Fatores de risco longitudinais para pensamentos e comportamentos suicidas preveem desfechos com precisão?
Resposta curta: Uma meta-análise de 50 anos de pesquisa mostrou que, embora diversos fatores de risco tenham sido estudados, a capacidade de prever pensamentos e comportamentos suicidas foi apenas ligeiramente superior ao acaso, sem melhora ao longo do tempo. Os achados sugerem a necessidade de mudar o foco para algoritmos de risco baseados em aprendizado de máquina.
Resposta
A meta-análise reuniu 365 estudos longitudinais publicados ao longo de 50 anos, totalizando 3.428 tamanhos de efeito de fatores de risco para pensamentos e comportamentos suicidas. O objetivo foi sumarizar o conhecimento sobre preditores longitudinais desses desfechos.
Os resultados mostraram que, em análises de razão de chances, razão de risco e acurácia diagnóstica, a predição foi apenas ligeiramente melhor que o acaso para todos os desfechos. Nenhuma categoria ampla ou subcategoria de fatores de risco previu substancialmente acima do nível do acaso.
Além disso, a capacidade preditiva não melhorou ao longo dos 50 anos de pesquisa. Os estudos raramente examinaram o efeito combinado de múltiplos fatores de risco, e os fatores avaliados foram homogêneos, com 5 categorias amplas respondendo por quase 80% de todos os testes.
A duração média dos estudos foi de quase 10 anos, mas estudos mais longos não produziram melhor predição. A homogeneidade metodológica limitou a capacidade da meta-análise de testar associações dentro de limites estreitos, o que não permitiu aproximações com a maioria das teorias sobre pensamentos e comportamentos suicidas.
Diante disso, os autores destacam a necessidade de mudanças fundamentais em estudos futuros, particularmente uma mudança de foco de fatores de risco isolados para algoritmos de risco baseados em aprendizado de máquina.
O que o estudo mostrou
Meta-análise de 365 estudos longitudinais (3.428 tamanhos de efeito) dos últimos 50 anos sobre preditores de pensamentos e comportamentos suicidas. A predição foi apenas ligeiramente melhor que o acaso em todas as análises (razão de chances, razão de risco e acurácia diagnóstica). Nenhuma categoria de risco previu muito acima do acaso, e a capacidade preditiva não melhorou em 50 anos. Estudos raramente combinaram múltiplos fatores, e os fatores foram homogêneos, com 5 categorias respondendo por quase 80% dos testes. Estudos mais longos não melhoraram a predição.
Limitações
O resumo não informa detalhes sobre a amostra dos estudos primários, nem sobre possíveis vieses de publicação ou heterogeneidade. A homogeneidade metodológica dos estudos incluídos limitou a meta-análise a examinar associações dentro de limites estreitos, não permitindo testar adequadamente as teorias existentes sobre pensamentos e comportamentos suicidas. O resumo também não fornece informações sobre a qualidade individual dos estudos.
Aplicação no consultório
Os achados indicam que confiar apenas em fatores de risco tradicionais para prever pensamentos e comportamentos suicidas pode ser insuficiente na prática clínica. Para o consultório, isso sugere a necessidade de incorporar abordagens mais abrangentes, como algoritmos de aprendizado de máquina, para estratificação de risco. Além disso, reforça a importância de combinar múltiplos fatores e monitorar desfechos de forma longitudinal, ainda que a predição permaneça limitada. Gestores podem considerar investir em ferramentas tecnológicas que integrem dados diversos para auxiliar na identificação de pacientes em risco.
Estudo citado
Risk factors for suicidal thoughts and behaviors: A meta-analysis of 50 years of research. Psychological bulletin, 2017.
Autores: Franklin JC, Ribeiro JD, Fox KR, Bentley KH, Kleiman EM, Huang X, Musacchio KM, Jaroszewski AC, Chang BP, Nock MK.
DOI: 10.1037/bul0000084 · PubMed: PMID 27841450
Perguntas para aprofundar
- Como algoritmos de aprendizado de máquina podem melhorar a predição de risco suicida na prática clínica?
- Quais fatores de risco longitudinais para suicídio têm sido mais estudados e por que a predição é limitada?
- O que explica a falta de melhora na capacidade preditiva ao longo de 50 anos de pesquisa sobre risco suicida?
Mais sobre IA em saúde mental
- Modelos de aprendizado de máquina são eficazes para prever risco de suicídio em adolescentes?
- O aprendizado de máquina é útil para prever suicídio em populações psiquiátricas?
- Como o aprendizado de máquina tem sido aplicado à saúde cognitiva de idosos com HIV?
- O reconhecimento de emoções pela fala já pode ser usado na prática clínica em saúde mental?
- Modelos de linguagem de grande porte são eficazes para detecção e prevenção do suicídio?
Todas as perguntas sobre IA em saúde mental · Todos os temas · Versão em markdown