·综述·
围产期抑郁(perinatal depression,PND)是产科最常见的并发症之一[1],其全球患病率达11.9%[2]。而在中国,这一比例则高达16.3%,已远超全球平均水平,其中产前抑郁较产后抑郁的患病率更高(19.7% vs.14.8%)[3]。若不及时干预,PND将会严重影响围产期妇女的身心健康,表现为食欲减退、睡眠状态紊乱、兴趣降低、注意力下降、自我价值感丧失等[1,4],更严重者甚至会导致自杀或杀婴[4]。此外,PND与胎儿及新生儿不良结局及其近、远期健康状况密切相关,如早产、低出生体重、新生儿住院时间延长、母婴依恋关系较差以及后续的不良社会情感、认知和行为发展等[5-6]。研究表明,这些不良的出生和后续发展问题严重影响后代的身心健康、生活质量和职业前景,甚至可能会延续至第三代[7],这种可怕的代际效应终将导致社会整体人口素质的降低。值得注意的是,数据显示每个患有PND的妇女用于治疗、护理及其他相关费用累计达75 728英镑,相当于人民币60多万元,其中约20%的总费用由公共部门承担[7],巨大的精神压力、治疗费用和照护成本终将给家庭和社会带来沉重负担,给社会医疗资源配置带来极大挑战。
早在2013年,世界卫生组织就将PND作为一项公共卫生问题[8],如何预防PND已成为研究热点。《The Lancet》[9]于2022年2月发表了《世界精神病学协会抑郁症重大报告:对抑郁症采取联合行动的时候到了》,提出“预防是抑郁症管理中最被忽视的一点”,并强调,减轻抑郁症的疾病负担,预防至关重要,此观点同样适用于PND。PND起病隐匿,不易早期识别,且目前国内仍缺乏有效的、孕产妇及家庭依从性高的治愈方法。因此,在状态可逆、PND尚未发生的窗口期,聚焦风险人群,通过早期识别、早期预警、早期干预“预防”PND的发生,相对于“控制”PND的进展更加迫切,更有价值。目前,国内外主要通过爱丁堡产后抑郁量表[10]、9个条目的患者健康问卷等做为PND的早期筛查工具,但此方式不仅需要一定的时间、人力、物力,且不能灵敏地预测PND的发生风险,从而错失早期对高危人群的预防及干预时机。家是家庭成员最为熟悉和依赖的地方,家属最了解家庭成员的内心活动和行为特征,家庭成员也更愿意依赖家人的照顾[11]。尤其是在COVID-19大流行的背景下,由于与工作场所、社区、卫生保健专业人员和支持网络的社交互动减少,女性对家庭的依赖大大增加[12]。因此,家庭是早期识别PND风险人群的重要场所甚至是首要环节[13],实现居家环境下PND早期预警至关重要。但经文献检索发现,“居家环境下PND早期预警”这一概念尚无相关研究。概念界定是理论建构的前提和逻辑起点,因此,本研究采用Walker和Avant经典概念分析法[14],按照选定概念、明确概念分析目的、明确概念的应用、确定定义属性、构建模型案例、明确前因后果及提供实证测评指标等步骤对“居家环境下PND早期预警”进行概念分析,旨在为开展相关研究提供依据。
1.PND:不同文献所报道的PND定义有所不同。美国精神病学会(American Psychiatric Association,APA)2013年发布的《精神疾病诊断与统计手册》第5版将怀孕期间及分娩后4周内出现的抑郁障碍称为PND[15]。美国妇产科学会(American College of Obstetricians and Gynecologists,ACOG)[16]、英国国家卫生与保健优化研究院(National Institute for Health and Care Excellence,NICE)[17]、美国预防服务工作组(US Preventive Services Task Force,USPSTF)[1]均将PND定义为在妊娠期或产后一年内的严重或轻微的抑郁发作,包括产前抑郁及产后抑郁。中国在2021年发布的《围产期抑郁症筛查与诊治专家共识》[18]中指出,推荐采用《精神疾病诊断与统计手册》第5版[15]的定义,推荐等级为C级。在本研究中,采用国际上使用更为普遍的定义,即将PND定义为妊娠期或产后一年内出现的严重或轻微的抑郁发作。
