编辑推荐：
为改善对超高危（UHR）个体患精神病的预测，研究人员开发并验证预测模型，该模型有良好预测能力。
在精神健康领域，一直以来都有一个亟待解决的难题：如何精准预测哪些人更容易患上精神病呢？目前，超高危（Ultra High Risk，UHR）标准，也叫高危精神状态（At Risk Mental State，ARMS）或临床高危（Clinical High Risk，CHR）标准，能识别出患精神病风险较高的人群。然而，现状却不尽如人意，符合这些标准的人，12 个月内只有约 18% 会发展为精神病 。这意味着大量资源被浪费在不必要的监测和治疗上，同时真正需要关注的高风险个体却可能被忽视。因此，开发更精准的预测工具迫在眉睫，这不仅能合理分配医疗资源，还能为高风险个体提供更及时有效的干预。
为了攻克这一难题，英国利物浦大学、曼彻斯特大学以及澳大利亚迪肯大学等机构的研究人员携手开展了一项极具意义的研究。他们的研究成果发表在《Schizophrenia》杂志上，为该领域带来了新的曙光。
研究人员在这项研究中主要运用了三种关键技术方法。一是个体患者数据荟萃分析（Individual Patient Data meta-analysis，IPD-MA），研究人员从多个研究中收集符合 UHR 标准个体的数据，这些数据来自 26 项研究的 3739 名参与者。通过这种方法，能利用更大的样本量，减少研究间的异质性影响，更准确地分析各种因素与精神病转变的关系。二是焦点小组讨论，研究人员组织了服务使用者和工作人员的焦点小组，讨论风险因素在临床实践中的可行性和可接受性，以此确保筛选出的因素适用于常规临床评估。三是逻辑回归建模，在模型开发过程中，研究人员运用逻辑回归分析，结合向后选择法筛选变量，构建预测模型，并通过多种方式评估模型性能，如计算 c 统计量和校准斜率等，还进行了内部验证和敏感性分析，以确保模型的可靠性和稳定性。
下面来看具体的研究结果：
- 个体患者数据荟萃分析结果：通过对大量数据的深入分析，研究人员发现多个因素与转变为精神病显著相关。年龄越大，患精神病的风险越高，这可能意味着症状持续时间较长。思维内容障碍（如对他人恶意意图的过度怀疑）、感知异常（类似幻觉等异常感知体验）、言语紊乱（说话逻辑混乱等表现）、使用抗精神病药物、抑郁以及阴性症状（像情感淡漠、意志减退等表现）都与更高的发病风险相关。相反，较高的全球功能量表（Global Functioning Scale，GAF）得分和接受认知行为疗法（Cognitive Behaviour Therapy，CBT）则与较低的风险相关 。
- 焦点小组结果：服务使用者和工作人员对可接受的变量达成了一定共识。服务使用者希望创伤评估能更敏感，并进行后续的健康检查；工作人员则担心标准预约时间内难以完成全面评估。不过，大家都认为荟萃分析中确定的与转变为精神病相关的因素，在临床服务的常规评估中是可行且可接受的。
- 模型开发与测试结果：经过一系列严谨的分析，最终的简约多变量模型纳入了思维内容障碍、言语紊乱、全球功能量表得分以及治疗（强制纳入模型）这些因素。该模型表现出了较好的预测性能，乐观校正后的 c 统计量为 0.68，校准斜率为 0.91 。这表明模型在区分会发展为精神病和不会发展为精神病的个体方面有一定能力，且预测风险与实际观察风险较为吻合。例如，思维内容障碍得分每增加一个单位，转变为精神病的风险就会增加 32%；言语紊乱得分每增加一个单位，风险增加 21%；而全球功能量表得分每增加一个单位，风险降低 3% 。
- 敏感性分析结果：研究人员进行了四项敏感性分析。用衰减精神病症状（Attenuated Psychotic Symptoms，APS）组替代特质易感性组作为潜在预测因素时，模型的协变量与原模型相同，APS 组未被纳入模型；将服用 ω-3 脂肪酸的人视为接受治疗，模型的 c 统计量和校准斜率与原模型相同，说明重新编码对模型影响较小；基于队列研究构建的模型，虽纳入了特质易感性这一额外变量，但模型性能与原模型相似；去除部分未报告全球功能量表数据的研究后，模型性能依然与原模型相近 。
综合研究结论和讨论部分，这项研究意义重大。它基于大量数据构建了预测模型，为临床实践提供了有价值的参考。不过，研究也存在一定局限性，如数据来源包含随机试验和队列研究，可能影响模型；抗精神病药物使用可能是混杂因素；数据缺失较多，虽进行了多重填补，但可能使模型在开发数据中表现更好 。而且研究主要基于西方发达国家数据，在发展中国家的适用性有待验证。尽管如此，该模型仍为识别低风险和高风险个体提供了可能，有助于合理分配医疗资源，后续研究将在独立数据中验证模型的有效性、评估临床实用性、进行卫生经济学评价，并推动其融入临床工作流程，有望改善 UHR 个体的生活质量，为精神健康领域的发展带来新的契机。
