Een studie van geïndividualiseerde diagnose en behandeling voor depressieve stoornis met atypische kenmerken

De levenslange prevalentie van depressieve stoornis (MDD) is 10%~20%. Wereldwijd hebben bijna 340 miljoen mensen de marteling van depressie ondergaan. De Wereldgezondheidsorganisatie heeft gemeld dat MDD de ernstigste wereldwijde ziektelast zou worden en uiteindelijk in 2030 een probleem voor de volksgezondheid zou worden. Gevarieerde klinische symptomen, ongepaste behandeling, onduidelijke pathogenese en gebrek aan vroegtijdige waarschuwingsvoorspellers voor terugkerend risico veroorzaken een reeks klinische problemen, zoals een laag diagnostisch percentage, een laag effectief behandelingspercentage en een hoog recidiefpercentage. Daarom heeft deze studie tot doel om multidimensionale markers te zoeken voor vroege diagnose van MDD, om geoptimaliseerde gepersonaliseerde therapie vast te stellen en om gevoelige voorspellers van recidief te onderzoeken.

Op basis van de criteria van de Diagnostic and Statistical Manual of Mental Disorders, Fifth Edition (DSM-5), is MDD onderverdeeld in acht verschillende klinische specificaties, waarvan er één het aantal incidenten van MDD met atypische kenmerken 30%~38% bereikt. Er is echter nog steeds een gebrek aan meta-bewijs voor de klinische behandelingsstrategie bij MDD met atypische kenmerken. En 45,4 procent van de MDD met atypische kenmerken wordt omgezet in een bipolaire stoornis. Daarom zal deze studie zich concentreren op drie kwesties: wat is het objectieve endofenotype bij MDD met atypische kenmerken, hoe de juiste gepersonaliseerde behandeling voor MDD met atypische kenmerken te selecteren, wat is de voorspellende biomarker van conversie naar een bipolaire stoornis.

Op basis van eerdere bevindingen van de onderzoekers zal deze studie depressie bij volwassenen onderzoeken in een cross-sectionele studie en een prospectieve cohortstudie. Multivariate informatica-analyse werd uitgevoerd vanuit drie onderzoeksdimensies (cognitieve neuropsychologie, metabonomics en multimodale neuroimaging), waaronder atypische kenmerken, "koud/heet" cognitiebeoordeling, KP (kynurenine-route) metabolomics en ontstekingsfactoren, multimodale MRI-robuuste eigenschap. Verwijzende richtlijnen voor de diagnose en behandeling van depressie en evidence-based medicijnbewijs, MDD met atypische kenmerken worden onderverdeeld in f-groepen (antidepressiva, antidepressiva + stemmingsstabilisatoren, stemmingsstabilisatoren, behandelen zoals gewoonlijk). Vervolgens voeren de onderzoekers follow-up uit om geoptimaliseerde behandelstrategieën te verifiëren en om risicofactoren van conversie van MDD met atypische kenmerken naar een bipolaire stoornis te onderzoeken. Verder voert deze studie correlatieanalyse uit om cross-omics-gegevens te analyseren, gewichtscoëfficiëntanalyse om multidimensionale indexen te analyseren, clusteranalyse om multivariate bio-informatiegegevens te analyseren, en kunstmatige-intelligentietechnologieën (zoals patroonherkenning en machine learning) om de transformatie te realiseren van medische data tot praktische transformatie. Uiteindelijk bouwt deze studie drie specifieke modellen op (de multidimensionale vroege diagnosemodellen voor MDD met atypische kenmerken, het geoptimaliseerde gepersonaliseerde therapiemodel en het vroege waarschuwingsmodel voor herhalings- en conversierisico's), die het geïntegreerde intelligente platform vormen voor multidimensionale diagnose, gepersonaliseerde behandeling , herstelbeheer van MDD met atypische kenmerken.