精神病综合征患者的个体化诊断和预后模型

临床高危(CHR)范式促进了研究的基础上，寻求帮助的个人有发展为精神病的风险，旨在预测和可能防止过渡到显性障碍。

预后模型是用来区分CHR个体与健康个体，即基于不同的数据模式，包括临床、神经认知和神经生物学数据来进行判断。然而，CHR人群和应用方法的高度异质性仍然阻碍了它们在临床实践中的应用。

我们系统地回顾了基于Cox回归和机器学习的诊断和预后模型的文献。此外，我们对预测性能进行了荟萃分析，考察了方法方法和数据形式的异质性。

这是个荟萃分析（meta-analysis），一共纳入44篇文章，包括3707例预后研究和1052例诊断研究(572例CHR患者和480例健康对照受试者)。CHR患者可分为健康对照组，敏感性为78%，特异性为77%。在所有预后模型中，敏感性达到67%，特异性达到78%。机器学习模型的灵敏度比应用Cox回归的模型高10%。此外，也有一些偏倚的预后研究，但没有其他的调节作用。

我们的结果可能是由于大量的临床和方法学的异质性，目前影响了CHR领域的几个方面，限制了所提出的模型的临床可实施性。

我们讨论概念和方法的协调策略，为未来的临床实践提供更可靠和可推广的模式。

参考文献：

Sanfelici R, Dwyer DB, Antonucci LA, Koutsouleris N.Individualized Diagnostic and Prognostic Models for Patients With Psychosis Risk Syndromes: A Meta-analytic View on the State of the Art. Biol Psychiatry. 2020 Feb 20. pii: S0006-3223(20)30098-6. doi: 10.1016/j.biopsych.2020.02.009. [Epub ahead of print]