Project

Back to overview

Understanding and detecting early psychosis: A network approach

English title Understanding and detecting early psychosis: A network approach
Applicant Do Lan Phuong
Number 200064
Funding scheme Doc.CH
Research institution Psychologisches Institut Universität Zürich
Institution of higher education University of Zurich - ZH
Main discipline Psychology
Start/End 01.05.2021 - 30.04.2025
Approved amount 354'759.00
Show all

All Disciplines (2)

Discipline
Psychology
Mental Disorders, Psychosomatic Diseases

Keywords (5)

network analysis; early detection; psychosis; resilience; risk and protective factors

Lay Summary (German)

Lead
Früherkennung ist eine Schlüsselstrategie, um die Entwicklung psychischer Störungen zu reduzieren oder zu verhindern. Die Psychose ist eine heterogene Erkrankung mit Denk- undWahrnehmungsveränderungen und gehört zu den schwersten psychischen Störungen. Aufgrund der negativen Auswirkungen für die Person selbst, aber auch für das Umfeld und das Gesundheitssystem, ist die frühzeitige Erkennung essenziell. In dem Projekt soll unter Einsatz der Netzwerk-Analyse das phänomenologische Verständnis aus der salutogenetischen Perspektive betrachtet und optimiert werden.
Lay summary

Frühzeitig präventiv handeln: ca. 20% der Hilfesuchenden mit Risikofaktoren entwickeln innerhalb von 2 Jahren eine Psychose. Eine unbehandelte Psychose geht mit schwereren Krankheitsverläufen einher. Bei chronifizierten Krankheitsverläufen sind die Folgen deutlich einschneidender. 

Das Projekt hat sich zum Ziel gesetzt, das bisherige Wissen von Vulnerabilität und Schutzfaktoren bei Psychose in einem dynamischen Netzwerk-Ansatz mit Fokus auf Resilienz zu explorieren. Netzwerk-Modelle erlauben die Komplexität psychischer Störungen durch dynamischer Verbindungen einzelner Symptome besser zu visualisieren und zu verstehen. Es besteht die Erwartung, dass protektive Faktoren, rechtzeitig aktiviert, eine relevante Rolle bei der Psychose-Entwicklung haben.

Die Resultate dieses Projekts sollen sowohl in wissenschaftlicher, als auch in praktischer Hinsicht zu einem Erkenntnisgewinn beitragen. Durch die visuelle Darstellung der Symptome im Netzwerk-Ansatz können Betroffene aber auch klinische Fachpersonen praxisnahe kausale Zusammenhänge von Psychopathologie und Resilienz bei Psychose intuitiver konzeptualisieren. Auf Basis des gewonnenen profunden wissenschaftlichen Erkenntnisse können forschungsbasierte klinische Interventionen abgeleitet werden.

Direct link to Lay Summary Last update: 24.02.2021

Responsible applicant and co-applicants

Employees

Abstract

Improving early detection of psychosis remains a substantial challenge in research and in clinical practice. Such early detection of the first signs of psychosis is paramount, however, in order to avoid onset of psychosis or prevent increases in severity. There are currently two early detection approaches to define clinical high risk among emerging psychosis, defining a basic symptoms (BS) criterion, or an ultra-high risk (UHR) criterion. There is considerable room to improve psychosis prediction and the current project aims to fill this gap. Previous approaches mostly aimed to detect psychosis using regression, multivariate modelling or machine learning approaches and have shown some inconsistencies between studies, hence indicating the necessity of refinement and improving precision models in this field. Network Analysis (NA) has been rarely exploited for at-risk mental state for psychosis. Further criteria such as protective factors are essential to improve the prediction, which only few studies have focused. Specifically, I will apply NA, an innovative explanatory data analytical approach, to data on psychopathological symptoms in a sample of 150 ultra-high risk persons for psychosis. The main question of this project is what factors associate and predict psychosis among at-risk individuals. A network will thus be constructed (i) cross-sectionally to identify interrelations between the psychopathological symptoms and neurocognitive measures (ii) prospective longitudinally to identify dynamic associations between psychopathological symptoms, neurocognitive measures and protective factors. The proposed research project will try to push forward efforts to understand the psychopathological pathways, the influence of protective factors on psychosis and predictors for psychosis. Finally, the findings of the study can also improve the implementation of specific treatment for this population by providing treatment targets in order to avoid conversion to full-blown psychosis.
-