重度抑郁症患者个体症状的早期改善和对抗抑郁药的反应

学习规划

拟议的项目是个体患者数据荟萃分析。 数据将来自 31 项第二代抗抑郁药治疗重度抑郁症的试验，使用来自安慰剂或食品和药物管理局 (FDA) 批准的抗抑郁药治疗的试验组的数据。 这些试验总共包括大约 7,800 名接受抗抑郁药治疗的参与者和 3,000 名接受安慰剂治疗的参与者。 惩罚回归方法（特别是最小绝对收缩和选择算子，“套索”）将用于检查特定抑郁症状的早期改善与治疗反应之间的关系。 此外，研究人员将检查早期改善症状之间以及早期改善症状与年龄和性别等人口统计变量之间的相互作用是否会改善治疗结果的预测。 最后，研究人员还将检查通过特定症状的早期改善来预测对治疗的反应是否取决于所提供的治疗类型（安慰剂、选择性 5-羟色胺再摄取抑制剂 [SSRIs] 或 5-羟色胺去甲肾上腺素再摄取抑制剂 [SNRIs]），这会提出一种药物特异性机制。

统计分析计划

缺失数据：将采用完整的病例方法，因为预测在指定时间段内实际服用抗抑郁药的参与者的反应和缓解是有意义的。 因此，只有具有有效基线、第 2 周和第 6 周 (±1) HDRS 分数的参与者才会被选择用于主要分析（或有效的第 12 周数据用于第 12 周结果的二次分析）。

训练和验证样本：数据将随机分为 80% 的训练样本和 20% 的验证样本（按治疗组分层）。 模型发现将在训练样本中完成，而模型的预测性能将在验证样本中进行评估。

预测因素：个体症状的改善将来自基线和第 2 周的 HDRS 项目。这些项目的答案选择范围为 0 - 2（7 个项目）和 0 - 4（10 个项目）。 早期改善将分为“无改善”和“改善”。 “无改善”表示项目得分恶化（例如，从基线时的 1 到第 2 周的 2）或项目得分没有变化。 “改善”表示项目得分改善≥1。 交叉表将用于检查是否有任何变量高度相关，如果是，则删除其中一项。 HDRS 项目的基线分数也将包含在模型中，以便调查单个项目的改进超过基线项目分数的附加值。

对于 HDRS-17 总分，早期改善也将分为无/轻微改善（<20% 改善）或改善（≥20% 改善）。 基线 HDRS-17 分数将被标准化并作为协变量包含在模型中。

在人口因素方面，性别已经是一个二分变量，年龄将被标准化。

套索回归：套索回归将应用于以下模型：

主要分析（仅在抗抑郁药治疗组中）

1. 包含所有 17 个 HDRS 项目、年龄、性别以及这些变量之间所有双向交互作用的第 2 周早期改善变量的模型；基线 HDRS 项目分数；此外还有基线时的总 HDRS 评分和第 2 周时 HDRS 总评分的早期改善（评分改善≥20%）。

   探索性分析（在所有参与者中，包括接受安慰剂治疗的参与者）

2. 如上模型 1，但包括治疗组（安慰剂、SSRI、SNRI）以及与治疗组的所有双向和三向相互作用。

将在 10 折交叉验证的帮助下选择导致最小预测误差（基于偏差）的调整参数 (lambda)。 用于多级数据的 GLMMLasso 包将用于拟合套索模型，随后将仅使用套索回归选择的变量使用混合效应逻辑回归重新拟合。

模型性能：将通过将混合效应逻辑回归模型应用于独立验证样本来评估预测准确性。 预测 6 周或 12 周时反应/缓解的接受者操作特征 (ROC) 曲线的曲线下面积 (AUC) 将用于评估预测准确性。 还将确定灵敏度、特异性和准确性（正确预测的百分比）。

二次分析：二次分析将检查双盲治疗持续时间至少为 12 周的试验亚组内的 12 周结果。