Peran Biomarker untuk Depresi | El Paso, TX Dokter Kiropraktik
Dr. Alex Jimenez, Chiropractor El Paso
Saya harap Anda menikmati posting blog kami tentang berbagai topik kesehatan, gizi dan cedera. Jangan ragu untuk menghubungi kami atau saya sendiri jika ada pertanyaan saat kebutuhan untuk mencari perawatan muncul. Hubungi kantor atau saya sendiri. Office 915-850-0900 - Sel 915-540-8444 Great Regards. Dr. J

Peran Biomarker untuk Depresi

Depresi adalah salah satu masalah kesehatan mental yang paling umum di Amerika Serikat. Penelitian saat ini menunjukkan bahwa hasil depresi dari kombinasi aspek genetik, biologis, ekologi, dan psikologis. Depresi adalah gangguan kejiwaan besar di seluruh dunia dengan tekanan ekonomi dan psikologis yang signifikan pada masyarakat. Untungnya, depresi, bahkan kasus yang paling parah sekalipun, dapat diobati. Semakin awal perawatan itu dapat dimulai, semakin efektif itu.

Akibatnya, bagaimanapun, ada kebutuhan untuk biomarker yang kuat yang akan membantu dalam meningkatkan diagnosis untuk mempercepat obat dan / atau proses penemuan obat untuk setiap pasien dengan gangguan tersebut. Ini adalah indikator fisiologis perifer yang objektif, yang keberadaannya dapat digunakan untuk memprediksi probabilitas onset atau keberadaan depresi, stratifikasi menurut keparahan atau simtomatologi, menunjukkan prediksi dan prognosis atau memantau respons terhadap intervensi terapeutik. Tujuan dari artikel berikut adalah untuk menunjukkan wawasan terbaru, tantangan saat ini dan prospek masa depan mengenai penemuan berbagai macam biomarker untuk depresi dan bagaimana ini dapat membantu meningkatkan diagnosis dan pengobatan.

Biomarker untuk Depresi: Wawasan Terkini, Tantangan Saat Ini, dan Prospek Masa Depan

Abstrak

Sejumlah besar penelitian telah melibatkan ratusan biomarker diduga untuk depresi, tetapi belum sepenuhnya dijelaskan peran mereka dalam penyakit depresi atau menetapkan apa yang abnormal di mana pasien dan bagaimana informasi biologis dapat digunakan untuk meningkatkan diagnosis, pengobatan dan prognosis. Kurangnya kemajuan ini sebagian karena sifat dan heterogenitas depresi, dalam hubungannya dengan heterogenitas metodologis dalam literatur penelitian dan array besar biomarker dengan potensi, ekspresi yang sering bervariasi menurut banyak faktor. Kami meninjau literatur yang tersedia, yang menunjukkan bahwa penanda yang terlibat dalam proses inflamasi, neurotropik dan metabolisme, serta komponen neurotransmitter dan neuroendokrin, mewakili kandidat yang sangat menjanjikan. Ini dapat diukur melalui penilaian genetik dan epigenetik, transkriptomik dan proteomik, metabolomik dan neuroimaging. Penggunaan pendekatan baru dan program penelitian sistematis sekarang diperlukan untuk menentukan apakah, dan yang mana, biomarker dapat digunakan untuk memprediksi respons terhadap pengobatan, menetapkan stratifikasi pasien untuk perawatan khusus dan mengembangkan target untuk intervensi baru. Kami menyimpulkan bahwa ada banyak janji untuk mengurangi beban depresi melalui pengembangan lebih lanjut dan memperluas jalan penelitian ini.

Kata kunci: gangguan mood, gangguan depresi mayor, peradangan, respon pengobatan, stratifikasi, obat-obatan pribadi

