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

即使是最强的个体自杀风险因素也不能很好地预测自杀未遂。许多自杀风险因素依赖于他们。 主观因素或自我报告的风险衡量标准，以及低报告的风险，这导致了较差的预测和准确性。 在目前正在进行的退伍军人自杀风险危机中，我们显然需要一个新的、客观的风险预测指标，以便更好地实施。 在整个退伍军人管理局系统中。之前的研究结果表明，行为能力和神经成像能力与决策能力相关。 制定行为和认知行为控制策略是很有希望的，也是自杀风险的客观指标。尽管这很耐人寻味，但这些发现是正确的。 这些研究主要是在抑郁症和平民中进行的。目前还不清楚这些是否是自杀的潜在危险标记。 风险评估还将泛化为一份退伍军人的跨诊断研究样本。这是本研究的第一个主要研究和客观评估。 评估在决策过程中和认知过程中是否存在结构和神经成像，以及神经成像和功能成像。 对任务的控制也可以用来帮助识别与退伍军人自杀念头和行为相关的大脑行为。 自杀的想法和行为往往与短视、不适应、缺乏决策能力有关。 伴随而来的是纹状体-前额叶奖赏回路的差异。然而，有研究表明，这些差异是相互比较的。 个人之间的决策和任务与绩效之间的关系，这些人可能做出了更有组织的、更致命的尝试。 自我伤害VS那些试图让自己的行为变得不那么严重或不那么严重的人，已经发现他们的行为存在差异，这可能会影响供应。 关于自杀和严重程度的更多细微差别的信息。有趣的是，这些严重的自杀未遂者的决策能力。 事实上，在一个严重的疾病尝试者中，他们的决策不那么冲动，甚至与他们的健康相关。 控制。这意味着更大的认知控制能力可能不会促进，而不是保护人们免受伤害。 危害存在于有自杀倾向的个人身上。这些都是自杀想法、行为和自杀行为的潜在和客观的标志。 风险和严重程度的评估前景看好，需要进一步的评估。该报告提出了行为评估和神经成像。 方法论(扩散成像、形态计量学和分析、单变量分析和神经成像的功能相关性)。 包括在这项新提案中的内容，已经被第一位候选人成功地应用了，他是一位著名的认知学家和神经学家，他在。 之前发表的这项工作。第一位候选人的探索性学习研究和客观评估是为了更好地应用机器学习。 算法需要在一年内建立一个混合了参与者的电子健康和神经认知功能标记物的数据集。 项目的初步和预测性建模。这一探索性的和客观的研究将为未来的研究提供更多的基础性数据支持。 功绩资助的这项工作专注于临床上可实施的自杀风险和预测工具的未来开发。 这项新提出的神经认知功能研究计划为进一步提高儿童自杀和筛查的整体有效性提供了潜在的解决方案。 尽管这位候选人承认，治疗方法过于频繁，但神经科学的洞察力往往无法显著改善临床症状。 关心是因为很少有神经学家拥有将机械性知识转化为临床知识所需的能力。 临床医学创新。由美国疾病控制与预防中心提供资金的第一个受保护的时间将不会允许最有资格的候选人参与其中。 这些活动传授了一种独特的技能和视角的结合，这将使最优秀的候选人能够在他们的基础上架起一座桥梁。 临床医学是减少退伍军人自杀的主要服务项目，美国疾病控制与预防中心的培训计划是在中国建立新的能力。 三个领域：(1)研究自杀的方法学和实用技能；(2)精神病学评估和临床研究。 3)在生物信息学和机器学习方法论方面的培训。 在退伍军人管理局系统内成立，自2015年6月以来一直担任世界卫生与科学组织专家一职。首席候选人的职位 该团队的导师主要由退伍军人管理局的临床医生和科学家组成，他们积极与有自杀倾向的患者或高危患者合作。 印度和印度的民众都有很好的资质来指导这位候选人朝着在中国成为一名领导者的职业生涯和目标前进。 翻译和自杀研究的资深人士。

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.