Прогнозирование риска развития депрессии у пожилых по иммунологическим показателям

Цель исследования: количественная оценка взаимосвязи депрессивного состояния пожилых людей с воспалительными и аутоиммунными маркерами на основе модели бинарной логистической регрессии и использование этой модели для предсказания вероятности депрессивного состояния пожилых по этим показателям.

Пациенты и методы: в исследование были включены 55 госпитализированных больных позднего возраста (средний возраст 69,2 ± 6,9 года) с депрессивным эпизодом. Контрольную группу составил 41 человек пожилого возраста (средний возраст 66,6 ± 6,2 года) без депрессивных или иных психических расстройств расстройств. В плазме крови больных и лиц контрольной группы определяли активность воспалительных и аутоиммунных маркеров: энзиматическую активность лейкоцитарной эластазы (ЛЭ), функциональную активность α₁-протеиназного ингибитора (α₁-ПИ), уровень аутоантител к нейроспецифическим антигенам S100B и основному белку миелина (ОБМ). Статистическую обработку данных проводили с использованием программ R (R version 3.2.4) и STATA (version 12.1). Использовали точечно-бисериальную корреляцию для измерения силы и направления связи между бинарной переменной и непрерывными переменными и логистическую регрессию для предсказания вероятности возникновения интересующих событий по значениям одной или нескольких независимых переменных (предикторов).

Результаты: у пациентов с депрессивными расстройствами выявлено статистически значимое повышение функциональной активности α₁-ПИ (p ≤ 0,05) и уровня аутоантител к нейроспецифическому антигену S100B (p ≤ 0,05) по сравнению с контролем. Активность ЛЭ и уровень ОБМ не отличались от контроля (p = 0,12 и p = 0,1 соответственно). На основе иммунологических показателей у пациентов пожилого возраста с депрессией построена математическая модель. Точность определения наличия депрессии при использовании модели в целом составила 83,33%, что указывает на высокую предсказательную эффективность этой модели.

Заключение: результаты математического анализа свидетельствуют о том, что такие иммунологические показатели, как функциональная активность α₁-ПИ и S100B, статистически значимо связаны с вероятностью наличия депрессии у людей пожилого возраста. Такие показатели, как энзиматическая активность ЛЭ и уровень аутоантител к ОБМ, не оказывали статистически значимого влияния на искомую вероятность.

1. Гаврилова СИ, Калын ЯБ. Социально-средовые факторы и состояние психического здоровья пожилого населения (клинико-эпидемиологическое исследование). Вестник РАМН. 2002;9:15–20.

2. Bаldwin R, Wild R. Management of depression in later life. Advances in Psychiatric Treatment. 2004;10:131–139. DOI: 10.1192/apt.10.2.131

3. Blazer D. Depression in late life: review and commentary. J. Gerontol. Biol. Sci. Med. Sci. 2003;58(3):249–265. DOI: 10.1093/gerona/58.3.m249

4. Ferrari AJ, Charlson FJ, Norman RE, Patten SB, Freedman G. Burden of depressive disorders by country, sex, age, and year: findings from the global burden of disease study 2010. PLOS Med. 2013;10(11):e1001547.DOI: 10.1371/journal.pmed.1001547

5. Kok RM, Reynolds CF. 3rd. Management of depression in older adults: A review. JAMA. 2017;317(20):2114–2122. DOI: 10.1001/jama.2017.5706

6. Смулевич АБ. Депрессии при соматических и психических заболеваниях. М.: Медицинское информационное агентство, 2015.

7. Alamo C, Lopez-Munoz F, Garсia-Garcia P. Treatment of depression in elderly: the challenge to success. Int. J. Clin. Psychiaty Ment. Health. 2014;2:77–88. DOI: 10.12970/2310-8231.20/4.02.01.8

8. Howren MB, Lamkin DM, Jerry S. Associations of depression with C-reactive protein, IL-1 and IL-6: a Meta-analysis. Psychosom. Med. 2009;71(2):171–186. DOI: 10.1097/PSY.0b013e3181907c1b. Epub 2009 Feb 2.

9. Ting EYi-C, Yang AC, Tsai S-J. Role of Interleukin-6 in depressive disorder. Int. J. Mol. Sci. 2020;21(6):2194. DOI: 10.3390/ijms21062194

10. Субботская НВ, Сарманова ЗВ, Бархатова АН, Клюшник ТП, Тиганов АС. Клинико-иммунологические корреляции при эндогенной депрессии. Журнал неврологии и психиатрии имени С.С. Корсакова. 2015;115(4):49–53. DOI: 10.17116/jnevro20151154149-53

11. Alexopoulos GS, Morimoto SS. The inflammation hypothesis in geriatric depression. Int. J. Geriatr. Psychiatry. 2011;26(11):1109–1118. DOI: 10.1002/gps.2672

12. Alexopoulos GS. Mechanisms and treatment of latelife depression. Translational Psychiatry. 2019;9(1):1–16. DOI: 10.1038/s41398-019-0514-6

13. Сафарова ТП, Яковлева ОБ, Андросова ЛВ, Симонов АН, Клюшник ТП. Некоторые факторы воспаления и иммунофенотипы при депрессиях у пожилых больных. Журнал неврологии и психиатрии имени С.С. Корсакова. 2020;120(2):53–58. DOI: 10.17116/jnevro202012002153

14. Доценко ВЛ, Нешкова ЕА, Яровая ГА. Выявление лейкоцитарной эластазы человека из комплекса с плазменным a1-протеиназным ингибитором по ее энзиматической активности с синтетическим субстратом. Вопросы медицинской химии. 1994;40(3):20–25.

15. Нартикова ВФ, Пасхина TС. Унифицированный метод определения активности альфа-1-антитрипсина и альфа-2-макроглобулина в сыворотке (плазме) крови человека. Вопросы медицинской химии. 1979;25(4):494–499.

16. Kendall MG, Stuart A. The advanced theory of statistics. London: Published by Charles Griffin & Co.1952.

17. Linacre J. The Expected Value of a Point-Biserial (or Similar) Correlation. Rasch Measurement Transactions. 2008;22(1):1154.

18. Fleiss JL, Williams JB, Dubro AF. The logistic regression analysis of psychiatric data. J. Psychiatr. Res. 1986;20(3):195–209.

19. Hosmer DW, Lemeshow S. Applied Logistic Reg 19. Hosmer DW, Lemeshow S. Applied Logistic Regression. New York. Wiley–Interscience.1989.