使用23andMe调查数据预测耐治疗抑郁症
Srinivasan Vairavan1, Chao Tian2, David Hinds2
1Johnson & Johnson, 1125 Trenton Harbourton Road, Titusville, NJ, 08560, USA. svairava@ITS.JNJ.com.
Scientific reports
|September 30, 2025
概括
一个新的预测模型使用患者报告的数据来识别严重抑郁症 (MDD) 中的耐治疗抑郁症 (TRD). 这种方法有助于早期风险评估,并改善TRD管理,以获得更好的患者结果.
科学领域:
- 精神病学是一个精神病学.
- 计算精神病学是一种计算精神病学.
- 临床心理学 临床心理学
背景情况:
- 大型抑郁症 (MDD) 带来了重大挑战,特别是治疗耐药性抑郁症 (TRD).
- 目前对TRD的鉴定往往会延迟,这会影响患者的管理和结果.
- 患者报告的药物反应为开发预测模型提供了一个新的途径.
研究的目的:
- 开发和验证用于识别MDD患者的TRD的预测模型.
- 利用患者报告的抗抑郁药疗效调查中的表型数据.
- 改善TRD的早期识别和管理.
主要方法:
- 利用了23779名参与者的表型数据 (人口统计,临床特征,并发症,脆弱性).
- 工程101功能用于TRD与非TRD的分类.
- 采用了对培训 (80%) 和持久性 (20%) 数据集的分层划分.
主要成果:
- 对TRD的重要预测因素包括残留症状,抑郁症发作的持续时间,压力水平,年龄和自杀念头.
- 最终的模型在接收器操作特性方面实现了78%的曲线下面面积 (AUC).
- 精确回忆的AUC为44%,表明预测性能中等.
结论:
- 开发的预测模型显示了通过识别TRD风险因素来改善MDD管理的前景.
- 促进TRD患者的可靠和潜在的早期识别.
- 解决了现实世界临床环境中的关键缺口,以便及时评估TRD.