2.PND早期预警:“早期”在《汉典》(2013)、《辞海》(第7版)及《现代汉语词典》(第7版)中的定义为某个时代、某个过程或某个人一生的最初阶段。《汉典》(2013)对“预警”的解释为事先发出警报,而《辞海》(第7版)及《现代汉语词典》(第7版)均将“预警”解释为事先觉察可能发生某种情况的感觉。检索文献中的定义发现,“预警”的概念最早源于军事领域,古代的“狼烟”、“烽火台”起到的就是一种预警作用,后逐渐拓展到其他多个领域。胡培等[19]将其在突发公共卫生事件中的意义解释为在缺乏确定的因果关系和充分的剂量-反应关系的情况下,促进调整预防行为或在环境威胁发生之前即采取措施的方法。王小莉等[20]则认为预警是指通过收集、整理和分析目标传染病的相关资料,评估事件的发展趋势,在事件发生前或早期发出警报,以便相关部门和事件影响目标人群及时做出反应,预防或降低目标传染病的危害。孔苹等[21]将医疗风险预警定义为对医疗服务全过程实施动态监测,并对医疗事故、医疗纠纷等一切不安全事件进行分析和预测。汪明敏[22]认为预警的核心内涵是情报预测与警报,完整的预警流程应包括威胁感知、态势监控、预警评估和发出警告四个步骤。文献检索结果显示,关于PND早期预警的相关研究很少。USPSTF曾提出目前尚缺乏抑郁症最佳筛查时机的证据[23]。ACOG建议在围产期至少进行一次抑郁症筛查[16]。NICE在《产前和产后心理健康临床管理与服务指南》中提出,在妇女怀孕后第一次接触产科保健服务或预约就诊时及产后早期,即考虑询问抑郁筛查问题[17]。中国《围产期抑郁症筛查与诊治专家共识》提出PND的合理筛查时机为早期妊娠,推荐等级为A级[18]。综上所述,文献中对于PND早期筛查的时机界定并不统一。因此,参考以上相关文献并结合中国围产期管理现状,本研究将围产期早期的时机定义为妇女怀孕后第一次接触产科保健服务时。
3.居家环境下PND早期预警:《汉典》(2013)和《现代汉语词典》(第7版)中“家”的定义共包含十种,其中第一个定义为共同生活的眷属和他们所住的地方,可以组词为家庭。“居家”一词在《汉典》(2013)、《辞海》(第7版)及《现代汉语词典》(第7版)中的定义为住在家里。因此,“居家”不仅强调居住的地点,更强调共同生活在一起的家庭成员。检索文献中的定义发现,家的形式具有多样性,且随着社会变革不断发展变化,同时家庭内部包含多重关系,因此很难确切定义“家”的概念[24]。Gillsjö等[25]曾对“家”进行概念分析,认为家是一个人依附、感觉舒适、安全并有居住体验的地方,地方、关系和体验是“家”的三个定义属性。家庭成员之间通过角色扮演、语言及非语言交流及价值观等影响各个成员的身体、精神、心理及社会健康[26]。综上所述,在本研究中,在居家环境下实现PND早期预警强调的是在家庭成员的支持下。文献检索结果显示,关于居家环境下的研究主要集中在老年慢性病、癌症、脑卒中等人群,而针对PND早期预警的研究较少。几项研究探索了家庭因素与发生PND风险的关系,结果显示,家庭支持、家庭亲密度是产前抑郁的重要预测因素[27-28],且高水平的家庭亲密度可以通过提高妊娠妇女的自主需要满足水平来降低产前抑郁的风险[27]。一项研究证明,女性发生产后抑郁的风险与共同居住的家庭成员有关[29]。土耳其的一项研究发现,家庭支持感知水平与产后抑郁的发生风险呈负相关[30]。此外,有研究表明家庭支持不仅对产后抑郁有直接预测作用[31-32],还通过养育效能间接预测产后抑郁的发生[32]。良好的家庭照护及家庭成员关系(夫妻、公婆及其他家庭成员)能够降低PND的发生风险[33]。
