만성 염증성 신체 질환이 있는 피험자의 염증, 신체 및 정신 건강 간의 관계. (InflaMent)

최신 기술:

의료 전문가는 종종 만성 염증 과정이 환자의 삶의 질(QoL)에 미치는 영향을 과소평가합니다. 우울증 및 불안과 같은 일반적인 정신 장애의 유병률은 만성 염증 과정을 수반하는 신체 질환(예: 자가 면역 또는 전염병)이 있는 환자에서 높으며 이러한 장애의 심리사회적 부담을 가중시킵니다. 사실, 정신 증상은 치료에 대한 반응을 해칠 수 있고 신체적 질병에 부정적인 영향을 미칠 수 있으며, 이는 차례로 정신 증상을 악화시킬 수 있으며, 이와 함께 사람의 QoL을 손상시키는 데 기여할 수 있습니다.

우울증 및 불안과 피부병 및 전염병(만성 염증 과정을 수반함)과의 연관성은 광범위한 문헌의 주제였습니다. 우울증은 화농땀샘염(HS) 및 건선(PS) 환자의 각각 최대 42% 및 60%에서 보고됩니다. 아토피성 피부염(AD) 및 HS 환자는 자살 위험이 높은 것으로 보입니다. 만성 C형 또는 B형 간염(HCV, HBV) 및 인간 면역결핍 바이러스(HIV) 감염과 같은 만성 감염성 질환에서도 우울증 및 불안과 높은 동반이환이 보고됩니다. 불안 증상의 유병률은 HIV 감염자에서 80%로 높으며 20%는 범불안 장애 기준을 충족합니다. HBV 및 HCV는 사례의 최대 30%에서 임상적으로 유의미한 우울증과 관련이 있습니다.

지금까지 연구는 일반적인 정신 장애와 만성 염증성 질환 사이의 높은 빈도의 동반이환의 기본 메커니즘을 완전히 밝히는 데 성공하지 못했습니다.

정신 장애의 존재는 만성 염증성 피부 질환 또는 만성 전염병의 심리사회적 부담을 가중시키고, 치료에 대한 반응을 해칠 수 있으며 신체 질환 자체에 부정적인 영향을 미칠 수 있으며, 이는 다시 정신 증상을 악화시킬 수 있습니다. , 그들과 함께 사람의 QoL을 훼손합니다.

프로젝트의 야망은 다양하며 아래에 나열되어 있습니다.

1. 만성염증질환의 정신증상과 신체증상의 상관관계 규명.
2. 일반적인 정신 장애와 만성 염증성 질환 사이의 높은 빈도의 동반이환의 기본 메커니즘을 명확히 합니다.
3. 전염증성 사이토카인 및 면역 결핍에 의해 정신 증상이 촉진될 수 있는 악순환의 원인이 되는 메커니즘 식별; 차례로 전염증성 사이토카인의 생산을 자극하고 세포 면역 반응을 하향 조절할 수 있으며, 장기간의 감염 및 지연된 치유뿐만 아니라 기능 저하에 기여할 수 있습니다.
4. 열악한 QoL 결정 요인의 인과 관계 사슬을 주도하는 주요 변수를 식별하여 치료 계획을 개선합니다.
5. 모델에 포함되지 않은 측정되지 않은("잠재적") 변수의 가능한 영향을 발견합니다.
6. 다음을 수행하여 대규모 환자 샘플에서 위에서 언급한 상호 관계를 모델링하여 최신 기술의 주요 제한 사항을 극복합니다. b) 인지 기능, 낙인, 대처 스타일 및 QoL 평가; c) 염증 마커의 혈장 수준 외에 무증상 염증 손상의 조직 마커 평가.

