Page 126 - 《中国药房》2025年15期

0.5 Treat All 3.2 SNRI类药物抗抑郁疗效的影响因素分析
Treat None
0.4 KNN SHAP 值是特征变量重要性的量化指标，其明确反
LightGBM
净获益率 0.3 XGBoost 映了特征变量对预测结果的影响。SHAP值蜂窝图分析
RF
SVM
结果显示，患者入院时较高的HAMA评分、不合用抗焦
0.2
0.1 虑药物、较高的 BUN 水平、非首次发病、存在饮酒史对
0 中 重 度 抑 郁 症 的 治 疗 呈 现 显 著 的 负 向 影 响 趋 势 。
0 25 50 75 100 HAMA评分由主管医师根据患者症状综合打分得到，能
预测概率/%
注：Treat None表示对所有受试者均不进行干预时的净获益线； 够反映患者焦虑症状的严重程度，HAMA 评分越高，其
Treat All表示对所有受试者均进行干预时的净获益线。 治疗无效的发生风险越高。多项研究结果表明，共病严
图4 机器学习模型的决策曲线 重焦虑的抑郁症患者对抗抑郁药物的治疗反应较差，且
严重的焦虑症状与较长的抑郁症治疗反应时间和较短
HAMA评分 [16―17]
的抑郁复发时间呈现相关性 。抑郁症患者合用抗
BUN 焦虑药物不仅能有效改善焦虑症状，还能起到一定的抗
抑郁作用，发挥协同增效作用。STAR*D研究结果也证
合用抗焦虑药物
实，抗焦虑药物与抗抑郁药物联合使用可以提高抑郁症
首次发病
[16]
的治疗有效率 。BUN能反映肾脏排泄功能，肾功能减
饮酒史
退（BUN 升高）可能导致 SNRI 类药物的活性代谢物（如
0 0.004 0.008 0.012 O-去甲基文拉法辛）在体内蓄积，改变血药浓度，从而影
SHAP平均值 [18]
图5 RF模型的SHAP变量重要度排序 响疗效 。相较于首次发病的抑郁症患者，非首次发病
的患者可能病情更为慢性或难治，管理策略需包括长期
HAMA评分
药物治疗和定期心理治疗，以降低复发频率和缓解病情
BUN
[19]
严重性。Buckman等 的研究结果也论证了抑郁症的复
合用抗焦虑药物_0
High
合用抗焦虑药物_1 发史是一个强有力的成人抑郁症复发风险预测指标。
合用抗焦虑药物_2 Feature value 长期饮酒可能导致大脑对神经递质（如血清素和多巴胺
首次发病_1 Low
[20]
首次发病_2 等）的敏感性降低，从而可能引发抑郁风险 ；同时，酒
饮酒史_2 精滥用不仅会加重已有的抑郁症状，还与更高的自杀风
饮酒史_1 [21]
险相关，从而影响抑郁症的治疗效果 ；此外，有研究表
－0.05 0 0.05 0.10 0.15 0.20 0.25 0.30 0.35 0.40
[22]
SHAP值 明酗酒的抑郁症患者对抗抑郁药物还表现出抵抗性 。
注：图中每个点代表数据集中的一个样本；连续型变量的颜色越 由此可见，上述5个特征变量是影响中重度抑郁症住院
红代表数值越小，颜色越蓝代表数值越大；SHAP值为正值表示特征变 患者使用SNRI类药物疗效的重要因素。
量增加了模型输出（即提高了治疗有效的预测概率），负值则相反。 3.3 SNRI类药物抗抑郁疗效预测模型的构建与评价
图6 RF模型的SHAP值蜂窝图
相较于传统统计学，机器学习不依赖于变量间显著
3 讨论 关系的先验检验，能自动学习复杂数据之间的联系，并
3.1 SNRI类药物抗抑郁治疗的效果分析 在新数据上有很强的泛化能力，因此其应用更加灵
本研究收集的中重度抑郁症住院患者使用SNRI类 活 。本研究中，模型的构建依托于真实世界中的观察
[23]
药物的治疗有效率为 80.28%，高于文献[2]报道的 50%， 性数据，该类数据以其低成本、可快速收集和覆盖异质
其可能原因有：（1）本研究收集的样本来自住院患者，住
性人群的特点，日益成为个体化干预效果评估研究的关
院期间得到临床医护人员更好的治疗和护理；（2）本研
键资源。本研究运用 SMOTE 处理不平衡数据集，可提
究住院患者大多数为中度抑郁（91.27%），且入院时
高少数类别的预测能力，避免模型过拟合；采用LASSO
HAMD-24 评分为（25.17±4.61）分，表明其抑郁症状相
回归技术进行特征变量筛选，可以降低模型的复杂程
对较轻；（3）患者住院过程中采用了多种治疗方式，包括
度，防止过拟合发生，最终筛选出 5 个关键特征，即
使用多种改善症状的药物与心理治疗方案。与既往研
究建立的单一用药疗效预测模型不同，本研究患者存在 HAMA评分、BUN、合用抗焦虑药物、首次发病、饮酒史，
SNRI类抗抑郁药物与多种增效药物联用的情况。已有 然后基于以上特征运用了5种不同的机器学习算法构建
研究表明，治疗抑郁症的过程中，在单一抗抑郁药物治 并验证模型。所有模型在验证集中的比较结果显示，RF
疗效果有限时，可增加另一类药物增效治疗 [13―14] 。此 模型的ROCAUC值和PRAUC值均为最大，而在所有性
外，本研究还发现，SNRI类药物使用最多的为文拉法辛 能评估指标中，ROCAUC 和 PRAUC 能更好地显示出模
（64.51%），现有证据也表明文拉法辛的临床治愈率高于 型的分类性能；同时，决策曲线可用于评估预测模型在
[15]
5-羟色胺再摄取抑制剂 。 临床或实际决策中的价值，而 RF 模型在决策曲线上表

· 1940 · China Pharmacy 2025 Vol. 36 No. 15 中国药房 2025年第36卷第15期