Artikel bewaren

Je hebt een account nodig om artikelen in je profiel op te slaan

Login of Maak een account aan
Reacties0

Risicogroepen zelfdoding in beeld met behulp van big data

Met de data van het Nederlandse Centraal Bureau voor de Statistiek (CBS) in de hand heeft Guus Berkelmans, onderzoeker bij de Stichting 113 Zelfmoordpreventie, een methode ontwikkeld om de signalen dat iemand gevoelig is voor zelfdoding beter te begrijpen. Zijn proefschrift heeft en opmerkelijke titel ‘Turing and Van Gogh walk into a bar’. Hij promoveert op deze studie op 24 oktober aan de VU Amsterdam.

Alan Turing en Vincent van Gogh

De titel van het proefschrift ‘Turing and Van Gogh walk into a bar’ kwam voort uit een eenvoudige vraag, zo legt hij uit in de inleiding van zijn proefschrift. Welke concepten of personen drukken het beste de verbinding uit tussen de computationele kant van deze scriptie en de kant van het zelfmoordonderzoek? Het antwoord leidde tot de twee personen in de titel: Alan Turing en Vincent van Gogh. Turing was de wiskundige die de Enigma kraakte door een van de allereerste computers te bouwen. Hij wordt algemeen beschouwd als de meest invloedrijke figuur in de computerwereld. Hij overleed in 1954 door zelfmoord op de jonge leeftijd van 42 jaar. Vincent van Gogh was een zeer invloedrijke schilder, maar niet tijdens zijn leven. Ook hij overleed door zelfmoord, in 1890 op de nog jongere leeftijd van 37.

De connectie tussen de kunstschilder en computers ligt niet meteen voor de hand. Toch is die er. De stijl van Van Gogh is zo specifiek en hij heeft zo veel geschilderd dat je met kunstmatige intelligentie elk onderwerp kunt laten ‘schilderen’ in de stijl van Van Gogh. Op deze manier is ook de beeltenis op de uitnodiging voor de promotie tot stand gekomen.

Effectieve preventie-interventies 

Ruim 700.000 mensen per jaar. Dat is het aantal mensen dat wereldwijd door zelfdoding sterft. Het is daarom volgens Guus Berkelmans zo ongelooflijk belangrijk om effectieve preventie-interventies te implementeren. ‘Voor de meeste van deze interventies is het echter cruciaal om te weten op welke subgroepen in de populatie we ons moeten richten. Het eerste deel van dit proefschrift richt zich volledig op dit probleem en benadert het door de lens van big data. Met gegevens van het CBS beginnen we te kijken naar demografische gegevens, en of we groepen met een hoog risico kunnen identificeren aan de hand van hun demografische kenmerken.’

Big data 

In Nederland hebben verschillende instellingen databases met informatie over de Nederlandse bevolking, zoals gemeenten, belastingdienst, het ministerie van onderwijs en de zorgverzekeraars. De meeste zijn wettelijk verplicht informatie te verstrekken aan het CBS. Dit resulteert in een grote database met informatie over leeftijd, geslacht, huidige verblijfplaats, opleidingsstatus, werkstatus, inkomen, sociale uitkeringen, burgerlijke staat, huishoudelijke status, zorgkosten en voorgeschreven medicijnen. Bovendien, en cruciaal, zijn forensisch pathologen verplicht om doodsoorzaken direct aan het CBS door te geven. ‘Deze schat aan onaangeroerde kennis biedt velen een kans voor grootschalig, robuust en onbevooroordeeld onderzoek.’

Je kunt er antwoord vinden op de vraag: wie sterft er door zelfdoding? Maar het is niet eenvoudig om er de juiste inzichten uit de destilleren. Hulpverleners ontbreekt het meestal aan voldoende computer- en statistische kennis om dat te doen. En datawetenschappers, computerdeskundigen of wiskundigen ontbreekt het aan de praktische ervaring en kennis die nodig is om praktisch te kunnen handelen naar de gevonden resultaten.

Met behulp van data van het CBS kijkt Guus Berkelmans naar demografische gegevens, en of groepen met een hoog risico kunnen worden geïdentificeerd aan de hand van hun demografische kenmerken. Er worden veel van deze groepen aangetroffen, zoals mannen, mensen van middelbare leeftijd, mensen met een uitkering en mensen die alleen wonen. Vervolgens wordt bekeken of er kruispunten van deze populaties zijn die een hoger risico lopen dan je zou verwachten als deze risicofactoren onafhankelijk van elkaar werken. Ook hier treft Berkelmans meerdere onverwachte groepen aan, zoals mannelijke weduwnaars en mensen met een laag opleidingsniveau tussen de 25 en 40 jaar.

Vervolgens keek hij naar het medicijngebruik en ontdekten dat een groot aantal medicijnklassen geassocieerd waren met een verhoogd risico op zelfmoord. Voor artsen is zijn onderzoek relevant omdat het verbanden blootlegt tussen medicijnen en suïcide.

Risicogroepen

Het is Berkelmans gelukt de risicogroepen in kaart te brengen, hetgeen met conventionele methodes niet mogelijk bleek. Bovendien heeft hij een manier ontwikkeld om combinaties van variabelen een score te geven. De gangbare methodes geven geen waarde aan de interacties tussen de risicofactoren. Daardoor lukt het hem groepen te definiëren met een hoog risico, maar ook groepen die anders niet zouden zijn gevonden.

Berkelmans, G. A. (2023). Turing and Van Gogh walk into a bar: A computational approach to suicide research. [PhD-Thesis – Research and graduation internal, Vrije Universiteit Amsterdam]. https://doi.org/10.5463/thesis.344

De promotie is op 24 oktober van 11:45 t/m 13:15 uur online te volgen.

Bron: vu.nl /  computable.nl

Denk je aan zelfmoord of maak je je zorgen om iemand? Praten over zelfmoord helpt en kan anoniem via de chat op www.113.nl of telefonisch op 113 of 0800-0113