또한 조사관은 네트워크 분석을 사용하여 평가된 변수 간의 복잡한 상호 관계 및 인과 관계를 모델링합니다. 지금까지 이 접근법을 사용하여 만성 염증성 질환에서 정신 및 신체 증상의 동반이환성을 모델링한 연구는 없습니다. 네트워크 분석은 현재 대체 통계 모델(예: 구조 방정식 모델)과 같이 변수 간의 인과 관계에 대한 선험적 모델에 의존하지 않습니다. 변수 세트 간의 복잡한 상호 작용이 복잡한 시스템을 유지하는 방법을 연구하기 위해 물리 및 통신 과학에서 주로 사용됩니다. 그것은 정신과 동반이환의 복잡한 현상에 대한 지식을 향상시키고 개입을 위한 고가치 목표를 식별하는 데 사용되었습니다. 보다 최근에는 네트워크 모델링 알고리즘을 사용하여 변수 집합 간의 인과 관계를 연구하고 인과 관계 체인에서 우선 순위를 유지하고 신드롬 조건 내에서 "활성화 인자", "중재자" 및/또는 "산물"을 나타내는 변수를 식별합니다. . 네트워크의 주요 변수, 특히 QoL 불량으로 이어지는 변수 사슬에서 인과 관계를 나타내는 변수를 식별하는 것은 이러한 변수를 대상으로 하는 치료 프로그램을 설계하여 환자의 QoL을 개선할 가능성을 높이는 데 중요합니다. 또한 분석을 통해 모델에 포함되지 않은 측정되지 않은("잠재적") 변수의 영향을 식별할 수 있으므로 프로젝트의 결과는 해당 분야의 추가 연구를 안내할 수 있습니다.

목표:

이 프로젝트는 일반적인 정신 장애와 함께 만성 염증 과정(예: 자가 면역 또는 전염병)을 수반하는 신체 질환의 높은 빈도의 동반이환의 기본 메커니즘을 명확히 하는 것을 목표로 합니다.

신체 증상과 관련 장애가 정신 건강 문제를 유발한다는 전통적인 설명적 인과 모델은 관련 문헌에서 의문을 제기하고 있으며, 정신 질환이 신체 질환의 결과로 발생하고 진행에 기여할 수 있는 보다 복잡한 상호 작용을 뒷받침하는 증거가 축적되었습니다. 이 프레임에서 신체적, 정신적 질병 증상의 공존을 인식하는 것은 두 가지 상태를 모두 치료할 필요성뿐만 아니라 정신 증상이 치료에 대한 반응을 해칠 수 있고 부정적인 영향을 미칠 수 있는 악순환을 피해야 할 필요성과도 관련이 있습니다. 정신적 증상을 악화시킬 수 있는 신체적 영향에 영향을 미치고, 장애와 삶의 질을 저하시키는 데 기여합니다.

이러한 목적을 위해 본 프로젝트는 다음과 같은 목표를 추구할 것입니다.

1. 임상적으로 안정적인 500명의 외래 환자에서 우울 및 불안 증상과 장애의 빈도를 조사하기 위해 다음 피부 질환 중 하나를 앓고 있는 외래 환자: 건선, 화농한선염 또는 아토피성 피부염으로 장애 치료를 받고 있습니다. 항바이러스 요법으로 치료 중인 HIV 또는 HBV 감염이 기록된 임상적으로 안정적인 외래 환자 500명을 대상으로 합니다.
2. 두 샘플 모두에서 임상적으로 유의미한 우울 또는 불안 증상의 존재가 전반적인 건강 및 QoL 악화와 관련이 있음을 입증하기 위해.
3. 전 염증성 사이토 카인 및 면역 결핍에 의해 정신 증상이 촉진 될 수있는 악순환의 원인이되는 메커니즘을 식별합니다. 차례로 전염증성 사이토카인의 생산을 자극하고 세포 면역 반응을 하향 조절할 수 있으며, 장기간의 감염 및 지연된 치유뿐만 아니라 기능 저하에 기여할 수 있습니다.

4. 기계 학습 알고리즘을 사용하여 네트워크 분석을 통해 아래 나열된 가설을 테스트하려면 다음을 수행하십시오.

