2018年全国严重精神障碍患者管理治疗现状分析

目的分析2018年全国严重精神障碍患者管理治疗情况,并与2014—2017年比较相关指标的变化,为政府决策提供依据。方法采用描述性分析方法,对2011年8月1日至2018年12月31日全国及各省(自治区、直辖市)国家严重精神障碍信息系统使用情况以及患者登记、管理、治疗情况等进行分析。结果截至2018年底,全国2832个区县(99.23%,2832/2854)使用信息系统。全国在册患者5994054例,报告患病率0.43%(5994054/1379837956);在管患者5688164例,管理率94.90%(5688164/5994054),规范管理患者4956545例,规范管理率82.69%(4956545/5994054);服药患者4873322例,服药率81.30%(4873322/5994054),规律服药患者2504323例,规律服药率41.78%(2504323/5994054);病情稳定患者4426558例,病情稳定率80.60%(4426558/5492261)。病情稳定率与管理率、规范管理率、服药率、规律服药率呈正相关(r分别为0.509、0.695、0.403、0.539,均P<0.05)。与2017年相比,在册患者增加187702例,管理率、规范管理率、服药率、规律服药率、病情稳定率分别增加2.24%、7.84%、11.80%、7.13%、5.59%。2018年登记的精神分裂症、偏执性精神病、分裂情感性精神病、双相情感障碍、癫痫所致精神障碍、精神发育迟滞伴发精神障碍患者未治期分别为3.54、4.61、2.73、3.18、5.35、13.34年,分裂情感性精神病和精神发育迟滞伴发精神障碍患者未治期短于2017年。结论2018年国家严重精神障碍信息系统覆盖范围继续扩大,登记患者人数持续增长,患者管理和服药水平有所提高。

2020年全国严重精神障碍患者管理治疗现状分析

目的分析2020年全国严重精神障碍患者管理治疗情况,并与近5年来的相关指标进行比较,为政府制定下一步精神卫生服务政策提供依据。方法采用描述性分析方法,对2011年8月1日国家严重精神障碍信息系统启用至2020年12月31日全国及各省(自治区、直辖市)国家信息系统使用情况以及患者登记、管理、治疗情况等进行分析。结果截至2020年底,全国100%的区县均使用信息系统。全国登记在册患者6430587例,报告患病率0.46%(6430587/1396537459);在管患者6116599例,管理率95.12%(6116599/6430587),规范管理患者5724019例,规范管理率89.01%(5724019/6430587);服药患者5648162例,服药率87.83%(5648162/6430587),规律服药患者4426498例,规律服药率68.84%(4426498/6430587);病情稳定患者5277746例,病情稳定率96.40%(5277746/5474881)。与2019年相比,在册患者增加200430例,管理率、规范管理率、服药率、规律服药率、病情稳定率分别增加0.88%、2.50%、3.75%、11.39%、1.15%。西部地区在册患者规律服药率显著低于东部和中部地区(F=6.317,P=0.005)。2020年登记的精神分裂症、偏执性精神病、分裂情感性精神病、双相情感障碍、癫痫所致精神障碍、精神发育迟滞伴发精神障碍患者未治期分别为2.69、3.28、1.68、1.92、4.70和9.89年,均明显短于2019年登记建档患者。结论2020年国家严重精神障碍信息系统登记患者人数持续增长,新登记患者未治期明显缩短,患者管理和服药水平有所提高。西部地区应针对当地精神卫生服务的薄弱环节制定适宜政策,以提高患者的治疗率。

2017年全国严重精神障碍患者管理治疗现状分析

目的分析2017年全国严重精神障碍患者管理治疗情况,并与2014—2016年比较相关指标的变化。方法采用描述性分析方法,对2011年8月1日至2017年12月31日全国及各省(自治区、直辖市)国家严重精神障碍信息系统使用情况以及患者登记、管理、治疗情况等进行分析。结果截至2017年底,全国2 813个区县(98.56%,2 813/2 854)使用信息系统。全国在册患者5 806 352例,报告患病率0.424%(5 806 352/1 370 784 400);在管患者5 380 249例,管理率92.66%(5 380 249/5 806 352);规范管理患者4 346 103例,规范管理率74.85%(4 346 103/5 806 352);服药患者4 035 323例,服药率69.50%(4 035 323/5 806 352);规律服药患者2 012 074例,规律服药率34.65%(2 012 074/5 806 352);病情稳定患者3 924 101例,病情稳定率75.01%(3 924 101/5 231 235)。病情稳定率与管理率、规范管理率、服药率、规律服药率呈正相关(r分别为0.614、0.800、0.550、0.614,均P<0.05)。与2016年相比,在册患者增加405 202例,管理率、规范管理率、服药率、规律服药率、病情稳定率分别增加2.42%、6.98%、22.69%、5.13%、6.33%。2017年登记的精神分裂症、偏执性精神病、分裂情感性精神病、双相情感障碍、癫痫所致精神障碍、精神发育迟滞伴发精神障碍患者未治期分别为3.28、4.25、2.78、2.85、4.95、14.31年,均短于2016年。结论2017年严重精神障碍患者信息系统覆盖范围继续扩大,登记患者人数持续增长,患者管理和服药水平有所提高,未治期持续缩短。

基于深度学习语音分析的双相障碍患者情绪时相检测

目的利用基于语音的深度学习方法区分双相障碍患者抑郁和躁狂情绪时相。方法选取于2018年6月至2022年3月就诊于北京大学第六医院精神科门诊的双相障碍患者61例,使用抑郁症状快速筛查量表、心境障碍问卷和杨氏躁狂量表评估患者的情绪时相。收集所有患者的语音,缓解期、抑郁情绪和躁狂情绪各190条。使用Python中的语音分析库提取语音中的梅尔倒谱系数、过零率等136个特征,通过类LIGHT-SERNET网络训练模型检测情绪时相。采用准确度评估模型整体性能,使用敏感度、特异度、阳性预测值(positive predictive value,PPV)、阴性预测值(negative predictive value,NPV)、受试者工作特征(receiver operation characteristic,ROC)曲线评估模型对3种情绪时相的预测结果。不同情绪时相人口统计学信息比较采用Kruskal-Wallis H检验或χ^(2)检验。结果双相障碍3种情绪时相患者年龄(H=25.83,P<0.001)、受教育年限(H=25.25,P<0.001)和婚姻状况(χ^(2)=23.81,P<0.001)差异均有统计学意义,性别差异无统计学意义(χ^(2)=4.63,P=0.099)。类LIGHT-SERNET模型对3种情绪时相检测的准确度为0.84,其中对缓解期的敏感度为0.88,特异度为0.93,PPV为0.87,NPV为0.94;对抑郁情绪的敏感度为0.82,特异度为0.92,PPV为0.84,NPV为0.92;对躁狂情绪的敏感度为0.82,特异度为0.91,PPV为0.83,NPV为0.91。模型对3种语音情绪时相检测的ROC曲线面积值相近,均在0.90以上。结论通过类LIGHT-SERNET网络对语音进行深度学习分析建立的模型对双相障碍抑郁和躁狂情绪时相具有较好的区分度。