17 oktober 2023 – 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 beter de signalen te begrijpen dat iemand gevoelig is voor zelfdoding. Hij promoveert op deze studie op 24 oktober aan de VU Amsterdam.

In de inleiding legt Berkelmans uit dat de titel van dit proefschrift ‘Turing and Van Gogh walk into a bar’ voortkwam uit een eenvoudige vraag: 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.

Ruim 700.000 mensen per jaar. Dat is het aantal mensen dat wereldwijd door zelfdoding sterft. Het is daarom ongelooflijk belangrijk om effectieve preventie-interventies te implementeren. Voor de meeste van deze interventies is het echter van cruciaal belang om te weten op welke subgroepen in de bevolking men zich moet richten.

Het eerste deel van het proefschrift richt zich volledig op dit probleem en benadert het door de lens van big data. 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. . Het tweede deel richt zich op de theoretische vragen die naar voren kwamen in relatie tot het eerste deel: hoe bepaal je welke kenmerken je wilt opnemen, is het mogelijk om de afhankelijkheid tussen waarnemervariabelen te kwantificeren?

Berkelmans is begonnen met het ontwerpen van een maatstaf voor afhankelijkheid die antwoord geeft op de tweede deel  van deze vragen. Hij heeft aangetoond dat het een aantal basiseigenschappen heeft die je van een dergelijke maatregel zou verwachten, en dat geen van de redelijk algemeen gebruikte maatregelen deze eigenschappen heeft. Vervolgens heeft hij dit uitgebreid naar een maatstaf voor het belang van kenmerken door na te gaan in hoeverre een kenmerk bijdraagt aan de afhankelijkheid van de uitkomst van ‘coalities’ van kenmerken. Vervolgens onderzocht Berkelmans bepaalde basiseigenschappen en toonde aan dat ons idee van het belang van kenmerken aan al deze eigenschappen voldeed, terwijl de meeste andere methoden voor kenmerkbelang minder dan de helft hadden, en geen enkele had meer dan 13 van de 20 eigenschappen.

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.

Guus Berkelmans, onderzoeker bij de Stichting 113 Zelfmoordpreventie.
Berkelmans steekt in zijn drukwerk (242 pagina’s) de loftrompet af over het CBS. 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.

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

Dit bericht is 1437 keer gelezen.