失眠认知行为疗法(CBT-I)疗效的早期治疗因素预后价值

《Nature and Science of Sleep》:The Prognostic Value of Early Treatment Factors for Cognitive Behavioral Therapy for Insomnia (CBT-I) Outcomes

【字体: 大 中 小 】 时间:2026年06月26日 来源:Nature and Science of Sleep 3.4

编辑推荐:

  背景:失眠认知行为疗法(Cognitive Behavioral Therapy for Insomnia, CBT-I)是慢性失眠的一线治疗方法,然而仍有相当比例的患者未能获得良好结局。仅基于基线的预后模型预测性能有限,而早期治疗变量的附加价值尚不明确。这项

  
背景:失眠认知行为疗法(Cognitive Behavioral Therapy for Insomnia, CBT-I)是慢性失眠的一线治疗方法,然而仍有相当比例的患者未能获得良好结局。仅基于基线的预后模型预测性能有限,而早期治疗变量的附加价值尚不明确。这项回顾性研究旨在探讨此问题。方法:研究人员回顾性纳入了1059名完成面对面团体CBT-I的患者。治疗后结局使用失眠严重程度指数(Insomnia Severity Index, ISI)评估,12个月随访结局使用匹兹堡睡眠质量指数(Pittsburgh Sleep Quality Index, PSQI)评估。数据集被随机分为训练集(70%)和测试集(30%)。候选预测因子使用最小绝对收缩和选择算子(Least Absolute Shrinkage and Selection Operator, LASSO)、随机森林(Random Forest, RF)和极限梯度提升(eXtreme Gradient Boosting, XGBoost)进行选择。在所有三种算法中一致识别的变量被纳入多变量逻辑回归模型。仅基线模型和组合模型(基线加早期治疗变量)的预测性能通过受试者工作特征曲线下面积(area under the receiver operating characteristic curve, AUC)和Brier分数进行评估,并使用Bootstrap重采样进行模型比较。结果:32.4%的患者在治疗后观察到不良结局(既未达到ISI < 8分也未达到减少> 7分),44.5%的患者在12个月随访时(PSQI > 5分)观察到不良结局。在测试集中,组合模型在预测治疗后结局方面显著优于仅基线模型(AUC:0.741 vs 0.630, p < 0.001),其中第2周ISI变化被确定为最强预测因子。对于12个月随访,组合模型与仅基线模型相比,AUC无显著提高(0.742 vs 0.735, p > 0.05),年龄成为最强预测因子。结论:纳入早期治疗变量,特别是第2周ISI评分降低,可能在预测CBT-I短期结局方面提供增量价值。然而,早期治疗变量对于长期结局的附加价值似乎有限。
**论文解读:失眠认知行为疗法早期治疗因素的预后价值研究**