pengantar

Tantangan dalam Kesehatan Mental dan Gangguan Suasana Hati

Meskipun psikiatri memiliki beban terkait penyakit yang lebih besar daripada kategori diagnostik medis tunggal lainnya, 1 perbedaan harga masih jelas antara kesehatan fisik dan mental di banyak domain termasuk pendanaan penelitian2 dan publikasi.3 Di antara kesulitan yang dihadapi oleh kesehatan mental adalah kurangnya konsensus seputar klasifikasi, diagnosis dan pengobatan yang berasal dari pemahaman yang tidak lengkap dari proses yang mendasari gangguan ini. Ini sangat jelas dalam gangguan suasana hati, kategori yang terdiri dari beban terbesar dalam kesehatan mental. 3 Gangguan mood yang paling umum, gangguan depresi mayor (MDD), adalah penyakit kompleks, heterogen di mana hingga 60% pasien mungkin mengalami beberapa tingkat resistensi pengobatan yang memperpanjang dan memperparah episode. 4 Untuk gangguan suasana hati, dan dalam bidang kesehatan mental yang lebih luas, hasil pengobatan kemungkinan akan ditingkatkan dengan penemuan subtipe yang kuat dan homogen dalam (dan di seluruh) kategori diagnostik, di mana perawatan bisa bertingkat. Sebagai pengakuan atas hal ini, inisiatif global untuk menggambarkan subtipe fungsional saat ini sedang berlangsung, seperti kriteria domain penelitian. 5 Telah dikemukakan bahwa penanda biologis adalah kandidat prioritas untuk subtyping gangguan mental.6

Meningkatkan Respon untuk Perawatan untuk Depresi

Meskipun berbagai pilihan perawatan untuk depresi berat, hanya sekitar sepertiga pasien dengan MDD mencapai remisi bahkan ketika menerima pengobatan antidepresan yang optimal sesuai dengan pedoman konsensus dan menggunakan perawatan berbasis pengukuran, dan tingkat tanggapan pengobatan tampaknya menurun dengan setiap pengobatan baru. .7 Selanjutnya, pengobatan-tahan depresi (TRD) dikaitkan dengan peningkatan gangguan fungsional, mortalitas, morbiditas dan berulang atau episode kronis dalam jangka panjang.8,9 Dengan demikian, memperoleh perbaikan dalam respon pengobatan pada setiap tahap klinis akan memberikan manfaat yang lebih luas untuk hasil keseluruhan dalam depresi. Terlepas dari beban substansial yang diakibatkan oleh TRD, penelitian di bidang ini sangat jarang. Definisi TRD tidak terstandardisasi, terlepas dari usaha-usaha sebelumnya: 4 beberapa kriteria hanya memerlukan satu percobaan perawatan yang gagal mencapai pengurangan skor gejala 50% (dari ukuran keparahan depresi yang divalidasi), sementara yang lain membutuhkan non-pencapaian remisi penuh. atau tidak merespon setidaknya dua antidepresan yang diujicobakan secara memadai dari kelas yang berbeda dalam suatu episode yang akan dianggap TRD.4,10 Selanjutnya, penentuan stadium dan prediksi resistensi pengobatan ditingkatkan dengan menambahkan fitur klinis utama tingkat keparahan dan kronisitas hingga jumlah perawatan yang gagal.9,11 Namun demikian, inkonsistensi dalam definisi ini mengartikan literatur penelitian pada TRD merupakan tugas yang lebih kompleks.

Untuk meningkatkan respons terhadap perawatan, jelas sangat membantu untuk mengidentifikasi faktor risiko prediktif nonresponse. Beberapa prediktor umum dari TRD telah dikarakterisasi, termasuk kurangnya remisi penuh setelah episode sebelumnya, kecemasan komorbid, bunuh diri dan onset awal depresi, serta kepribadian (terutama extraversi rendah, ketergantungan imbalan rendah dan neurotisisme tinggi) dan faktor genetik.12 Temuan ini dikuatkan oleh ulasan yang mensintesis bukti secara terpisah untuk farmakologis13 dan pengobatan psikologis14 untuk depresi. Antidepresan dan terapi kognitif-perilaku menunjukkan kemanjuran yang sebanding, 15 tetapi karena mekanisme aksi mereka yang berbeda mungkin diharapkan memiliki prediktor respon yang berbeda. Sementara trauma awal-kehidupan telah lama dikaitkan dengan hasil klinis yang buruk dan berkurangnya respons terhadap pengobatan, indikasi awal 16 menunjukkan bahwa orang-orang dengan riwayat trauma masa kanak-kanak mungkin merespon lebih baik terhadap psikologis daripada terapi farmakologis.17 Meskipun demikian, ketidakpastian berlaku dan sedikit personalisasi atau stratifikasi pengobatan telah mencapai praktik klinis.18

Ulasan ini berfokus pada bukti yang mendukung kegunaan biomarker sebagai alat klinis yang berpotensi bermanfaat untuk meningkatkan respon pengobatan untuk depresi.

