双相情感障碍情绪不稳定性建模预测及长期临床结局关联研究

来自美国的研究团队通过机器学习方法，基于Prechter纵向研究数据构建双相障碍情绪不稳定性预测模型，发现高情绪不稳定组与第6年自杀意念和功能损害显著相关，为个体化治疗提供新方向。

　　

双相情感障碍(bipolar disorder)患者即便未处于情绪发作期，仍存在显著的情绪不稳定性(mood instability)。研究者利用Prechter纵向研究数据，对481名参与者开展为期5年的追踪，每两个月通过患者健康问卷(PHQ)和Altman自评躁狂量表(ASRM)评估情绪状态，并在第6年评估临床与功能结局。

通过机器学习分析，研究者识别出低、中、高三种情绪不稳定性亚组。神经质(neuroticism)、睡眠质量、童年情感忽视与身体虐待、兴奋剂滥用(stimulant abuse)、轻躁狂发病年龄及抑郁发作次数被确定为情绪不稳定性的核心预测因子。高不稳定性组在第6年表现出更严重的自杀意念(suicidal ideation)和功能损害(functional impairment)。

该研究证实情绪不稳定性是双相障碍的核心表型，具有明确的生物心理社会预测因子和长期临床意义。常规评估情绪不稳定性有望推动双相障碍的个体化治疗与研究方向。