Многофакторная модель предикторов развития депрессивных нарушений при конверсии клинически изолированного синдрома в достоверный рассеянный склероз: лонгитюдное проспективное исследование

Обложка


Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Обоснование. Конверсия клинического изолированного синдрома в рассеянный склероз может достигать до 50% случаев. После клинического изолированного синдрома развиваются необратимые повреждения мозга. Однако он не рассматривался как фактор риска развития психических нарушений при рассеянном склерозе.

Цель. Разработать многофакторную модель предикторов развития депрессивных расстройств при рассеянном склерозе с клиническим изолированным синдромом в анамнезе с учётом социально-демографических, клинико-психопатологических и клинико-функциональных характеристик.

Материалы и методы. Использовали шкалы Спилбергера–Ханина, MFI-20, Бека, визуально-аналоговую шкалу боли, PASAT, EDSS. Учитывали значимые стрессовые события, тип течения рассеянного склероза, изучали сопутствующую патологию, результаты МРТ-обследования. Диагноз «депрессия» ставили по критериям МКБ-10. Для разработки многофакторных моделей предикторов депрессии применяли дисперсионный анализ и уравнения множественной линейной регрессии. Исследование проводили в течение 10 лет.

Результаты. В основную группу вошли 30 пациентов с рассеянным склерозом с клиническим изолированным синдромом в анамнезе, у которых развилась депрессия; в контрольную группу — 30 пациентов с рассеянным склерозом с клиническим изолированным синдромом без депрессии. Многофакторная модель предикторов развития депрессии характеризовалась высоким значением множественной корреляции (r=0,85). Выраженное влияние на развитие депрессии оказывали следующие предикторы: астения 60,6±1,1 балла по шкале MFI-20, с ростом показателя на 1,38 в год (Beta=0,733); увеличение площади имевшихся очагов в головном мозге на 0,74% в год (Beta=0,663); тревожность по шкале Спилбергера–Ханина (личностная тревожность — 42,73±0,43, реактивная тревожность — 41,16±0,41, с ростом показателя последней на 1,43% в год; Beta=0,622). Статистически значимое, но менее выраженное влияние оказывали следующие предикторы: женский пол, наличие среднего образования, отсутствие семьи, наличие в анамнезе значимых стрессовых событий, аутоиммунных заболеваний, локализация очагов преимущественно в лобных и височных областях правого полушария, наличие в анамнезе зрительных расстройств (оптический неврит), когнитивные нарушения, с ростом показателя по шкале PASAT на 2,47% в год, индекс массы тела (избыточный) с ростом показателя на 1,67% в год.

Заключение. Разработана многофакторная модель, которая позволяет осуществлять персонифицированный подход к оказанию специализированной медицинской помощи больным с клинически изолированным синдромом с конверсией в рассеянный склероз на основе прогнозирования развития депрессивных расстройств.

Полный текст

Доступ закрыт

Об авторах

Ксения Владимировна Губская

Ивановский государственный медицинский университет

Автор, ответственный за переписку.
Email: dr.gubskaia@ya.ru
ORCID iD: 0009-0007-6952-2367

кандидат медицинских наук, ассистент кафедры психиатрии, наркологии, психотерапии института последипломного образования

Россия, 153012, Иваново, Шереметевский проспект, д. 8

Ярослав Владимирович Малыгин

Московский государственный университет им. М.В. Ломоносова

Email: malygin-y@yandex.ru
ORCID iD: 0000-0003-4633-6872

доктор медицинских наук, доцент кафедры многопрофильной клинической подготовки факультета фундаментальной медицины

Россия, 119991, Москва, Ленинские горы, д. 1

Aleksey Валерьевич Худяков

Ивановский государственный медицинский университет

Email: app237110@yandex.ru
ORCID iD: 0000-0002-1933-7936

доктор медицинских наук, профессор, заведующий кафедрой психиатрии, наркологии, психотерапии института последипломного образования

Россия, 153012, Иваново, Шереметевский проспект, д. 8

Евгений Николаевич Однороб

Ивановский государственный медицинский университет

Email: k0ll3k70rw1n5@gmail.com
ORCID iD: 0009-0009-3189-1305

аспирант кафедры психиатрии, наркологии, психотерапии института последипломного образования