Biomarker: Sistem dan Sumber

Biomarker memberikan target potensial untuk mengidentifikasi prediktor respon terhadap berbagai intervensi. 19 Bukti sampai saat ini menunjukkan bahwa penanda yang mencerminkan aktivitas inflamasi, neurotransmiter, neurotropik, neuroendokrin dan sistem metabolik mungkin dapat memprediksi hasil kesehatan mental dan fisik pada individu yang sedang depresi , tetapi ada banyak inkonsistensi antara temuan. 20 Dalam ulasan ini, kami fokus pada lima sistem biologis ini.

Untuk mencapai pemahaman penuh tentang jalur molekuler dan kontribusinya dalam gangguan kejiwaan, sekarang dianggap penting untuk menilai berbagai "tingkat" biologis, dalam apa yang secara populer disebut sebagai "omics" approach. 21 Gambar 1 memberikan gambaran tentang perbedaan tingkat biologis di mana masing-masing dari lima sistem dapat dinilai, dan sumber-sumber potensial penanda di mana penilaian ini dapat dilakukan. Namun, perhatikan bahwa sementara setiap sistem dapat diperiksa di setiap tingkat omik, sumber-sumber pengukuran yang optimal jelas bervariasi pada setiap tingkat. Misalnya, neuroimaging menyediakan platform untuk penilaian tidak langsung dari struktur atau fungsi otak, sementara pemeriksaan protein dalam darah langsung menilai penanda. Transkriptomik22 dan metabolomik23 semakin populer, menawarkan penilaian jumlah penanda yang sangat besar, dan Proyek Human Microbiome sekarang berusaha mengidentifikasi semua mikroorganisme dan komposisi genetik mereka di dalam manusia. Teknologi Novel 24 meningkatkan kemampuan kita untuk mengukur ini, termasuk melalui sumber tambahan ; misalnya, hormon seperti kortisol sekarang dapat diuji dalam rambut atau kuku (memberikan indikasi kronis) atau keringat (memberikan pengukuran kontinu), 25 serta dalam darah, cairan serebrospinal, urin dan air liur.

Gambar-1-Potensi-Biomarker-untuk-Depresi.png

Mengingat jumlah sumber diduga, tingkat dan sistem yang terlibat dalam depresi, tidak mengherankan bahwa skala biomarker dengan potensi translasi sangat luas. Terutama, ketika interaksi antara penanda dianggap, mungkin tidak mungkin bahwa pemeriksaan biomarker tunggal dalam isolasi akan menghasilkan temuan bermanfaat untuk meningkatkan praktik klinis. Schmidt et al26 mengusulkan penggunaan panel biomarker dan, kemudian, Brand et al27 menguraikan panel rancangan berdasarkan bukti klinis dan praklinis sebelumnya untuk MDD, mengidentifikasi target biomarker "kuat" 16, yang masing-masing jarang penanda tunggal. Mereka terdiri dari pengurangan volume materi abu-abu (di hippocampal, prefrontal cortex dan basal ganglia region), perubahan siklus sirkadian, hypercortisolism dan representasi lain dari hyperactivation axis hipotalamus-pituitari-adrenal (HPA), disfungsi tiroid, mengurangi dopamine, noradrenalin atau 5-hydroxyindoleacetic acid , peningkatan glutamat, peningkatan superoksida dismutase dan peroksidasi lipid, dilemahkan siklik adenosin 3 ′, 5′-monofosfat dan aktivitas jalur protein kinase mitogen-aktif, meningkatkan sitokin proinflamasi, perubahan ke triptofan, kynurenin, insulin dan polimorfisme genetik spesifik. Penanda-penanda ini belum disetujui oleh konsensus dan dapat diukur dengan berbagai cara; jelas bahwa kerja yang terfokus dan sistematis harus menangani tugas yang sangat besar ini untuk membuktikan manfaat klinis mereka.

Tujuan dari Ulasan ini

Sebagai tinjauan luas yang disengaja, artikel ini berusaha untuk menentukan keseluruhan kebutuhan untuk penelitian biomarker dalam depresi dan sejauh mana biomarker memiliki potensi translasi nyata untuk meningkatkan respons terhadap perawatan. Kami mulai dengan membahas temuan yang paling penting dan menarik di bidang ini dan mengarahkan pembaca ke ulasan yang lebih spesifik terkait dengan penanda dan perbandingan yang relevan. Kami menguraikan tantangan saat ini yang dihadapi dalam terang bukti, dalam kombinasi dengan kebutuhan untuk mengurangi beban depresi. Akhirnya, kami melihat ke depan ke jalur penelitian penting untuk menghadapi tantangan saat ini dan implikasinya terhadap praktik klinis.

