Identification of Veterans at-risk for Suicide: a Multidisciplinary Approach

即使是最强的个体风险因素也不能很好地预测自杀企图。许多风险因素依赖于 主观的或自我报告的测量和低报导致预测准确性差。之中 鉴于正在发生的退伍军人自杀危机，我们显然需要新的、客观的风险预测指标， 整个VA系统。以前的研究结果表明，行为和神经影像学与决策相关， 制造和认知控制是有希望的，自杀风险的客观标志。尽管这些发现很有趣， 是来自于对抑郁症患者的研究。目前尚不清楚这些潜在的自杀标志 风险将推广到退伍军人的跨诊断样本。本CDA-2002的主要研究目标是 评估是否结构神经成像，功能神经成像在决策和认知过程中， 控制任务可用于识别退伍军人自杀想法和行为的脑内行为相关性。 自杀的想法和行为与短视、适应不良、决策失误有关， 伴随着纹状体-额叶前部奖赏回路的差异。然而，研究比较了 决策制定任务表现之间的个人谁作出了更有组织的，致命的尝试， 自我伤害与那些不太严重的尝试已经确定了他们的行为差异， 更多关于自杀严重程度的细微信息有趣的是，认真的决策者的决策是 其实没那么冲动事实上，即使相对于健康的人， 对照这意味着更强的认知控制能力可能会促进，而不是防止， 对自杀者的伤害。这些潜在的自杀想法和行为的客观标志， 风险严重性是有希望的，需要进一步评估。建议的行为和神经成像 方法学（扩散成像、形态测定分析、单变量和功能连接神经成像） 包括在这一建议已成功应用的候选人，认知神经科学家， 以前出版的作品。候选人的探索性研究目标是应用机器学习 算法到参与者的电子健康数据和神经认知标记的混合数据集， 初步预测模型项目。这一探索性的目标将为未来的研究提供基础数据。 Merit-100资助的工作集中在临床可实施的自杀风险预测工具的开发上。虽然 拟议中的神经认知研究有可能提高自杀筛查的有效性， 候选人承认，神经科学的见解往往无法改善临床治疗， 护理，因为很少有神经科学家有临床的角度需要翻译的机械知识， 临床创新该CDA奖资助的受保护时间将允许候选人参加 活动传授技能和观点的独特组合，使候选人能够弥合基本的 和临床科学服务于减少退伍军人自杀。CDA培训计划在以下方面培养能力： 三个方面：1）自杀研究的方法和实践技能，2）精神病评估和临床 视角，以及3）生物信息学和机器学习方法的培训。这位候选人很有才华 自2015年以来，在VA系统内成立，担任健康科学专家职位。候选人的 指导小组主要由退伍军人管理局临床医生和科学家组成，他们积极从事自杀或高自杀风险的工作。 并有充分的资格指导候选人走向成为领导者的职业目标， 退伍军人自杀研究

Even the strongest of individual risk factors are poor predictors of suicide attempts. Many risk factors rely on  subjective or self-­reported measures and underreporting contributes to poor prediction accuracy. In the midst  of the ongoing Veteran suicide crisis, we clearly need new, objective predictors of risk that can be implemented  across the VA system. Previous findings indicate that behavioral and neuroimaging correlates of decision-­ making and cognitive control are promising, objective markers of suicidal risk. Though intriguing, these findings  are from research conducted primarily in depressed civilians. It is unknown if these potential markers of suicide  risk will generalize to a transdiagnostic sample of Veterans. The primary research objective of this CDA-­2 is to  evaluate whether structural neuroimaging, and functional neuroimaging during decision-­making and cognitive  control tasks can be used to identify brain-­behavior correlates of suicidal thoughts and behaviors in Veterans.  Suicidal thoughts and behaviors are associated with short-­sighted, maladaptive, decision-­making that is  accompanied by differences in striatal-­prefrontal reward circuitry. However, studies that have compared  decision-­making task performance between individuals who have made more organized, lethal attempts at  self-­harm vs. those making less serious attempts have identified differences in their behavior that may supply  more nuanced information about suicidal severity. Interestingly, the decision-­making of serious attempters is  actually less impulsive. In fact, decision making in serious attempters is less impulsive even relative to healthy  controls. This implies that a greater capacity for cognitive control may facilitate, rather than protect against,  harm in suicidal individuals. These potential objective markers of suicidal thoughts and behaviors and suicidal  risk severity are promising and demand further evaluation. The proposed behavioral and neuroimaging  methodologies (diffusion imaging, morphometry analyses, univariate and functional connectivity neuroimaging)  included in this proposal have been successfully applied by the candidate, a cognitive neuroscientist, in  previous published work. The candidate’s exploratory research objective is to apply machine learning  algorithms to a blended dataset of participants’ electronic health data and neurocognitive markers in a  preliminary predictive modeling project. This exploratory objective will provide foundational data for future  Merit-­funded work focused on the development of clinically implementable suicide risk prediction tools. Though  the proposed neurocognitive research has the potential to improve the effectiveness of suicide screening and  treatment, the candidate acknowledges that all too often, insights from neuroscience fail to improve clinical  care because few neuroscientists have the clinical perspective needed to translate mechanistic knowledge into  clinical innovations. The protected time funded by this CDA award will allow the candidate to participate in  activities imparting a unique combination of skills and perspectives that will allow the candidate to bridge basic  and clinical science in the service of reducing Veteran suicide. The CDA training plan builds competencies in  three areas: 1) methodologies and practical skills for suicide research, 2) psychiatric assessment and clinical  perspective, and 3) training in bioinformatics and machine learning methodologies. The candidate is well-­ established within the VA system holding a Health Science Specialist position since 2015. The candidate’s  mentorship team is comprised primarily of VA clinician-­scientists actively working with suicidal or high-­risk  populations and are well-­qualified to mentor the candidate toward the career goal of becoming a leader in  translational Veteran suicide research.