《Acta Psychologica》：Development and internal validation of a nomogram for identifying PHQ-9-defined depression in heart failure patients: A study based on NHANES data from 2005 to 2018
编辑推荐：
背景：抑郁症在心力衰竭（heart failure, HF）患者中很常见，并可能恶化生活质量和临床结局。本研究旨在开发并内部验证一个列线图（nomogram），用于识别具有较高概率发生PHQ-9定义抑郁症的心力衰竭患者。
方法：研究人员从NHANES 2005
背景：抑郁症在心力衰竭（heart failure, HF）患者中很常见，并可能恶化生活质量和临床结局。本研究旨在开发并内部验证一个列线图（nomogram），用于识别具有较高概率发生PHQ-9定义抑郁症的心力衰竭患者。
方法：研究人员从NHANES 2005-2018数据库中纳入了856名自我报告医生诊断患有心力衰竭的参与者。样本被随机分为训练集（n = 598）和验证集（n = 258）。抑郁症定义为患者健康问卷-9（PHQ-9）评分 ≥ 10。采用加权单变量逻辑回归、最小绝对收缩和选择算子（LASSO）以及Boruta算法进行特征选择。模型性能通过受试者工作特征曲线（ROC）分析、校准度、Hosmer-Lemeshow检验、自助法（bootstrap）验证、十折交叉验证和决策曲线分析（DCA）进行评估。
结果：列线图中包含了九个预测因子：性别、年龄、血清尿酸（serum uric acid）、哮喘、贫困收入比（poverty-income ratio, PIR）、血尿素氮（blood urea nitrogen, BUN）、中风史、记忆问题和睡眠问题。训练集的曲线下面积（AUC）为0.806，验证集为0.683。在0.232的概率截断值下，敏感性为0.658，特异性为0.813。十折交叉验证得出的平均AUC为0.755。限制性立方样条（RCS）分析显示，贫困收入比、血清尿酸和血尿素氮与抑郁症呈近似线性关系。
结论：这个经过内部验证的列线图可能有助于对心力衰竭患者中PHQ-9定义的抑郁症进行分类。但仍需独立的外部验证。
论文解读文章
研究背景与目的
抑郁症是全球最常见的精神障碍之一，严重影响患者的日常生活、家庭功能和社会经济状况。心力衰竭（heart failure, HF）作为多种心血管疾病的终末阶段，因其高发病率、高死亡率和高医疗负担而备受关注。研究表明，超过40%的心力衰竭患者伴有抑郁症状，且合并抑郁症的心力衰竭患者全因死亡风险更高，生活质量更差，再住院率也更高。尽管欧洲心脏病学会和美国心脏病学会/美国心脏协会均建议对心力衰竭患者进行抑郁症的监测和管理，但目前临床上仍缺乏整合多维度特征来识别此类患者抑郁症的简易工具。因此，本研究旨在利用美国国家健康与营养调查（NHANES）2005-2018年的数据，开发并内部验证一个可视化的列线图（nomogram），用以评估心力衰竭患者发生PHQ-9定义抑郁症的概率，从而帮助临床医生早期识别高风险人群。
主要技术方法
本研究是一项基于NHANES 2005-2018数据的回顾性分析。研究人员首先通过加权单变量逻辑回归筛选与抑郁症显著相关的候选变量（P < 0.05）。随后，采用最小绝对收缩和选择算子（LASSO）回归和Boruta随机森林算法进一步筛选重要预测因子。最终，将两种方法共同确认的9个预测因子纳入多变量二元逻辑回归模型，构建了列线图。模型的区分度通过受试者工作特征曲线下面积（AUC）评估，校准度通过校准曲线和Hosmer-Lemeshow检验评估，并通过自助法（bootstrap）验证和十折交叉验证评估其稳定性，决策曲线分析（DCA）则用于评估其临床净收益。
