使用探索性无监督机器学习识别青少年主要抑郁症的心血管疾病风险内型

科学领域:

• 精神病学和心脏病学
• 青少年健康 青少年健康
• 精准医学是一门精准的医学.

背景情况:

• 青少年的严重抑郁症 (MDD) 与早发动脉硬化和心血管疾病 (CVD) 的风险增加有关.
• 识别患有高心血管疾病风险的MDD青少年对于个性化干预和了解MDD-CVD联系至关重要.
• 青少年MDD呈现异质性,需要定制的管理策略.

研究的目的:

• 在青少年MDD中识别与心血管疾病 (CVD) 风险增加相关的独特内型.
• 根据心血管疾病风险概况,区分患有MDD的青少年子组.
• 为管理青少年抑郁症和相关心血管风险提供准确医学方法的信息.

主要方法:

• 从189名患有MDD的青少年中,K-means集群被应用到人口,临床 (包括抑郁和焦虑症状,家庭冲突),人体测量和实验室数据 (脂质,葡萄糖,C反应蛋白) 上.
• 使用了两个聚类模型:一个包含所有变量,第二个仅包括脂质资料.
• 在已识别的集群之间比较了连续和分类变量.

主要成果:

• 一个综合模型确定了一个高CVD风险集群和一个低CVD风险集群,在种族,人类学,实验室数据和家庭冲突方面存在差异.
• 一个仅限脂质的模型揭示了两个高和两个低的心血管疾病风险集群,在性别,种族,BMI,脂质,抑郁症和焦虑症严重程度方面存在显著差异.
• 特定集群表明心脏代谢风险增加或高的LDL胆固醇,没有其他心血管风险因素.

结论:

• 确定了与各种心血管疾病风险水平相关的青少年MDD的不同内型.
• 这些发现强调了青少年MDD的异质性.
• 需要精准医学策略来改善MDD青少年的心血管和抑郁的结果.