对抗抑郁药反应算法的交叉EHR验证以及精神病特征与遗传学的联系

科学领域:

• 药物基因组学 药物基因组学
• 临床信息学 临床信息学
• 精神病学遗传学 精神病学遗传学

背景情况:

• 抗抑郁药的有效性在个体之间有很大差异,潜在的因素仍然不太清楚.
• 电子健康记录 (EHR) 提供了一个可扩展和具有成本效益的资源,用于研究大量人群对抗抑郁药物的反应.
• 开发强大的算法对于分析纵向EHR数据以预测治疗结果至关重要.

研究的目的:

• 开发和验证一种新的算法来评估使用EHR数据的抗抑郁药物反应.
• 研究精神疾病的遗传责任与对初始抗抑郁药治疗的反应之间的关联.
• 为了证明开发的算法的跨机构部署性.

主要方法:

• 一种抗抑郁药物反应算法被开发并部署在三个独立的EHR数据库中:范德比尔特大学医学中心 (VUMC),我们所有人的研究计划和大众普里格姆医疗保健系统 (MGB).
• 用患者健康问卷 (PHQ) 评分验证了响应结果,并在所有地点进行了元分析.
• 用多基因分数来评估VUMC和MGB队列中精神疾病遗传风险和抗抑郁药反应之间的关系.

主要成果:

• 一项元分析证实,较高的PHQ-8分数与较差的抗抑郁药物反应显著相关 (β = 0.20,p < 1.09 × 10-18).
• 抑郁症,精神分裂症,双相情感障碍和交叉障碍的多基因分数升高与第一次抗抑郁药试验的反应减少有关,即使在控制抑郁症诊断后也是如此.
• 具体的关联包括:抑郁症 (p < 2.84 × 10-8 ,OR = 1.07),精神分裂症 (p < 5.93 × 10-4 ,OR = 1.05),双相情感障碍 (p < 1.99 × 10-3 ,OR = 1.04) 和交叉疾病 (p < 1.03 × 10-3 ,OR = 1.05).

结论:

• 开发的抗抑郁药反应算法可以有效地部署在各种电子健康记录系统中.
• 这种方法增加了针对抗抑郁药反应的遗传和流行病学研究的样本规模.
• 这些发现强调了整合EHR数据和遗传信息的潜力,以推进个性化的抗抑郁药治疗策略.