经前文研究现状分析并结合上述相关定义,本研究将居家环境下PND早期预警定义为:自妇女怀孕后第一次接触产科保健服务时至产后一年,基于其家庭成员的支持,对该妇女实施持续、动态监测,全面收集、整理和分析其各项相关资料,评估并预测其出现严重或轻微抑郁发作的风险,在感知到具有发生抑郁的风险信号时即发出警报,以便相关部门和该妇女及其家人及时做出反应,预防或降低抑郁的危害。
明确定义属性可以用来识别、理解一个概念[14]。根据上述回顾与分析,结合中国围产期管理现状,本研究归纳并提取出居家环境下PND早期预警的定义属性:(1)本质上是对围产期妇女发生抑郁风险的预测与警报;(2)目的是预防或降低抑郁的发生及其产生的危害;(3)过程是基于围产期妇女的家庭成员支持、对围产期不同阶段的相关资料进行全面收集、整理和分析;(4)时间贯穿妇女怀孕后第一次接触产科保健服务时至产后一年。
模型案例是指通过一个涵盖概念所有定义属性的案例,表达此概念在学科中的应用[14],以帮助更加明确定义属性。本研究中的模型案例由笔者构建而成。现阐述如下:
王女士,25岁,孕10周。近期家人发现其情绪低落、时常哭泣、喜欢独处、睡眠不佳等,遂陪同其到医院产科保健服务门诊就诊。工作人员针对其本人和家属全面收集相关资料,如人口经济学资料、生物学资料、心理社会学资料、产科因素等,通过对资料的整理和分析,评估并预测王女士可能发生抑郁的风险。分析结果显示,感知到王女士有发生抑郁的风险,风险等级为中,遂通知相关部门和王女士及其家属,相关部门和王女士及其家属立即采取相应的应对措施,以预防抑郁的危害。随着王女士妊娠周数的增长,工作人员动态收集其相关资料并整理与分析,持续监测直至王女士产后一年。
1.居家环境下PND早期预警的前因和影响因素:前因是指发生于概念之前的事件或者预先存在的情境[14]。良好的家庭支持、家庭成员对PND相关知识的了解、专业的围产期心理健康管理团队、有效的PND早期危险信号识别能力及相关政策和设施支持等是实现居家环境下PND早期预警的先决条件。总结文献发现,居家环境下PND早期预警的前置因子仍不明确,相关研究主要集中于调查PND筛查的促进和阻碍因素。阻碍因素主要包含三个层面:(1)家庭和个人层面。缺乏PND相关知识[13,34-36],如高危因素、早期症状等;对精神健康问题的羞耻感[34-36];缺乏对心理求助资源的了解[35-36];经济压力[34];害怕可能的负面后果[35,37],如担心社会服务机构把孩子带走、被贴上坏妈妈的标签、需要服用抗抑郁药物等;(2)医疗机构和专业人员层面。对PND的认知和识别能力不足[34,37-39];缺乏对心理问题的关注[34];缺乏人力资源[34];保健设施不够隐私[34]等;(3)政府和社会层面。缺乏PND相关知识的普及[38];缺乏精神卫生政策[34,38];卫生保健系统不完善[34,38];缺乏筛查和管理PND的能力、准备和重视[38];财政资源不足[34]等。文献中提到的促进因素主要包括:家庭成员对PND有足够的了解[13];围产期妇女感受到来自专业人员的安全感、关心和专业性[36-37];心理保健做为常规产前护理的一部分[36];了解到其他围产期妇女也有情绪问题[36];认识到心理求助资源的可获得性[36];简便的筛查程序[38]等。