Wawasan terbaru

Pencarian biomarker yang berguna secara klinis untuk orang dengan depresi telah menghasilkan penyelidikan ekstensif selama setengah abad terakhir. Perawatan yang paling umum digunakan berasal dari teori depresi monoamina; selanjutnya, hipotesis neuroendokrin mendapat banyak perhatian. Dalam beberapa tahun terakhir, penelitian yang paling produktif telah mengungkung hiperisis inflamasi depresi. Namun demikian, sejumlah besar artikel ulasan yang relevan telah berfokus di seluruh lima sistem; lihat Tabel 1 dan di bawah untuk kumpulan wawasan terbaru di seluruh sistem biomarker. Sementara diukur pada banyak tingkatan, protein yang diturunkan dari darah telah diperiksa secara luas dan menyediakan sumber biomarker yang nyaman, hemat biaya dan mungkin lebih dekat dengan potensi translasi daripada sumber lain; dengan demikian, lebih detail diberikan kepada biomarker yang beredar dalam darah.

Tabel 1 Tinjauan tentang Biomarker untuk Depresi

Dalam tinjauan sistematis baru-baru ini, Jani et al20 memeriksa biomarker berbasis darah perifer untuk depresi terkait dengan hasil pengobatan. Dari hanya studi 14 yang disertakan (dicari sampai 2013 awal), biomarker 36 dipelajari dimana 12 merupakan prediktor signifikan indeks respons mental atau fisik setidaknya dalam satu penyelidikan. Mereka yang diidentifikasi sebagai berpotensi mewakili faktor risiko untuk nonresponse termasuk protein inflamasi: rendah interleukin (IL) -12p70, rasio limfosit terhadap jumlah monosit; penanda neuroendokrin (dexamethasone nonsuppression dari kortisol, kortisol bersirkulasi tinggi, mengurangi hormon perangsang tiroid); penanda neurotransmitter (serotonin rendah dan noradrenalin); metabolik (kolesterol high-density lipoprotein rendah) dan faktor neurotropik (mengurangi S100 kalsium-binding protein B). Selanjutnya, ulasan lain telah melaporkan pada asosiasi antara biomarker tambahan dan hasil pengobatan.19,28 – 30 Deskripsi singkat tentang penanda putatif dalam setiap sistem diuraikan dalam bagian berikutnya dan pada Tabel 2.

Tabel 2 Biomarker dengan Potensi digunakan untuk Depresi

Temuan Inflamasi dalam Depresi

Sejak makalah Smith yang menguraikan hipotesis makrofag, 31 literatur ini telah menemukan peningkatan tingkat berbagai penanda proinflamasi pada pasien depresi, yang telah ditinjau secara luas. 32-37 Dua belas protein inflamasi telah dievaluasi dalam meta-analisis yang membandingkan populasi kontrol yang depresi dan sehat. .38 – 43

