95

Objectives Natural disasters have a significant impact on mental health. Data collected from the population offer a unique opportunity for post-disaster monitoring to help identify psychological support needs. The aim of this study is: 1) to identify psychopathological aspects for the county of Prêcheur at risk from lahars (volcanic lava), and 2) to phenotype psychopathological aspects from data collected from the population. Method We applied an artificial intelligence (AI) assisted psycho-phenotyping method to data from 40 people over a 20-month period, to extract psychopathological and psychiatric aspects linked to traumatic natural hazards. These were then compared with the results of psychometric tests measuring overall mental health and post-traumatic stress. Results Rumination and negativation were among the most important psychopathological aspects identified. In addition, we noted the presence of re-experiencing and avoidance as core psychiatric dimensions over time. Among these, cognitive avoidance and emotional avoidance were found and seem to have emerged after the disaster. Conclusion We have proposed a new syndromic surveillance approach for mental health based on digital data that can support conventional approaches by providing additional useful information in the context of a disaster. Further studies are needed to better control bias, identify associations with valid instruments, and explore computational methods for continuous adjustment of the AI-analysis model.

Objectifs Les catastrophes naturelles ont des conséquences importantes sur la santé mentale. Les données recueillies auprès de la population offrent une occasion unique de surveillance après les catastrophes pour aider à identifier les besoins de soutien psychologique. L’objectif de cette étude est : 1) d’identifier les aspects psychopathologiques pour la commune du Prêcheur soumise au risque de lahars (laves volcaniques) ; et 2) de phénotyper les aspects psychopathologiques à partir des données recueillies auprès de la population. Méthode Nous avons appliqué une méthode de psychophénotypage assistée par l’intelligence artificielle (IA) sur les données de 40 personnes sur une durée de 20 mois, pour extraire les aspects psychopathologiques et psychiatriques liés aux aléas naturels traumatisants (lahars). Ensuite, nous les avons comparées aux résultats de tests psychométriques mesurant l’état global de santé mentale ainsi que l’état de stress posttraumatique. Résultats La rumination et la négativation figuraient parmi les aspects psychopathologiques les plus importants identifiés. De plus, nous avons noté la présence de la reviviscence et de l’évitement comme dimensions psychiatriques de base au fil du temps. Parmi celles-ci, l’évitement cognitif et l’évitement émotionnel ont été identifiés et semblent avoir émergés après la catastrophe. Conclusion Nous avons proposé une nouvelle approche de surveillance syndromique pour la santé mentale basée sur les données numériques qui peut soutenir les approches conventionnelles en fournissant des informations supplémentaires utiles dans le contexte d’une catastrophe. D’autres études sont nécessaires pour mieux contrôler les biais, identifier les associations avec des instruments valides et explorer des méthodes de calcul pour un ajustement continu du modèle d’analyse assisté par IA.