Psychiatry Research：首发精神病患者的6个精神病理维度的20年轨迹是否能被预测?

首发精神病（FEP）是一种在临床表现和结果方面高度异质性的疾病。精神病的多维模型至少包括积极、消极、混乱、躁狂和抑郁等维度，但也有人提出了认知障碍、紧张症和其他维度。文献中的大多数研究都集中在 FEP 的短期和中期精神病理学方面，但其长期病程仍存在不确定性。潜变量分析法中的增长混合模型（GMM）是一种统计方法，适用于根据患者的纵向病程确定患者组别。

迄今为止，已有 13 项针对 FEP 患者的随访研究采用了潜变量分析方法。这些研究均只关注一个维度，包括积极、消极、社会功能或康复以及对治疗的反应。此外，只有五项研究的随访时间超过10年。

这篇文献旨在确定 FEP 的六个核心精神病理学维度（现实扭曲、消极、混乱、紧张症、躁狂和抑郁）的长期轨迹，并研究遗传、家族、病前和发病预测因素对这些维度长期轨迹的影响。研究者对 243 名患者进行了长达 20 年的随访，并使用成长混合模型对这些维度的轨迹进行了分析。这些维度表现出不同的病程模式，从两条轨迹到五条轨迹不等。此外，研究还考察了不同因素在区分长期轨迹方面的预测价值。

研究方法上，作者采用 Kolmogorov-Smirnov 检验法检验社会人口学和临床特征是否偏离正态分布。在随访期间的六个评估点（基线、2 年、5 年、10 年、15 年和 20 年）进行测量，采用 GMM 方法确定六个精神病理学维度的变化轨迹，且测试了多个模型，以确定最能准确反映各维度变化模式的分类。考虑到数据的非线性增长，作者首先使用了线性模型，随后又使用了二次方和三次方模型。还使用以下四种标准对模型的拟合度和选择进行了评估：

首先，使用贝叶斯信息标准（BIC），数值越低，拟合度越高。

其次，在有一个以上类别的模型中，对熵进行评估。熵的范围从 0 到 1，接近 1 的值表示潜类的区分度更高。

第三，为了评估有限混合模型与少一类的嵌套模型的拟合程度，使用 Lo-Mendell-Rubelin 似然性检验和 400 次抽样的引导似然比检验来匹配模型。

第四，还考虑了可解释性、简约性和类的大小，避免使用患者比例极低（低于 5%）的模型。应用这四项标准后，则使用 GMM 估计出的最佳拟合潜类来分析预测变量的影响。用单变量分析来研究预测变量在精神病理学维度长期轨迹中的差异。考虑到各维度和预测变量之间的比较次数较多，采用了 Bonferroni 不等式校正（我们设定 p<.05，并将显著性水平调整为 0.05/每个精神病理学维度内的类别数 = 现实扭曲 p<.0125，消极 p<.01，紧张症 p<.025，混乱、躁狂和抑郁 p<.017）。

Figure 1. Psychopathological trajectories for (a) reality distortion and (b) negative dimensions.

在接受初步评估的 510 名患有先天性心脏病的患者中，有 243 人接受了随访，并组成了最终样本。随访组和非随访组在年龄上仅有明显差异，随访组的年龄较低。基线摄入样本的平均年龄为 27.6 岁（SD = 9.82），43.6% 的患者为女性。为现实扭曲维度选择的模型是四级线性模型（图 1a）。该模型的 BIC 值较低，熵值非常高（0.995）。其中一组，即大多数（1 类，56%），显示了从严重到完全缓解的轨迹（SFR），另一组（2 类，13.1%）显示了从严重到部分缓解的轨迹（SPR），还有一组（3 类，23.4%）显示了从严重到轻度缓解的轨迹（SMiR）。第四类是最少的一组（第 4 类，7.4%），表现出严重稳定的轨迹（SS）。病情有一定程度改善的三组患者占 92.6%。

五类线性模型是负维度的最佳拟合模型，其 BIC 值较低，熵值非常高（0.908）（图 1b）。无组织维度选择了线性三分类模型（图 2a）。两类和三类模型的熵和 BIC 值相当，但三类模型的解释效果更好。

Figure 2. Psychopathological trajectories for (a) disorganization and (b) catatonia dimensions.

抑郁症状的最佳拟合模型也由三个等级组成，但在这种情况下，模型是二次型的，BIC 值低，熵值高（0.99），表明分类准确性高。较大的一类（第 1 类，66.1%）最初并不表现出抑郁症状，但会经历早期恶化的过程，最终会有轻度改善（AMi）。第二组（2 级，17.4%）最初有中度症状，但在整个随访过程中症状持续轻度改善（MoMi）。最后，第三组（3 级，16.5%）最初预后为重度，但随后症状改善，最后症状为轻度（SMi）。

Figure 3. Psychopathological trajectories for (a) mania and (b) depression dimensions.

总的来说，家族负荷、远端和中间风险因素、急性社会心理压力因素和急性发病是区分长期精神病理学轨迹的重要预测因素。相比之下，多基因风险评分、未治疗精神病的持续时间和未治疗疾病的持续时间几乎没有预测价值。

这篇的研究结果凸显了不仅在早期干预时，而且在随访期间进行多维度评估以定制干预效果的重要性。此外，研究结果还强调了从发病开始就对病前预测因素进行评估的重要性。这样就能识别出长期疗效不佳的高风险 FEP 患者，他们将受益于针对特定精神病理因素的针对性预防计划。

文献出处：

Cuesta MJ, Gil-Berrozpe GJ, Sánchez-Torres AM, Moreno-Izco L, de Jalón EG, Peralta V. 20-Year trajectories of six psychopathological dimensions in patients with first-episode psychosis: Could they be predicted? Psychiatry Research. 2023 Nov;115614.