-trial prediction of treatment outcome in depression: A machine learning approach. Lancet Psychiatry. 2016; 3: 243-50.

Размещено на Allbest.ru