2021, Vol. 50文章信息
- 黄颖林, 孟祥伟, 张珍珍, 张改娟, 吴枫, 阿依丁海拉提, 胡辽民, 朱刚
- HUANG Yinglin, MENG Xiangwei, ZHANG Zhenzhen, ZHANG Gaijuan, WU Feng, HAILATl Aylding, Hu Liaomin, ZHU Gang
- 认知功能对抑郁症住院患者治疗反应的预测
- Cognitive function predicts treatment response of inpatients with major depressive disorder
- 中国医科大学学报, 2021, 50(5): 439-443
- Journal of China Medical University, 2021, 50(5): 439-443
-
文章历史
- 收稿日期：2020-08-31
- 网络出版时间：2021-05-17 9:25
引用本文 |
2. 塔城地区人民医院 (中国医科大学塔城医院) 精神心理卫生中心, 新疆 塔城 834700;
3. 中国医科大学附属第一医院精神医学科, 沈阳 110001
2. Department of Psychiatry, Tacheng Hospital, China Medical University, Tacheng 834700, China;
3. Department of Psychiatry, The First Hospital of China Medical University, Shenyang 110001, China
抑郁症(major depressive disorder, MDD) 是一种常见的慢性、致残、多维精神障碍。流行病学研究[1]表明, 抑郁症甚至是全球致残的最主要原因。尽管对抑郁症的认识越来越深入, 治疗手段也越来越丰富, 但仍然没有单一的治疗方法对其完全有效[2]。如果临床医生能较好地预测适合患者的治疗方案, 将能极大地节省时间和经济成本, 减少患者的痛苦, 并提高其治疗依从性。因此, 人们对抑郁症临床疗效的预测因子研究越来越感兴趣。认知功能的损害在抑郁症患者中较为普遍[3]。近些年来对不同认知域(如精神运动速度、执行功能等) 的研究[4-5]证实, 基线认知功能水平可以预测抗抑郁药物的治疗效果。但是, 非言语学习记忆对抗抑郁药物疗效的预测研究较为有限。因此, 本研究拟探讨抑郁症住院患者的基线认知功能(精神运动速度和非言语学习记忆) 对抗抑郁药物治疗效果的预测作用。
1 材料与方法 1.1 临床资料本研究选取于中国医科大学塔城医院(塔城地区人民医院) 精神心理卫生中心住院的63例抑郁症患者作为受试者。入组时间为2018年10月至2019年12月。由于3例患者未接受治疗后的随访评估, 最终60例抑郁症患者完成了研究。所有受试者住院期间均接受选择性5-羟色胺再摄取抑制剂或5-羟色胺和去甲肾上腺素再摄取抑制剂类抗抑郁药物治疗。
1.1.1 入组标准(1) 符合《精神障碍诊断与统计手册》第四版(DSM-Ⅳ) [6]中的抑郁发作诊断标准, 且在入组前半个月内未服用任何镇静催眠类药物、抗焦虑抑郁药物、情感稳定剂及抗精神病药物等；(2) 患者未接受过电抽搐治疗；(3) 年龄16~60岁；(4) 汉密尔顿抑郁量表(Hamilton depression rating scale, HAMD-17) 得分≥18分；(5) 自愿签署知情同意书。
1.1.2 排除标准(1) 曾患癫痫、严重脑外伤、脑卒中、脑膜炎等中枢神经系统器质性疾病者；(2) 患有痴呆或精神发育迟滞等智力障碍者；(3) 现在或既往曾被诊断为双相情感障碍、分裂情感障碍、精神分裂症、精神分裂样障碍、妄想性精神障碍等精神病性障碍者；(4) 目前主要诊断为广泛性焦虑、惊恐障碍、社交恐怖或强迫障碍等精神疾病者；(5) 要求退出研究或未完成随访评估者。
1.2 基线及随访评估入院后, 抑郁症患者在接受抗抑郁药物治疗前需要完成基线水平的评估, 包括HAMD-17和汉密尔顿焦虑量表(Hamilton anxiety rating scale, HAMA) 评分以及认知功能测验。出院前完成HAMD-17量表的随访评估。本研究未限定住院治疗时长, 治疗达到临床缓解标准或患者自身意愿而出院均视为研究终点。认知功能测验工具包括数字符号编码测验(Digit Symbol Coding Test, DSCT) 和简易视觉空间记忆测验-修订版(Brief Visuospatial Memory Test-Revised, BVMT-R)。
1.2.1 DSCT该测验工具主要评估精神运动速度, 要求受试者尽可能快地在90 s内将数字填写到对应的无意义的符号下面。在完成的总数中减去错误的答案数即为最终得分。