**研究背景与问题**
失眠是一种普遍的临床疾病,影响约10–15%的人口,不仅导致睡眠障碍,还带来生活质量下降、心理困扰和身体功能受损等多方面负担。失眠认知行为疗法(Cognitive Behavioral Therapy for Insomnia, CBT-I)是一种针对维持失眠的适应不良行为和认知的结构化多成分干预措施,被临床指南一致推荐为失眠的一线治疗。大量证据表明CBT-I在缓解失眠症状和改善睡眠质量方面具有显著疗效,且疗效持久。然而,尽管疗效确证,仍有约40%的患者未能对标准面对面CBT-I产生有临床意义的反应。这种治疗反应的异质性凸显了在治疗前或治疗早期识别有不良结局风险个体的预测工具的迫切需求。准确的预后模型可以促进个体化治疗策略,如强化治疗或早期调整,从而提高整体临床效果。现有研究多尝试使用基线人口学、临床和睡眠相关变量来预测CBT-I结局。对于短期结局,基线失眠严重程度被认为是大多数预后模型中的重要预测因子。此外,一些模型发现睡眠相关信念以及基线焦虑和抑郁症状也可能有助于预测治疗结局。对于长期结局,基线失眠严重程度和年龄也在一些研究中被报告为预测因子。然而,现有仅基于基线的预后模型的临床效用仍然有限,其报告的区分度常常低于可接受阈值(测试样本中受试者工作特征曲线下面积 [area under the receiver operating characteristic curve, AUC] < 0.70)。这些发现表明,仅凭治疗前特征可能不足以捕捉CBT-I期间展开并影响治疗反应的动态过程。近年来,人们日益认识到个体化护理不应仅限于治疗前匹配,还应包括基于持续反应指标的动态治疗调整。首先,这些早期治疗指标可能有助于识别关键的临床决策窗口,以便在此期间及时调整干预措施。其次,纳入这些指标可能有助于提高模型的预测性能。在心理治疗研究中,早期症状变化已被一致证明可预测包括抑郁症、焦虑症和人格障碍在内的多种疾病的治疗结局。早期改善可能反映了患者的积极特征,如更高的治疗参与度和更好的行为依从性,这些特征与良好结局相关。此外,早期反应可能促进神经认知适应,包括减少疾病相关的焦虑和增强自我效能感,从而建立一个维持治疗成功的正向反馈循环。然而,在CBT-I背景下,早期治疗变量的预后价值在很大程度上仍未得到探索。目前尚不清楚将早期治疗因素与基线特征整合是否能改善结局预测,以及哪些早期指标最具信息量。此外,关于早期治疗变量是否对CBT-I后的短期与长期结局有不同的预测作用,人们知之甚少。本研究旨在通过开发整合基线和早期治疗变量的CBT-I治疗后及12个月随访结局的预后模型来填补这些空白。通过比较纳入早期治疗变量的组合模型与仅基线模型,研究人员旨在评估早期治疗因素的附加预后价值,并识别CBT-I早期阶段出现的关键预测因子。本研究论文发表在《Nature and Science of Sleep》期刊上。

**研究方法概述**
本研究是一项回顾性研究,分析了2015年9月至2022年5月期间在厦门仙岳医院睡眠医学中心接受CBT-I的患者的临床记录。最终纳入1059名完成面对面团体CBT-I的慢性失眠患者(依据国际睡眠障碍分类第三版 [International Classification of Sleep Disorders, third edition, ICSD-3] 诊断)。治疗包括每周一次、共五次的团体治疗,主要包含睡眠限制疗法(sleep restriction therapy, SRT)、刺激控制疗法(stimulus control therapy, SCT)、认知疗法、睡眠卫生和放松疗法。数据收集包括基线变量(人口学、临床特征、心理测量指标和睡眠参数)和早期治疗变量(定义为第2周评估的变量,包括心理测量指标和睡眠参数变化)。结局指标包括治疗后结局(使用失眠严重程度指数 [Insomnia Severity Index, ISI] 评估,不良结局定义为既未达到反应 [减少> 7分] 也未达到缓解 [ISI < 8分])和12个月随访结局(使用匹兹堡睡眠质量指数 [Pittsburgh Sleep Quality Index, PSQI] 评估,不良结局定义为PSQI > 5分)。数据集被随机分为训练集(70%)和测试集(30%)。采用混合策略进行预后模型开发:使用三种机器学习算法(最小绝对收缩和选择算子 [Least Absolute Shrinkage and Selection Operator, LASSO]、随机森林 [Random Forest, RF] 和极限梯度提升 [eXtreme Gradient Boosting, XGBoost])进行特征选择,然后使用多变量逻辑回归构建最终模型。通过一致性排序策略识别稳定预测因子。模型性能通过AUC和Brier分数(Brier Score, BS)进行评估,并使用Bootstrap重采样比较组合模型与仅基线模型的性能差异。

