Med støtte fra Danmarks Frie Forskningsfond skal forskere fra Københavns Universitet bruge en kombination af hypotese og datadrevne analysemetoder til at afdække faktorer i opvæksten, som øger risikoen for at udvikle depression, alkoholmisbrug og demens

Lav fødselsvægt, mange infektioner i barndommen, skilsmissehjem, tvangsfjernelse og anbringelse uden for hjemmet. Det er nogle af de faktorer, som hver især er associeret med øget risiko for depression og alkoholmisbrug. Begge disse sygdomme kan relateres til demens. 

Nu skal forskere fra Københavns Universitet skabe en større indsigt i, hvordan kombinationer af de forskellige risikofaktorer gennem livet påvirker og måske yderligere øger risikoen.

Resultaterne vil give ny viden om, hvad der ligger til grund for tre meget udbredte lidelser, som ofte overlapper og sandsynligvis har fælles biologiske og sociale årsager.

- Vi håber efterfølgende at kunne sige mere detaljeret, hvordan påvirkninger i opvæksten influerer på risikoen for de her tre sygdomme. Den viden kan man sandsynligvis bruge i forhold til tidlig forebyggelse.

Det siger klinisk professor Merete Osler fra Institut for Folkesundhedsvidenskab på Københavns Universitet.

Hun skal i samarbejde med statistiker Claus Ekstrøm fra biostatistisk afdeling lede forskningsprojektet Alcohol abuse, depression and dementia in a life course perspective, som har fået støtte fra Danmarks Frie Forskningsfond.

I projektet skal forskerne blandt andet bruge data fra 11.532 mænd født i 1953. Mændene er blevet fulgt gennem surveys og via registre i deres barndom, skoletid og voksenliv.

- Mere end 10 procent af disse mænd udvikler alkoholmisbrug. Vi ved, at dem, som har depression, ofte også er belastet af et alkoholmisbrug, og man er ret sikker på, at depression øger risikoen for demens, fortæller Merete Olser.

Hypotese vs. maskine

I projektet vil forskerne også udvikle og kvalificere forskningsmetoder til at studere livsforløb inden for epidemiologisk forskning.

Det gør de ved at analysere data både med udgangspunkt i hypoteser og ved machine learning, hvor algoritmerne selv udleder sammenhænge i data.

- Vi vil gerne se, hvad der sker med resultaterne, hvis man går fra den hypotesedrevne metode til at bruge datadrevne metoder, hvor vi lader computeren finde sammenhængene i vores materiale, siger Merete Osler.

Forskerne har hypoteser om faktorer i opvæksten, som øger risikoen for alkoholmisbrug og depression.

En computer skal bearbejde data fra de 11.532 mænd på baggrund af de hypoteser, og ud fra det kan man forhåbentlig be- eller afkræfte hypoteserne. Samtidig håber man at kunne se, hvordan kombinationer af faktorer påvirker risikoen.

Spørgsmålet er dog, om resultatet bliver anderledes, hvis man blot lader dataalgoritmer styre, hvilke sammenhænge man finder uden en forudgående hypotese.

Et grundelement i traditionel epidemiologisk forskning er, at man har en hypotese til at starte med. Det sikrer, at man ikke finder tilfældige sammenhænge i et materiale.