IL-6 (P <0.001 dalam semua meta-analisis; termasuk studi 31) dan CRP (P <0.001; 20 studies) muncul secara sering dan dapat dipercaya meningkat pada depresi. 40 Peningkatan tumor necrosis factor alpha (TNFα) telah diidentifikasi dalam studi awal ( P <0.001), 38 tetapi heterogenitas substansial menyebabkan ketidaksesuaian ini ketika memperhitungkan penyelidikan yang lebih baru (studi 31) .40 IL-1β bahkan secara inkonklusif dikaitkan dengan depresi, dengan meta-analisis menunjukkan tingkat depresi yang lebih tinggi (P = 0.03), 41 tingkat tinggi hanya di Eropa studies42 atau tidak ada perbedaan dari kontrol.40 Meskipun demikian, sebuah artikel baru-baru ini menyarankan implikasi translasi tertentu untuk IL-1β, 44 didukung oleh efek yang sangat signifikan dari peningkatan IL-1β asam ribonukleat memprediksi tanggapan yang buruk terhadap antidepresan; 45 temuan lain di atas berkaitan dengan sirkulasi sitokin yang diturunkan dari darah. Chemoattractant protein kemokin monocyte-1 telah menunjukkan peningkatan pada peserta yang depresi dalam satu meta-analisis. 39 Interleukins IL-2, IL-4, IL-8, IL-10 dan interferon gamma tidak berbeda secara signifikan antara pasien depresi dan kontrol pada tingkat meta-analitik, tetapi tetap menunjukkan potensi dalam hal perubahan dengan pengobatan: IL-8 telah dilaporkan meningkat pada mereka dengan depresi berat secara prospektif dan cross-sectional, 46 pola perubahan yang berbeda pada IL-10 dan interferon gamma selama pengobatan. telah terjadi antara responden awal versus non-responden, 47 sementara IL-4 dan IL-2 telah menurun sejalan dengan remisi gejala.48 Dalam meta-analisis, penurunan kecil di samping pengobatan telah ditunjukkan untuk IL-6, IL-1β, IL-10 dan CRP.43,49,50 Selain itu, TNFα hanya dapat dikurangi dengan pengobatan pada responden, dan indeks penanda komposit dapat menunjukkan peningkatan peradangan pada pasien yang mengalami tly tidak menanggapi perawatan.43 Perlu dicatat, bagaimanapun, bahwa hampir semua penelitian memeriksa protein inflamasi dan tanggapan pengobatan menggunakan uji coba terapi farmakologis. Dengan demikian, setidaknya beberapa perubahan inflamasi selama pengobatan kemungkinan disebabkan oleh antidepresan. Efek inflamasi yang tepat dari antidepresan yang berbeda belum ditetapkan, tetapi bukti yang menggunakan tingkat CRP menunjukkan individu merespon secara berbeda terhadap perawatan spesifik berdasarkan peradangan awal: Harley et al51 melaporkan peningkatan CRP pretreatment memprediksi tanggapan yang buruk terhadap terapi psikologis (kognitif-perilaku atau interpersonal psikoterapi), tetapi respons yang baik terhadap nortriptyline atau fluoxetine; Uher et al52 mereplikasi temuan ini untuk nortriptyline dan mengidentifikasi efek sebaliknya untuk escitalopram. Sebaliknya, Chang et al53 menemukan CRP lebih tinggi pada responden awal untuk fluoxetine atau venlafaxine daripada nonresponders. Lebih lanjut, pasien dengan TRD dan CRP tinggi telah merespon lebih baik terhadap infliximab antagonis TNFα dibandingkan dengan mereka yang memiliki level dalam kisaran normal. 54

Bersama-sama, bukti menunjukkan bahwa bahkan ketika mengendalikan faktor-faktor seperti indeks massa tubuh (BMI) dan usia, respon inflamasi muncul menyimpang di sekitar sepertiga pasien dengan depresi.55,56 Sistem inflamasi, bagaimanapun, sangat kompleks, dan ada banyak biomarker yang mewakili aspek berbeda dari sistem ini. Baru-baru ini, tambahan sitokin dan chemokin baru telah menghasilkan bukti adanya kelainan pada depresi. Ini termasuk: protein penghambatan makrofag 1a, IL-1a, IL-7, IL-12p70, IL-13, IL-15, eotaxin, granulocyte macrophage colony-stimulating factor, 57 IL-5,58 IL-16,59 IL-17,60 monocyte chemoattractant protein -4,61 timus dan kemokin yang diatur aktivasi, 62 eotaxin-3, TNFb, 63 interferon gamma-diinduksi protein 10,64 serum amiloid A, 65 larut molekul adhesi intraseluler66 dan molekul adhesi sel vaskular terlarut 1.67

Temuan Faktor Pertumbuhan dalam Depresi

Mengingat pentingnya faktor pertumbuhan non-neurotropik (seperti yang berkaitan dengan angiogenesis), kami mengacu pada biomarker neurogenik di bawah definisi yang lebih luas dari faktor pertumbuhan.

Faktor neurotropik yang diturunkan dari otak (BDNF) adalah yang paling sering dipelajari. Beberapa meta-analisis menunjukkan pelemahan protein BDNF dalam serum, yang tampaknya meningkat bersamaan dengan pengobatan antidepresan. 68-71 Analisis terbaru menunjukkan bahwa penyimpangan BDNF ini lebih menonjol pada pasien yang mengalami depresi paling berat, tetapi antidepresan tampak meningkatkan kadar protein ini bahkan tanpa adanya remisi klinis. 70 proBDNF kurang dipelajari daripada bentuk dewasa BDNF, tetapi keduanya tampak berbeda secara fungsional (dalam hal efeknya pada reseptor tirosin reseptor kinase B) dan baru-baru ini Bukti menunjukkan bahwa sementara BDNF yang matang dapat dikurangi dalam depresi, proBDNF mungkin kelebihan produksi. 72 Faktor pertumbuhan saraf dinilai secara perifer juga telah dilaporkan lebih rendah pada depresi dibandingkan pada kontrol dalam meta-analisis, tetapi tidak dapat diubah oleh pengobatan antidepresan meskipun paling dilemahkan pada pasien dengan depresi yang lebih berat.73 Temuan serupa telah dilaporkan dalam meta-analys adalah untuk faktor neurotropik sel glial yang diturunkan.74