研究结果
3.1. 基线临床特征
在纳入的856名心力衰竭患者中，159名（18.57%）符合PHQ-9定义的抑郁症标准。与无抑郁症组相比，抑郁症组患者更年轻、女性比例更高、贫困收入比（PIR）更低、血尿素氮（BUN）水平更低，并且更常伴有哮喘、中风史、记忆问题和睡眠问题。训练集和验证集在各项基线特征上分布均衡。
3.2. 候选因子筛选与列线图模型构建
加权单变量逻辑回归筛选出11个P值小于0.05的变量。LASSO回归保留了这11个变量，而Boruta算法进一步确认了其中9个为重要变量。两者重叠的9个预测因子包括：性别、年龄、贫困收入比（PIR）、睡眠问题、血尿素氮（BUN）水平、中风史、记忆问题、哮喘史和血清尿酸（serum uric acid）水平。基于这9个因子，研究人员构建了一个用于估计PHQ-9定义抑郁症概率的列线图。
3.3. 列线图模型在训练集和验证集中的评估
该列线图在训练集中显示出良好的区分度（AUC = 0.806），在验证集中表现出中等区分度（AUC = 0.683）。在0.232的最佳概率截断值下，模型的敏感性和特异性分别为0.658和0.813。校准曲线显示预测概率与观察概率之间具有良好的一致性（Hosmer-Lemeshow检验P值分别为0.792和0.538）。十折交叉验证的平均AUC为0.755，表明模型具有较好的内部稳定性。决策曲线分析（DCA）显示，该列线图在一定的阈值概率范围内提供了净收益。
3.4. 连续变量间的相关性分析
相关性分析发现，血尿素氮（BUN）与血清尿酸之间存在正相关（r = 0.45），同时血尿素氮与年龄也存在较弱但显著的正相关（r = 0.25）。
3.5. 剂量-反应关系分析
限制性立方样条（RCS）回归分析显示，血尿素氮（BUN）、血清尿酸和贫困收入比（PIR）与PHQ-9定义抑郁症之间呈近似线性关系（非线性检验P > 0.05）。而对于年龄，研究发现其与抑郁症之间存在非线性关联，拐点为50岁：低于50岁时，年龄增加与抑郁症风险升高相关；高于50岁时，年龄增加与抑郁症风险降低相关。
3.6. 加权分位数和回归分析
加权分位数和（WQS）回归分析显示，由血尿素氮（BUN）、血清尿酸、年龄和贫困收入比（PIR）组成的综合指数与抑郁症呈显著负相关，其中血尿素氮是贡献最大的预测因子，权重占53.63%。
讨论与结论
本研究的讨论部分指出，所开发的列线图整合了人口学特征（年龄、性别、PIR）、病史（哮喘、记忆问题、睡眠问题、中风）和实验室指标（BUN、血清尿酸），提供了一种可视化工具来辅助识别心力衰竭患者中的抑郁症高风险个体。研究发现，女性、较低的经济水平、存在睡眠问题、中风史、记忆问题和哮喘的患者抑郁症风险更高，这与既往文献一致。此外，研究还发现了年龄与抑郁症的非线性关系，以及血尿素氮、血清尿酸等指标与抑郁症的负向关联，提示这些指标可能反映了心衰患者的整体生理状态和代谢负担。然而，研究也存在局限性，如心衰诊断依赖自我报告、缺乏射血分数等详细临床信息，且模型在验证集中表现中等，仍需独立的外部验证。
研究结论：本研究利用NHANES 2005-2018年数据，开发并内部验证了一个用于识别心力衰竭患者中PHQ-9定义抑郁症的列线图。该模型整合了人口学特征、病史和实验室指标，包括性别、年龄、贫困收入比、睡眠障碍、血尿素氮、中风史、记忆问题、哮喘史和血清尿酸。该列线图在训练集中展现出良好的区分度，在验证集中表现中等，额外的十折交叉验证进一步支持了其稳定性。这些发现表明，该模型可能有助于对心力衰竭患者进行PHQ-9定义抑郁症的初步识别。该模型的普适性和临床实用性仍有待于在独立人群中进行验证和前瞻性研究。
