Aspectos neurodesenvolvimentais do transtorno bipolar em uma coorte populacional de nascimento

Abstract

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.

Bipolar Disorder (BD) is the sixth leading cause of disability worldwide. It takes about six years for people with BD to receive adequate treatment. Thus, the objective was to develop a predictive model of individuals who will develop BD at 22 years of age using data from a birth cohort through machine learning algorithms. A total of 3,748 participants were followed at birth and 11, 15, 18, and 22 years of age. The elastic net algorithm with 10-fold cross-validation was used to predict which individuals will develop BD at 22 years of age, using variables collected from birth to age of 18 years. Subsequently, a risk stratification model for subjects with BD was developed. A total of 107 (2.8%) individuals were diagnosed with BD type I (BD-I), 26 (0.6%) participants with type II (BD-II), and 87 (2.3%) people with type not otherwise specified. The model with the variables collected at 18 years of age was the one that achieved the best performance measures: area under the ROC curve (AUC) of 0.82 (95% CI, 0.75–0.88), balanced accuracy of 0.75, sensitivity of 0.72, and specificity of 0.77. The most important variables were suicide risk, generalized anxiety disorder, and parental physical abuse. In addition, the subgroup at high risk for TB had a high frequency of drug use and depressive symptoms. Early detection of TB utilizing clinical and sociodemographic variables may be clinically relevant to intervene early and prevent the pernicious course of the disorder. The intelligence quotient (IQ) and the number of school failures may be important clinical neurodevelopmental markers for identifying BD. This association remains controversial in the literature. The objective was to identify IQ and the number of school failures as risk factors for BD before formal diagnosis in a birth cohort study. A total of 3580 participants from the Pelotas population-based birth cohort study were included in the data collection at the age of 22 years, and no subject should have had a previous diagnosis of mood disorder in a previous follow-up visit. Regression models controlling for potential confounders were performed to assess the impact of IQ and the number of school failures obtained at age 18 on a diagnosis of BD and Major Depressive Disorder (MDD) at age 22, comparing individuals without mood disorders. Having a low and borderline IQ (below 70) at age 18 was a risk marker for participants with BD (Adjusted Odds Ratio [AOR] 1.75, 95% CI: 1.00–3.09, p<0.05) and higher IQ (above 120) for individuals with MDD (AOR 2.16, 95% CI: 1.24–3.75, p<0.001). The number of school failures increased the risk for BD (AOR 1.23, 95% CI: 1.11–1.41, p<0.001), but not for individuals with MDD. The number of school failures was a significant marker for BD-I (AOR 1.36, 95% CI: 1.17–1.58, p<0.001), but not in individuals with BD-II or without a mood disorder. The results suggest that BD has a characteristic premorbid intellectual performance. These findings may contribute to understanding the pathophysiology of BD and its neurodevelopmental course, aiding in developing tools for early detection.