抑郁障碍的基于评估治疗策略应用及展望

摘 要 抑郁障碍的治疗现状尚不容乐观，临床惯常治疗常存在治疗策略选择缺乏一致性、治疗过程质量控制不佳、药物剂量不充分、疗程不足或无效疗程的无谓延长等诸多缺陷，导致患者临床治愈机会降低。基于评估的治疗（measurement-based care，MBC）策略通过对治疗过程的重要环节，如疾病严重程度、依从性、不良反应和耐受性等进行连续评估，并在评估的基础上对抗抑郁剂剂量和疗程进行适时、恰当调整，更有助于改善抑郁障碍治疗结局。本文对于抗抑郁MBC策略的基本概念、发展现状、策略制定原则等进行综述，并展望基于电子化精神卫生理念，结合信息化技术手段实施MBC策略的可行性。

关键词 抑郁障碍 抗抑郁治疗 基于评估的治疗 电子化精神卫生

中图分类号：R749.7+2 文献标识码：A 文章编号：1006-1533（2014）20-0004-04

抑郁障碍是具有高发病率、高复发率、高致残率和高自杀率的常见精神障碍，也是严重的公共卫生问题。在临床治疗中，近50%的患者难以获得满意疗效，超过30%的患者对多种抗抑郁治疗无效，形成“难治性抑郁障碍”[1]，久治不愈可能导致患者社会功能严重下降，致残风险增高。

尽管有关抑郁障碍的病因病理学机制研究不断取得进展，然而并无更具针对性的“有效”治疗方法，亦无法提高治疗质量。目前，由于药理学研究尚无突破性进展，临床治疗只能采取惯用的尝试性、“撞大运”式的方案，因为治疗过程中的某些缺陷往往导致预后不良，如抗抑郁治疗剂量和（或）疗程不足、无效疗程无谓延长等，尤其当某种治疗无效需改变策略时，通常缺乏明确可靠的科学方法[2]。目前，临床实践中实施的抗抑郁治疗与各类治疗指南或循证医学要求差距较大，研究中常用的结局评价量表未能很好的落实到临床实践中[3]。此外，抑郁障碍患者多首诊于综合医院，导致首发抑郁障碍的诊断及识别率偏低，因此亟需提供简便、易行的抗抑郁治疗策略。

研究表明，与临床常用治疗方法相比，基于评估治疗（measurement-based care，MBC）的策略注重于治疗过程中重要环节质量控制的评估，如疾病严重程度、依从性、不良反应和耐受性等，医师可在评估基础上对治疗策略进行适时的恰当调整，如药物剂量滴定、疗程转换等，可更好的改善抑郁障碍治疗结局[4]。本文将对MBC的基本概念、发展现状、策略制定原则等进行综述，并展望结合信息化技术手段贯彻MBC策略的可行性。

MBC概念及发展

MBC指使用恰当的评估工具，通过对病情的积极、定期连续评估，协助医师根据阶段性评估结果及时调整治疗策略，促进治疗原则的充分贯彻，形成规范化治疗，获取疗效最大化[4]。这一理念已在临床慢性病如高血压、糖尿病等的治疗和管理过程中得到很好的贯彻和实施。

