Resumen
Antecedentes:
Es difícil predecir la recurrencia de los episodios depresivos en pacientes con depresión mayor (DM): la evidencia de muchos factores de riesgo es inconsistente la predicción general carece de algoritmos. El objetivo de este estudio fue desarrollar un modelo de predicción de la recurrencia de episodios depresivos en mujeres utilizando una metodología mejorada.
Métodos:
Hemos utilizado los datos prospectivos de una muestra de población general de mujeres gemelas con un episodio de DM en el último año (n = 194). Se analizó un amplio conjunto de predictores en la línea de base mediante regresión de riesgos proporcionales de Cox sujeta a red elástica de regularización para encontrar un modelo de predicción de la recurrencia de los episodios depresivos. La precisión de la predicción del modelo se evaluó en una muestra independiente de prueba (n = 133), que fue limitada por la falta de disponibilidad de un número de predictores clave.
Resultados:
Una amplia variedad de factores de riesgo predijo la recurrencia de episodios depresivos en las mujeres: los síntomas depresivos y de ansiedad durante el episodio principal, el nivel de los síntomas en el momento de la entrevista, la historia psiquiátrica y la familia, acontecimientos vitales adversos tempranos y recientes, el estar soltero y el tener problemas con los amigos y las finanzas. Las curvas de estimación de supervivencia de Kaplan Meier mostraron el modelo diferenciado entre pacientes con riesgo más alto y más bajo de recurrencia; las áreas estimadas bajo las curvas se encontraban en el rango de 0,61 hasta 0,79.
Limitaciones:
A pesar de nuestro amplio conjunto de predictores, ciertas variables potencialmente relevantes no estuvieron disponibles, como las medidas biológicas, las enfermedades somáticas crónicas y el estado de tratamiento.
Conclusiones:
La recurrencia de episodios de DM en mujeres es altamente multifactorial. Los estudios futuros deben tener esto en cuenta para el desarrollo de algoritmos de predicción clínicamente útiles.
Para acceder al texto completo es necesario consultar las características de suscripción de la fuente original: http://www.sciencedirect.com/science/journal/01650327
