《Frontiers in Neuroscience》：Early prediction of post-stroke depression using polysomnography parameters: a prospective cohort study
编辑推荐：
背景：卒中后抑郁（Post-stroke depression，PSD）影响约三分之一的卒中存活者，并显著影响功能恢复。本研究旨在利用多导睡眠图（Polysomnography，PSG）参数联合临床特征，开发并验证PSD预测模型。方法：研究人员开展了一项前瞻性
背景：卒中后抑郁（Post-stroke depression，PSD）影响约三分之一的卒中存活者，并显著影响功能恢复。本研究旨在利用多导睡眠图（Polysomnography，PSG）参数联合临床特征，开发并验证PSD预测模型。方法：研究人员开展了一项前瞻性队列研究，纳入2022年1月至2024年12月期间437例在卒中发病7天内接受PSG评估的急性缺血性卒中患者。主要结局为3个月随访时PSD，定义为患者健康问卷-9（Patient Health Questionnaire-9，PHQ-9）评分≥10。多变量逻辑回归识别独立预测因子，并比较多种机器学习算法模型性能。结果：在390例完成随访患者中，139例（35.6%）发生PSD。独立预测因子包括睡眠潜伏期（Sleep latency，OR=2.14，95% CI：1.68–2.73）、觉醒指数（Arousal index，OR=2.13，95% CI：1.65–2.94）、睡眠效率（Sleep efficiency，OR=0.74，95% CI：0.55–0.96）、心率变异性RMSSD（HRV RMSSD，OR=0.77，95% CI：0.61–0.96）、美国国立卫生研究院卒中量表评分（NIHSS，OR=1.35，95% CI：1.04–1.76）及既往卒中史（OR=1.35，95% CI：1.09–1.71）。梯度提升模型判别性能最高（AUC=0.763；Bootstrap验证AUC=0.738，95% CI：0.682–0.794）。风险分层显示PSD率在各概率类别间呈五倍梯度（14.3%至70.3%）。结论：PSG参数，尤其是睡眠效率、睡眠潜伏期和觉醒指数，是PSD显著的独立预测因子。将客观睡眠评估整合入早期卒中管理，有助于识别高危患者以开展靶向预防干预。
研究背景方面，卒中后抑郁（Post-stroke depression，PSD）是卒中后常见神经精神并发症，流行病学研究报道发病后第一年内患病率为25%至35%，合并分析显示总体合并患病率约27%。PSD会导致功能恢复受损、死亡风险升高、生活质量下降和医疗资源占用增加。目前临床难点在于抑郁症状易与卒中神经功能缺损混淆，且缺乏可靠的早期预测标志物。睡眠紊乱在卒中后非常普遍，睡眠呼吸障碍在急性期影响约67%存活者，失眠症状可达57%；失眠与抑郁之间存在双向关系。多导睡眠图（Polysomnography，PSG）可客观刻画睡眠结构、呼吸参数并通过心率变异性（Heart rate variability，HRV）反映自主神经功能，但既往研究多依赖自评睡眠质量或只关注睡眠呼吸障碍，少有在前瞻性设计中系统评估综合PSG参数联合自主神经指标预测PSD。因此，研究人员在《Frontiers in Neuroscience》发表该研究，旨在用PSG参数联合临床特征开发并内部验证PSD预测模型，评估睡眠结构与自主神经参数的相对重要性，并建立风险分层工具以辅助临床预防决策。
主要关键技术方法上，研究人员采用单中心前瞻性队列设计，样本来源于综合卒中中心2022年1月至2024年12月收治、发病7天内确诊的急性缺血性卒中患者，经筛选后437例完成基线PSG、390例进入最终分析。PSG在专用睡眠实验室用32通道系统按美国睡眠医学会标准以30秒时段判读，由盲法技术员评分并获睡眠潜伏期、睡眠效率、觉醒指数、非快速眼动α侵入指数、快速眼动密度及由单导联心电图经Pan–Tompkins算法提取的HRV时域指标RMSSD与SDNN。结局为3个月PHQ-9≥10。统计上用多变量逻辑回归找独立预测因子，用逻辑回归、随机森林、梯度提升、支持向量机四种算法在训练集与测试集比较，以AUC、校准、决策曲线和1000次Bootstrap内部验证评估。
研究结果部分，研究人群：847例筛查，284例排除，563例符合标准，再排除126例，437例入组，47例失访，390例分析；139例（35.6%）发生PSD。基线特征：PSD组入院NIHSS、出院NIHSS、出院mRS、基线PHQ-9更高，既往卒中史更多，年龄、性别、高血压、糖尿病、再灌注治疗无组间差异。多导睡眠图发现：PSD组睡眠潜伏期更长、觉醒指数更高、WASO更长，REM密度与非快速眼动α侵入指数更高，HRV RMSSD更低；睡眠效率与REM潜伏期仅呈边缘性降低或延长，总睡眠时间、N3、REM比例、AHI、平均血氧无显著差异。相关分析：觉醒指数与睡眠潜伏期和PSD相关性最强，HRV RMSSD与PSD负相关，预测变量间共线性低。多变量逻辑回归分析：睡眠效率升高为保护因素，睡眠潜伏期、觉醒指数、NIHSS、基线PHQ-9、既往卒中史为独立危险因素，HRV RMSSD降低亦独立增加风险。模型性能与比较：梯度提升AUC最高0.763，逻辑回归0.745，SVM 0.730，随机森林0.718；Bootstrap修正后逻辑回归AUC 0.738。特征重要性分析：随机森林与梯度提升一致将睡眠效率、睡眠潜伏期、觉醒指数列前三位，NIHSS与基线PHQ-9为重要临床预测因子。校准与临床效用：逻辑回归与随机森林校准好，Brier分数分别为0.184与0.198；决策曲线在10%至50%阈值概率内较全治或全不治有净获益。风险分层：按预测概率分低、中、高、极高四类，观察PSD率从14.3%升至70.3%；床边阈值包括睡眠潜伏期>25分钟、觉醒指数>20次/小时、睡眠效率<75%、HRV RMSSD<34 ms。
讨论部分总结：研究人员指出，PSD在3个月发生率35.6%与文献一致，睡眠潜伏期与觉醒指数作为最强预测因子符合抑郁睡眠表型证据；睡眠效率具可解释性与潜在干预价值；HRV RMSSD降低反映迷走张力下降，可通过胆碱能抗炎通路与炎症反射参与PSD病理；NIHSS、基线PHQ-9、既往卒中史为已知临床预测因子。左半球或额叶-皮质下病灶在本队列未显独立预测作用，说明生理睡眠参数比病灶定位在群体层面更具预测权重。传统回归与机器学习结论一致，增强可信度。局限包括单中心、未测遗传与精细社会心理变量、随访期部分使用精神类药物、单次PSD、用PHQ-9而非结构式访谈、样本量限制交互分析。
结论部分原文翻译：PSG参数，尤其是睡眠效率、睡眠潜伏期和觉醒指数，是急性缺血性卒中患者3个月PSD的显著独立预测因子。将客观睡眠评估整合进早期卒中管理流程，有助于识别高危患者并开展靶向预防干预。未来应开展外部验证、考察睡眠聚焦干预能否降低PSD发生率，并探索卒中后睡眠紊乱促发抑郁脆弱性的神经生物学机制；开发捕获最具预测性睡眠参数的简化筛查工具有助于风险分层广泛落地。
