Pharmacopsychiatry
影响因子2019: 4.340
精选
论文
Algorithms For Treatment of Major Depressive Disorder: Efficacy and Cost-Effectiveness
Michael Bauer, A. John Rush, Roland Ricken, Maximilian Pilhatsch, Mazda Adli
摘要
尽管有多种新的治疗方案，慢性和耐药性仍然是治疗抑郁症的主要挑战。提供算法指导的抗抑郁治疗被认为是一个重要的策略优化治疗方案，它可以避免或克服重度抑郁症(MDD)的耐药疗程。通过对大规模随机对照试验，提供了算法在治疗住院的MDD患者中的临床益处。结果表明，基于标准化和系统化的响应测量和算法指导的决策过程，在每个治疗步骤的末尾都有关键决策点的逐步治疗方案(算法)可以增加缓解和优化抑郁的的机会。综上所述，MDD的研究揭示了系统化、结构化的治疗程序，对关键决策点的反应及时进行评估，及时进行剂量和治疗类型调整，这些策略使得算法指导的治疗效果和常规治疗效果之间存在明显差异。
中文关键词
算法治疗， 结果，常规治疗，医疗决策
结论与展望
尽管在过去的30年中，抗抑郁治疗方案的数量不断增加，新的抗抑郁化合物不断发展，但慢性和耐药性仍然是临床治疗抑郁症的一个重要的问题。事实上，精神卫生专业人员观察到，这些抑郁症患者对单一疗法或联合用药没有充分反应，并逐渐发展为慢性病程。
治疗抑郁症应该用勤奋的方式进行,可以达到非常明显地治疗效果。这个结论是通过比较算法治疗和TAU，结果表明高度结构化的程序和实施评估反应使二者之间表现出明显的差异。但高度勤奋的治疗不是常用的治疗方法，至少从今天的临床情况来看。
迄今为止，通过证据可以支持以下结论。首先，开发治疗MDD的算法是可能的。第二,这些算法似乎提供了更好的临床结果时，当适当执行TAU。第三，这些算法的正确实施需要定期评估每个治疗步骤所取得的症状结果，以可靠地判断是否对其中一种治疗策略进行了额外的修改(例如，在一个称为“基于测量的护理”的过程中，需要根据每个患者最优地调整治疗方案(剂量或持续时间)或策略(治疗类型)。此外，可能需要对常规实践程序进行其他修改，以提供更好的临床-患者互动，或设置慢性病管理程序，以增强参与和治疗依从性，减少摩擦，并提高整体症状和功能结果。
然而，由于测量的护理和算法的研究才刚刚起步;许多问题依然存在。最重要的是，我们缺乏随机的护理点跟踪证据，在前1个或2个治疗步骤后，可以推荐一个治疗方案。关照系统或治疗网络采用和评估治疗算法，包括在对前两个治疗步骤反应不充分后对不同治疗进行随机分组，这将是获取这一急需证据的一种经济有效的方法。其他未解决的问题包括:这样一种算法是针对所有类型的抑郁症患者还是特定的类型?是否存在这样的情况，即在治疗计划中增加的改变(例如，增加或改变药物)可能没有带来任何额外的益处?心理治疗对接受药物治疗的抑郁症患者有什么作用?心理治疗能否减少慢性或复发性抑郁症患者对长期药物治疗的需求?最后，随着在物遗传学领域的研发工作增加，人们希望更有效的、更有针对性的治疗方案可以被提出。
从经济角度考虑，算法还可以降低治疗系统的直接成本，通过提高生产力、减少残疾及延长寿命来降低社会成本。另外进一步的研究仍要进行，这些研究包括算法治疗到底是否有经济有效，以及对哪些患者经济有效。