2.居家环境下PND早期预警的后果:后果是指发生于概念之后的事件或者概念存在后导致的情境,即概念的结果[14]。越来越多的研究强调了PND早期筛查的重要性。USPSTF的证据报告和系统综述结果表明,进行PND筛查可以减少围产期妇女的抑郁症状[40]。此外,有研究表明,PND筛查过程可以使围产期妇女感受到来自医疗专业人员的关心[41],并能够提高人们对PND的认识[42]。最重要的是,感知具有发生PND风险信号时发出警报,促使相关部门及家庭和个人及时做出反应,如进一步诊断、采取干预措施等,有利于预防或减轻PND的危害。
测评指标是指实际工作中帮助测量概念定义性特征的方法,即在实际中的标记物[14]。目前国内外尚无统一的PND早期预警的测评工具,相关研究主要为基于机器学习算法的PND预测模型的开发[10,43-45],其测评指标主要体现在其预测性能上,即模型预测分类情况与实际分类情况的差距。评估指标主要包括模型的准确率、精确率、敏感性、特异性、F1度量(精确率和敏感性的调和均值)、受试者工作特征曲线下面积(AUC)及运行速度等[10],其中敏感性、特异性和AUC为最常用的评估指标。Jiménez-Serrano等[46]将年龄、教育水平、家庭收入、婴儿性别、同住的家庭成员数量、个人和家庭精神疾病史、怀孕期间的抑郁水平等11个特征指标作为自变量,比较了朴素贝叶斯、人工神经网路、支持向量机和Logistic回归4种学习算法,其中朴素贝叶斯模型的预测性能最好,其敏感性和特异性均接近0.73。国内学者方晓敏[10]将产妇及配偶的年龄、产妇是否独生子女、与丈夫、公婆及自己父母的关系、本次是否计划妊娠、怀孕时希望宝宝的性别等21个特征指标作为数据集,运用贝叶斯网络、朴素贝叶斯、决策树、随机森林、人工神经网路、支持向量机和Logistic回归7种预测模型算法分别构建了产后抑郁预测模型,结果显示,贝叶斯网络模型预测价值最大,其AUC为0.763,运行速度为0.01秒。Wang等[45]基于9 980次妊娠记录,纳入包含社会人口学特征、疾病诊断和药物治疗信息共98个变量,分别使用正则Logistic回归、支持向量机、决策树、朴素贝叶斯、梯度提升树和随机森林6种机器学习算法构建产后抑郁预测模型,模型最佳预测性能AUC达到了0.79。综上所述,目前运用机器学习算法构建的预测模型性能不一,尽管这些模型的预测价值得到了交叉验证,但通过置换检验的方法会存在估计误差的可能[47],因此,其普适性和有效性尚需进一步探究。
本研究采用Walker和Avant经典概念分析法对“居家环境下PND早期预警”这一概念进行了梳理,确定了此概念的相关应用,提取了4个定义属性,构建了模型案例,并明确了此概念的前因、后果和测量指标,对于后续研究具有一定的指导意义。本研究发现,居家环境下PND早期预警的相关研究非常缺乏,建议未来开展此领域的相关研究,开发有效的PND早期预警工具,并探索有效的干预手段,为预防或减轻PND带来的不良影响提供理论和实践指导。
1 Curry SJ,Krist AH,Owens DK,et al.Interventions to Prevent Perinatal Depression:US Preventive Services Task Force Recommendation Statement.JAMA,2019,321:580-587.
2 Woody CA,Ferrari AJ,Siskind DJ,et al.A systematic review and meta-regression of the prevalence and incidence of perinatal depression.J Affect Disord,2017,219:86-92.