Россия, 153012, Иваново, Шереметевский проспект, д. 8

Список литературы

  1. Barkhof F, Rocca M, Francis G, et al. Validation of diagnostic magnetic resonance imaging criteria for multiple sclerosis and response to interferon beta1a. Ann Neurol. 2003;53(6):718–724. doi: 10.1002/ana.10551
  2. Freedman MS. 'Time is brain' also in multiple sclerosis. Mult Scler. 2009;15(10):1133–1134. doi: 10.1177/1352458509345920
  3. Confavreux C, Vukusic S. Natural history of multiple sclerosis: a unifying concept. Brain. 2006;129(Pt 3):606–616. doi: 10.1093/brain/awl007
  4. Daumer M, Neuhaus A, Morrissey S, et al. MRI as an outcome in multiple sclerosis clinical trials. Neurology. 2009;72(8):705–711. doi: 10.1212/01.wnl.0000336916.38629.43
  5. Lövblad KO, Anzalone N, Dörfler A, et al. MR imaging in multiple sclerosis: review and recommendations for current practice. AJNR Am J Neuroradiol. 2010;31(6):983–989. doi: 10.3174/ajnr.A1906
  6. A new era in the study of multiple sclerosis: views on therapeutic approaches. St. Petersburg: Sweetgroup Press; 2012. 94 р. (In Russ.)
  7. Fisniku LK, Brex PA, Altmann DR, et al. Disability and T2 MRI lesions: a 20-year follow-up of patients with relapse onset of multiple sclerosis. Brain. 2008;131(Pt 3):808–817. doi: 10.1093/brain/awm329
  8. Schmidt TE, Yakhno NN. Multiple sclerosis: a guide for doctors. Moscow: MEDpress-inform; 2021. 280 р. (In Russ.)
  9. De Stefano N, Giorgio A, Battaglini M, et al. Assessing brain atrophy rates in a large population of untreated multiple sclerosis subtypes. Neurology. 2010;74(23):1868–1876. doi: 10.1212/WNL.0b013e3181e24136
  10. Kuhlmann T, Lingfeld G, Bitsch A, et al. Acute axonal damage in multiple sclerosis is most extensive in early disease stages and decreases over time. Brain. 2002;125(Pt 10):2202–2212. doi: 10.1093/brain/awf235
  11. Palladino R, Chataway J, Majeed A, Marrie RA. Interface of multiple sclerosis, depression, vascular disease, and mortality: a population-based matched cohort study. Neurology. 2021;97(13):e1322–e1333. doi: 10.1212/WNL.0000000000012610
  12. Boeschoten RE, Braamse AMJ, Beekman ATF, et al. Prevalence of depression and anxiety in multiple sclerosis: a systematic review and meta-analysis. J Neurol Sci. 2017;372:331–341. doi: 10.1016/j.jns.2016.11.067
  13. Binzer S, McKay KA, Brenner P, et al. Disability worsening among persons with multiple sclerosis and depression: a Swedish cohort study. Neurology. 2019;93(24):e2216–e2223. doi: 10.1212/WNL.0000000000008617
  14. Marrie RA, Reingold S, Cohen J, et al. The incidence and prevalence of psychiatric disorders in multiple sclerosis: a systematic review. Multiple Sclerosis. 2015;21(3):305–317. doi: 10.1177/1352458514564487
  15. Malygin VL, Boyko AN, Konovalova OE, et al. Anxiety and depressive psychopathological characteristics of patients with multiple sclerosis at different stages of disease. S.S. Korsakov Journal of Neurology and Psychiatry. 2019;119(2-2):58–63. doi: 10.17116/jnevro20191192258 EDN: UOFCVE
  16. Gubskaia KV, Malygin YaV, Aleksandrova AYu. Multifactorial model of predictors of the development of depressive disorders in multiple sclerosis: a prospective longitudinal study. Neurology, Neuropsychiatry, Psychosomatics. 2024;16(Suppl. 2):11–17. doi: 10.14412/2074-2711-2024-2S-11-17 EDN: BSTPUH
  17. Hadgkiss EJ, Jelinek GA, Weiland TJ, et al. Methodology of an international study of people with multiple sclerosis recruited through Web 2.0 platforms: demographics, lifestyle, and disease characteristics. Neurol Res Int. 2013;2013:580596. doi: 10.1155/2013/580596
  18. Weiland TJ, De Livera AM, Brown CR, et al. Health outcomes and lifestyle in a sample of people with multiple sclerosis (holism): longitudinal and validation cohorts. Front Neurol. 2018;9:1074. doi: 10.3389/fneur.2018.01074.
  19. Mantero V, Abate L, Balgera R, et al. Clinical application of 2017 McDonald diagnostic criteria for multiple sclerosis. J Clin Neurol. 2018;14(3):387–392. doi: 10.3988/jcn.2018.14.3.387
  20. Riemer F, Skorve E, Pasternak O, et al. Microstructural changes precede depression in patients with relapsing-remitting multiple sclerosis. Commun Med (Lond). 2023;3(1):90. doi: 10.1038/s43856-023-00319-4
  21. Zabad RK, Patten SB, Metz LM. The association of depression with disease course in multiple sclerosis. Neurology. 2005;64(2):359–360. doi: 10.1212/01.WNL.0000149760.64921.AA
  22. Wood B, van der Mei IA, Ponsonby AL, et al. Prevalence and concurrence of anxiety, depression and fatigue over time in multiple sclerosis. Mult Scler. 2013;19(2):217–224. doi: 10.1177/1352458512450351
  23. Martynikhin IA. Epidemiology, features and specific risk factors for depressive spectrum disorders in women. In: Neznanov NG, editor. Women's Mental Health — from Hysteria to a Gender-sensitive approach. St. Petersburg: Alef-Press; 2018. Р. 208–222. (In Russ.)
  24. Williams RM, Turner AP, Hatzakis M Jr, et al. Prevalence and correlates of depression among veterans with multiple sclerosis. Neurology. 2005;64(1):75–80. doi: 10.1212/01.WNL.0000148480.31424.2A
  25. Capuron L, Lasselin J, Castanon N. Role of adiposity-driven inflammation in depressive morbidity. Neuropsychopharmacology. 2017;42(1):115–128. doi: 10.1038/npp.2016.123
  26. Greeke EE, Chua AS, Healy BC, et al. Depression and fatigue in patients with multiple sclerosis. J Neurol Sci. 2017;380:236–241. doi: 10.1016/j.jns.2017.07.047
  27. Simpson S Jr, Tan H, Otahal P, et al. Anxiety, depression and fatigue at 5-year review following CNS demyelination. Acta Neurol Scand. 2016;134(6):403–413. doi: 10.1111/ane.12554

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Эко-Вектор, 2025



СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: серия ПИ № ФС 77 - 75562 от 12 апреля 2019 года.