一种基于血液生化指标量化评估抑郁症风险的模型、设备及存储介质制造技术

本发明专利技术公开了一种基于血液生化指标量化评估抑郁症风险的模型、设备及存储介质，分别采集临床抑郁症患者及健康人群的血液生化测试指标及人口学变量；以能够区分抑郁症患者及健康人群的生化指标(比如采用大于Cohen

【技术实现步骤摘要】
一种基于血液生化指标量化评估抑郁症风险的模型、设备及存储介质


[0001]本专利技术涉及抑郁症
，具体涉及一种基于血液生化指标量化评估抑郁症风险的模型、设备及存储介质。

技术介绍

[0002]抑郁症是全球范围内发病率最高的一类严重精神疾病，终生患病率高达10
‑
20％，就所造成的社会经济负担而言，抑郁症目前在所有疾病中位列第四位，预计到2020年将提高到第二位(Holden,2000)。到目前为止，临床病理学仍然是抑郁症的诊断依据，但由于抑郁症的临床症状复杂多样、缺乏相应的客观指标，故而在疾病的诊断和鉴别诊断方面，很大程度上取决于精神科医师的主观经验和推测，缺乏客观科学的临床诊断依据，有赖于医生的主观判断。
[0003]抑郁症的诊断主要依靠临床现象学，缺乏对生化参数的利用。因此，目前的困局是，重度抑郁症(major depressive disorder，MDD)的十年中诊断一致性性仅为45.5％，而双相障碍(major depressive disorder，BD)七年队列研究中的长期一致性率也仅为71.9％。由于临床评估过程中的强烈主观性或所涉及的具体追踪实验设计的复杂性，临床应用、转化仍然受到限制。