Faktor pertumbuhan endotel vaskular (VEGF) memiliki peran dalam mempromosikan angiogenesis dan neurogenesis bersama dengan anggota lain dari keluarga VEGF (misalnya, VEGF-C, VEGF-D) dan memiliki janji untuk depresi.75 Meskipun bukti tidak konsisten, dua meta-analisis memiliki baru-baru ini menunjukkan peningkatan VEGF dalam darah pasien depresi dibandingkan dengan kontrol (di seluruh studi 16; P <0.001) .76,77 Namun, VEGF rendah telah diidentifikasi dalam TRD78 dan tingkat yang lebih tinggi telah memperkirakan tidak merespon terhadap pengobatan antidepresan.79 Tidak dimengerti mengapa tingkat protein VEGF akan meningkat, tetapi mungkin sebagian disebabkan oleh aktivitas proinflamasi dan / atau peningkatan permeabilitas penghalang darah-otak di negara depresi yang menyebabkan berkurangnya ekspresi dalam cairan serebrospinal. 80 Hubungan antara VEGF dan tanggapan pengobatan tidak jelas; Sebuah penelitian baru menemukan tidak ada hubungan antara serum VEGF atau BDNF dengan respon atau keparahan depresi, meskipun menurun bersamaan dengan pengobatan antidepresan. Faktor pertumbuhan 81 Insulin-seperti-1 merupakan faktor tambahan dengan fungsi neurogenik yang mungkin meningkat pada depresi, yang mencerminkan ketidakseimbangan dalam proses neurotropik.82,83 Faktor pertumbuhan fibroblast dasar (atau FGF-2) adalah anggota dari keluarga faktor pertumbuhan fibroblast dan muncul lebih tinggi pada kelompok yang mengalami depresi dibandingkan kelompok kontrol.84 Namun, laporan tidak konsisten; satu ditemukan bahwa protein ini lebih rendah di MDD daripada kontrol yang sehat, tetapi berkurang lebih lanjut bersama dengan pengobatan antidepresan .85

Faktor pertumbuhan lebih lanjut yang belum cukup dieksplorasi dalam depresi termasuk tirosin kinase 2 dan kinase kinase-1 mirip fms-seperti (juga disebut sVEGFR-1) yang bertindak bersinergi dengan VEGF, dan reseptor tirosin kinase (yang mengikat BDNF) dapat dilemahkan. dalam depresi.86 Faktor pertumbuhan plasenta juga merupakan bagian dari keluarga VEGF, tetapi belum diteliti dalam sampel yang secara sistematis tertekan untuk pengetahuan kita.

Temuan Biomarker Metabolik dalam Depresi

Biomarker utama yang terkait dengan penyakit metabolik termasuk leptin, adiponektin, ghrelin, trigliserida, high-density lipoprotein (HDL), glukosa, insulin dan albumin. 87 Hubungan antara banyak dari ini dan depresi telah ditinjau: leptin88 dan ghrelin89 tampak lebih rendah pada depresi. dari kontrol di perifer dan dapat meningkat bersamaan dengan pengobatan atau remisi antidepresan. Resistansi insulin dapat meningkat pada depresi, meskipun dengan jumlah yang sedikit. Profil Lipid 90, termasuk HDL-cholesterol, tampak berubah pada banyak pasien dengan depresi, termasuk mereka yang tidak memiliki penyakit fisik komorbid, meskipun hubungan ini kompleks dan memerlukan penjelasan lebih lanjut.91 Selain itu, hiperglikemia 92 dan hipoalbuminemia93 dalam depresi telah dilaporkan dalam ulasan.

Investigasi keadaan metabolik secara keseluruhan menjadi lebih sering menggunakan panel metabolik molekul kecil dengan harapan menemukan tanda biokimia yang kuat untuk gangguan kejiwaan. Dalam sebuah penelitian baru-baru ini menggunakan pemodelan kecerdasan buatan, satu set metabolit yang menggambarkan peningkatan pensinyalan glukosa-lipid sangat dapat memprediksi diagnosis MDD, 94 mendukung penelitian sebelumnya.

