Un nouveau modèle d’apprentissage automatique est prometteur pour prédire le risque de dépression post-partum

Un nouveau modèle d’apprentissage automatique est prometteur pour prédire le risque de dépression post-partum

La dépression post-partum (PPD) touche jusqu'à 15 pour cent des personnes après l'accouchement. L'identification précoce des patients atteints de DPP pourrait améliorer le soutien proactif en matière de santé mentale. Les chercheurs de Mass General Brigham ont développé un modèle d'apprentissage automatique capable d'évaluer le risque de PPD des patients à l'aide de facteurs cliniques et démographiques facilement accessibles. Les résultats montrant les capacités prédictives prometteuses du modèle sont publiés dans leJournal américain de psychiatrie.

"La dépression post-partum est l'un des plus grands défis auxquels certains parents peuvent être confrontés pendant la période post-partum - une période où beaucoup sont confrontés à un manque de sommeil, à de nouveaux stress et à des changements importants dans leur vie", a déclaré Mark Clapp, MD, MPH, du département d'obstétrique et de gynécologie du Massachusetts General Hospital. « Les sentiments persistants de tristesse, de dépression ou d'anxiété peuvent être plus courants que beaucoup de gens le pensent. Notre équipe, dirigée par le Dr Roy Perlis, est allée au-delà de ce travail pour mieux comprendre quels patients peuvent présenter un risque plus élevé de DPP afin de faciliter des stratégies et des solutions pour prévenir la DPP ou en réduire la gravité.

En règle générale, les symptômes de la PPD sont évalués lors des visites post-partum ayant lieu 6 à 8 semaines après l'accouchement. En conséquence, de nombreux parents peuvent avoir du mal pendant quelques semaines avant de recevoir un soutien en matière de santé mentale. Pour fournir des soins PPD plus précoces, les chercheurs ont développé un modèle qui nécessite uniquement des informations contenues dans le dossier de santé électronique (DSE) au moment de la prestation, y compris des données sur les données démographiques, les conditions médicales et l'historique des visites. Ce modèle pèse et intègre ces variables complexes pour évaluer plus précisément le risque de PPD.

Pour développer et valider le modèle, les auteurs ont utilisé les informations de 29 168 patientes enceintes accouchées entre 2017 et 2022 dans deux centres médicaux universitaires et six hôpitaux communautaires du système Mass General Brigham. Dans cette cohorte, 9 pour cent des patients répondaient aux critères de l'étude pour la PPD six mois après l'administration.

Les chercheurs ont utilisé les données de santé d’environ la moitié des patients pour entraîner le modèle à identifier la PPD. Ils ont ensuite testé le modèle en lui demandant de prédire la PPD chez l'autre moitié des patients. Les chercheurs ont constaté que le modèle était efficace pour exclure la PPD dans 90 % des cas. Le modèle s'est révélé prometteur dans la prévision de la PPD : près de 30 % des personnes susceptibles d'être à haut risque ont développé une PPD dans les six mois suivant l'accouchement. Le modèle était environ deux à trois fois plus efficace pour prédire la PPD que l’estimation du risque pour la population générale.

Dans une analyse plus approfondie, les chercheurs ont montré que le modèle fonctionnait de manière similaire quels que soient la race, l'origine ethnique et l'âge à l'accouchement. L'étude a inclus uniquement ceux sans diagnostic psychiatrique préalable afin de déterminer si le modèle peut prédire la PPD même chez les patients à faible risque et de mieux comprendre les facteurs de risque qui influencent la PPD en dehors des diagnostics psychiatriques antérieurs. En particulier, les scores sur l'échelle de dépression postnatale d'Édimbourg acquis avant la naissance Cette période a amélioré les capacités prédictives du modèle et a mis en évidence que cet outil existant peut être utile avant et après la livraison.

Les chercheurs testent de manière prospective l'exactitude du modèle, une étape essentielle vers une utilisation réelle, et travaillent avec les patients, les cliniciens et les parties prenantes pour déterminer la meilleure façon d'incorporer les informations du modèle dans la pratique clinique.

Il s’agit d’un progrès passionnant dans le développement d’un outil prédictif qui, combiné à l’expertise des cliniciens, pourrait contribuer à améliorer la santé mentale maternelle. Avec une validation plus approfondie et une collaboration avec les cliniciens et les patients, nous espérons parvenir à une identification plus précoce et, à terme, améliorer les résultats en matière de santé mentale des patientes en post-partum. "

Mark Clapp, MD, MPH, Département d'obstétrique et de gynécologie, Massachusetts General Hospital

Sources :