Novo modelo de aprendizado de máquina mostra-se promissor na previsão do risco de depressão pós-parto

Novo modelo de aprendizado de máquina mostra-se promissor na previsão do risco de depressão pós-parto

A depressão pós-parto (DPP) afeta até 15% das pessoas após o parto. A identificação precoce de pacientes com DPP poderia melhorar o apoio proativo à saúde mental. Os pesquisadores do Mass General Brigham desenvolveram um modelo de aprendizado de máquina que pode avaliar o risco de DPP dos pacientes usando fatores clínicos e demográficos facilmente acessíveis. Os resultados que mostram as capacidades preditivas promissoras do modelo são publicados noJornal Americano de Psiquiatria.

“A depressão pós-parto é um dos maiores desafios que alguns pais podem enfrentar no período pós-parto – uma altura em que muitos enfrentam a privação de sono, novos stresses e mudanças significativas na vida”, disse Mark Clapp, MD, MPH, do Departamento de Obstetrícia e Ginecologia do Massachusetts General Hospital. "Sentimentos persistentes de tristeza, depressão ou ansiedade podem ser mais comuns do que muitas pessoas imaginam. Nossa equipe, liderada pelo Dr. Roy Perlis, foi além deste trabalho para entender melhor quais pacientes podem estar em maior risco de DPP, a fim de facilitar estratégias e soluções para prevenir a DPP ou reduzir sua gravidade".

Normalmente, os sintomas da DPP são avaliados em consultas pós-parto que ocorrem 6 a 8 semanas após o parto. Como resultado, muitos pais podem ter dificuldades durante algumas semanas antes de receberem apoio de saúde mental. Para prestar cuidados precoces de DPP, os investigadores desenvolveram um modelo que requer apenas informações no registo eletrónico de saúde (EHR) no momento do parto, incluindo dados demográficos, condições médicas e histórico de visitas. Este modelo pondera e integra estas variáveis ​​complexas para avaliar com mais precisão o risco de DPP.

Para desenvolver e validar o modelo, os autores usaram informações de 29.168 pacientes grávidas que nasceram entre 2017 e 2022 em dois centros médicos acadêmicos e seis hospitais comunitários no sistema Mass General Brigham. Nesta coorte, 9 por cento dos pacientes preencheram os critérios do estudo para PPD seis meses após a dispensação.

Os pesquisadores usaram dados de saúde de cerca de metade dos pacientes para treinar o modelo para identificar DPP. Eles então testaram o modelo pedindo-lhe que previsse a DPP na outra metade dos pacientes. Os pesquisadores descobriram que o modelo foi eficaz em descartar o PPD em 90% das vezes. O modelo mostrou-se promissor na previsão de DPP: quase 30 por cento das pessoas que se esperava serem de alto risco desenvolveram DPP nos seis meses após o parto. O modelo foi aproximadamente duas a três vezes melhor na previsão de DPP do que a estimativa de risco da população geral.

Numa análise mais aprofundada, os investigadores mostraram que o modelo teve um desempenho semelhante, independentemente da raça, etnia e idade no parto. O estudo incluiu apenas aqueles sem diagnóstico psiquiátrico prévio para determinar se o modelo pode prever a DPP mesmo em pacientes de baixo risco e para compreender melhor os fatores de risco que influenciam a DPP fora dos diagnósticos psiquiátricos anteriores. Em particular, as pontuações na Escala de Depressão Pós-natal de Edimburgo adquiridas no período pré-natal O período melhorou as capacidades preditivas do modelo e destacou que esta ferramenta existente pode ser útil tanto antes como depois da entrega.

Os pesquisadores estão testando prospectivamente a precisão do modelo, um passo essencial para o uso no mundo real, e trabalhando com pacientes, médicos e partes interessadas para determinar a melhor forma de incorporar as informações do modelo na prática clínica.

Este é um progresso emocionante no desenvolvimento de uma ferramenta preditiva que, combinada com a experiência dos médicos, poderia ajudar a melhorar a saúde mental materna. Com maior validação e colaboração com médicos e pacientes, esperamos conseguir uma identificação mais precoce e, em última análise, melhorar os resultados de saúde mental para pacientes pós-parto. “

Mark Clapp, MD, MPH, Departamento de Obstetrícia e Ginecologia, Massachusetts General Hospital

Fontes: