Résumés
Résumé
Objectifs Les catastrophes naturelles ont des conséquences importantes sur la santé mentale. Les données recueillies auprès de la population offrent une occasion unique de surveillance après les catastrophes pour aider à identifier les besoins de soutien psychologique. L’objectif de cette étude est : 1) d’identifier les aspects psychopathologiques pour la commune du Prêcheur soumise au risque de lahars (laves volcaniques) ; et 2) de phénotyper les aspects psychopathologiques à partir des données recueillies auprès de la population.
Méthode Nous avons appliqué une méthode de psychophénotypage assistée par l’intelligence artificielle (IA) sur les données de 40 personnes sur une durée de 20 mois, pour extraire les aspects psychopathologiques et psychiatriques liés aux aléas naturels traumatisants (lahars). Ensuite, nous les avons comparées aux résultats de tests psychométriques mesurant l’état global de santé mentale ainsi que l’état de stress posttraumatique.
Résultats La rumination et la négativation figuraient parmi les aspects psychopathologiques les plus importants identifiés. De plus, nous avons noté la présence de la reviviscence et de l’évitement comme dimensions psychiatriques de base au fil du temps. Parmi celles-ci, l’évitement cognitif et l’évitement émotionnel ont été identifiés et semblent avoir émergés après la catastrophe.
Conclusion Nous avons proposé une nouvelle approche de surveillance syndromique pour la santé mentale basée sur les données numériques qui peut soutenir les approches conventionnelles en fournissant des informations supplémentaires utiles dans le contexte d’une catastrophe. D’autres études sont nécessaires pour mieux contrôler les biais, identifier les associations avec des instruments valides et explorer des méthodes de calcul pour un ajustement continu du modèle d’analyse assisté par IA.
Mots-clés :
- psychotrauma,
- catastrophe naturelle,
- intelligence artificielle,
- phénotypage numérique,
- évaluation,
- prédiction
Abstract
Objectives Natural disasters have a significant impact on mental health. Data collected from the population offer a unique opportunity for post-disaster monitoring to help identify psychological support needs. The aim of this study is: 1) to identify psychopathological aspects for the county of Prêcheur at risk from lahars (volcanic lava), and 2) to phenotype psychopathological aspects from data collected from the population.
Method We applied an artificial intelligence (AI) assisted psycho-phenotyping method to data from 40 people over a 20-month period, to extract psychopathological and psychiatric aspects linked to traumatic natural hazards. These were then compared with the results of psychometric tests measuring overall mental health and post-traumatic stress.
Results Rumination and negativation were among the most important psychopathological aspects identified. In addition, we noted the presence of re-experiencing and avoidance as core psychiatric dimensions over time. Among these, cognitive avoidance and emotional avoidance were found and seem to have emerged after the disaster.
Conclusion We have proposed a new syndromic surveillance approach for mental health based on digital data that can support conventional approaches by providing additional useful information in the context of a disaster. Further studies are needed to better control bias, identify associations with valid instruments, and explore computational methods for continuous adjustment of the AI-analysis model.
Keywords:
- psychotrauma,
- natural disaster,
- artificial intelligence,
- digital phenotyping,
- evaluation,
- prediction
Parties annexes
Bibliographie
- 1. Baumeister, H. et Montag, C. (Eds.). (2019). Digital phenotyping and mobile sensing : New developments in psychoinformatics. Springer Nature Switzerland AG. https://doi.org/10.1007/978-3-030-31620-4
- 2. Beck, A. T., Dozois, D. J. A. et al. (2019). Cognitive therapy : Basics and beyond. Guilford Publications. ISBN-13: 978-1609185046
- 3. Bougeard, A., Guay Hottin, R., Houde, V., Jean, T., Piront, T., Potvin, S., Bernard, P., Tourjman, V., De Benedictis, L. et Orban, P. (2021). Le phénotypage digital pour une pratique clinique en santé mentale mieux informée. Revue Santé mentale au Québec, 46(1), 135-156. https://doi.org/10.7202/1081513ar.
- 4. Coppersmith, G., Dredze, M. et Harman, C. (2014). Quantifying mental health signals in Twitter. Proceedings of the Workshop on Computational Linguistics and Clinical Psychology, 51-60. DOI: 10.3115/v1/W14-3207.
- 5. Flory, J. D. et Yehuda, R. (2015). Comorbidity between post-traumatic stress disorder and major depressive disorder : alternative explanations and treatment considerations. Dialogues Clin Neurosci. 17(2) :141-50. DOI: 10.31887/DCNS.2015.17.2/jflory. PMID : 26246789 ; PMCID : PMC4518698.
- 6. Jehel, L. et Guidère, M. (2023), Pour une éco-psychiatrie du risque radio-nucléaire : méthodes et outils, in Médecine de Catastrophe – Urgences Collectives. Vol 7. N° 2. pp. 146-152, juin 2023. Towards an eco-psychiatry of radio-nuclear risk : Methods and tools. DOI: 10.1016/j.pxur.2023.01.006.
- 7. Jehel, L. Guidère, M. (2024), Le traitement de la parole dans les interventions post-catastrophe, in Elsevier : SFMC, Médecine de Catastrophe – Urgences Collectives. Vol. 8. Issue 1, March 2024, Pages 21-28. Speech support in post-disaster interventions. DOI: 10.1016/j.pxur.2024.01.001.
- 8. Krasnov, V. N. (2002). Ecological psychiatry as a division of modern medicine. International Journal of Mental Health, 31(1), 86-92. https://www.jstor.org/stable/41345006
- 9. Leonard, G. S., Johnston, D. M., Paton, D., Christianson, A., Becker, J. et Keys, H. (2008). Developing effective warning systems : Ongoing research at Ruapehu volcano, New Zealand. Journal of Volcanology and Geothermal Research, 172(3-4), 199-215.
- 10. Mundt, J. C., Marks, I. M., Shear, M. K. et Greist, J. H. (2002). The Work and Social Adjustment Scale : a simple measure of impairment in functioning. The British Journal of Psychiatry, 180(5), 461-464.
- 11. Norris, F. H., Friedman, M. J., Watson, P. J., Byrne, C. M., Diaz, E. et Kaniasty, K. (2002). 60,000 Disaster victims speak : Part I. An empirical review of the empirical literature, 1981-2001. Psychiatry, 65(3), 207-239.
- 12. Onnela, J.-P. (2021). Opportunities and challenges in the collection and analysis of digital phenotyping data. Neuropsychopharmacology, 46(1) :45-54. .
- 13. Schultebraucks, K. et Chang, B. P. (2021).The opportunities and challenges of machine learning in the acute care setting for precision prevention of posttraumatic stress sequelae. Exp Neurol., 336 :113526.
- 14. Tausczik, Y. R. et Pennebaker, J. W. (2010). The psychological meaning of words : LIWC and computerized text analysis methods. Journal of Language and Social Psychology, 29(1), 24-54.
10.7202/1081513ar