物理和神经生物学因素与抑郁症的相关性：一项横断面研究

《Journal of Affective Disorders Reports》：Physical and Neurobiological Depression-associated Factors: A Cross-Sectional Study

抑郁症的生理与神经生物学标志物研究：步态、执行功能、HRV和fNIRS的多参数模型分析。

　　抑郁是一种普遍且具有严重致残性的疾病，它不仅影响个体的情绪状态，还与生活质量下降、身体共病、心理社会功能障碍、过早死亡以及工作效率降低等现象密切相关。随着全球范围内抑郁发病率的上升，尤其是在新冠疫情期间，这种疾病对社会和个人的影响日益显著。根据现有数据，全球约有2.8亿人患有抑郁障碍，约占世界人口的3.8%。在瑞士，过去一年中约有5.4%的受访者被诊断为抑郁，其中女性占6.6%，男性占4.2%。这些数字进一步说明了抑郁的高发趋势和对公共健康的重要影响。

目前，抑郁症的诊断主要依赖于临床标准，包括当前的症状表现和病史。然而，这种诊断方式通常依赖于主观判断，缺乏客观依据。因此，研究者们提出，结合适当的统计方法和客观的生物标志物，可以更准确地识别与抑郁相关的因素，从而为预防和治疗策略提供科学支持。本研究的目的在于探讨身体和神经生物学指标是否可能是重要的抑郁相关因素。

为了实现这一目标，研究者们对90名成年人（平均年龄45.7岁，标准差10.8岁，其中55名为女性）进行了评估，这些参与者被分为抑郁组和非抑郁组。所有参与者均接受了执行功能、心率变异性（HRV）、步态分析以及行走期间前额叶皮层（PFC）氧合情况的评估。评估采用的功能性近红外光谱（fNIRS）技术，能够测量大脑活动，而步态分析则通过惯性传感器进行，这些传感器固定在鞋子上，用于捕捉步态特征。研究者还使用了LASSO回归分析和计划对比分析，以确定这些指标与抑郁诊断之间的独立关联，并评估不同组别之间的差异。

LASSO回归分析结果显示，从步态、执行功能、HRV和fNIRS测量中选择出的变量能够构建一个具有极高预测能力的多参数模型，其曲线下面积（AUC）达到了0.946，表明该模型在区分非抑郁个体与抑郁个体方面表现优异。此外，计划对比分析揭示了抑郁与非抑郁之间在某些单个指标上的显著差异，包括执行功能（如r=0.16, p < 0.009）、HRV（如r=0.14, p=0.05）、步态（如r=0.19, p < 0.001）以及fNIRS测量（如r=0.16, p=0.04）方面的差异。这些结果表明，抑郁与这些生理和神经生物学指标之间存在显著联系，可能为抑郁症的诊断和治疗提供新的视角。

步态分析在临床诊断中具有重要意义。步态不仅反映了大脑系统的完整性，还可能作为精神疾病的重要参数。然而，传统的视觉观察法在检测步态参数的细微变化方面存在局限，因此需要更精确的仪器评估。尽管仪器评估可以确认抑郁患者是否存在运动障碍，但目前仍缺乏高质量的研究，特别是在抑郁患者中进行仪器步态分析的案例。HRV参数也被认为是抑郁症的潜在诊断或预测生物标志物。HRV可能有助于揭示与抑郁相关的生理过程，如中枢自主神经系统的变化，或者可能与抑郁有因果关系，如通过HRV生物反馈训练所展示的。这些参数的评估有助于更全面地理解抑郁症的病理生理机制。

前额叶皮层（PFC）氧合情况作为抑郁症的一个潜在指标，已被功能性近红外光谱（fNIRS）测量所证实。研究表明，精神疾病患者在PFC的氧合变化上与健康对照组存在差异，这可能表明PFC活动的降低。在某些情况下，抑郁患者表现出与健康个体不同的双任务成本，即在执行认知任务的同时行走时，其步态稳定性下降。这一发现与之前的文献相一致，表明抑郁患者在执行认知任务时步态会受到更大的影响。此外，研究还发现，在双任务条件下，抑郁患者的PFC氧合水平反而高于健康个体，这可能与抑郁患者需要更多注意力来完成行走任务有关。

执行功能的评估也是本研究的重点之一。已有研究表明，抑郁患者在执行功能方面存在缺陷，包括选择性注意、工作记忆和长期记忆。这些认知功能的下降不仅影响患者的日常生活，还可能与抑郁症的复发和持续性有关。因此，将这些认知功能纳入抑郁症的评估体系中，有助于更全面地了解病情，并为制定更有效的治疗方案提供依据。本研究中，通过Victoria Stroop测试和Switcher任务，评估了抑郁患者的执行功能，结果显示，这些测试能够有效区分抑郁组与非抑郁组，并且在评估不同严重程度的抑郁时也显示出一定的区分能力。

研究结果表明，抑郁与多个生理和神经生物学指标存在显著关联。这些指标包括步态参数、HRV参数、执行功能和PFC氧合情况。通过LASSO回归模型，研究者们能够构建一个具有高度预测能力的多参数模型，该模型在区分非抑郁个体和抑郁个体方面表现出色。此外，计划对比分析进一步揭示了这些指标在不同抑郁严重程度之间的差异，从而为个体化治疗提供了潜在的依据。例如，SDNN（站立）和HF（站立）参数在区分非抑郁与抑郁个体时显示出显著差异，而在区分轻度与中重度抑郁时则显示出中等效应大小。

这些发现具有重要的临床意义。它们不仅有助于提高抑郁症诊断的准确性，还可能为治疗策略的制定提供新的方向。例如，通过评估和干预这些可调节的生理和神经生物学指标，如HRV、PFC氧合和执行功能，可以为抑郁症患者提供更有效的治疗方案。此外，步态作为抑郁的一个相关因素，也可以通过干预措施进行改善，如体育锻炼和特定的训练方法。

尽管本研究的发现具有重要意义，但也存在一些局限性。首先，横断面研究设计难以建立因果关系，因此需要进一步的纵向研究来验证这些关联。其次，研究样本来自一个相对较小且异质性较高的群体，这可能导致结果受到抽样偏差的影响。此外，研究者们未对多参数分析进行多重比较校正，这可能增加假阳性结果的风险。因此，未来的研究需要更加严谨地设计实验，以确保结果的可靠性和有效性。

综上所述，本研究通过多参数模型，揭示了抑郁与多种生理和神经生物学指标之间的关系。这些指标不仅有助于提高诊断的准确性，还可能为治疗策略的优化提供新的思路。未来的研究应进一步探索这些指标在不同人群中的适用性，并通过纵向和干预性研究，验证其在实际临床中的价值。通过这些努力，可以为抑郁症的预防和治疗提供更科学、更有效的支持。