在抗抑郁治疗策略选择缺乏一致性和规范化的大背景下，为了尽可能提高抑郁患者临床治愈率和改善预后，研究者们开始探索抗抑郁治疗的MBC策略。自20世纪90年代起，Crismon等[5]较早对抗抑郁治疗程式的制定原则进行了探索，明确了如何选择治疗药物、治疗方案以及如何更好地贯彻治疗流程，为更精确的治疗策略制定奠定了基础。强调治疗程式的制定能为医师提供具体的治疗考量依据，帮助解决治疗中的问题，由医师根据治疗程式的适用性评估结果，结合临床判断作出具体的临床决策。Adli等[6]研究应用程式化治疗策略（algorithm guided treatment，AGT）治疗抑郁障碍患者疗效时发现，与临床常用治疗策略相比，AGT能明显提高治疗有效率，但如何更好地提高疗效则取决于更精细的量化评估和更精确的治疗策略，第1次强调MBC在程式化治疗策略中的作用。美国抑郁障碍序贯治疗研究（sequenced treatment alternatives to relieve depression，STAR*D）对抑郁障碍的优化治疗进行了更深入的探索[7]。STAR*D设置4个阶段的分级治疗方案，各阶段设置适时、恰当的分流（如剂量滴定、方案转换等）标准，前一阶段经治未获临床痊愈的患者依次进入下一阶段方案以求获取最佳治疗效果，各阶段的治疗实施均贯彻MBC原则，通过连续、定期评估并根据评估结果作出适时和恰当反馈，对治疗过程进行精细调整，以保证任一阶段均达到充分治疗（即足剂量、足疗程）[8]。STAR*D最终结果显示，4个阶段治疗累积临床治愈率为67%。

MBC策略的制定原则

在MBC治疗策略的制定过程中主要考虑6方面要素：①选择治疗方案：要求采用至少达到C级（包括病例对照研究结果报告和基于实践的广泛临床共识的证据）及以上循证依据的治疗措施/药物。②制定治疗目标：一般包括疗效指标（如有效、临床治愈）、功能恢复程度等，要求有明确的量化评价标准，如17项Hamilton抑郁量表（HAMD-17）评分≤7分、蒙哥马利抑郁量表（Montgomery-Asberg depression scale，MADRS）评分≤10分为临床治愈[9]，较基线减分率≥50%为有效[10]。③选择恰当药物：在选择治疗药物时需在循证基础上结合临床判断，将药物依从性作为重要参考指标之一。④治疗前全面评估：在对患者进行系统治疗前需对患者疾病严重程度、躯体疾病状况、既往/当前用药疗效以及耐受性等进行全面评估[5]。⑤治疗过程中定期、连续评估：MBC原则强调在治疗过程中关键决策点的设置，如进入治疗后第2、4、6、8、12周对疾病状况进行全面评估，包括抑郁严重程度、药物剂量、耐受性、不良反应、安全性、依从性等，依据既定的疗效指标确定药物剂量的增减。⑥恰当及时的过程调整：以评估为基础，形成有效的反馈机制，帮助及时调整治疗方案。

患者第1阶段治疗步骤的分割主要取决于是否到达治疗目标和关键决策点时间间隔的确定，间隔设定过长，无论是对于已达或未达到预期疗效的患者，治疗情况得不到及时反馈，都会使患者在1种治疗方案下暴露时间过长，而造成疗程的无谓延长，而导致预后不良。若时间间隔设定过短，治疗方案交替过于频繁则会由于治疗尚未充分显效而被误判为治疗无效。故决策时间的确定需根据病情的进展速度、治疗方案起效时间以及不同种族人群药物反应性差异等制定[6]。例如，设定在1～2周，根据耐受性情况将药物剂量滴定至最低有效剂量，并于2周末对药物疗效进行评估，结果有效则维持原剂量观察；如无效（2周末HAMD-17总分较基线减分率7分），且经评估患者耐受性良好，可增量至下一有效剂量范围至4周末，再次根据疗效指标评估决策是否对方案进行相应调整，在达到充分疗程的时间节点上，如仍无效或未达临床治愈，应考虑转换治疗方案。

MBC评估工具

针对MBC评估的不同要素（病情严重程度、耐受性、不良反应、安全性、有效治疗剂量、依从性、经济学等）选择不同的评估工具。在评估工具的选择上，一方面，在MBC治疗过程中需要定期、连续多次对患者各方面状况进行评估；另一方面又要考虑不能给临床工作者增加过多的负担，需要简单易行、契合临床实际应用。