   1. 만성 염증은 신체적, 정신적 증상을 유발합니다.
   2. 정신적 증상은 신체적 징후와 증상을 유발하는 염증 과정에 기여합니다.
   3. 염증 과정은 신체적 증상을 유발하고, 이는 차례로 정신적 증상을 유발합니다.
   4. 신체적 증상은 염증 과정과 정신적 증상 모두에 기여합니다.
   5. 신체 증상은 정신 증상을 유발하는 염증 과정과 관련이 있습니다.
   6. 신체적 증상은 정신적 증상을 유발하며 둘 다 전 염증성 사이토 카인의 증가 및 기타 염증 과정 지표와 관련이 있습니다.
5. 장애 및 열악한 삶의 질의 주요 결정 요인을 식별하고 충족되지 않은 치료 목표를 해결하여 치료 계획을 개선합니다.
6. 모델에 포함되지 않은 측정되지 않은 변수의 가능한 영향을 밝히고 향후 연구에서 조사합니다.

통계 분석

누락된 값, 불일치 및 이상값이 있는지 데이터를 확인합니다. 연속 변수는 다음 기술 통계로 요약됩니다: 관찰 수, 평균, 표준 편차, 중앙값, 최소값 및 최대값; 환자 수와 비율에 따른 범주적인 것.

정규성 가정은 Shapiro-Wilk 테스트로 테스트됩니다. 지속적인 연구 측정 사이의 쌍별 상관 관계는 필요한 경우 Pearson 상관 계수 또는 Spearman 순위 상관 계수를 사용하여 계산됩니다.

달리 명시되지 않는 한 통계 테스트는 양면 a = 0.05에서 수행되며 95% 신뢰 구간(CI)이 계산됩니다.

연속 변수의 경우 그룹 간의 차이는 t-테스트 또는 일원 분산 분석과 Mann-Whitney 또는 Kruskal-Wallis 테스트를 통해 적절하게 테스트됩니다. 범주형 변수의 경우 그룹 간 차이는 필요할 때 카이제곱 또는 피셔의 정확 테스트를 통해 테스트됩니다.

연구 가설은 네트워크 분석을 사용하여 전체 샘플에서 그리고 피부병 또는 전염병 환자의 두 하위 그룹에서 개별적으로 테스트될 것입니다.

인과 관계 네트워크는 인과 관계로 해석될 수 있는 에지(방향 화살표)를 통해 연결된 노드(변수) 세트로 그래픽으로 표시됩니다. 특히, 변수 간의 복잡한 관계는 모델에 표시되지 않은 측정되지 않은 변수의 가능한 영향과 에지 방향을 모두 전달하기 위해 풍부한 에지 유형 세트를 사용하는 부분 조상 그래프(PAG)를 통해 조사됩니다. 분석은 기계 학습 GFCI(Greedy Fast Causal Inference) 알고리즘을 사용하여 수행됩니다. 이 알고리즘은 2단계 프로세스를 사용하여 그래픽 형식으로 PAG로 표시할 수 있는 인과 관계를 추론합니다. 첫 번째 단계에서는 Fast Greedy Equivalence Search라는 방법을 사용하여 어떤 변수 쌍이 잠재적으로 인과 관계가 있는지 설정하기 위해 변수 간의 가능한 모든 비재귀적 인과 관계를 자동으로 검색합니다. 두 번째 단계에서는 일련의 조건부 독립성 테스트를 수행하여 데이터에서 사실이 아닌 조건부 독립성 진술을 암시하는 인과 모델을 반복적으로 배제함으로써 예비 평가를 개선합니다. 이 과정의 끝에서 변수 쌍 간의 연결을 직접 인과 관계, 간접 인과 관계, 측정되지 않은 변수에 의해 혼동될 수 있는 인과 관계 또는 인과 관계의 방향을 정의할 수 없는 상관 관계로 해석할 수 있습니다. 따라서 GFCI 알고리즘은 어떤 연구 가설이 더 타당하고 데이터와 호환되는지 이해하는 데 도움이 됩니다.

모든 통계 분석 및 데이터 처리는 R 버전 3.3.3을 사용하여 수행됩니다. (통계 컴퓨팅을 위한 R 재단).

샘플 크기 고려 사항:

제약 기반 인과 검색 알고리즘 중 GFCI는 200개의 표본 크기를 가진 시뮬레이션에서 정밀도와 좋은 성능 측면에서 더 나은 결과를 보였다. 1000명의 환자(각 하위 표본에 대해 500명의 환자)의 표본 크기는 각 하위 그룹에서 환자/변수 비율이 약 30/1인 연구 변수 간의 인과 관계를 탐지하는 데 적합합니다.