Temuan Neurotransmitter di Depresi

Sementara perhatian yang diberikan kepada monoamina dalam depresi telah menghasilkan perawatan yang relatif berhasil, tidak ada penanda neurotransmiter yang kuat telah diidentifikasi untuk mengoptimalkan pengobatan berdasarkan selektifitas target monoamina antidepresan. Poin kerja terbaru terhadap reseptor 5A serotonin (1-hydroxytryptamine) sebagai berpotensi penting untuk diagnosis dan prognosis depresi, menunggu teknik genetika dan pencitraan baru. 96 Ada pengobatan potensial baru yang menargetkan 5-hydroxytryptamine; misalnya, menggunakan administrasi pelepasan 5-hydroxytryptophan.97 Meningkatnya transmisi dopamin berinteraksi dengan neurotransmiter lain untuk meningkatkan hasil kognitif seperti pengambilan keputusan dan motivasi.98 Demikian pula, neurotransmiter glutamat, noradrenalin, histamin dan serotonin dapat berinteraksi dan mengaktifkan sebagai bagian dari respon stres yang berhubungan dengan depresi; ini dapat menurunkan produksi 5-hydroxytryptamine melalui "banjir". Sebuah tinjauan baru-baru ini menetapkan teori ini dan menunjukkan bahwa dalam TRD, ini dapat dibalik (dan 5-HT dipulihkan) melalui pengobatan multimodal yang menargetkan beberapa neurotransmitter. 99 Menariknya, peningkatan serotonin tidak selalu terjadi secara bersamaan dengan manfaat antidepresan terapeutik. 100 Meskipun demikian , metabolit neurotransmitter seperti 3-methoxy-4-hydroxyphenylglycol, noradrenalin, atau asam homovanillic, dopamine, sering ditemukan meningkat bersamaan dengan penurunan depresi dengan pengobatan antidepresan101,102 atau bahwa tingkat rendah metabolit ini memprediksi respon yang lebih baik terhadap pengobatan SSRI. .102,103

Temuan Neuroendokrin dalam Depresi

Kortisol adalah biomarka sumbu HPA yang paling umum untuk dipelajari dalam depresi. Banyak ulasan telah berfokus pada berbagai penilaian aktivitas HPA; secara keseluruhan, ini menunjukkan bahwa depresi dikaitkan dengan hiperkortisolemia dan bahwa respon kebangkitan kortisol sering dilemahkan.104,105 Hal ini didukung oleh tinjauan baru-baru ini mengenai kadar kortisol kronis yang diukur dalam rambut, mendukung hipotesis hiperaktivitas kortisol dalam depresi tetapi hypoactivity pada penyakit lain seperti sebagai gangguan panik. 106 Selanjutnya, khususnya, kadar kortisol yang tinggi dapat memprediksi respons yang lebih buruk terhadap psikologis 107 dan pengobatan antidepresan 108. Secara historis, penanda neuroendokrin yang paling menjanjikan dari tanggapan pengobatan prospektif adalah tes penekanan deksametason, di mana ketidaktentuan cortisol setelah pemberian dexamethasone dikaitkan dengan kemungkinan remisi yang lebih rendah. Namun, fenomena ini belum dianggap cukup kuat untuk aplikasi klinis. Terkait penanda-hormon corticotrophin-releasing dan hormon adrenocorticotropin serta vasopressin secara tidak konsisten ditemukan kelebihan produksi dalam depresi dan dehydroepiandrosterone ditemukan dilemahkan; rasio kortisol terhadap dehydroepiandrosterone dapat meningkat sebagai penanda yang relatif stabil dalam TRD, bertahan setelah remisi. Disfungsi hormon Neuroendokrin 109 telah lama dikaitkan dengan depresi, dan hipotiroidisme juga dapat memainkan peran kausal dalam suasana hati yang tertekan. 110 Selanjutnya, respon tiroid dapat menormalkan dengan pengobatan yang berhasil untuk depresi.111

