抑郁障礙的基于評估治療策略應用及展望

王凡++吳志國++方貽儒

摘 要 抑郁障礙的治療現狀尚不容樂觀，臨床慣常治療常存在治療策略選擇缺乏一致性、治療過程質量控制不佳、藥物劑量不充分、療程不足或無效療程的無謂延長等諸多缺陷，導致患者臨床治愈機會降低。基于評估的治療（measurement-based care，MBC）策略通過對治療過程的重要環節，如疾病嚴重程度、依從性、不良反應和耐受性等進行連續評估，并在評估的基礎上對抗抑郁劑劑量和療程進行適時、恰當調整，更有助于改善抑郁障礙治療結局。本文對于抗抑郁MBC策略的基本概念、發展現狀、策略制定原則等進行綜述，并展望基于電子化精神衛生理念，結合信息化技術手段實施MBC策略的可行性。

關鍵詞 抑郁障礙 抗抑郁治療 基于評估的治療 電子化精神衛生

中圖分類號：R749.7+2 文獻標識碼：A 文章編號：1006-1533（2014）20-0004-04

抑郁障礙是具有高發病率、高復發率、高致殘率和高自殺率的常見精神障礙，也是嚴重的公共衛生問題。在臨床治療中，近50%的患者難以獲得滿意療效，超過30%的患者對多種抗抑郁治療無效，形成“難治性抑郁障礙”[1]，久治不愈可能導致患者社會功能嚴重下降，致殘風險增高。

盡管有關抑郁障礙的病因病理學機制研究不斷取得進展，然而并無更具針對性的“有效”治療方法，亦無法提高治療質量。目前，由于藥理學研究尚無突破性進展，臨床治療只能采取慣用的嘗試性、“撞大運”式的方案，因為治療過程中的某些缺陷往往導致預后不良，如抗抑郁治療劑量和（或）療程不足、無效療程無謂延長等，尤其當某種治療無效需改變策略時，通常缺乏明確可靠的科學方法[2]。目前，臨床實踐中實施的抗抑郁治療與各類治療指南或循證醫學要求差距較大，研究中常用的結局評價量表未能很好的落實到臨床實踐中[3]。此外，抑郁障礙患者多首診于綜合醫院，導致首發抑郁障礙的診斷及識別率偏低，因此亟需提供簡便、易行的抗抑郁治療策略。

研究表明，與臨床常用治療方法相比，基于評估治療（measurement-based care，MBC）的策略注重于治療過程中重要環節質量控制的評估，如疾病嚴重程度、依從性、不良反應和耐受性等，醫師可在評估基礎上對治療策略進行適時的恰當調整，如藥物劑量滴定、療程轉換等，可更好的改善抑郁障礙治療結局[4]。本文將對MBC的基本概念、發展現狀、策略制定原則等進行綜述，并展望結合信息化技術手段貫徹MBC策略的可行性。

MBC概念及發展

MBC指使用恰當的評估工具，通過對病情的積極、定期連續評估，協助醫師根據階段性評估結果及時調整治療策略，促進治療原則的充分貫徹，形成規范化治療，獲取療效最大化[4]。這一理念已在臨床慢性病如高血壓、糖尿病等的治療和管理過程中得到很好的貫徹和實施。

