结合步态、执行功能、HRV和fNIRS测量指标的多参数模型以极高的预测能力区分了抑郁个体与非抑郁个体（AUC = 0.946）。
横断面研究 (n=90)
身体和神经生物学标志物（步态、执行功能、HRV、fNIRS）能否准确区分抑郁与非抑郁成年人？
结合步态、执行功能、HRV和fNIRS等身体及神经生物学标志物为识别抑郁症提供了高预测能力。
Effect estimate: AUC 0.946
• 将神经生物学标志物与临床特征相结合可改善抑郁症的预测 • 当结合神经生物学标志物进行拓展时，基于报告的当前症状学和病史做出的抑郁症临床诊断可能更加有效 • 步态、执行功能和心率变异性（Heart Rate Variability）的测量指标增强了临床诊断的效力 抑郁症的诊断传统上基于临床标准做出，包括当前症状学和病史。这一过程仅依赖主观解释。使用适当的统计方法识别客观的抑郁相关因素，有助于制定预防方案并完善旨在减轻抑郁负担的治疗方案及政策。本研究旨在检验身体和神经生物学标志物是否可能是重要的抑郁相关因素。90名成年人（平均年龄 (SD) 45.7 (10.8)岁，55名女性）被归类为抑郁或非抑郁。所有人均接受了执行功能、心率变异性（HRV）、步态以及步行期间前额叶皮层氧合水平（通过功能性近红外光谱技术，fNIRS测量）的评估。采用最小绝对收缩和选择算子（LASSO）回归及计划对比来确定与抑郁症诊断的独立关联并评估组间差异。LASSO回归分析从步态、执行功能、HRV和fNIRS测量指标中筛选出了变量。生成的由多参数构成的模型在区分非抑郁个体与抑郁个体方面表现出极高的预测能力（曲线下面积，AUC = 0.946）。计划对比显示，在所选取的执行功能（例如，r = 0.16, p ˂ 0.009）、HRV（例如，r = 0.14, p = 0.05）、步态（例如，r = 0.19, p ˂ 0.001）和fNIRS（例如，r = 0. 16, p = 0.04）单项测量指标方面，抑郁与非抑郁存在显著差异。所识别的抑郁相关因素可能可联合使用，以提高对与抑郁相关的可干预因素的认识。我们的研究结果提示有必要进一步调查这些关联的因果关系，以确定它们作为可干预危险因素的潜在应用价值，并明确它们在抑郁症个体新型治疗中的相关性。
Bruin et al. (Fri,) 在抑郁症（n=90）中进行了一项横断面研究。评估了身体和神经生物学标志物（步态、执行功能、HRV、fNIRS）对比非抑郁个体在通过多参数模型区分非抑郁个体与抑郁个体（AUC 0.946）方面的表现。结合步态、执行功能、HRV和fNIRS测量指标的多参数模型以极高的预测能力区分了抑郁个体与非抑郁个体（AUC = 0.946）。