Neues Modell kann Veteranen mit hohem Selbstmordrisiko identifizieren

Forscher, die unzählige Daten aus elektronischen Patientenakten der Veterans Health Administration (VHA) zusammengetragen haben, haben einen Weg gefunden, sehr kleine Gruppen von Personen in der Patientenpopulation des VHA mit einem sehr hohen, vorhergesagten Suizidrisiko zu identifizieren.

Die meisten von ihnen waren von Ärzten nicht für das Suizidrisiko identifiziert worden. Solche Methoden können dem VHA helfen, Suizidpräventionsbemühungen für Patienten mit hohem Risiko gezielt durchzuführen, und können weitreichendere Vorteile haben.

Die Wissenschaftler von Veterans Affairs (VA) und des National Institute of Mental Health (NIMH), John McCarthy, Ph.D., M.P.H., Robert Bossarte, Ph.D., und Ira Katz, M.D., und Kollegen berichteten über ihre Ergebnisse in der Online-Ausgabe von American Journal of Public Health.

McCarthy und Kollegen entwickelten ihren Suizid-Risiko-Algorithmus, indem sie die VHA-Patientenpopulation aus den Geschäftsjahren 2009-2011 untersuchten. Daten zur Todesart stammen aus dem National Death Index, und Prädiktoren für Selbstmord und andere Todesarten stammen aus klinischen Aufzeichnungen der VHA.

Das Team verwendete Daten von einer Hälfte der Patientenpopulation, um das Vorhersagemodell zu entwickeln, und testete das Modell dann unter Verwendung von Daten aus der anderen Hälfte. Jede der beiden Studienproben umfasste 3.180 Suizidfälle und 1.056.004 Kontrollpatienten.

Die Forscher verglichen das vorhergesagte Suizidrisiko mit der tatsächlichen Mortalität, um die Leistung des Vorhersagemodells zu bewerten.

"Als größter Gesundheitsdienstleister in den USA hat VA die Verantwortung, kontinuierlich zu prüfen, wie unsere umfangreichen Selbstmordpräventionsbemühungen funktionieren, und kritische Möglichkeiten für eine Verbesserung des Dienstes für die Veteranen unseres Landes zu ermitteln", sagte Dr. Caitlin Thompson, stellvertretender Direktor zur Suizidprävention für VA.

„Diese Zusammenarbeit mit NIMH liefert uns beispiellose Informationen, die es uns ermöglichen, innovative Strategien zur Bewertung und Betreuung von Veteranen zu entwickeln und umzusetzen, bei denen möglicherweise ein hohes Selbstmordrisiko besteht.

Dieses Modell wird die Betreuung von Veteranen durch die Suizidpräventionsprogramme von VA verbessern, damit wir unsere Suizidpräventionsbemühungen besser anpassen können, um sicherzustellen, dass alle Veteranen in Sicherheit bleiben. “

Traditionell identifiziert das VHA-Pflegesystem Patienten anhand von Informationen, die während klinischer Begegnungen bewertet wurden, als Patienten mit hohem Suizidrisiko.

Die Forscher fanden heraus, dass das neue Vorhersagemodell empfindlicher war als diese klinische Markierung, da selbst in Gruppen mit dem höchsten auf dem Modell basierenden Suizidrisiko weniger als ein Drittel der Patienten klinisch identifiziert worden waren.

"Dies ist wertvoll, da es der VA umfassendere Informationen über das Suizidrisiko liefert", sagte Michael Schoenbaum, Ph.D., leitender Berater für psychosoziale Dienste, Epidemiologie und Wirtschaft am NIMH und einer der Mitautoren des Berichts.

"Wenn die VA kleine Gruppen von Menschen mit einem besonders hohen Suizidrisiko identifizieren kann, können sie diesen Personen mit dem höchsten Risiko verbesserte Präventions- und Behandlungsdienste anbieten."

"Es ist besonders ermutigend, dass diese Analysen die Arten von Daten verwenden, die für jedes große Gesundheitssystem verfügbar sind", sagte NIMH-Direktor Thomas Insel, M. D. "Diese Methoden könnten uns helfen, Selbstmorde von Zivilisten und Veteranen zu verhindern."

Zusätzlich zur Ermittlung des Suizidrisikos untersuchte das Team die Todesfälle bei Personen, bei denen 2010 das höchste Suizidrisiko festgestellt wurde. Das Team stellte fest, dass diese Gruppe in den nächsten 12 Monaten sowohl sehr hohe Suizid- als auch Nicht-Suizid-Sterblichkeitsraten aufwies.

"Diese Erkenntnis bestätigt die Idee, dass die Verwendung dieses Verfahrens zur gezielten Behandlung von Suizidrisikointerventionen über einen längeren Zeitraum hinweg große Vorteile haben kann", sagte Schönbaum.

Quelle: NIH / EurekAlert