预测抑郁症的复发及再发

本系统综述的目的是什么?

复发及再发(改善后再次不适)在抑郁症中很常见,并导致患者的残疾概率增加和生活质量下降。复发是在抑郁症病情初步改善后再次出现最初的抑郁发作,而再发是在恢复后出现新的抑郁发作。有时可以在人们身体健康时利用当时可获取的信息预测病情结局,例如复发及再发。可以通过数学计算评价个人的风险;这种计算被称为“预后模型”或预测工具。在包括英国国家医疗服务体系(NHS)的大多数医疗服务中,需要尽可能最大化利用医生和治疗师等资源,使人们从中最大化获益。如果有准确的预测工具,所获取的信息可用于识别最“高风险”的患者,并确保他们获得额外的支持,以防止病情复发及再发。

本综述的目的是找到试图开发成人抑郁症复发及再发预测工具的研究。我们对试图在患者身体健康时做出这一预测的研究感兴趣。我们也纳入了预测患者保持健康的概率的工具。当我们发现多项研究测试了相同的预测工具时,我们会将这些研究结合起来,以更好地总结该工具的效果。

关键信息

我们找到了10种预测工具(超过11项研究)用于复发及再发。此类工具或是未得到证明能够较好预测复发/再发,或是其研究在进行方面存在问题,这意味着预测工具均不处于可以在现实世界中使用的阶段。仍需进一步的工作以改进对抑郁症复发及再发的预测。

本系统综述研究了什么?

我们收集并分析了11项相关研究的结果。我们对以下几个方面感兴趣:研究人员如何定义复发及再发(例如,他们是否采用临床访谈或自我报告问卷来诊断抑郁症状);研究人员收集了哪些信息以帮助做出预测;研究人员用来帮助开发工具的技术;以及这些工具的预测效果如何。我们还对此类工具是否在单独的一组受试者中进行了测试感兴趣,这对于确保模型能够准确对现实世界中的患者进行预测至关重要。

最后,考虑到研究人员采用的方法(称为“偏倚风险”)以及研究与我们的综述的相关性(称为“适用性”),我们评价了研究以确定我们对结果的信心程度。

本系统综述的主要结果是什么?

我们找到29项研究。其中十项研究开发了不同的模型,一项研究测试了先前研究中开发的一个模型。我们无法合并任何特定工具的结果。

11项研究中有10项被评为存在高偏倚风险。这意味着由于研究进行的方式存在一些问题,我们无法对研究所呈现的结果充满信心。最常见的问题是研究中没有充足的受试者。其他常见问题涉及研究人员使用的统计方法。

一项研究的总体偏倚风险较低,这意味着我们对其结果可以更有信心。然而,该工具并未对病情复发及再发做出准确的预测。

我们没有检索到任何可用于临床实践的研究;仍需进一步的研究以开发预测抑郁症复发及再发的工具。

本系统综述的时效性如何?

本综述的文献检索于2020年5月完成。

作者结论: 

在检索到的10个预后模型(跨11项研究)中,只有四个经过外部验证。大多数研究(n=10)被评估为总体偏倚风险较高,而一项偏倚风险较低的研究给出了预测性能较差的模型。该临床领域的预后研究仍需改进,未来的研究应遵循预后模型开发/验证的当前最佳实践建议,且报告结果应符合个体预后或诊断的多变量预测模型的透明报告(TRIPOD)陈述。

阅读摘要全文……
研究背景: 

复发(患者尚未康复但病情得到一定程度改善后再次出现抑郁症状)及再发(患者康复后出现新的抑郁症状)在抑郁症中很常见,导致患者的结局及生活质量更差,并将给社会带来较高的经济成本。可以使用多变量预后模型对其结局进行预测,该模型根据关于多个预测因子的信息得出个性化的风险评估。能够在患者状况良好(处于缓解期)时准确预测病情的复发及再发,将有助于识别高风险个体,并可以通过更有效地采取干预措施以防止复发及再发来改善患者的整体治疗结局。

研究目的: 

为总结为预测符合缓解或康复标准的重度抑郁症成人患者病情复发、再发、持续缓解及恢复的风险而开发的预后模型的预测性能。

检索策略: 

我们检索了截至2020年5月的Cochrane图书馆( Cochrane Library)(当前问题); Ovid MEDLINE(1946年后); Ovid Embase(1980年后);Ovid PsycINFO(1806年后);和Web of Science(1900 年后)。我们也检索了灰色文献资源,筛选了纳入研究的参考资料目录并进行了前向引用检索。我们未对检索日期、语言及发表状态做任何限制。

纳入排除标准: 

我们纳入了任何多变量预后模型(包括两个或多个预测因子)的开发和外部验证(在与开发数据分开的数据中测试模型性能)研究,以预测在任何临床环境中,抑郁症缓解的成人(18岁及以上)的病情复发、再发、持续缓解及恢复。我们纳入了所有研究设计并接受了复发、再发及其他相关结局的所有定义。我们没有指定对比预测模型。

资料收集与分析: 

两名综述作者独立筛选参考文献;提取的数据(使用基于预测建模研究系统综述的关键评估和资料提取清单(CHARMS)的模板);并评估纳入研究的偏倚风险(使用预测模型偏倚风险评估工具 (PROBAST))。我们将任何分歧提交给第三综述作者。当我们检索到单个模型足够的(10个或更多)外部验证研究时,我们计划对其预测性能进行meta分析,特别是关于其校准(预测概率与观察到的经历结局的个体比例的匹配程度如何)和区分性(模型区分结局是否出现的能力)的分析。使用GRADE系统无法对建议进行鉴定,因为尚无用于预后模型审查的指南。

主要结果: 

我们检索到了11项符合条件的预后模型研究(10项独特的预后模型)。其中七项是模型开发研究;三项是模型开发和外部验证研究;一项是仅外部验证研究。任何模型都无法对性能指标进行多重预估,meta分析因而不可行。11项纳入的研究中有10项被评估为总体偏倚风险较高。常见的问题包括样本量不足、对缺失数据的处理不当以及缺乏关于区分度及校准的信息。一篇论文 (Klein 2018) 的总体偏倚风险较低,并提出了一个预后模型,包括以下预测因素:既往抑郁发作的次数、残余的抑郁症状和最后一次抑郁发作的严重程度。该模型的外部预测性能较差(C统计量为0.59;校准斜率为 0.56;未报告置信区间)。检索到的研究均未检测开发模型的临床效用(净效益)。

翻译笔记: 

译者:李智(北京中医药大学人文学院2020级翻译硕士),审校:李迅(北京中医药大学循证医学中心)。 2021年10月27日。简体中文翻译由Cochrane中国协作网成员单位,北京中医药大学循证医学中心翻译传播工作组负责,联系方式:tina000341@163.com

Tools
Information