目前，临床较为普遍应用的针对病情评估的MBC工具包括HAMD-17（对抑郁障碍患者基线和治疗过程中的症状严重程度进行量化评估）、16项抑郁症状快速检查他评/自评量表（QIDS-SR）、患者健康问卷抑郁量表（9-item patient health questionnaire， PHQ-9）等都具有良好信效度[11-14]。针对药物安全性评估包括不良反应发生率、严重程度以及患者耐受性等 [15]。采用不良反应频率、强度及负担量表（frequency， intensity， and burden of side effects-rating， FIBSE）用于对不良反应发生频率、强度及负担进行有效评估；简明药物治疗问卷（brief medication questionnaire，BMQ）可对依从性进行有效评估，其优点在于可以帮助医师及时了解导致患者依从性不良的原因，及时处理进而改善依从性[13]；患者依从性量表（patients adherence questionnaire， PAQ）也是简单易行的依从性评估量表[16]。针对治疗安全性的评估主要侧重于自杀风险的检查，如简明健康风险跟踪表（concise health risk tracking scale， CHRT）可用于评估患者自杀意念及行为；简明相关症状评估量表 （concise associated symptoms tracking， CAST）用于评估自杀相关症状的评估[13，16]。

MBC与现代化信息技术结合

Trivedi[7]针对难治性抑郁障碍采用量化治疗策略治疗，证明MBC在任何1种支持性治疗决策中都有至关重要的作用，不仅可以让临床医师对患者进行精细的个体化治疗，更可以帮助患者获得最佳治疗结局。MBC提供的量化评估标准有助于帮助非精神专科医师快速识别潜在的抑郁患者，并指导其使用会诊资源[17]。MBC在精神疾病治疗中的应用已渐成主流趋势，具有良好的临床应用前景。

与此同时，在MBC实施过程中更需要患者积极参与评估，但患者的病耻感、就诊时间、地域限制、交通条件、病患个体偏好等诸多因素都极大阻碍了服务需求者们去寻求“面对面”的精神卫生服务。流行病学调查结果显示，精神疾病的专科就诊率仅为3.4%，综合医院门诊也面临抑郁障碍患病率高、识别率低的问题[18-19]。为此，临床工作者和研究者们正在探索利用现代化信息和通讯技术手段改善精神卫生服务的可及性，由此发展出电子化精神卫生（e-mental health）的概念和创新服务模式[20]。

目前，美国精神病协会（APA）DSM-5网站已经提供多种在线评估工具。Shelton等[21]已经开始尝试建立计算机化决策支持系统（computerized decision support systems，CDSS），将计算机技术应用到MBC实施过程中，以期使评估更简单易行，从而提高医疗评估的依从性。借助互联网和移动通讯技术实施患者自评具有即时性和便利性特点，或可作为传统MBC现场评估的有益补充，如患者在就诊机构外适时完成评估，将评估结果通过通讯技术上传至就诊服务系统，然后由医疗服务提供方调整治疗过程。这也与近年提倡的“移动医疗”理念（即通过使用移动通讯技术，例如掌上电脑、移动电话和卫星通讯来提供医疗服务和信息，具体到移动互联网领域，则以基于安卓和IOS等移动终端系统的医疗健康类应用软件）和发展趋势相契合。

以MBC治疗策略为基础研发设计抑郁障碍相关移动医疗应用软件、移动医疗设备，开展基于信息化平台的新型医疗服务模式或将是未来抑郁障碍治疗管理的重要发展方向之一。

参考文献

Rush AJ， Trivedi MH， Wisniewski SR， et al. Bupropion-SR， sertraline， or venlafaxine-XR after failure of SSRIs for depression[J]. N Engl J Med， 2006， 354（12）： 1231-1242.

Leuchter AF， Cook IA， Hamilton SP， et al. Biomarkers to predict antidepressant response[J]. Curr Psychiatry Rep， 2010， 12（6）： 553-562.

