DOI: https://doi.org/10.1136/bmjment-2024-300990
PMID: https://pubmed.ncbi.nlm.nih.gov/38485246
تاريخ النشر: 2024-01-01
المؤلف: Aida Seyedsalehi وآخرون
الموضوع الرئيسي: دراسات الانتحار وإيذاء النفس
نظرة عامة
الانتشار الأخير لنماذج التنبؤ بالنتائج المتعلقة بالانتحار يهدف إلى تعزيز تصنيف المخاطر، واتخاذ القرارات السريرية، واستراتيجيات الوقاية الشخصية. ومع ذلك، هناك نقاش مستمر حول فعالية هذه النماذج في تحسين تقييم مخاطر الانتحار. تتناول هذه النظرة عدة مفاهيم خاطئة تحيط بأبحاث التنبؤ بمخاطر الانتحار.
أولاً، تنتقد النهج التقليدي في التصنيف الذي يصنف الأفراد إلى مجموعات منخفضة المخاطر وعالية المخاطر، وتدعو بدلاً من ذلك إلى تقدير الاحتمالات كطريقة أكثر إفادة. ثانياً، تتحدى التركيز على مقاييس التصنيف، مثل القيمة التنبؤية الإيجابية، مشيرة إلى أن السياق السريري ضروري لتحديد عتبات المخاطر المناسبة. بالإضافة إلى ذلك، يؤكد المؤلفون أن القدرة التمييزية لنماذج التنبؤ تختلف حسب المجال السريري ويشددون على أهمية المعايرة التي غالباً ما يتم تجاهلها في هذا المجال. أخيراً، يؤكدون أن تقييمات الفائدة السريرية والقيمة الاقتصادية لهذه النماذج يجب أن تعتمد على مقاييس مناسبة، بما في ذلك الفائدة الصافية ونمذجة تحليل القرار، بينما يدعون أيضاً إلى دراسات تقييم الأثر. يخلص المؤلفون إلى أن المناقشات حول نماذج التنبؤ بالانتحار تتطلب مزيدًا من الدقة والصرامة الإحصائية، ويحثون على أن تكون الإرشادات واستراتيجيات الوقاية مستندة إلى أدلة عالية الجودة في هذا المجال.
DOI: https://doi.org/10.1136/bmjment-2024-300990
PMID: https://pubmed.ncbi.nlm.nih.gov/38485246
Publication Date: 2024-01-01
Author(s): Aida Seyedsalehi et al.
Primary Topic: Suicide and Self-Harm Studies
Overview
The recent proliferation of prediction models for suicide-related outcomes aims to enhance risk stratification, clinical decision-making, and personalized prevention strategies. However, there is ongoing debate regarding the efficacy of these models in improving suicide risk assessment. This perspective addresses several misconceptions surrounding suicide risk prediction research.
Firstly, it critiques the traditional classification approach that categorizes individuals into low-risk and high-risk groups, advocating instead for probability estimation as a more informative method. Secondly, it challenges the emphasis on classification metrics, such as positive predictive value, arguing that the clinical context is crucial for determining appropriate risk thresholds. Additionally, the authors stress that the discriminative ability of prediction models varies by clinical area and underscore the often-neglected importance of calibration in this domain. Lastly, they assert that evaluations of the clinical utility and economic value of these models should rely on appropriate metrics, including net benefit and decision-analytic modeling, while also calling for impact assessment studies. The authors conclude that discussions surrounding suicide prediction models necessitate greater nuance and statistical rigor, urging that guidelines and prevention strategies be informed by high-quality evidence in the field.