3 Nisar A,Yin J,Waqas A,et al.Prevalence of perinatal depression and its determinants in Mainland China:A systematic review and meta-analysis.J Affect Disord,2020,277:1022-1037.
4 Kendig S,Keats JP,Hoffman MC,et al.Consensus Bundle on Maternal MentalHealth:Perinatal Depression and Anxiety.Obstet Gynecol,2017,129:422-430.
5 Gentile S.Untreated depression during pregnancy:Short-and long-term effects in offspring.A systematic review.Neuroscience,2017,342:154-166.
6 Rogers A,Obst S,Teague SJ,et al.Association Between Maternal Perinatal Depression and Anxiety and Child and Adolescent Development:A Meta-analysis.JAMA Pediatr,2020,174:1082-1092.
7 Bauer A,Knapp M,Parsonage M.Lifetime costs of perinatal anxiety and depression.J Affect Disord,2016,192:83-90.
8 World Health Organization.Mental Health Action Plan 2013-2020.Geneva:Department of Mental Health and Substance Abuse,2013.http://apps.who.int/iris/bitstream/10665/89966/1/9789241506021_eng.pdf.
9 Herrman H,Patel V,Kieling C,et al.Time for united action on depression:a Lancet-World Psychiatric Association Commission.Lancet,2022,399:957-1022.
10 方晓敏.基于机器学习算法的产后抑郁预测模型的构建,广东药科大学,2019.
11 贾岩,李建明.家庭功能与心身健康.中国健康心理学杂志,2013,21:1110-1112.
12 Cameron EE,Joyce KM,Delaquis CP,et al.Maternal psychological distress &mental health service use during the COVID-19 pandemic.J Affect Disord,2020,276:765-774.
13 Poreddi V,Thomas B,Paulose B,et al.Knowledge and attitudes of family members towards postpartum depression.ArchPsychiatr Nurs,2020,34:492-496.
14 Walker LO,Avant KC.Strategies for Theory Construction in Nursing.5th ed.New Jersey:Prentice Hall,2011.
15 American Psychiatric Association.Diagnostic and statistical manual of mental disorders.5th ed.Arlinton:American Psychiatric Association,2013:591-643.
16 ACOG Committee Opinion No.757:Screening for Perinatal Depression.Obstet Gynecol,2018,132:e208-e212.
17 Antenatal and postnatal mental health:clinical management and service guidance.London:National Institute for Health and Care Excellence(NICE),2018.
18 中华医学会妇产科学分会产科学组.围产期抑郁症筛查与诊治专家共识.中华妇产科杂志,2021,56:521-527.
19 胡培,赵世文,郑克勤,等.突发公共卫生事件监测与预警系统理论概念及应用.职业与健康,2004,20:5-7.
20 王小莉,王全意,栾荣生,等.传染病疫情早期预警的主要模型.现代预防医学,2008,35:4339-4341.
21 许苹,孔令曼,秦婷,等.建立医疗风险预警机制的若干构想.中国卫生质量管理,2006,13:9-11.
22 汪明敏.预警概念界定问题研究.情报杂志,2022,41:14-18.
23 Siu AL,Bibbins-Domingo K,Grossman DC,et al.Screening for Depression in Adults:US Preventive Services Task Force Recommendation Statement.JAMA,2016,315:380-387.
24 陈淑芬.家庭功能分析的理论体系简介--家庭功能分析的相关概念.中国全科医学,2006,9:167-169.
25 Gillsjö C,Schwartz-Barcott D.A concept analysis of home and its meaning in the lives of three older adults.Int J Older People Nurs,2011,6:4-12.
26 易法建.家庭功能与大学生社会化的研究.青年研究,1998:35-39.
27 陈可人,李洁,周敏,等.家庭亲密度、适应性与产前抑郁的关系:基本心理需要满足的中介作用.天津医科大学学报,2022,28:186-190.
