简单易行且有临床意义，所以不同疾病的抑郁症患病率一直是医生最喜欢的临床科研课题之一。
我在读研究生期间也做过类似研究。调查发现两位患者曾因病有过自杀经历；深刻体会到患者的痛苦及医生从专业角度解释病情与安慰的重要。
因为容易做，所以此类文章已有很多；单纯患病率的文章很难发在高影响因子顶刊。美国密歇根大学流行病学系的Dong L等针对中风后抑郁症患病率的研究，于2020年5月发表于Neurology杂志（IF: 8.77），这是神经科的顶刊。这篇论文的题目为“Sex difference in prevalence of depression afterstroke”（中风后抑郁症患病率的性别差异）。
抑郁症（Depression）影响大约三分之一的中风（stroke）患者，女性患者中风预后不良的风险高于男性，尤其是中风后残疾，这无疑增加了抑郁的风险性。此外，作为中风的危险因素，抑郁症在一般人群中女性比男性更为普遍，因此有抑郁病史的中风女性患者在中风后可能会经历更长或反复的抑郁发作。
然而，现有数据大多基于医院研究的，并非专门用于评估性别差异，因此，在样本组成、纳入标准和协变量调整方面都有所不同。值得注意的是，中风前抑郁患者被排除在许多研究之外，这可能有差异地排除了女性，从而导致有偏见的估计。为了更好地了解脑卒中后抑郁的性别差异，有必要考虑卒中前抑郁。所以本项以人群为基础的脑卒中研究中，研究者观察了中风后90天抑郁症患病率的性别差异，并特别关注了中风前患者的抑郁症情况。
本研究采用数据来自Brain Attack Surveillance in Corpus Christi（BASIC）项目，这是一项正在进行的基于人群的中风监测研究，旨在捕捉德克萨斯州南部努埃塞斯县年龄在45岁以上社区居民的所有中风病例。中风病例通过主动和被动监测进行识别，即主动监测基于每日对医院入院日志的筛查，被动监测则为从医院和急诊科出院诊断编码中识别病例，可能的病例由中风神经科医师进行盲法验证。研究样本取自2011年1月5日至2016年12月31日期间发生的所有首次中风病例，受试者入组标准：在研究期间，1,793例首次中风患者在中风后90天存活，其中1,367例（76.2%）参与了基线访谈，随后作者依次排除了301名委托基线访谈、248名未参与结局访谈、23名接受委托结局访谈、9名未进行抑郁评估的参与者，最终确定为786名受试者。
主要观察指标是中风后90天包括由中风、中风后和中风前因素引起的抑郁症。结局访谈采用8项患者健康问卷（PHQ-8）对抑郁症状进行评估。受试者被要求对过去2周内出现以下任何症状的频率进行评分：失去兴趣、情绪低落、睡眠障碍、疲劳、食欲改变、自卑、注意力不集中和精神运动变化。每个项目的反应记录在4分制的量表上，从“完全不”到“几乎每天”。通过将8个项目相加计算出0到24分的总分，分数越高表示抑郁症状越严重。得分≥10分的受试者在中风后90天被归类为抑郁症。临界阈值显示了识别脑卒中患者抑郁的高度敏感性和特异性。此外，作者还为每种抑郁症状生成一个二元变量，作为次要结果测量，“几乎每天”编码为1，否则为0。自述卒中前抑郁状态是通过非委托基线访谈确定的。参与者被问及他们是否曾被医生告知患有抑郁症，以及他们目前是否正在服用或曾经服用过抑郁症药物。由此生成了3个相互排斥的类别，包括：无抑郁史、抑郁史和中风时服用抑郁症药物。中风时未服用抑郁症药物的受试者，如果报告曾被诊断为抑郁症或服用过抑郁症药物，则被归类为有抑郁症病史；否则，他们被归类为没有抑郁症病史。首先，作者比较了每个主要流失步骤的纳入和排除患者之间的样本特征，以及有和没有基线认知功能缺失数据的受试者之间的样本特征，通过多重插补法（multiple imputation）和逆概率加权（inverseprobability weighting.）相结合的方法处理缺失数据。多重插补法用于填充研究样本的协变量缺失值，以避免统计能力的降低并最小化选择偏差；逆概率加权用于解释差异损耗和选择偏差。