World Psychiatry
临床高风险精神病个体长期不良结局的预测模型研究
小赛推荐：
该研究为精神疾病的早期干预提供了基于真实世界数据的个性化风险预测框架，强调了延长预防性照护周期的必要性，对临床高风险人群的管理策略具有直接指导意义。
文献概述
本文《Predicting long-term poor outcomes in individuals at clinical high risk for psychosis using real-world clinical data: the OASIS1000 prospective study》，发表于《World Psychiatry》杂志，系统探讨了在真实世界临床环境中，如何利用常规电子健康记录（EHR）数据构建并验证一个针对临床高风险精神病（CHR-P）个体的长期不良结局预测模型。研究基于英国南伦敦OASIS服务长达23年的前瞻性队列数据，揭示了CHR-P个体在远期面临极高的综合不良结局风险，远超单纯转归为精神病的范畴，挑战了当前以短期转归为核心的干预模式。研究进一步开发并验证了一个具有中等区分度和良好校准性能的Cox回归模型，为临床决策提供了量化工具。研究结果强调，预防性服务的持续时间应显著延长以应对持续累积的风险。背景知识
精神疾病，特别是精神病谱系障碍，具有极高的个人、家庭与社会负担。约78%的首发精神病（FEP）患者在发病前经历可识别的前驱期症状，这为早期干预提供了关键时间窗。目前，CHR-P服务旨在识别表现出衰减性精神病症状（APS）、短暂有限间歇性精神病症状（BLIPS）或遗传风险伴功能恶化（GRD）的青少年和年轻成人，以提供预防性干预。然而，现有研究大多聚焦于2–3年内转归为FEP的短期风险预测，且多基于非代表性研究样本，限制了其在真实世界临床实践中的推广。此外，即使未转归为FEP，大量CHR-P个体仍经历长期功能损害、住院、抗精神病药物使用或自杀等不良结局，这些“真实世界”综合终点未被充分纳入预测模型。因此，现有模型未能全面反映CHR-P个体的长期照护需求。本研究的切入点在于：1）利用真实世界、长期随访的临床队列数据，克服研究样本的偏倚；2）定义涵盖转归、治疗升级、住院和自杀的复合长期不良结局；3）开发并验证一个可直接应用于常规临床工作的个性化预测模型，推动从“短期转归”到“长期结局管理”的范式转变。此研究填补了从研究到实践的转化空白，为早期干预和风险分层提供了坚实证据。
研究方法与核心实验
研究基于英国南伦敦和莫兹利NHS信托基金（SLaM）的电子健康记录（EHR）系统，纳入了2001–2024年间在OASIS服务接受评估的1000名CHR-P个体。这是一个真实世界、长期、前瞻性队列研究。主要结局是首次发生任何一项临床相关的长期不良结局的时间，包括：转归为FEP、首次接受FEP剂量的抗精神病药物治疗、首次因精神原因自愿或非自愿住院，或死于自杀。研究团队使用正则化Cox回归（LASSO）方法，从基线人口统计学和临床变量中自动筛选出最具预测性的特征，构建预测模型。模型开发遵循TRIPOD+AI指南，确保方法学严谨性。模型性能通过内部-外部交叉验证（按入组年份分五折）进行评估，指标包括C-index（区分度）、校准斜率/截距（校准度）、Brier评分（总体性能）和决策曲线分析（临床净效益）。关键结论与观点
研究意义与展望
该研究从根本上重塑了对CHR-P个体预后的理解，从一个以“是否转归”为核心的二元问题，转向一个以“长期功能和临床结局”为核心的连续性风险评估。这为药物开发提供了新的终点目标，即不应仅以预防FEP为唯一终点，而应以改善整体长期临床结局为目标。对于临床监测，该模型可被整合至电子健康记录系统，实现自动化风险分层，帮助临床医生识别需要更密集或更长期干预的高风险个体。此外，研究强烈建议将CHR-P服务的照护周期从目前普遍的2年显著延长，以应对持续存在的远期风险，这对全球精神卫生服务的资源配置和政策制定具有深远影响。
结语
本研究通过大规模、长期、真实世界的数据分析，确立了临床高风险精神病（CHR-P）个体面临极高的长期综合不良结局风险，挑战了现有以短期精神病转归为中心的干预模型。研究开发并验证的临床预测模型，利用常规可及的临床变量，实现了对个体长期风险的量化评估，为个性化预防性照护提供了强有力的工具。该模型的临床价值不仅在于其预测准确性，更在于其推动了从“短期干预”到“长期管理”的范式转变。研究结果明确指出，当前普遍为期两年的预防性服务远远不足以应对CHR-P个体的长期需求，服务周期必须延长。从实验室到临床，这项研究为精神疾病的预防体系奠定了基石，强调了整合生物-心理-社会因素进行动态风险评估的重要性。未来的研究应致力于在国际多中心队列中独立验证此模型，并探索基于该模型的风险适应性干预策略，最终目标是显著改善CHR-P人群的长期生命质量。