**研究结果**
**一般特征与结局**
在最终分析的1059名患者中,32.4%(n=343)在治疗后被归类为不良结局,44.5%(n=355)在12个月随访时(n=799,随访完成率75.4%)为不良结局。与获得良好结局的患者相比,不良结局组患者年龄更大、就业率更低、使用催眠药的比例更高、饮茶/咖啡的比例更低。基线时,不良结局组的基线ISI评分显著低于良好结局组,而贝克抑郁量表(Beck Depression Inventory, BDI)、贝克焦虑量表(Beck Anxiety Inventory, BAI)、弗林德斯疲劳量表(Flinders Fatigue Scale, FFS)或睡眠功能障碍性信念与态度量表(Dysfunctional Beliefs and Attitudes about Sleep Scale, DBAS)无显著组间差异。睡眠日记数据显示,不良结局组基线主观睡眠更差,表现为总睡眠时间(total sleep time, TST)更短、入睡后觉醒时间(wake after sleep onset, WASO)更长、睡眠效率(sleep efficiency, SE)更低,而客观体动记录仪睡眠参数无显著组间差异。第2周时,与良好结局组相比,不良结局组的ISI评分从基线的降低幅度显著更小,且第2周评估时的绝对ISI评分更高。睡眠日记数据显示,不良结局组第2周主观睡眠持续较差,表现为入睡潜伏期(sleep onset latency, SOL)和WASO更长、TST更短、SE更低。从基线到第2周的SOL降低幅度在不良结局组显著更小。体动记录仪睡眠参数在第2周仅SE变化存在显著组间差异。第2周的卧床时间(time in bed, TIB)差异无显著组间差异。

**治疗后结局的模型构建与预测性能**
对于治疗后结局,敏感性分析确定了特征集大小阈值。仅基线模型识别出六个共识特征(基线ISI评分、基线FFS评分、基线睡眠日记SE、年龄、基线睡眠日记TST、失眠持续时间)。组合模型识别出四个共识特征(第2周ISI变化、第2周TIB差异、第2周体动记录仪TST变化、基线ISI评分)。在多变量逻辑回归模型中,基线ISI评分在仅基线模型中具有最宽的点范围,被确定为最具影响力的预测因子。然而,在组合模型中,贡献度排名前三的预测因子均为早期治疗变量,其中第2周ISI变化成为最强预测因子,其点范围最宽。在训练集中,仅基线模型的平均交叉验证AUC为0.683,组合模型为0.752。在测试集中,仅基线模型的AUC为0.630,Brier分数为0.207;组合模型的AUC为0.741,Brier分数为0.180。Bootstrap重采样分析表明,组合模型显著优于仅基线模型,训练集和测试集的AUC差异均具有统计学意义。校准曲线显示,组合模型在整个预测概率范围内比仅基线模型具有更好的校准度。

**12个月随访结局的模型构建与预测性能**
对于12个月随访结局,敏感性分析确定了特征集大小阈值。仅基线模型识别出四个共识特征(年龄、失眠持续时间、基线ISI评分、基线睡眠日记SE)。组合模型识别出五个共识特征(年龄、失眠持续时间、第2周睡眠日记SE、基线ISI评分、基线睡眠日记SE)。列线图一致表明,年龄是最具影响力的预测因子,其次是失眠持续时间。仅基线模型在训练集中的平均交叉验证AUC为0.739,在测试集中的AUC为0.735,Brier分数为0.210。组合模型的性能略高,训练集平均交叉验证AUC为0.743,测试集AUC为0.742,Brier分数为0.204。然而,Bootstrap重采样分析表明,区分性能的改善未达到统计学显著性。两个模型都表现出良好且相似的校准性能。针对12个月随访数据缺失的敏感性分析得出了与主要分析一致的结果,即组合模型始终表现出略高的AUC,但差异均未达到统计学显著性。