使用Pearson χ2检验分类变量和Kruskal-Wallis检验连续变量的样本特征差异。使用加权交叉列表来估计卒中后90天抑郁和每种抑郁症状的性别特异性患病率。使用加权logistic回归分析性别与卒中后抑郁的关系，并估计了3个序列模型，分别是（2）中间模型，针对中风前抑郁状态进行了额外调整；（3）完整模型，针对中间模型的协变量和社会人口统计学（种族/种族、教育、婚姻状况、健康保险状况）、中风（中风类型、中风严重程度），以及卒中前特征（功能残疾、认知障碍、健康风险行为）进行了调整。为了检验中风前抑郁状态的潜在效应修正，作者在完整模型中引入了性别和卒中前抑郁状态之间的交互作用项，计算了优势比（ORs），并用F检验（二自由度）检验了交互作用的显著性。此外，研究做了敏感性分析。为了了解缺失数据方法对结果的可能影响，进行了完整的案例分析和仅采用多重插补法的分析，并将结果与初步分析进行比较。
统计分析用Stata版本14.2（StataCorp）和SAS版本9.4（SAS Institute，Cary，NC）完成。多重插补采用SAS程序PROC-MI加FCS和PROC-MIANALYZE，MI程序中的MNAR用于随机假设缺失的敏感性分析。
如表1所示，女性和男性在样本中的分布大致相等，平均年龄为65.4岁。近五分之三是墨西哥裔美国人，五分之二是非西班牙裔白人。与男性相比，女性年龄较大，受教育程度较低，中风严重程度更高，更容易丧偶，中风前功能受限和认知障碍更严重。女性报告冠心病、过度饮酒和吸烟史的可能性低于男性。值得注意的是，大约四分之一的女性在中风时服用抑郁症药物，五分之一的女性没有服用抑郁症药物，但有抑郁症病史，这明显高于男性的估计值。
随后，作者对受试者中风后抑郁症患病率和患病症状进行性别差异评估如表2所示，中风后90天的平均PHQ-8评分男性为6.4（标准差为6.4），女性为7.5（标准差，6.8）（p = 0.012）。在对受试人员进行调整后，男性首次中风后90天抑郁的患病率（根据PHQ-8评分10分或更高）为28.2%（95% CI，23.7%-32.8%），女性为32.7%（95% CI，27.8%-37.5%）（p = 0.187）。疲劳和睡眠障碍是男性和女性最常见的抑郁症状，女性疲劳和食欲变化的患病率高于男性，而精神运动改变的患病率男性高于女性。
表2，来自BASIC项目的受试者中风后90天抑郁症患病率和抑郁症状的性别差异接下来，作者在对中风前抑郁状态进行进一步调整之后，女性在中风后年龄调整的抑郁OR值与男性相比降低。在完全校正模型中，与中风后抑郁相关的因素包括卒中前抑郁状态、年龄、教育程度、共病数量和基线时吸烟情况（如表3所示）。对所有协变量进行校正后，中风前抑郁状态对性别与卒中后抑郁之间关系的影响修正显著（如表4所示）。在没有卒中前抑郁史的参与者中，卒中后抑郁的性别差异无统计学意义。在中风前有抑郁史的受试者中，女性的患病率往往高于男性。然而，在中风时服用抑郁症药物的受试者中，女性在中风后90天出现抑郁的可能性明显低于男性。
表3，来自BASIC项目的受试者中风后性别与抑郁之间关联的权重逻辑回归模型结果
表4，按中风前抑郁状态比较男女性受试者在中风后90天抑郁的OR值在没有抑郁史的受试者中有大约五分之二是女性。与男性相比，这一人群中的女性年龄更大，中风严重程度更高，身体状况也更严重。然而，在中风前残疾和认知障碍方面没有显著的性别差异。与首次中风后首次发作的抑郁相关的因素包括未参保、医疗状况的数量以及中风发作时的吸烟情况等。此外，与主分析相比，在数据完整的病例中，年龄校正OR更为显著，而在完全病例分析和仅采用插补法的分析中，卒中前抑郁状态对卒中后性别与抑郁之间关系的调节作用较弱，并且潜在未缺失的随机协变量数据的敏感性分析结果与主要发现一致。
