うつ病・不安障害の分類可能性と症状ネットワーク構造の検討―Gaussian graphical mixture モデルに基づく潜在ネットワーク・クラス分析―

抄録

うつ病と不安障害は併存率が高く，併存事例では治療の予後が悪くなる。こうした併存事例への理解を深めるため，近年の研究では，従来の診断分類にとらわれず，クラスタ分析に基づいてうつ病・不安障害患者を分類する試みが盛んになっている。この試みをさらに活性化させるために，本研究は，数理統計学の分野で発展した「Gaussian graphical mixtureモデルに基づく潜在ネットワーク・クラス分析」を応用して患者データを分析した。分析対象は，うつ病・不安障害患者1521名（うつ病406名，パニック障害193名，社交不安障害116名，強迫性障害66名，併存事例735名；平均42.42歳，SD＝9.50）から収集した諸症状のデータセットであった。潜在ネットワーク・クラス分析を実施したところ，多様な診断名を含む患者クラスタ（例えば，強迫とパニックの症状が強く，うつと社交不安の症状が中程度のクラスタ）を4種類特定できたと同時に，各クラスタにおける諸症状間の相互作用関係をネットワーク構造として視覚化できた。このことにより，各クラスタにおける中核症状を特定できるなど，既存のクラスタ分析を超えた潜在ネットワーク・クラス分析の臨床的有用性を示すことができた。