Video Experimental Relacionado
Updated: Sep 10, 2025

A Method of Trigonometric Modelling of Seasonal Variation Demonstrated with Multiple Sclerosis Relapse Data
Published on: December 9, 2015
Predicción de la ideación suicida en encuentros clínicos posteriores en pacientes con esclerosis múltiple
Farren Bs Briggs1, Isabella Genuario2, Alessandro S De Nadai3
1Department of Public Health Sciences, University of Miami Miller School of Medicine, Miami, FL, USA.
La ideación suicida (IS) afecta al 30% de las personas con esclerosis múltiple (EMP). Los investigadores desarrollaron modelos predictivos utilizando registros electrónicos de salud y datos de autoinforme para identificar a las personas en riesgo para la atención proactiva.
Área de la Ciencia:
- Neurología
- La psiquiatría
- Informática de la salud
Sus antecedentes:
- Las personas con esclerosis múltiple (EMP) tienen un 30% de riesgo de ideación suicida.
- En la actualidad, no existen herramientas predictivas validadas para identificar los PMS en riesgo de SI.
- Esta brecha requiere el desarrollo de métodos para la detección temprana de riesgos.
Objetivo del estudio:
- Desarrollar y validar modelos predictivos para la ideación suicida (IS) en personas con esclerosis múltiple (EMP).
- Utilizar medidas de autoinforme de baja carga y datos de registros médicos electrónicos (EHR) para el desarrollo de modelos.
- Crear herramientas accesibles para la integración de la predicción del riesgo de IS en la práctica clínica de rutina.
Principales métodos:
- Se utilizó un diseño de estudio de cohorte retrospectivo, analizando datos de 5694 PwMS.
- Los modelos de predicción se construyeron utilizando el operador de menor contracción y selección absolutos (LASSO) y las pruebas de asociación.
- Se desarrollaron modelos para varios subgrupos, incluidas cohortes específicas por sexo y diagnóstico, con validación interna.
Principales resultados:
- De 5694 PwMS, 578 informaron SI en el seguimiento.
- Los predictores clave identificados incluyeron el punto 6 de la PHQ-9 (sentimientos de inutilidad) y el tiempo entre los encuentros clínicos.
- Los modelos desarrollados demostraron una alta precisión predictiva, con un área bajo la curva (AUC) que oscila entre 0,73 y 0,77.
Conclusiones:
- Se crearon nomogramas y una aplicación en línea para facilitar la predicción proactiva del riesgo de SI en PwMS.
- Estas herramientas ofrecen un marco para la integración de la evaluación de riesgos de IS en la atención de rutina.
- Se recomienda una mayor validación cruzada fuera de la muestra para confirmar la robustez del modelo.
Más Videos Relacionados
Videos de Conceptos Relacionados
Psychological and Sociocultural Causes of Schizophrenia
Depressive Disorders: Etiology
Biological Factors in Depression
Biological predispositions significantly influence the risk of developing depressive disorders. Genetic studies highlight the role of variations in the serotonin transporter...

