Untersuchung der komorbiden Depression und der körperlichen Gesundheit: Ein fallbasiertem Computational Modelling Ansatz

Während die komorbide Depression/ körperliche Gesundheit ein großes klinisches Anliegen darstellt, erschweren die herkömmlichen Methoden der Medizin die Modellierung der Komplexität dieser Beziehung. Zu diesen Herausforderungen gehört die Katalogisierung mehrerer Trends, die Entwicklung mehrerer komplexer ätiologischer Erklärungen und die Modellierung der kollektiven großflächigen Dynamik dieser Trends. Mit einem fallbasierten Komplexitätsansatz hat diese Studie eine umfassend beschriebene Fallstudie durchgeführt, um die Nützlichkeit von Computational Modelling für die Forschung im Bereich der primären Versorgung zu demonstrieren. N = 259 Personen wurden aus der Diamond-Datenbank, einer der größten Kohortenstudien zur Depression in der Primärversorgung weltweit, nach Stichproben entnommen. Ein globales Maß für depressive Symptome (PHQ-9) und körperliche Gesundheit (PCS-12) wurde nach 3, 6, 9 und 12 Monaten sowie jährlich über insgesamt 7 Jahre hinweg erfasst. Elf Trajektorien und 2 großflächige kollektive Dynamiken wurden identifiziert, die zeigen, dass Depression zwar komorbid mit schlechter körperlicher Gesundheit vorkommt, chronische Krankheiten jedoch oft gering dynamisch sind und nicht immer mit Depressionen verbunden sind. Außerdem bleiben einige der Fälle in den ungesunden und oszillierenden Trends krank, ohne viel Chancen auf Besserung. Schließlich sind Kindesmisshandlung, Partnergewalt und negative Lebensereignisse unter ungesunden Trends stärker ausgeprägt. Computational Modelling bietet einen bedeutenden Fortschritt für Gesundheitsforscher, um die Vielfalt der Patienten in der Primärversorgung zu berücksichtigen und bessere prognostische Modelle für teambasierte interdisziplinäre Pflege zu entwickeln.