人口統計学的情報と臨床情報を用いて、悲しみの治療における第二世代抗うつ薬の有効性を予測する。機械学習アプローチ

/ /

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。

J Affect Disord.2020 Jul;272:295-304. S0165-0327(19)32719-3. doi: 10.1016/j.jad.2020.04.010.Epub 2020-05-03.

人口統計学的情報と臨床情報を用いて、悲しみの治療における第二世代抗うつ薬の有効性を予測する。機械学習アプローチ

Predicting second-generation antidepressant effectiveness in treating sadness using demographic and clinical information: A machine learning approach.

Amanda Lin
Adrienne Stolfi
Tracy Eicher
Sabrina Neeley

PMID: 32553371 DOI: 10.1016/j.jad.2020.04.010.

抄録

序論:

抗うつ薬を選択するための現在のガイドラインでは、試行錯誤のプロセスが行われている。ほとんどの患者は、効果的な抗うつ薬を見つけるまでに複数の抗うつ薬を試している。この研究では、人口統計学的および臨床情報を用いて、米国成人の全国代表的なサンプルで悲しみの治療におけるさまざまな抗うつ薬の有効性を予測するモデルを作成する。

INTRODUCTION: Current guidelines for choosing antidepressant medications involve a trial-and-error process. Most patients try multiple antidepressants before finding an effective antidepressant. This study uses demographic and clinical information to create models predicting effectiveness of different antidepressants in treating sadness in a nationally representative sample of US adults.

方法:

Collaborative Psychiatric Epidemiology Survey（CPES）の二次解析を行った。悲しみを症状として報告し、過去1年以内にフルオキセチン（n=156）、サートラリン（n=224）、シタロプラム（n=91）、パロキセチン（n=156）、ベンラファキシン（n=69）、ブプロピオン（n=92）、またはトラザドン（n=26）を服用していた精神保健診断の有無にかかわらず、参加者が対象となった。主成分分析（PCA）とロジスティック回帰の2つのセットが実施された：1つは症状クラスターと悲しみに対する抗うつ薬の有効性との関連を決定し、もう1つは有効性を予測するモデルを作成した。どちらのPCAも、精神医学的および内科的診断、薬物使用、精神科治療、代替治療、人口統計学をコントロールした。

METHODS: A secondary analysis of the Collaborative Psychiatric Epidemiology Survey (CPES) was performed. Participants with or without a mental health diagnosis who reported sadness as a symptom, and were taking fluoxetine (n=156), sertraline (n=224), citalopram (n=91), paroxetine (n=156), venlafaxine (n=69), bupropion (n=92), or trazadone (n=26) within the past year were included. Two sets of principal component analyses (PCAs) and logistic regressions were performed: one determined associations between symptom clusters and antidepressant effectiveness for sadness, and the other created models to predict effectiveness. Both PCAs controlled for psychiatric and medical diagnoses, substance use, psychiatric medications, alternative treatments, and demographics.

結果:

不安は悲しみの治療におけるfluoxetineの効果と関連していた。気分スコアの低さはパロキセチンおよびベンラファキシンの有効性と関連し、疲労はセルトラリンの有効性と関連していた。薬物効果を予測するモデルの平均精度は83％、内部妥当性は72％であった。

RESULTS: Anxiety was associated with ineffectiveness of fluoxetine in treating sadness. Low mood scores were associated with ineffectiveness of paroxetine and venlafaxine, and fatigue was associated with ineffectiveness of sertraline. The models for predicting drug effectiveness had a mean accuracy of 83% and internal validity of 72%.

制限:

CPESのデータは2001～2003年に収集されたものであるため、新しい薬剤は含まれていない。効果は悲しみに対するものであったため、結果は全体的な抑うつ症状の減少をアウトカムとして用いた研究と直接比較することはできない。

LIMITATIONS: CPES data were collected from 2001-2003, so newer drugs were not included. Effectiveness was for sadness, so results are not directly comparable to studies using overall depressive symptom reductions as outcomes.

結論:

現在、最初の抗うつ薬に反応した患者は50％未満であるため、このモデルは、悲しみの治療における開始時の抗うつ薬の選択について、中程度の改善をもたらす可能性がある。

CONCLUSION: Since fewer than 50% of patients currently respond to their first antidepressant, this model could provide modest improvement to choosing starting antidepressants in treating sadness.