洛杉矶——根据一项回顾性队列研究，一个机器学习模型可能能够预测新妈妈的产后抑郁症风险。
马萨诸塞州总医院和哈佛医学院的Mark Clapp博士及其同事报告称，该模型利用分娩后出院前常规收集的电子健康记录（EHR）数据，在外部验证数据中表现出良好的区分能力，受试者工作特征曲线下面积为0.721（95% CI 0.709-0.736），这一结果在美国精神病学协会年度会议上公布。
在特异性为90%的情况下，阳性预测值为28.8%，阴性预测值为92.2%。Brier校准得分为0.087（95% CI 0.083-0.091）。
“通过识别高风险群体，实施这些模型可能允许应用预防或更密集的筛查干预措施，这些措施在整个人群中可能是不必要的或不可行的。”作者在《美国精神病学杂志》上发表的文章中写道，该研究也在该期刊上发表。
他们总结说：“这种工具可以帮助在一个诊所内识别出最高风险的患者，并促进个体化的产后护理计划，以预防、筛查和管理产后抑郁症，从产后初期开始，甚至在症状出现之前。”
Clapp表示，在分娩后的6个月内，约有2,700名女性被诊断出患有产后抑郁症，约占9%的比例。
Clapp在接受《MedPage Today》采访时说：“我们已经接近将这个模型投入临床实践。建立模型很容易，但将其应用于临床床边却很难。我们现在正在进行这种转换。”
产后抑郁症很常见，影响约15%的近期怀孕妇女，并且是妊娠后发病率和死亡率的主要因素。它与自杀和自残的风险增加有关，并估计导致了10%或更多的妊娠相关死亡，作者解释道。
他们写道：“这项工作的下一步是将该模型转化为临床实践，并研究如何有效地和适当地由患者和临床医生使用，以减少产后抑郁症的发生率、严重程度和后续后果。”
评论这项研究时，加州大学洛杉矶分校的Misty Richards博士说：“我们在预防诊所试图在产后抑郁症变成‘森林大火’之前抓住它。然而，很多时候我们错过了。如果我们能有这样的预测工具，特别是对于那些没有抑郁史的人，这将非常重要。”
她补充说：“这是这里的重要结论：那些没有抑郁史的人往往不会被诊断出来。因此，这个机器学习系统在临床上非常重要，这样我们可以减少这种情况。”
为了开发这个机器学习模型，Clapp和他的同事们包括了2017年至2022年间在两个学术医疗中心、六个社区医院及其附属门诊诊所发生的全部活产病例，这些机构共享一个电子健康记录系统。该模型仅包括在这些机构接受过产前护理的女性，并排除了有精神疾病史的患者。
模型中的预测因子包括社会人口因素、病史和产前抑郁筛查信息。
产后抑郁症的确定依据是医院代码指示的情绪障碍、抗抑郁药物处方或爱丁堡产后抑郁量表（EPDS）的阳性筛查结果。
分娩时的中位年龄为33岁，70%为白人，13%为亚裔，7%为黑人，11%为西班牙裔。产前EPDS的中位数为3，住院中位时间为约3天。
(全文结束)