구현: 중간 및 최종 목표의 성능

프로젝트의 첫 3개월 동안 다음 절차가 완료됩니다: 5명의 연구 보조원 등록(염증의 혈장 바이오마커 평가 절차에 경험이 있는 생물학자 1명 또는 정신과 의사 1명, 피부과 전문의 2명, 전염병 전문의 1명 및 통계학자 1명) 데이터 품질 관리); 연구를 위한 장비 및 소모품 구입(7.5Mhz 컬러 도플러 기기용 프로브, 골 정량 초음파 장치, 혈액 마커 투여를 위한 ELISA 키트, 전산화된 신경 인지 테스트 배터리 CANTAB, 휴대용 컴퓨터 5대, 개인용 컴퓨터 1대, iPAD 3대, STATA 3대 /SE 버전 15; 편지지); 조정 부서의 감독하에 컴퓨터 엔지니어가 연구 데이터베이스를 구현 및 테스트합니다. 각 평가를 위해 각 연구 단위에서 수행되는 연구 도구 사용 및 올바른 연구 절차에 대한 연구원 교육.

4개월 초에 피험자 모집이 시작되어 향후 18개월 동안 진행됩니다.

환자의 적격성 확인은 정신의학, 피부과 및 전염병 연구 단위의 부교수 및 연구원이 수행하며, 포함에 나열된 피부 질환 또는 감염성 질환의 진단과 같이 해당 분야와 관련된 포함/제외 기준을 검토합니다. 기준, 뿐만 아니라 평생 정신과 진단. 피부과 및 전염병 연구 부서의 부교수 및 연구원도 적격 환자로부터 정보에 입각한 동의를 얻습니다.

정신과 연구 부서의 정신과 연수생은 사회 인구학적 특성, 정신 병리학, 장애, 삶의 질, 인지, 대처 기술 및 낙인과 관련된 데이터를 수집합니다.

피부과 지표의 평가는 프로젝트에 연구 조교로 등록된 피부과 전문의와 피부과 연구 단위의 연구원 및 연수생이 수행합니다.

준임상적 염증성 손상의 마커 평가는 전염병 연구 부서의 부교수 및 연구 조교가 수행합니다. 염증 표지자의 혈장 수준 측정은 정신과 연구 단위 연구원의 감독하에 프로젝트에 등록된 연구 보조원(혈장 생체 표지자 평가 절차에 경험이 있는 생물학자 또는 정신과 의사)이 수행합니다.

연수생은 전자 데이터베이스에서 각 연구 단위에 대해 수집된 데이터를 작성합니다.

누락된 데이터 또는 불충분한 샘플 크기를 제어하기 위해 3개월마다 임시로 임명된 내부 감사 위원회에서 모집 전략 및 과목 등록을 검토합니다. 모집된 피험자에 대한 불완전한 데이터는 5% 단위로 허용됩니다. 주요 평가 영역(생체지표, 정신 증상, 신체 및 1차 질병 평가) 중 하나에서 모든 데이터가 누락된 피험자는 교체됩니다.

연구의 중간 목적은 다음과 같습니다: 1) 12개월 말까지 최소 400명의 환자(피부과에서 200명, 감염 질환에서 200명) 모집; 2) 9월 말까지 연구 등록 및 연구 계획서 발행 및 국내 및 국제 회의에서의 보급; 3) 12개월까지 만성 염증성 피부 및 감염성 질환을 동반한 일반적인 정신 질환의 동반이환에 관한 2건의 체계적 고찰을 발표합니다.

프로젝트의 최종 목표는 다음과 같습니다. 1) 21개월까지 완전한 데이터로 최소 700명의 피험자를 모집합니다. 2) 22개월 말까지 네트워크 분석 및 최종 통계 분석 완료에 대한 특정 전문 지식을 갖춘 통계학자와의 상담; 3) 영향력이 큰 국제 저널에 결과를 게재하고 국내 및 국제 회의에서 배포합니다.