在抗抑郁治療策略選擇缺乏一致性和規范化的大背景下，為了盡可能提高抑郁患者臨床治愈率和改善預后，研究者們開始探索抗抑郁治療的MBC策略。自20世紀90年代起，Crismon等[5]較早對抗抑郁治療程式的制定原則進行了探索，明確了如何選擇治療藥物、治療方案以及如何更好地貫徹治療流程，為更精確的治療策略制定奠定了基礎。強調治療程式的制定能為醫師提供具體的治療考量依據，幫助解決治療中的問題，由醫師根據治療程式的適用性評估結果，結合臨床判斷作出具體的臨床決策。Adli等[6]研究應用程式化治療策略（algorithm guided treatment，AGT）治療抑郁障礙患者療效時發現，與臨床常用治療策略相比，AGT能明顯提高治療有效率，但如何更好地提高療效則取決于更精細的量化評估和更精確的治療策略，第1次強調MBC在程式化治療策略中的作用。美國抑郁障礙序貫治療研究（sequenced treatment alternatives to relieve depression，STAR*D）對抑郁障礙的優化治療進行了更深入的探索[7]。STAR*D設置4個階段的分級治療方案，各階段設置適時、恰當的分流（如劑量滴定、方案轉換等）標準，前一階段經治未獲臨床痊愈的患者依次進入下一階段方案以求獲取最佳治療效果，各階段的治療實施均貫徹MBC原則，通過連續、定期評估并根據評估結果作出適時和恰當反饋，對治療過程進行精細調整，以保證任一階段均達到充分治療（即足劑量、足療程）[8]。STAR*D最終結果顯示，4個階段治療累積臨床治愈率為67%。

MBC策略的制定原則

在MBC治療策略的制定過程中主要考慮6方面要素：①選擇治療方案：要求采用至少達到C級（包括病例對照研究結果報告和基于實踐的廣泛臨床共識的證據）及以上循證依據的治療措施/藥物。②制定治療目標：一般包括療效指標（如有效、臨床治愈）、功能恢復程度等，要求有明確的量化評價標準，如17項Hamilton抑郁量表（HAMD-17）評分≤7分、蒙哥馬利抑郁量表（Montgomery-Asberg depression scale，MADRS）評分≤10分為臨床治愈[9]，較基線減分率≥50%為有效[10]。③選擇恰當藥物：在選擇治療藥物時需在循證基礎上結合臨床判斷，將藥物依從性作為重要參考指標之一。④治療前全面評估：在對患者進行系統治療前需對患者疾病嚴重程度、軀體疾病狀況、既往/當前用藥療效以及耐受性等進行全面評估[5]。⑤治療過程中定期、連續評估：MBC原則強調在治療過程中關鍵決策點的設置，如進入治療后第2、4、6、8、12周對疾病狀況進行全面評估，包括抑郁嚴重程度、藥物劑量、耐受性、不良反應、安全性、依從性等，依據既定的療效指標確定藥物劑量的增減。⑥恰當及時的過程調整：以評估為基礎，形成有效的反饋機制，幫助及時調整治療方案。

患者第1階段治療步驟的分割主要取決于是否到達治療目標和關鍵決策點時間間隔的確定，間隔設定過長，無論是對于已達或未達到預期療效的患者，治療情況得不到及時反饋，都會使患者在1種治療方案下暴露時間過長，而造成療程的無謂延長，而導致預后不良。若時間間隔設定過短，治療方案交替過于頻繁則會由于治療尚未充分顯效而被誤判為治療無效。故決策時間的確定需根據病情的進展速度、治療方案起效時間以及不同種族人群藥物反應性差異等制定[6]。例如，設定在1～2周，根據耐受性情況將藥物劑量滴定至最低有效劑量，并于2周末對藥物療效進行評估，結果有效則維持原劑量觀察；如無效（2周末HAMD-17總分較基線減分率<50%）或未達臨床治愈（HAMD-17總分>7分），且經評估患者耐受性良好，可增量至下一有效劑量范圍至4周末，再次根據療效指標評估決策是否對方案進行相應調整，在達到充分療程的時間節點上，如仍無效或未達臨床治愈，應考慮轉換治療方案。

MBC評估工具

針對MBC評估的不同要素（病情嚴重程度、耐受性、不良反應、安全性、有效治療劑量、依從性、經濟學等）選擇不同的評估工具。在評估工具的選擇上，一方面，在MBC治療過程中需要定期、連續多次對患者各方面狀況進行評估；另一方面又要考慮不能給臨床工作者增加過多的負擔，需要簡單易行、契合臨床實際應用。