1.2.2 BVMT-R该测验工具通过受试者对6个几何图案的即刻回忆来评估其非言语学习记忆的能力。共进行3次测试(T1, T2, T3), 每次测试的视觉学习时间为10 s, 每次测试的评分范围均为0~12分。如果每个几何图形画得准确并且在答题卡上的位置也准确, 则评为2分。如果位置正确但画得不准确(但能辨认出是目标图形), 或者画得准确但位置不准确, 则评为1分。没有画或者画得不像任何靶图记为0分。3次测试得分之和为总分。
1.2.3 HAMD-17≥18分认为肯定存在抑郁症状, 分值越高提示抑郁症状越严重。
1.2.4 HAMA≥14分认为肯定存在焦虑症状, 分值越高提示焦虑症状越严重。
1.3 治疗应答及临床缓解标准的界定治疗应答是指到达研究终点时, 与基线水平的HAMD-17评分相比, HAMD-17的分值下降≥50%。临床缓解是指到达研究终点时, HAMD-17的分值< 7分。
1.4 统计学分析采用SPSS 24.0软件进行数据统计分析。计量资料符合正态分布时数据描述以x±s表示, 不符合正态分布时则以M (P25~P75) 表示, 计数资料以率表示。组间患者人口学和临床特征的比较采用两独立样本t检验和Pearsonχ2检验或Pearson连续校正χ2检验。为了减少多次检验导致的Ⅰ类统计学错误, 先采用多元方差分析进行组间整体认知功能的比较。在此基础上, 再进一步对组间各项认知功能分别进行两独立样本t检验分析。对抑郁症患者治疗后HAMD-17评分的预测采用多元线性回归的后退法进行分析。P < 0.05为差异有统计学意义。
2 结果 2.1 基本的人口学和临床特征治疗应答组患者的基线HAMD-17评分(P= 0.005)、HAMA评分(P= 0.013) 和治疗后HAMD-17评分(P < 0.001) 均较治疗无应答组低。年龄、男性比例、汉族比例、婚姻状况、受教育年限、吸烟史、饮酒史、首次发作患者比例、治疗药物类别、治疗时间以及HAMA评分≥14的患者比例等情况在2组受试者中无统计学差异, 见表 1。临床缓解组患者的基线HAMD-17评分(P < 0.001)、HAMA评分(P= 0.013)、治疗后HAMD-17评分(P < 0.001) 和HAMA评分≥14的患者比例(P= 0.022) 均较临床未缓解组低, 而首次发作患者比例高于临床未缓解组(P= 0.019)。年龄、男性比例、汉族比例、婚姻状况、受教育年限、吸烟史、饮酒史、治疗药物类别以及治疗时间等情况在2组受试者中无统计学差异。见表 2。
| Item | Non-responders (n = 19) | Responders (n = 41) | t / χ2 | P |
| Age (year) | 42.48±6.07 | 43.47±8.65 | -0.447 | 0.656 |
| Male [n (%)] | 9 (47.37) | 16 (39.02) | 0.372 | 0.542 |
| Han nationality [n (%)] | 10 (52.63) | 22 (53.66) | 0.006 | 0.941 |
| Marital status [n (%)] | 0.712 | 0.399 | ||
| Unmarried/divorce | 1 (5.26) | 7 (17.07) | ||
| Married | 18 (94.74) | 34 (82.93) | ||
| Education [n (%)] | 1.060 | 0.303 | ||
| 0-12 years | 4 (21.05) | 14 (34.15) | ||
| > 12 years | 15 (78.95) | 27 (65.85) | ||
| Drinking history [n (%)] | 10 (52.63) | 12 (29.27) | 3.052 | 0.081 |
| Smoking history [n (%)] | 2 (10.53) | 6 (14.63) | 0.001 | 0.978 |
| First episode [n (%)] | 10 (52.63) | 28 (68.29) | 1.371 | 0.242 |
| Types of antidepressants [n (%)] | 1.283 | 0.257 | ||
| SSRIs | 14 (73.68) | 24 (58.54) | ||
| SNRIs | 5 (26.32) | 17 (41.46) | ||
| Duration of treatment (d) | 29.26±15.54 | 28.07±11.51 | 0.332 | 0.741 |
| Baseline HAMD-17 scores | 28.68±2.71 | 26.10±3.92 | 2.966 | 0.005 |
| Baseline HAMA scores | 22.42±5.04 | 18.63±5.41 | 2.575 | 0.013 |