28 Hu Y,Wang Y,Wen S,et al.Association between social and family support and antenatal depression:a hospital-based study in Chengdu,China.BMC Pregnancy Childbirth,2019,19:420.
29 Honjo K,Kimura T,Baba S,et al.Association between family members and risk of postpartum depression in Japan:Does "who they live with" matter?-The Japan environment and Children′s study.Soc Sci Med,2018,217:65-72.
30 Kuscu MK,Akman I,Karabekiroglu A,et al.Early adverse emotional response to childbirth in Turkey:the impact of maternal attachment styles and family support.J Psychosom Obstet Gynaecol,2008,29:33-38.
31 毛新敏,热孜万古力·热西提,程建云.二胎妊娠产后抑郁风险与家庭支持影响因素的分析.新疆医科大学学报,2020,43:1118-1121.
32 覃爱开,杨琼辉,颜必莲,等.父母养育效能在产妇产后抑郁和家庭关怀的中介作用.广东医学,2018,39:3256-3260.
33 胡美丽.家庭支持与孕产妇分娩前后抑郁风险:基于Oaxaca与Fairlie分解方法.南京医科大学学报(社会科学版),2022,22:144-150.
34 January J,Chimbari MJ.Opportunities and obstacles to screening for perinatal depression among women in Zimbabwe:A narrative review of literature.S Afr J Psychiatr,2018,24:1127.
35 Barrera AZ,Hamil J,Tandon D.Integrating SMS Text MessagesInto a Preventive Intervention for Postpartum Depression Delivered via In-Home Visitation Programs:Feasibility and Acceptability Study.JMIR Form Res,2021,5:e30995.
36 Kingston D,Austin MP,Heaman M,et al.Barriers and facilitators of mental health screening in pregnancy.J Affect Disord,2015,186:350-357.
37 Pinar S,Bedford H,Ersser S,et al.Women′s experiences of perinatal depression:Symptoms,barriers and enablers to disclosure,and effects on daily life and interaction within the family.Midwifery,2022,112:103389.
38 Dadi AF,Miller ER,Azale T,et al."We do not know how to screen and provide treatment":a qualitative study of barriers and enablers of implementing perinatal depression health services in Ethiopia.Int J Ment Health Syst,2021,15:41.
39 张超,金欣,罗丹,等.应用虚拟患者法评估湖南省基层妇幼专干识别产后抑郁的能力.中南大学学报(医学版),2021,46:1129-1137.
40 O′Connor E,Rossom RC,Henninger M,et al.Primary Care Screening for and Treatment of Depression in Pregnant and Postpartum Women:Evidence Report and Systematic Review for the US Preventive Services Task Force.JAMA,2016,315:388-406.
41 Harris AL.Barriers to and Facilitators of Perinatal Depression Screening.Nurs Womens Health,2017,20:601-607.
42 Gjerdingen DK,Yawn BP.Postpartum depression screening:importance,methods,barriers,and recommendations for practice.J Am Board Fam Med,2007,20:280-288.
43 Zhang Y,Wang S,Hermann A,et al.Development and validation of a machine learning algorithm for predicting the risk of postpartum depression among pregnant women.J Affect Disord,2021,279:1-8.
44 Betts KS,Kisely S,Alati R.Predicting postpartum psychiatric admission using a machine learning approach.J Psychiatr Res,2020,130:35-40.
45 Wang S,Pathak J,Zhang Y.Using Electronic Health Records and Machine Learning to Predict Postpartum Depression.Stud Health Technol Inform,2019,264:888-892.
46 Jiménez-Serrano S,Tortajada S,García-Gómez JM.A Mobile Health Application to Predict Postpartum Depression Based on Machine Learning.Telemed J E Health,2015,21:567-574.
47 杨兵兵,李俊男,何鸿,等.基于机器学习的预测模型对抑郁症的研究进展.心理学进展,2019,9:34-40.