**讨论与结论**
**讨论总结**
本研究结果表明,纳入早期治疗变量可以显著改善CBT-I治疗后结局的预测,其预测能力超越了仅使用基线特征。特别是,治疗早期阶段失眠严重程度的降低成为治疗后结局最具信息量的预测因子。然而,早期治疗变量对于12个月随访结局的附加预测信息似乎有限,且未达到统计学显著性,这表明早期治疗因素的预后价值在短期和长期结局之间存在差异。
关于治疗后结局,大多数先前研究一致报告基线失眠严重程度是CBT-I结局的最重要预测因子。这在本研究的治疗后结局仅基线模型中得到了部分反映,较高的基线ISI评分与较低的不良结局风险相关。然而,在组合模型中,第2周ISI变化的预测重要性超过了基线ISI评分,这表明对于短期治疗结局,早期治疗变量可能比基线变量携带更多的预后信息。研究人员发现,第2周ISI评分降低幅度越大,不良结局的概率越低。这种模式与针对其他障碍的心理治疗研究基本一致,这些研究表明早期症状改善可能预示着更好的结局。这些早期变化可能与潜在过程相关,如治疗参与度、行为依从性和神经认知适应。在CBT-I的具体背景下,早期症状改善可能对应于对治疗初始阶段实施的行为成分的更好反应性。此外,由于ISI捕捉的是主观睡眠质量,其改善可能在第二周即可检测到,可能早于其他一些睡眠参数。这可能部分解释了为什么ISI是所有第2周早期治疗变量中最具信息量的预测因子。第2周TIB差异和第2周体动记录仪TST变化也被确定为治疗后结局的重要早期治疗预测因子。在多变量逻辑回归模型中,较高的第2周TIB差异(表明对SRT的依从性较低)和较大的第2周体动记录仪TST降低与较高的不良结局概率相关。先前研究表明,行为策略的依从性影响CBT-I结局。本研究进一步发现,早期阶段的依从性与治疗结局相关。然而,在列线图上,第2周体动记录仪TST变化和TIB差异较窄的点范围表明,除了第2周ISI变化捕获的强信号外,这两个因素仅提供了适度的增量预测价值。
在12个月随访结局模型中,基线预测因子显示出比早期治疗预测因子更大的预测重要性。具体而言,年龄较大和失眠持续时间较长是与不良结局风险增加最密切相关的两个因素。这表明CBT-I的长期疗效可能与患者既有的、相对稳定的特征有关。在老年人中,与年龄相关的睡眠结构变化可能限制失眠完全逆转的程度。同样,较长的失眠持续时间可能对应于更根深蒂固的维持因素,即使在完成标准CBT-I计划后,也可能限制持续的疗效反应。值得注意的是,即使在纳入早期治疗变量后,预测12个月结局的模型性能也未有显著改善。首先,早期治疗预测因子可能更容易受到混杂因素的影响,从而削弱其对长期预测的信噪比,导致估计值偏向零。其次,还应考虑测量局限性。第三,治疗早期阶段实现的改善(例如行为调整)在治疗完成后可能无法持续保持。治疗后对CBT-I技能依从性的差异以及环境影响是长期结局可能的但未测量的调节因素。
总之,本研究证明了CBT-I的短期疗效以及治疗获益在12个月随访时的持久性,这与先前的证据一致。尽管如此,仍有相当大比例的患者未能获得良好结局。为了更好地识别这些个体,研究人员开发了预后模型来检验早期治疗变量的附加预后价值。研究结果表明,早期治疗变量的预测效用可能具有时间依赖性:它们对短期结局更具信息量,而长期结局则更强烈地受到稳定基线特征的影响。
本研究存在一些局限性。首先,数据的回顾性性质不允许纳入所有潜在的预测因子,这可能影响模型的预测准确性。因此,需要未来的前瞻性研究来验证这些发现。其次,缺失数据可能引入偏倚。为了缓解此问题,研究人员使用MissForest算法对缺失值的变量进行了插补。第三,12个月随访失访是潜在的偏倚来源。尽管对缺失数据进行极端结局插补的敏感性分析一致支持了主要发现的稳健性,但不能完全排除非随机失访的可能性。第四,基于共识的特征选择策略相对严格。然而,它有助于控制模型复杂性并降低因特征过多而导致的过拟合风险。这使得能够更准确地评估早期治疗特征的真实预测增益。第五,尽管研究人员使用了重复交叉验证和独立测试集进行内部验证,但不能完全排除过拟合的风险。因此,需要在不同的队列中进行外部验证以确认模型的普适性。

**研究结论**
本研究提示,纳入早期治疗变量可能比仅使用基线信息在预测CBT-I短期结局方面提供增量价值。第2周ISI评分降低似乎是治疗后结局最具信息量的预测因子。然而,12个月随访结局可能与基线特征关系更密切,早期治疗变量对于预测长期结局的附加价值似乎有限。这些发现是初步的,需要进一步验证。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号