这项研究调查了首次中风后90天抑郁症患病率的性别差异。作者发现，中风前抑郁状态对性别和中风后抑郁之间的关系存在显著影响。因此，与男性相比，女性在中风时服用治疗抑郁症的药物可以显著预防中风后抑郁，而有抑郁症病史但未服药的女性与男性相比，其患病风险更高。
此外，研究还表明，中风后90天抑郁患者个体抑郁症状的患病率存在潜在的性别差异，最普遍的症状是疲劳和睡眠障碍，这可能是抑郁症状，也可能是中风的直接并发症，或两者兼而有之。总而言之，这项以人群为基础的中风研究，使用统计学方法减少选择偏差，提示中风幸存者的抑郁症是多因素和异质性的，在中风前后的整个病程中都有显著的性别差异。需要采取干预措施来解决和预防卒中后抑郁，尤其是那些中风前抑郁但在中风发作时没有接受抑郁治疗的患者。（1）以人群为基础，检查首次中风后90天抑郁患病率的性别差异，而先前的研究并未讨论这一观点；（1）中风前抑郁状态是基于先前诊断和治疗的自我报告，而不是直接的抑郁评估，因此会因回忆偏差和社会期望偏差而导致错误分类，并受特定性别求助行为的影响；（2）中风后抑郁的分类是基于PHQ-8评估的自我报告症状，而不是基于DSM的诊断访谈。尽管PHQ-9已被确定为评估卒中后抑郁的潜在最佳工具之一，它没有DSM-5中对抑郁情绪或兴趣丧失的要求，由于中风的复杂性，可能会导致分类错误。此外，由于性别之间的报告模式不同，也可能存在测量误差；（3）中风前抑郁状态的测量和PHQ-8都不包括与躁狂发作相关的项目，因此双相情感障碍的参与者可以没有区别；（4）尽管这类研究的基础项目有很高的应答率（约77%），但仍有一部分患者由于在委托访谈中缺乏适当的工具而没有进行抑郁评估；（5）由于研究样本是从德克萨斯州南部的一个两栖动物群体中提取的，所以研究结果可能不适用于具有不同种族和种族组成的人群。然而，研究结果可以推广到美国更广泛的非移民墨西哥裔美国人，他们有更高的中风后不良结局的风险。
之所以解析这篇论文，是因为这篇论文有以下特点：
纯临床研究；
研究的是中风这个常见病；
只需要利用临床问卷调查就可以完成；
课题设计简单易行，其他医生可以照猫画虎；
可为其他疾病类似研究所借鉴；
统计分析起到核心作用；
发在神经科顶刊。
尽管本研究有很多不足；但因为这项研究方法学科学而严谨，解决了临床重要而未解决的问题，所以能够发展神经科顶刊。
这篇论文不仅仅是一篇非常好的SCI论文模板，也是一个很好的研究生课题，以及一些小的基金设计，如首特基金、或者博士后基金等的课题模板。
只要有完整的临床数据库，就可以做类似的研究。
论文之所以能够发表，都是因为有First ＆ Last之基础。在立项依据部分，已经清楚了本研究的必要性（存在gap），即：没有针对不同性别的抑郁症、没有关注中风前的抑郁情况。本研究可以借鉴到其他疾病及应激下的群体（如疫情下的人群、灾区人群、失业人群等）。男女性生理构造和功能的差异性，在面对病理挑战，心理压力以及药物治疗等状况时，身体反应往往不尽相同，可以对此设计研究方案。当然，也不仅仅拘泥于性别差异研究，在面对一个崭新的或者老旧的课题时，无论是研究对象还是研究方法都不可能与先前研究完全相同，只要找到一个有意义的“区别点”，再进行拓展就可以变成自己的内容。
我们在后面的推文中，会继续推送关于可以借鉴的抑郁症临床研究。
从学习，到超越；
由学子，到领军。
我们与您伴行。
好了，今天的分享就到这里；希望对您有所启发。也许您很快就可以做出针对您研究疾病的分析。我们一直主张“医生发表SCI论文其实很简单”。并在此基础上构建了一系列医学SCI论文模板，都收录进“SCI论文模板”专题中，在本公众号主页面下回复“模板”可以获得。临床医生可以参考这些推文，根据实验需求和条件限制、并充分发挥自己的优势，来选择最适合自己的研究方法。
本公众号也支持按照科室搜索，如回复“神经科”，即获得神经科专题的资料。编辑：Henry。本文由李博士撰稿，Mark点评。
如果需要本文中提到的统计分析，请与我们联系。
如果您觉得对您或者您的学生、同事有帮助，欢迎点赞转发。这也是我们项目组坚持下去及提供更精彩解析的动力。
成长三部曲