Söker nya metoder för att minska förlossningsdepression

Datorkraft kan minska antalet kvinnor som drabbas av depression efter en förlossning. Det tror Uppsalaforskare, som nu tagit ett steg till på vägen.

2019 lanserade professor Alkistis Skalkidou och hennes kollegor forskningsappen Mom2B, där gravida kvinnor uppmanas att registrera sig och bidra till forskningen. Samtidigt gör forskarna studier med andra data för att hitta markörer för depression.

2019 lanserade professor Alkistis Skalkidou och hennes kollegor forskningsappen Mom2B, där gravida kvinnor uppmanas att registrera sig och bidra till forskningen. Samtidigt gör forskarna studier med andra data för att hitta markörer för depression.

Foto: Sven-Olof Ahlgren

Uppsala län2021-04-25 07:01

Förlossningsdepression drabbar tolv procent av alla nyförlösta mammor. De kan orsaka svårt lidande och påverka den nyfödda och relationen till mamman och kräva stora insatser från vården.

Forskare vid Uppsala universitet försöker nu hitta nya innovativa metoder för att minska antalet kvinnor som drabbas. 

– Vi vill fånga in kvinnorna med hög risk innan de insjuknar. Det har ett stort värde om vi kan göra det så att de kan få förebyggande insatser, säger Alkistis Skalkidou, professor vid Uppsala universitet som forskar om psykisk ohälsa under och efter graviditet.

I en nyss publicerad studie testar hon och hennes kolleger om datorkraft kan användas för att bygga en metod för att hitta högriskkvinnorna, framför allt genom att en dator kan väga många komplexa faktorer samtidigt.

– Vi har tidigare tittat på en riskfaktor i taget. Nu har vi velat gå vidare och med hjälp av så kallad maskininlärning samtidigt analysera ett spektrum av faktorer, säger Alkistis Skalkidou. 

undefined
Alkistis Skalkidou är överläkare på Akademiska sjukhuset och forskar om kvinnors hälsa i anslutning till graviditet och förlossning, bland annat genom appen och hemsidan Mom2B för gravida.

Den data som datorn lärt sig att känna igen en riskbild för depression ifrån, kommer bland annat från självskattningsformulär från kvinnor. Uppgifterna rör sådant som personlighetsdrag, tidigare depressioner, och graviditets- och förlossningsförlopp. Men även mer medicinska variabler som om vikt, blodvärde, sköldskörtelhormoner, smärta, etcetera, tas in i beräkningarna.

Resultatet är lovande men ska bli bättre innan det blir i praktik i vården.

– Vi vill nå ännu bättre precision genom att lägga till fler riskfaktorer innan vi börjar screena. Det tror jag att vi kommer att ha om bara ett par år, säger Alkistis Skalkidou.

I nya studier ska forskarna även lägga till biologiska markörer, som kan spåras med blod- eller urinprov. Om det visar sig vara gångbart kan metoden med maskininlärning förfinas ytterligare.

Med de nya metoderna på plats kan sedan ett enkelt förfarande i mödravården med några rätt ställda frågor och en enkel provtagning hitta kvinnor med hög risk.  

Och forskarna är redan i gång med nästa steg: en applikation i mobiltelefonen som registrerar de blivande mammornas beteendemönster och kan signalera när förändringar mot ett försämrat mående sker. Rekryteringen till den så kallade Mom2B-studien via studiens hemsida pågår.

– Målet är 20 000 mammor, idag är 2 700 registrerade.

Den nya studien är publicerad vetenskapstidskriften Scientific reports. 

Så jobbar vi med nyheter  Läs mer här!