| HAMA scores≥14 [n (%)] | 19 (100.00) | 36 (87.80) | 1.183 | 0.277 |
| Posttreatment HAMD-17 scores | 17 (15, 19) | 9 (5, 12) | 8.332 | < 0.001 |
| SSRIs, selective serotonin reuptake inhibitors；SNRIs, serotonergic-noradrenergic reuptake inhibitors. | ||||
| Item | Non-remission group (n = 44) | Remission group (n = 41) | t / χ2 | P |
| Age (year) | 42.87±8.34 | 43.96±6.67 | -0.471 | 0.640 |
| Male [n (%)] | 20 (45.45) | 5 (31.25) | 0.974 | 0.324 |
| Han nationality [n (%)] | 24 (54.55) | 8 (50.00) | 0.097 | 0.755 |
| Marital status [n (%)] | < 0.001 | 1.000 | ||
| Unmarried/divorce | 6 (13.64) | 2 (12.50) | ||
| Married | 38 (86.36) | 14 (87.50) | ||
| Education [n (%)] | 2.147 | 0.143 | ||
| 0-12 years | 16 (36.36) | 2 (12.50) | ||
| > 12 years | 28 (63.64) | 14 (87.50) | ||
| Drinking history [n (%)] | 18 (40.91) | 4 (25.00) | 1.279 | 0.258 |
| Smoking history [n (%)] | 6 (13.64) | 2 (12.50) | 0.000 | 1.000 |
| First episode [n (%)] | 24 (54.55) | 14 (87.50) | 5.487 | 0.019 |
| Types of antidepressants [n (%)] | 0.007 | 0.936 | ||
| SSRIs | 28 (63.64) | 10 (62.50) | ||
| SNRIs | 16 (36.36) | 6 (37.50) | ||
| Duration of treatment (d) | 29.23±13.30 | 26.31±11.45 | 0.777 | 0.440 |
| Baseline HAMD-17 scores | 28.02±3.19 | 23.88±3.59 | 4.308 | < 0.001 |
| Baseline HAMA scores | 20.89±5.10 | 16.94±5.86 | 2.550 | 0.013 |
| HAMA scores≥14 [n (%)] | 43 (97.70) | 12 (75.00) | 5.238 | 0.022 |
| Posttreatment HAMD-17 scores | 14.05±4.47 | 4.06±1.44 | 13.070 | < 0.001 |
| SSRIs, selective serotonin reuptake inhibitors；SNRIs, serotonergic-noradrenergic reuptake inhibitors. | ||||
2.2 组间患者认知功能的比较
多元方差分析结果显示, 治疗应答组与治疗无应答组之间的整体认知功能存在统计学差异(Hotelling’s T=0.212, F=2.913, P= 0.029)。经过两独立样本t检验进一步分析发现, 治疗无应答组患者的DSCT测验得分(P= 0.004) 及BVMT-R T3测验得分(P= 0.042) 明显高于治疗应答组。见表 3。此外, 多元方差分析结果显示, 临床缓解组与临床未缓解组之间的整体认知功能无统计学差异(Hotelling’s T=0.155, F=2.134, P= 0.089)。两独立样本t检验分析也显示, 临床缓解组与临床未缓解组之间的DSCT得分(P= 0.142) 及BVMT-R测验T1 (P= 0.936)、T2 (P= 0.739)、T3 (P= 0.360) 得分和总分(P= 0.804) 均无统计学差异。
| Item | Non-responders (n = 19) | Responders (n = 41) | t | P |
| DSCT | 35.11±6.98 | 27.46±9.94 | 3.018 | 0.004 |
