skip to Main Content
Suis-nous !

Actu

Prédire les comportements suicidaires chez les étudiants avec le machine learning

PUBLIÉ LE : 15 juin 2021

Catégorie(s) : Revue scientifique Thématique(s) : Santé mentale
Nos chercheurs ont identifié un ensemble restreint d'indicateurs de santé mentale qui prédisent avec précision les comportements suicidaires des étudiants.
Visuel d'illustration de l'article sur la prédiction du suicide chez les étudiants

Comment prédire le risque suicidaire chez les étudiants ? C’est une question sans réponse actuellement, alors même qu’on connait l’importance d’une détection et d’une prise en charge précoce. Nos chercheurs ont identifié un ensemble restreint d’indicateurs de santé mentale qui prédisent avec précision les comportements suicidaires des étudiants. Parmi ces prédicteurs, l’estime de soi.

Le suicide est la deuxième cause de mortalité chez les jeunes et les étudiant.es sont particulièrement exposés au risque de comportements suicidaires. Une détection précoce permettrait d’aider les étudiant.es à accéder à une prise en charge adéquate mais identifier les profils à risque dans la population générale est complexe et ne peut se faire qu’avec l’analyse de données de cohortes comme la nôtre.

Dans cette nouvelle étude réalisée en collaboration avec des chercheurs des universités de Montréal et McGill au Québec, nos chercheurs ont analysé les données de 5066 étudiant.es suivis plus d’un an.

« L’étude montre qu’environ 17% des étudiant.es, filles comme garçons, ont des comportements suicidaires, ce qui est un chiffre alarmant. »

En utilisant des techniques d’analyse utilisant l’intelligence artificielle, les chercheurs ont mis au point des modèles permettent d’identifier les principaux prédicteurs des comportements suicidaires. Ils ont inclus plus de 70 caractéristiques mesurées lors de l’examen initial, comme les données sociodémographiques, les paramètres de santé physique et mentale, les antécédents personnels et familiaux, les conditions et habitudes de vie, la consommation de substances et les adversités dans l’enfance.

Un modèle prédictif parcimonieux

Parmi les 70 prédicteurs potentiels, quatre ont montré le pouvoir prédictif le plus élevé chez les filles comme chez les garçons :

  • les pensées suicidaires,
  • l’anxiété,
  • les symptômes de dépression
  • et l’estime de soi.

Ces résultats suggèrent que des échelles psychologiques validées et couramment utilisées (l’échelle de Rosenberg pour l’estime de soi, l’échelle STAI-YB de Spielberger pour l’anxiété et la PHQ-9 pour la dépression) seraient suffisamment informatives pour identifier les étudiant.es susceptibles de présenter des comportements suicidaires.

« Ces travaux suggèrent qu’il est possible de détecter les étudiant.es à risque de comportements suicidaires à l’aide de quelques échelles courantes ne demandant que quelques minutes. »

Ces résultats doivent être reproduits dans d’autres études, mais ils ouvrent la possibilité de dépistage à grande échelle permettant d’identifier les étudiant.es à risque de suicide pour les orienter vers une prise en charge adéquate.

L’estime de soi : un marqueur important et méconnu

Dans des analyses secondaires effectuées sur un sous-échantillon incluant uniquement les participant.es qui ne présentaient pas de comportement suicidaire à l’inclusion, les principales variables prédictives étaient les symptômes dépressifs, l’estime de soi et le stress académique chez les filles et majoritairement l’estime de soi chez les garçons. L’estime de soi est donc un marqueur prédictif indépendant et important du risque suicidaire.

« Les spécialistes de santé mentale de nos équipes ne s’attendaient pas à ce que l’estime de soi fasse partie des quatre prédicteurs majeurs des comportements suicidaires » souligne Mélissa Macalli qui a coordonné ces travaux. « Ce résultat, qui n’aurait pas été obtenu sans l’utilisation de techniques d’intelligence artificielle, ouvre des nouvelles perspectives aussi bien de recherche que de prévention ».

Retrouvez la publication scientifique :
Macalli M, Navarro M, Orri M, Tournier M, Thiébaut R, Côté SM, Tzourio C. A machine learning approach to predicting suicidal thoughts and behaviors among college students. Sci Rep 2021 www.nature.com/articles/s41598-021-90728-z

Retrouvez toutes nos publications scientifiques dans la rubrique dédiée ici.

ACTU PRÉCÉDENTE
Publié le 4 mai 2021
Le pouvoir de l’intelligence émotionnelle

Are you a researcher? Visit our scientific collaboration section and see our last results.

See our last results here

Nos partenaires

i-Share Nouvelle Aquitaine
i-Share Inserm
i-Share - Santé publique France
i-Share - Agence régionale de Santé
Back To Top