Towards Personalised Clinical Management of Suicide Risk through Data-Driven Clinical Decision Support using Transnational Registry Data

Effektiv håndtering av selvmordsrisiko i klinisk praksis er en utfordrende oppgave på grunn av mangel på verktøy som kan hjelpe med nøyaktig vurdering av selvmordsrisikoen. Dette fører til ineffektiv klinisk beslutningstaking og et udekket behov for hensiktsmessig psykisk helsebehandling. Hovedformålet med dette prosjektet er å utvikle et persontilpasset ‘Klinisk Beslutningsstøtte System’ - Clinical Decision Support System (CDSS), dvs. medisinsk programvare som kan hjelpe til med personalisert klinisk evaluering og håndtering av selvmordsrisiko. CDSS vil forbedre gjeldende klinisk praksis ved å øke forutsigbarhetsnøyaktigheten av selvmordsrisiko og muliggjøre personalisert matching av identifiserte risikoprofiler med effektiv behandling. Vi vil bruke data fra befolkningsregistre fra Irland, Norge, Sverige og Catalonia (Spania), og anvende maskinlæringsteknikker for å utvikle nøyaktige og klinisk nyttige prediksjonsmodeller for selvmord og uoppfylt behov for helsetjenester, herunder identifisering av de viktigste risikofaktorene. Dette vil utgjøre det nødvendige grunnlaget for vårt videre arbeid med å utvikle et klinisk beslutningsstøttesystem (CDSS), som kan forutsi selvmordsrisiko hos individuelle pasienter. Vi tror at CDSS utviklet fra prosjektet vil ha potensiale til å bli implementert i regionalt eller nasjonalt helsevesen, til å muliggjøre personlig og rettidig levering av effektiv behandling for selvmordsadferd i stor skala, og dessuten til å bidra til selvmordsforebygging i befolkningen.

Two longstanding limitations hamper effective suicide risk management in clinical practice. First, unassisted clinical judgement is not sufficient to accurately assess suicide risk, leading to ineffective clinical decision-making and poor patient experience; and second, the need for adequate mental health treatment is often unmet among patients with suicide risk, and evidence indicates that adverse healthcare trajectories are associated with high morbidity, premature mortality and societal costs related to self-harm. The PERMANENS project aims to improve suicide prevention by developing a personalised Clinical Decision Support System (CDSS), i.e., a medical software programme that assists in the personalised clinical evaluation and management of suicide risk. The CDSS will innovate current clinical practice by (1) increasing the prediction accuracy of suicide risk assessment; (2) enabling risk assessment for inadequate treatment delivery among patients with suicide risk; (3) enabling fine-grained clinical risk stratification; and (4) enabling the personalised matching of the identified risk profiles with effective treatment in order to improve indicated and tailored treatment trajectories among patients with suicide risk. Data for the project will be obtained from population-representative electronic registries from Ireland, Norway, Sweden, and Catalonia (Spain). Machine learning techniques will be used to develop accurate and clinically useful prediction models for suicide and adverse healthcare trajectories, including the identification of most important risk factors. Through co-creation and user-oriented qualitative implementation research with patients and clinicians, a user-friendly personalised CDSS prototype will be developed. The CDSS will be provided with a computerised clinical knowledge base on effective suicide prevention interventions and with a transferable personal healthcare record, fully acknowledging patients as end-users of their data.