| BVMT-R | ||||
| T1 | 4.00±1.70 | 3.41±1.68 | 1.263 | 0.211 |
| T2 | 6.05±2.32 | 5.28±2.28 | 1.221 | 0.227 |
| T3 | 7.32±2.85 | 5.81±2.51 | 2.077 | 0.042 |
| Total scores | 17.37±6.63 | 14.49±5.97 | 1.679 | 0.099 |
2.3 抑郁症患者治疗后HAMD-17评分的预测
多元线性回归模型中保留了首次发作(β=-2.750, P= 0.028)、基线HAMD-17评分(β=0.841, P < 0.001) 以及DSCT (β=0.180, P= 0.003) 3个自变量, 而年龄、治疗时长、基线HAMA评分以及BVMT-R总分4个自变量被排除。可见, 首次发作、基线HAMD-17评分以及DSCT评分对抑郁症患者治疗后的HAMD-17评分具有一定的预测作用。此外, 该模型可解释抑郁症患者治疗后HAMD-17评分50.9%的变异度。见表 4。
| Measure | B | SE | 95% CI | t | P |
| Constant | -14.886 | 4.863 | -24.627--5.145 | -3.061 | 0.003 |
| First episode | -2.750 | 1.222 | -5.198--0.301 | -2.249 | 0.028 |
| Baseline HAMD-17 scores | 0.841 | 0.158 | 0.525-1.158 | 5.326 | < 0.001 |
| DSCT | 0.180 | 0.057 | 0.006-0.294 | 3.154 | 0.003 |
3 讨论
抑郁症患者基线的神经认知表现被认为与长期的心理社会功能状况有关[7]。如果基线的认知功能状况可以预测抑郁症患者的治疗反应, 临床医生就可能更好的制定治疗方案。本研究旨在探讨抑郁症住院患者的基线认知功能在预测抗抑郁药物临床疗效中的作用。
本研究结果显示, 在达到治疗应答和临床缓解的患者中, 其基线的HAMD-17和HAMA评分均分别低于治疗无应答和临床未缓解的患者。这提示基线抑郁水平越重, 尤其是合并焦虑症状越重的患者, 其抗抑郁药物治疗的疗效越不显著。此外, 在达到临床缓解的患者中首次抑郁发作的比例高于临床未缓解的患者, 提示首次发作的抑郁症患者更易取得良好的疗效。
本研究结果还发现, 治疗应答与治疗无应答患者间整体的基线认知功能存在明显差异。在治疗应答的患者中, DSCT测验得分及BVMT-R T3测验得分明显低于治疗应答组。该结果提示在精神运动速度和学习记忆2个认知域表现差的患者可能在抗抑郁药物治疗中获益更大。此前的多项研究[8-9]也证实, 基线时较低的精神运动速度预示着治疗后抑郁症状的改善更显著。但也有不少研究[10-11]认为, 精神运动速度较慢与抗抑郁药物治疗效果较差相关, 或者两者没有关联。目前关于非言语学习记忆与抗抑郁治疗反应的关系研究非常有限。有研究[12]发现, 基线水平的视觉学习能力是氯胺酮抗抑郁反应的显著预测因子, 且视觉学习表现好的个体可能获得更好的疗效反应。此外, 本研究未发现临床缓解与临床未缓解患者间的基线认知功能存在明显差异。
通过对预测模型的分析, 发现如果患者为首次发作, 则预示着患者治疗后HAMD-17的评分较低；而如果患者的基线HAMD-17评分高或者DSCT分值高, 则预示着患者治疗后HAMD-17的评分仍较高。该结果提示精神运动速度缓慢可能预示着更好的抗抑郁治疗反应, 而且部分临床特征(如基线HAMD-17评分) 也对治疗效果有预测作用。在此前的研究中, TAYLOR等[13]同样通过多元回归的分析方法发现精神运动速度可预测治疗后HAMD-17的评分, 但基线HAMD-17评分并不能预测。与本研究的结果相反, 该研究预测精神运动迟缓者治疗后的HAMD-17评分改善程度更小[13]。
综上, 本研究结果显示, 抑郁症患者的精神运动速度以及部分临床特征对其抗抑郁药物治疗的效果具有一定预测作用。目前该类研究的结果往往不一致, 可能与样本量、样本的同质性、治疗药物种类以及所采用的认知功能评估工具不一致有关。本研究的不足之处在于样本量偏小、随访时间短以及治疗药物非单一品种等。在今后的研究中有必要避免以上不足。
| [1] |
WORLD HEALTH ORGANIZATION. Depression and other common mental disorders: global health estimates[EB/OL].[2017-03-21]. https://apps.who.int/iris/handle/10665/254610. License: CC BY-NC-SA 3.0 IGO.