技术实现思路

[0004]为解决现有方法中仅使用主观评估及专家评估所存在的局限性，为此，本专利技术提供了一种基于血液生化指标量化评估抑郁症风险的模型、设备及存储介质，为医生或专家提供更客观、准确的抑郁症风险评估。
[0005]本专利技术采用如下技术方案：/>[0006]一方面，本专利技术提供了一种基于血液生化指标量化评估抑郁症风险的模型，分别采集临床抑郁症患者及健康人群的血液生化测试指标及人口学变量；以能够区分抑郁症患者及健康人群的生化指标和人口学变量为自变量，将抑郁症分组作为因变量，建立抑郁症分组的逻辑回归模型及判断阈值；通过所建立的抑郁症分组的逻辑回归模型计算抑郁症风险数值；根据判断阈值对抑郁症患者作出风险量化评估。
[0007]优选地，在选取能够区分抑郁症患者及健康人群的生化指标时，通过设定效应量Cohen
’
s d值，选取大于效应量Cohen
’
s d设定值的抑郁症患者及健康人群的生化指标。
[0008]进一步优选地，所述建立的抑郁症分组回归模型中的自变量参数包括：促肾上腺皮质激素、脑源性神经营养因子、白细胞介素18(IL
‑
18)、孕酮、血清素生化测试指标及性别、年龄；
[0009]建立抑郁症分组的逻辑回归模型如下：
[0010]Y＝1/(1+exp(－(－2.263*促肾上腺皮质激素－1.113*脑源性神经营养因子－0.13*白细胞介素18+0.747*孕酮－0.451*血清素+0.894*性别+0.002*年龄+21.221*是否
服用抗抑郁药物或抗躁狂药物+20.498*抽血前是否空腹－2.441)))。
[0011]上述参数中，性别：女＝1，男＝0；是否服药：服用＝1，不服用＝0；抽血前是否空腹：抽血前吃饭＝1，抽血前空腹＝0。
[0012]或进一步优选地，建立抑郁症分组的逻辑回归模型中的自变量参数还可以包括：C
‑
反应蛋白(CRP)、皮质醇、睾酮和肿瘤坏死因子α(TNF
‑
α)；
[0013]建立抑郁症分组的逻辑回归模型还可以采用如下数学公式表达：Y＝1/(1+exp(－(－3.632*促肾上腺皮质激素－1.1*脑源性神经营养因子－0.117*白细胞介素18+0.835*孕酮－0.935*血清素+0.671*C－反应蛋白+0.38*皮质醇+0.283*睾酮－0.006*肿瘤坏死因子α+0.834*性别－0.01*年龄+20.137*是否服用抗抑郁药物或抗躁狂药物+19.641*抽血前是否空腹－2.124)))。
[0014]上述参数中，性别：女＝1，男＝0；是否服药：服用＝1，不服用＝0；抽血前是否空腹：抽血前吃饭＝1，抽血前空腹＝0。
[0015]进一步地，所采集的临床抑郁症患者及健康人群的生化测试指标还可以包括：皮质酮(肾上腺酮)、甲状腺素、γ氨基丁酸、多巴胺、催产素、可的松、神经肽Y、内源性大麻素、成熟脑源性神经营养因子、去甲肾上腺素NE、白细胞介素10(IL
‑
10)、白细胞介素12、白细胞介素4、神经生长因子和5
‑
羟色胺，选取能够区分抑郁症患者及健康人群的若干个生化指标作为自变量参数，建立抑郁症分组的逻辑回归模型及判断阈值。
[0016]所述人口学变量还包括所采集临床抑郁症患者及健康人群的婚姻、子女、教育、职业、收入以及是否有宗教信仰。
[0017]另一方面，本专利技术提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一段程序，所述至少一段程序由所述处理器加载并执行以实现所述的基于血液生化指标量化评估抑郁症风险的模型。
[0018]另一方面，本专利技术还提供了一种计算机可读存储介质，所述存储介质中存储有至少一段程序，所述至少一段程序由处理器加载并执行以实现所述的基于血液生化指标量化评估抑郁症风险的模型。
[0019]另一方面，本专利技术还提供了一种计算机程序产品，包括计算机指令，所述计算机指令被处理器执行时实现所述的基于血液生化指标量化评估抑郁症风险的模型。
[0020]本专利技术技术方案具有如下优点：
[0021]A.本专利技术基于血液生化测试指标及人口学变量的抑郁症风险量化评估模型，有助于在量表测试及医生主观判断外，构建标准化的、客观可测量的抑郁风险评估指标和量化模型，辅助医生对患者提供更准确客观的抑郁症评估，克服了现有方法中仅使用主观评估及专家评估存在的局限性。
[0022]B.本专利技术对选取的多个血液生化指标进行逻辑回归后建立了抑郁症分组模型，可以依据所选取的生化指标数量及种类，建立多个不同模型，分别输入被试所测血液生化测试指标及性别、年龄等参数，快速得到计算数值，通过所得数值可以快速判断抑郁症发病风险概率，有助于对血液检测人群进行抑郁症的快速筛查。
[0023]C.由于抑郁症是一个具有多种复杂成因的症状簇，包含的多种亚型，甚至其产生机制可能完全不同，因此所需要的对症药物也完全不同，现在的医疗实践是通过试用不同药物来观察疗效。通过本专利技术方法建立基于血液生化测试指标的判别模型有助于准确区分
抑郁症的亚型，可以帮助医生更快、更准确地选择对症药物。
附图说明
[0024]为了更清楚地说明本专利技术具体实施方式，下面将对具体实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0025]图1为本专利技术所提供的抑郁症风险模型的建立方法。
具体实施方式
[0026]下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于血液生化指标量化评估抑郁症风险的模型，其特征在于，分别采集临床抑郁症患者及健康人群的血液生化测试指标及人口学变量；以能够区分抑郁症患者及健康人群的生化指标和人口学变量为自变量，将抑郁症分组作为因变量，建立抑郁症分组的逻辑回归模型及判断阈值；通过所建立的抑郁症分组的逻辑回归模型计算抑郁症风险数值；根据判断阈值对抑郁症患者作出风险量化评估。2.根据权利要求1所述的基于血液生化指标量化评估抑郁症风险的模型，其特征在于，在选取能够区分抑郁症患者及健康人群的生化指标时，通过设定效应量Cohen
’
s d值，选取大于效应量Cohen
’
s d设定值的抑郁症患者及健康人群的生化指标。3.根据权利要求2所述的基于血液生化指标量化评估抑郁症风险的模型，其特征在于，所述建立抑郁症分组的逻辑回归模型中的自变量参数包括：促肾上腺皮质激素、脑源性神经营养因子、白细胞介素18(IL
‑
18)、孕酮、血清素生化测试指标及性别、年龄；建立抑郁症分组的逻辑回归模型如下：Y＝1/(1+exp(－(－2.263*促肾上腺皮质激素－1.113*脑源性神经营养因子－0.13*白细胞介素18+0.747*孕酮－0.451*血清素+0.894*性别+0.002*年龄+21.221*是否服用抗抑郁药物或抗躁狂药物+20.498*抽血前是否空腹－2.441)))。4.根据权利要求3所述的基于血液生化指标量化评估抑郁症风险的模型，其特征在于，建立抑郁症分组的逻辑回归模型中的自变量参数还可以包括：C
‑
反应蛋白(CRP)、皮质醇、睾酮和肿瘤坏死因子α(TNF
‑
α)；建立抑郁症分组的逻辑回归模型还可以采用如下数学公式表达：Y＝1/(1+exp(－(－3.632*促肾上腺...

【专利技术属性】
技术研发人员：杜峰，
申请(专利权)人：中国科学院心理研究所，
类型：发明
国别省市：