中西医治疗帕金森病抑郁症的临床研究

目的:探讨中西医治疗帕金森病伴抑郁症的临床疗效。方法:将60例帕金森病伴抑郁症患者按随机数字表法分为治疗组和对照组,每组各30例。对照组应用美多巴片0.125～0.250 g,每天3次,帕罗西汀20 mg,每日1次。治疗组在对照组的基础上合用中药辨证治疗,于治疗前及治疗8周后采用帕金森病统一评分量表(UPDRS)评定病情严重程度,汉密尔顿抑郁量表(HAMD)17项评定抑郁严重程度。结果:治疗组在治疗8周后UPDRS及HAMD评分明显减少,抗抑郁疗效有效率明显高于常规药物治疗组。结论:中西医治疗帕金森病抑郁症患者,能有效改善运动障碍和抑郁症状。     

糖尿病合并抑郁症的护理干预

探讨糖尿病合并抑郁症的临床状况,跟踪调查592例患者,合并抑郁症者血糖控制不良,病程延长,经济负担重,对此采取积极的护理措施,为患者缓解压力,提高医疗效果。     

剖腹产后的饮食调理

雪儿在夏天的时候做了妈妈,因为宝宝是剖腹产生的,雪儿对她关怀备至,总担心剖腹产会影响女儿的成长发育。可是,宝宝还没满月时,雪儿自己却出现了身体不适：腰酸腿疼、头晕、记忆力减退、睡眠不好,甚至还出现了产后抑郁症。这可把老公吓坏了,赶紧到专利医院咨询医生。原来这都是因为妻子剖腹产后没有及时调理所致。     

多摄入反式脂肪可能导致抑郁症

西班牙研究人员发现,多吃富含反式脂肪和饱和脂肪的食物可能使人罹患抑郁症概率提高近五成。这项研究结果进一步证明多吃＂垃圾食品＂容易诱发抑郁症。     

精神专科医院门诊抑郁症患者首诊情况调查及影响因素研究

目的:了解精神专科医院门诊抑郁症患者首次就诊情况,探讨影响患者及时就诊和选择首诊医疗机构的相关因素。方法:选择本院门诊150例抑郁症患者作为研究对象,利用自行设计的《门诊抑郁症患者就诊特点调查问卷》《汉密尔顿抑郁量表(Hamilton Depression Rating Scale,HAMD)》和一般情况调查表对患者进行调查。结果:及时就诊组(发病至患者到精神科就诊的时间≤3个月)与非及时就诊组(发病至患者到精神科就诊的时间>3个月)患者在年龄、婚姻状况、文化程度、抑郁症家族史、首诊医疗机构选择、病耻感、就诊意愿等方面比较差异均有统计学意义(P<0.05)。及时就诊组与非及时就诊组患者第一主诉构成比较差异有统计学意义(P<0.05);两组患者的HAMA评分比较差异无统计学意义(P>0.05)。多因素Logistic回归分析结果显示:文化程度、就诊意愿是影响患者及时就诊的主要因素。结论:患者的年龄、婚姻状况、文化程度、抑郁症家族史、首诊医疗机构选择、病耻感、就诊意愿等因素对抑郁症患者能否及时就诊有较大影响。     

采用度洛西汀联合艾司西酞普兰治疗抑郁症的安全性及疗效观察

目的:探讨对抑郁症患者使用度洛西汀联合艾司西酞普兰治疗的临床效果。方法:选取本院精神科和中山市人民医院心理科收治的抑郁症患者128例作为研究对象,对照组1(40例)使用度洛西汀治疗,对照组2(40例)使用艾司西酞普兰治疗,观察组48例联合使用上述药物,对比三组临床效果。结果:观察组治疗总有效率为83.3%,高于对照组1的72.5%与对照组2的75.0%,比较差异有统计学意义(P<0.05);治疗后观察组HAMD评分显著低于对照组1、2,比较差异有统计学意义(P<0.05);三组不良反应发生率比较差异无统计学意义(P>0.05)。结论:对抑郁症患者使用度洛西汀联合艾司西酞普兰治疗效果明显,有推广价值。     

基于脑功能超网络的多特征融合分类方法

针对在超网络上提取局部脑区指标作为特征,忽视了全局的拓扑信息,继而影响网络拓扑的评估,降低分类器性能的问题,提出了一种基于脑功能超网络的多特征融合分类方法,该方法首先在抑郁症数据集上构建超网络,其次将局部脑区特征和子图特征进行融合。最后采用基于多核的SVM分类器进行分类。为了验证所提方法的有效性,选取28例正常被试和38例抑郁症患者进行实验,结果表明,该方法获得了令人满意的分类准确率,平均可达91.60%。获得的异常区域包括左侧舌回、左侧尾状核、左侧丘脑等重要的抑郁症病发区域。故而该基于脑功能超网络的多特征融合分类方法可以有效地用于分类正常人和抑郁症患者。     

基于elastic net方法的静息态脑功能超网络构建优化

脑网络分析已广泛应用于神经影像领域的研究。超网络构建方法被提出用于描述多个脑区之间的高阶关系。超网络是根据静息态功能磁共振成像时间序列通过稀疏线性回归方法构建。在已有文献中,用于构建超网络的稀疏线性回归模型是采用lasso方法解决。然而这种方法存在局限,在超边构建时不能够有效的解决脑区之间的组效应。针对这一问题,本文提出将elastic net方法引入到超网络构建中,并且应用于抑郁症患者与正常被试的分类。实验结果显示基于lasso与基于elastic net的方法分别可以达到83.33%与86.36%的分类准确率。分类结果表明与原有方法相比,基于elastic net的方法可以得到更为有效的特征以及更好的分类效果。     

基于fMRI动态功能连接的抑郁症患者分类研究*

针对当前抑郁症诊断正确率偏低、误诊率偏高的问题,利用fMRI动态功能连接研究了抑郁症辅助诊断问题。首先采用滑动时间窗技术研究功能连接及其网络拓扑特性的动态变化,然后基于这些动态特征应用多元模式分析方法对22名抑郁症患者和27名健康被试进行分类。采用动态分析方法能够增加样本数量,从而更加有利于一些分类算法的应用。实验结果表明以动态功能连接和网络拓扑特性为特征的分类正确率均为93.88%,明显优于对应非动态特征81.63%和85.71%的结果。进一步分析表明,具有高辨别力的特征所对应的脑区主要分布在默认网络、情感网络、视觉皮层区等,动态功能连接可能为抑郁症的辅助诊断提供新的手段。