基于症状严重度表型的轻度创伤性脑损伤后抑郁风险识别：聚类分析研究

《BMC Psychiatry》：Can symptom-severity phenotypes identify depression risk after mild traumatic brain injury? A cluster-based approach

为解决轻度创伤性脑损伤（mTBI）后继发抑郁的早期识别难题，Chen等研究人员通过聚类分析方法对249例mTBI患者的脑震荡后症状严重度表型进行划分，并结合格拉斯哥昏迷评分（GCS）和心理弹性指标构建抑郁风险预测模型。研究发现严重症状表型（以视觉症状为特征）的抑郁风险增加17.17倍，心理弹性（OR=0.95）和较高GCS评分（OR=0.20）具有保护作用，模型区分度AUC达0.88。该研究为mTBI患者的精准精神健康筛查提供了数据驱动支持。

　　

每年全球有数百万人遭受轻度创伤性脑损伤（mTBI），其中约15%-30%的患者会出现持续性脑震荡后症状，显著增加继发抑郁的风险。尽管多数患者在三个月内恢复，但部分患者会面临长期功能限制，如工作效率下降和日常生活依赖他人。抑郁作为mTBI后长期残疾的主要原因，其早期识别对干预至关重要。然而，当前筛查工具多关注单一症状领域，难以捕捉脑震荡后表现的异质性，常遗漏高危个体。

为突破这一局限，Chen等人在《BMC Psychiatry》发表研究，通过数据驱动方法对mTBI患者的症状严重度表型进行划分，并整合急性神经状态和心理学指标，构建抑郁风险预测模型。研究团队从台湾北部一家三级医院招募249名成年mTBI患者（GCS评分13-15），采用Rivermead脑震荡后症状问卷（RPQ）的16个项目进行层次聚类分析（Ward法结合欧氏距离），辅以贝叶斯信息准则（BIC）确定最佳聚类数，再通过k均值聚类将患者划分为不同表型。抑郁状态以贝克抑郁量表第二版（BDI-II）评分≥13定义，通过广义线性模型（GLM）评估症状表型、GCS评分和心理弹性（使用成人心理弹性量表RSA评估）对抑郁风险的独立影响，并计算模型区分度（AUC-ROC）。

研究发现三种症状严重度表型：轻度（n=124）、中度（n=84）和重度（n=41）。重度表型以突出的视觉症状（如畏光和复视）为特征。与轻度表型相比，中度表型的抑郁风险增加5.06倍（OR=5.06, 95% CI 2.08-12.31），重度表型增加17.17倍（OR=17.17, 95% CI 5.66-52.14）。较高的心理弹性（OR=0.95 per unit）和GCS评分（OR=0.20）均为保护因素。模型区分度优异，完整模型AUC达0.88（95% CI 0.83-0.92）。

研究通过雷达图进一步展示各表型的症状特征，重度表型在畏光、复视和烦躁不安等症状上尤为突出。

在预测性能方面，仅包含症状表型的模型AUC为0.74，加入GCS后提升至0.76，而整合心理弹性后显著提高至0.88。

该研究的创新点在于首次将无监督症状聚类与急性神经评估（GCS）和心理弹性指标结合，证实严重症状表型（尤其伴视觉障碍者）为抑郁最高危群体。视觉症状可能反映顶叶-枕叶视觉处理通路与情绪调节边缘系统的交互损伤，而心理弹性可作为可干预的保护因素。研究成果支持将症状表型分层与弹性评估纳入mTBI常规随访，为个性化精神健康干预提供依据。