|
| [2] |
MALHI GS, MANN JJ. Depression[J]. Lancet, 2018, 392(10161): 2299-2312. DOI:10.1016/S0140-6736(18)31948-2 |
| [3] |
SEMKOVSKA M, QUINLIVAN L, O'GRADY T, et al. Cognitive function following a major depressive episode: a systematic review and meta-analysis[J]. Lancet Psychiatry, 2019, 6(10): 851-861. DOI:10.1016/s2215-0366(19)30291-3 |
| [4] |
MAALOUF F, BAKHTI R, TAMIM H, et al. Neurocognitive predictors of clinical improvement in selective serotonin reuptake inhibitor-treated adolescents with major depressive disorder[J]. J Child Adolesc Psychopharmacol, 2018, 28(6): 387-394. DOI:10.1089/cap.2017.0105 |
| [5] |
LIN CH, CHOU LS, TANG SH, et al. Do baseline WAIS-Ⅲ subtests predict treatment outcomes for depressed inpatients receiving fluoxetine?[J]. Psychiatry Res, 2019, 271: 279-285. DOI:10.1016/j.psychres.2018.09.026 |
| [6] |
AMERICAN PSYCHIATRIC ASSOCIATION. Diagnostic and statistical manual of mental disorders[M]. 4th ed: Washington, DC, 1994.
|
| [7] |
CASTELLANO S, TORRENT C, PETRALIA MC, et al. Clinical and neurocognitive predictors of functional outcome in depressed patients with partial response to treatment: one year follow-up study[J]. Neuropsychiatr Dis Treat, 2020, 16: 589-595. DOI:10.2147/ndt.s224754 |
| [8] |
MURROUGH JW, BURDICK KE, LEVITCH CF, et al. Neurocognitive effects of ketamine and association with antidepressant response in individuals with treatment-resistant depression: a randomized controlled trial[J]. Neuropsychopharmacology, 2015, 40(5): 1084-1090. DOI:10.1038/npp.2014.298 |
| [9] |
MURROUGH JW, WAN LB, IACOVIELLO B, et al. Neurocognitive effects of ketamine in treatment-resistant major depression: association with antidepressant response[J]. Psychopharmacology, 2014, 231(3): 481-488. DOI:10.1007/s00213-013-3255-x |
| [10] |
BRUDER GE, ALVARENGA JE, ALSCHULER D, et al. Neurocognitive predictors of antidepressant clinical response[J]. J Affect Disord, 2014, 166: 108-114. DOI:10.1016/j.jad.2014.04.057 |
| [11] |
LIN KG, XU GY, LU WC, et al. Neuropsychological performance in melancholic, atypical and undifferentiated major depression during depressed and remitted states: a prospective longitudinal study[J]. J Affect Disord, 2014, 168: 184-191. DOI:10.1016/j.jad.2014.06.032 |
| [12] |
ZHOU Y, ZHENG W, LIU W, et al. Neurocognitive effects of six ketamine infusions and the association with antidepressant response in patients with unipolar and bipolar depression[J]. J Psychopharmacol, 2018, 32(10): 1118-1126. DOI:10.1177/0269881118798614 |
| [13] |
TAYLOR BP, BRUDER GE, STEWART JW, et al. Psychomotor slowing as a predictor of fluoxetine nonresponse in depressed outpatients[J]. Am J Psychiatry, 2006, 163(1): 73-78. DOI:10.1176/appi.ajp.163.1.73 |