Kessler RC， Berglund P， Demler O， et al. The epidemiology of major depressive disorder： results from the National Comorbidity Survey Replication （NCS-R）[J]. JAMA， 2003， 289（23）： 3095-3105.

Harding KJ， Rush AJ， Arbuckle M， et al. Measurement-based care in psychiatric practice： a policy framework for implementation[J]. J Clin Psychiatry， 2011， 72（8）： 1136-1143.

Crismon ML， Trivedi M， Pigott TA， et al. The Texas medication algorithm project： report of the texas consensus conference panel on medication treatment of major depressive disorder[J]. J Clin Psychiatry， 1999， 60（3）： 142-156.

Adli M， Bauer M， Rush AJ. Algorithms and collaborative-care systems for depression： are they effective and why？ A systematic review[J]. Biol Psychiatry， 2006， 59（11）： 1029-1038.

Trivedi MH. Evaluating and monitoring treatment response in depression using measurement-based assessment and rating scales[J]. J Clin Psychiatry， 2013， 74（7）： e14.

Trivedi MH. Treating depression to full remission[J]. J Clin Psychiatry， 2009， 70（1）： e01.

Trivedi MH. The link between depression and physical symptoms[J]. Prim Care Companion J Clin Psychiatry， 2004， 6（Suppl 1）： 12-16.

Trivedi MH， Rush AJ， Wisniewski SR， et al. Evaluation of outcomes with citalopram for depression using measurement-based care in STAR*D： implications for clinical practice[J]. Am J Psychiatry， 2006， 163（1）： 28-40.

Trivedi MH， Rush AJ， Ibrahim HM， et al. The Inventory of depressive symptomatology， clinician rating （ids-c） and self-report （ids-sr）， and the quickinventory of depressive symptomatology， clinician rating （QIDS-C） and self-report （QIDS-SR） in public sectorpatients with mood disorders： a psychometric evaluation[J]. Psychol Med， 2004， 34（1）： 73-82.

Rush AJ， Trivedi MH， Ibrahim HM， et al. The 16-item quick inventory of depressive symptomatology （QIDS）， clinician rating （QIDS-C）， and self-report （QIDS-SR）： a psychometric evaluation in patients with chronic major depression[J]. Biol Psychiatry， 2003， 54（5）： 573-583.

Trivedi MH. Tools and strategies for ongoing assessment of depression： a measurement-based approach to remission[J]. J Clin Psychiatry， 2009， 70（Suppl 6）： 26-31.

曾庆枝， 刘寒， 缪菊明， 等. 患者健康问卷抑郁量表在中医内科门诊患者中的信度和效度研究[C]. 中华医学会第十次全国精神医学学术会议， 南京， 2012.

Rush AJ， Fava M， Wisniewski SR， et al. Sequenced treatment alternatives to relieve depression （STAR*D）： rationale and design[J]. Control Clin Trials， 2004， 25（1）： 119-142.

Morris DW， Trivedi MH. Measurement-based care for unipolar depression[J]. Curr Psychiatry Rep， 2011， 13（6）： 446-458.

Morris DW， Budhwar N， Husain M， et al. Depression treatment in patients with general medical conditions： results from the CO-MED trial[J]. Ann Fam Med， 2012， 10（1）： 23-33.

何燕玲， 张岚， 刘哲宁， 等. 综合医院就诊者中焦虑障碍的检出率[J]. 中国心理卫生杂志， 2012， 26（3）： 165-170.

黄雨兰， 李晓佳， 褚成静， 等. 成都市综合医院门诊抑郁和焦虑障碍调查[J]. 临床精神医学杂志， 2011， 21（4）： 260-262.

Riper H， Andersson G， Christensen H， et al. Theme issue on e-mental health： a growing field in internet research[J]. J Med Internet Res， 2010， 12（5）： e74.

Shelton RC， Trivedi MH. Using algorithms and computerized decision support systems to treat major depression[J]. J Clin Psychiatry， 2011， 72（12）： e36.

（收稿日期：2014-09-11）