检索历史 清除

摘要目的：微状态类似于语言中的字母，由几个微状态组成的短片段（ k-mers）类似于单词。本研究的目的是传统微状态动力学指标及 k-mers 是否可以用作神经生理标志物来区分伴非自杀性自伤（ Nonsuicidal self-injury, NSSI ）的重度抑郁症（ Major depressive disorder, MDD）青少年和不伴 NSSI的 MDD青少年。<br>　　方法：我们使用三种不同的微状态分析方法比较年龄在12-17岁之间两组人群（ MDD+NSSI组：116名伴 NSSI 的 MDD患者；MDD 组：74 名不伴 NSSI 的 MDD 患者）的传统微状态动力学差异；使用传统微状态动力学指标或 k-mers ，加入年龄及性别共同作为特征，使用支持向量机（ Support Vector Machine, SVM）作为分类模型，进行嵌套交叉验证，计算灵敏度、特异度、准确率及受试者工作特征曲线下面积（ Area under the receiver operating characteristic curve, AUC）以评估模型性能。<br>　　结果：使用改进的微状态分析方法， MDD+NSSI组微状态B 的出现频次大于 MDD 组微状态 B 的出现频次， MDD+NSSI组 C到 B的转换概率大于 MDD组 C到 B的转换概率。使用年龄、性别及传统微状态动力学参数作为特征的模型可获得 0.692的最佳 AUC；使用年龄、性别及 5-mers 作为特征的模型 AUC高达 0.739。<br>　　结论：我们的研究表明改进的微状态分析方法可能优于常见的微状态分析方法，并且微状态序列 k-mers可能是更具潜力的能够在个体水平识别伴 NSSI 的 MDD青少年的神经生理标志物。