Aspectos neurodesenvolvimentais do transtorno bipolar em uma coorte populacional de nascimento

• Autor(a) principal: Ponte, Francisco Diego Rabelo da
• Data de Publicação: 2022
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/250571
• topic: Transtorno bipolar; Aprendizado de máquina; Inteligência artificial; Estudos de coortes; Estudos longitudinais; Cognição; Bipolar disorder; Machine learning; Artificial intelligence; Cohort; Longitudinal study; Neurodevelopment; Cognition

Mundialmente, o Transtorno Bipolar (TB) é sexta causa de incapacidade. Entre os primeiros sintomas de humor e o diagnóstico formal, as pessoas com TB demoram cerca de seis anos para receber o tratamento adequado. Assim, objetivou-se desenvolver um modelo preditivo de indivíduos que desenvolverão TB aos 22 anos de idade usando algoritmos de inteligência artificial (machine learning). Foram acompanhadas 3.748 pessoas ao nascer e aos 11, 15, 18 e 22 anos de idade em uma coorte de nascimentos da cidade de Pelotas, RS, Brasil. Utilizou-se o algoritmo elastic net com 10-fold cross- validation para predizer quais indivíduos desenvolverão TB aos 22 anos de idade, usando as variáveis coletadas do nascimento até aos 18 anos de idade. Posteriormente, foi desenvolvido um modelo de estratificação de risco de pessoas com TB. Um total de 107 (2,8%) indivíduos foi diagnosticado com TB tipo I (TB-I), 26 (0.6%) participantes com o tipo II (TB-II) e 87 (2,3%) pessoas com o tipo não-especificado. O modelo com as variáveis coletadas aos 18 anos de idade foi o que alcançou melhores medidas de desempenho: área sob a curva ROC (AUC) de 0,82 (95% IC, 0,75– 0,88), acurácia balanceada de 0,75, sensibilidade de 0,72 e especificidade de 0,77. As variáveis mais importantes foram risco de suicídio, transtorno de ansiedade generalizada e abuso físico parental. Além disso, o subgrupo com alto risco para TB apresentou uma alta freqüência para consumo de drogas e sintomas depressivos. A detecção precoce de TB usando variáveis clínicas e sociodemográficas pode ser clinicamente relevante para intervir precocemente e prevenir o curso pernicioso do transtorno. O quociente de inteligência (QI) e o número de reprovações escolares podem ser importantes marcadores clínicos de neurodesenvolvimento para identificação do TB e essa associação permanece controversa na literatura. Objetivou-se identificar o QI e o número de reprovações escolares como fatores de risco para TB antes do diagnóstico formal em um estudo de coorte de nascimentos. Foi incluído 3580 participantes do estudo de coorte de nascimentos de base populacional de Pelotas na coleta de dados aos 22 anos e, na coleta anterior, nenhum sujeito deveria ter diagnóstico prévio de transtorno de humor. Foi realizado modelos de regressão controlando potenciais confundidores para avaliar o impacto do QI e do número de reprovações escolares obtido aos 18 anos em um diagnóstico subsequente de TB e Transtorno Depressivo Maior (TDM) aos 22 anos, comparando indivíduos sem transtornos de humor como comparadores. Encontrou-se que ter um QI baixo e limítrofe (abaixo de 70) aos 18 anos foi um marcador de risco para participantes com TB (Razão de Chance Ajustado [AOR] 1,75, IC 95%: 1,00–3,09, p<0,05) e QI superior (acima de 120) para indivíduos com TDM (AOR 2,16, IC 95%: 1,24–3,75, p<0,001). O número de reprovações escolares aumentou o risco de TB (AOR 1,23, IC 95%: 1,11–1,41, p<0,001), mas não para indivíduos com TDM. O número de reprovações escolares foi um significativo marcador para TB-I (AOR 1,36, IC 95%: 1,17–1,58, p<0,001), porém não em indivíduos com TB-II ou sem transtorno de humor. Os resultados sugerem o TB tem um desempenho intelectual pré-mórbido característico. Estes achados podem contribuir para a compreensão da fisiopatologia do TB e seu curso neurodesenvolvimental, auxiliando no desenvolvimento de ferramentas para sua detecção precoce.