目前，臨床較為普遍應用的針對病情評估的MBC工具包括HAMD-17（對抑郁障礙患者基線和治療過程中的癥狀嚴重程度進行量化評估）、16項抑郁癥狀快速檢查他評/自評量表（QIDS-SR）、患者健康問卷抑郁量表（9-item patient health questionnaire， PHQ-9）等都具有良好信效度[11-14]。針對藥物安全性評估包括不良反應發生率、嚴重程度以及患者耐受性等 [15]。采用不良反應頻率、強度及負擔量表（frequency， intensity， and burden of side effects-rating， FIBSE）用于對不良反應發生頻率、強度及負擔進行有效評估；簡明藥物治療問卷（brief medication questionnaire，BMQ）可對依從性進行有效評估，其優點在于可以幫助醫師及時了解導致患者依從性不良的原因，及時處理進而改善依從性[13]；患者依從性量表（patients adherence questionnaire， PAQ）也是簡單易行的依從性評估量表[16]。針對治療安全性的評估主要側重于自殺風險的檢查，如簡明健康風險跟蹤表（concise health risk tracking scale， CHRT）可用于評估患者自殺意念及行為；簡明相關癥狀評估量表 （concise associated symptoms tracking， CAST）用于評估自殺相關癥狀的評估[13，16]。

MBC與現代化信息技術結合

Trivedi[7]針對難治性抑郁障礙采用量化治療策略治療，證明MBC在任何1種支持性治療決策中都有至關重要的作用，不僅可以讓臨床醫師對患者進行精細的個體化治療，更可以幫助患者獲得最佳治療結局。MBC提供的量化評估標準有助于幫助非精神專科醫師快速識別潛在的抑郁患者，并指導其使用會診資源[17]。MBC在精神疾病治療中的應用已漸成主流趨勢，具有良好的臨床應用前景。

與此同時，在MBC實施過程中更需要患者積極參與評估，但患者的病恥感、就診時間、地域限制、交通條件、病患個體偏好等諸多因素都極大阻礙了服務需求者們去尋求“面對面”的精神衛生服務。流行病學調查結果顯示，精神疾病的專科就診率僅為3.4%，綜合醫院門診也面臨抑郁障礙患病率高、識別率低的問題[18-19]。為此，臨床工作者和研究者們正在探索利用現代化信息和通訊技術手段改善精神衛生服務的可及性，由此發展出電子化精神衛生（e-mental health）的概念和創新服務模式[20]。

目前，美國精神病協會（APA）DSM-5網站已經提供多種在線評估工具。Shelton等[21]已經開始嘗試建立計算機化決策支持系統（computerized decision support systems，CDSS），將計算機技術應用到MBC實施過程中，以期使評估更簡單易行，從而提高醫療評估的依從性。借助互聯網和移動通訊技術實施患者自評具有即時性和便利性特點，或可作為傳統MBC現場評估的有益補充，如患者在就診機構外適時完成評估，將評估結果通過通訊技術上傳至就診服務系統，然后由醫療服務提供方調整治療過程。這也與近年提倡的“移動醫療”理念（即通過使用移動通訊技術，例如掌上電腦、移動電話和衛星通訊來提供醫療服務和信息，具體到移動互聯網領域，則以基于安卓和IOS等移動終端系統的醫療健康類應用軟件）和發展趨勢相契合。

以MBC治療策略為基礎研發設計抑郁障礙相關移動醫療應用軟件、移動醫療設備，開展基于信息化平臺的新型醫療服務模式或將是未來抑郁障礙治療管理的重要發展方向之一。

參考文獻

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.

曾慶枝， 劉寒， 繆菊明， 等. 患者健康問卷抑郁量表在中醫內科門診患者中的信度和效度研究[C]. 中華醫學會第十次全國精神醫學學術會議， 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， 張嵐， 劉哲寧， 等. 綜合醫院就診者中焦慮障礙的檢出率[J]. 中國心理衛生雜志， 2012， 26（3）： 165-170.

黃雨蘭， 李曉佳， 褚成靜， 等. 成都市綜合醫院門診抑郁和焦慮障礙調查[J]. 臨床精神醫學雜志， 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）