《Schizophrenia》：Characterization of cardiac autonomic dysfunction in acute Schizophrenia: a cluster analysis of heart rate variability parameters
编辑推荐：
研究人员为探究精神分裂症（SCZ）患者心脏自主神经功能障碍（CADF），分析 HRV 参数，发现约一半患者存在 CADF，或可改善心血管风险评估。
精神分裂症，一个常常出现在影视剧中，被赋予神秘色彩的疾病，患者似乎生活在与我们截然不同的精神世界里。然而，你可能不知道，除了精神层面的异常，他们的心脏健康也面临着巨大威胁。研究发现，精神分裂症患者的预期寿命比普通人群短 15 - 20 年，而心血管疾病（CVD）是导致这一现象的主要原因之一。其中，心脏自主神经功能障碍（CADF）起着关键作用，它就像隐藏在患者身体里的一颗 “定时炸弹”，不仅是心血管疾病的独立危险因素，还与患者过早死亡以及危及生命的心律失常密切相关。
以往研究虽关注到 CADF 在精神分裂症患者中的存在，但受样本量小或抗精神病药物影响等限制，难以深入了解其真实情况。为了揭开这一谜团，来自德国耶拿大学医院等机构的研究人员开展了一项重要研究，相关成果发表在《Schizophrenia》上。
研究人员为了全面评估精神分裂症患者的 CADF 情况，采用了多种关键技术方法。他们招募了 119 名未使用抗精神病药物的精神分裂症患者和 119 名年龄、性别、BMI 相匹配的健康对照者。通过采集 30 分钟的高分辨率 3 通道心电图，获取心率变异性（HRV）数据。HRV 能反映交感神经和副交感神经调节之间的动态相互作用，是评估自主神经调节的重要指标。研究人员整合了时域、频域、非线性动力学等多个领域的 HRV 参数，并运用无监督机器学习聚类算法，将患者分为有 CADF 和无 CADF 两组。
研究结果如下：
- 研究样本及 HRV 参数组间比较：研究样本包含 119 名患者（52% 为女性，平均年龄 32.8 岁）和 119 名健康对照者（45% 为女性，平均年龄 31.5 岁）。多变量方差分析（MANOVA）显示，诊断对 HRV 参数有显著影响。
- 基于 HRV 聚类的 CADF 患病率：通过自动聚类，119 名未用药的精神分裂症患者被分为两个集群，k - 均值和高斯混合模型均显示，52.1% 的患者属于 CADF 组，47.9% 属于无 CADF 组。
- 集群间 HRV 参数差异：MANOVA 分析表明，CADF 组与健康对照组的 HRV 参数存在显著差异，CADF 组的大多数 HRV 参数偏离健康对照组均值，而无 CADF 组的 HRV 参数大多在健康对照组均值的半个标准差范围内。
- HRV 参数与 CADF 集群的相关性：双变量相关分析发现，时域参数中连续 NN 间期相差小于 20ms（pNNl20）和 30ms（pNN30）的百分比、符号动力学特征中代表稀有词类型数量（FW）与 CADF 组呈强正相关；而符号动力学参数中高变异性模式的比例（phvar5）、词分布的 Rényi 熵（FWRenyi025）以及压缩熵（hLZ77w3b3）与 CADF 组呈显著负相关。
- CADF 集群间社会人口统计学和临床差异：CADF 组与无 CADF 组在年龄、BMI、疾病持续时间、症状严重程度（通过阴性症状评定量表 SANS 和阳性症状评定量表 SAPS 测量）上存在显著差异。年龄与 CADF 分类相关性最强，此外，较高的 BMI、较长的疾病持续时间和更严重的阴性症状也与 CADF 分类相关。
研究结论与讨论：
该研究首次在大规模未用药的精神分裂症患者队列中研究 CADF 的患病率。约 50% 的患者在心脏自主神经调节方面存在显著损伤，且即使被归类为 “无 CADF” 的患者，与健康对照组相比，部分 HRV 参数仍有明显差异，意味着潜在风险人群可能更大。这一发现意义重大，因为 CADF 会持续给心血管系统带来压力，使患者面临更高的心脏事件风险，如心肌梗死、心力衰竭和心源性猝死。
从临床角度看，识别这些心脏自主神经风险增加的患者至关重要。研究中的多个 HRV 参数，如时域的 pNNl20 和符号动力学的 phvar5，可能成为精神分裂症患者 CADF 的有力生物标志物，有助于优化心血管风险评估和分层。不过，导致 CADF 的潜在生物学机制尚不清楚，目前还不确定 CADF 是精神分裂症的内在特征，还是两者存在共同的病理生理途径。此外，研究也存在一些局限性，如横断面研究设计无法直接证实 CADF 患者的心脏风险升高，患者吸烟习惯、未进行进一步心脏检查、HRV 测量时间较短等因素可能影响研究结果。
尽管如此，这项研究为精神分裂症患者的心血管健康研究开辟了新道路，未来研究可在此基础上进一步完善心脏风险预测模型，开发针对性干预措施，改善这一脆弱人群的长期健康状况。