Dalam hal di atas, penting juga untuk mempertimbangkan jalur pensinyalan di seluruh sistem, seperti glikogen sintase kinase-3, kinase protein mitogen-aktif dan siklik adenosin 3 ′, 5′-monophosphate, terlibat dalam plastisitas sinaptik112 dan dimodifikasi oleh antidepresan .113 Lanjut kandidat potensial biomarker yang menjangkau sistem biologis terutama diukur menggunakan neuroimaging atau genetika. Menanggapi kurangnya perbedaan genom yang kuat dan bermakna antara populasi yang depresi dan yang tidak tertekan, pendekatan genetik baru 114 seperti skor polygenic115 atau telomere length116,117 dapat terbukti lebih berguna. Biomarker tambahan mendapatkan popularitas sedang memeriksa siklus sirkadian atau biomarker kronobiologi memanfaatkan sumber yang berbeda. Actigraphy dapat memberikan penilaian obyektif tentang aktivitas tidur dan bangun dan beristirahat melalui akselerometer, dan perangkat actigraphic dapat semakin mengukur faktor tambahan seperti paparan cahaya. Ini mungkin lebih berguna untuk mendeteksi daripada laporan subjektif yang biasa digunakan pasien dan dapat memberikan prediktor baru untuk respon pengobatan. 118 Pertanyaan tentang biomarker mana yang paling menjanjikan untuk penggunaan translasi adalah yang menantang, yang diperluas di bawah ini.

Tantangan Saat Ini

Untuk masing-masing dari lima sistem neurobiologis ini, bukti mengikuti narasi yang sama: ada banyak biomarker yang ada yang terkait dalam beberapa hal dengan depresi. Penanda-penanda ini sering saling terkait dalam model yang rumit dan sulit untuk dibuat model. Bukti tidak konsisten, dan ada kemungkinan bahwa beberapa epiphenomena dari faktor lain dan beberapa penting hanya pada sebagian pasien. Biomarker mungkin berguna melalui berbagai rute (misalnya, mereka yang memprediksi tanggapan berikutnya terhadap pengobatan, mereka yang menunjukkan perawatan khusus karena lebih mungkin efektif atau mereka yang berubah dengan intervensi tanpa perbaikan klinis). Metode baru diperlukan untuk memaksimalkan konsistensi dan penerapan klinis penilaian biologis pada populasi psikiatri.

Variabilitas Biomarker

Variasi biomarker dari waktu ke waktu dan di seluruh situasi lebih berkaitan dengan beberapa jenis (misalnya, proteomik) daripada yang lain (genomik). Norma standar untuk banyak tidak ada atau belum diterima secara luas. Memang, pengaruh faktor lingkungan pada penanda sering tergantung pada komposisi genetik dan perbedaan fisiologis lainnya antara orang yang tidak dapat dipertanggungjawabkan. Ini membuat penilaian aktivitas biomarker, dan mengidentifikasi kelainan biologis, sulit ditafsirkan. Karena banyaknya potensi biomarker, banyak yang belum diukur secara luas atau dalam panel lengkap bersama penanda relevan lainnya.

Banyak faktor telah dilaporkan untuk mengubah tingkat protein di seluruh sistem biologis pada pasien dengan gangguan afektif. Seiring dengan faktor-faktor terkait penelitian seperti durasi dan kondisi penyimpanan (yang dapat menyebabkan degradasi beberapa senyawa), ini termasuk waktu hari diukur, etnis, olahraga, diet 119 (misalnya, aktivitas microbiome, terutama asalkan sebagian besar studi biomarker darah lakukan tidak memerlukan sampel puasa), merokok 120 dan penggunaan zat, 121 serta faktor kesehatan (seperti komorbid inflamasi, kardiovaskular atau penyakit fisik lainnya). Sebagai contoh, meskipun peradangan yang meningkat diamati pada orang yang depresi tetapi orang yang sehat dibandingkan dengan kelompok yang tidak depresi, individu yang depresi yang juga memiliki kondisi terkait kekebalan tubuh komorbid sering memiliki tingkat sitokin yang lebih tinggi daripada mereka yang tidak mengalami depresi atau sakit. 122 Beberapa faktor yang menonjol dengan keterlibatan yang mungkin dalam hubungan antara biomarker, depresi dan tanggapan pengobatan diuraikan di bawah ini.

Stres. Kedua respon endokrin dan kekebalan memiliki peran yang dikenal baik dalam menanggapi stres (fisiologis atau psikologis), dan stres sementara pada saat koleksi spesimen biologis jarang diukur dalam penelitian penelitian meskipun variabilitas faktor ini antara individu yang mungkin ditekankan oleh arus. gejala depresi. Kedua stres psikologis akut dan kronis bertindak sebagai tantangan kekebalan tubuh, menonjolkan respon inflamasi dalam jangka pendek dan panjang. 123,124 Temuan ini meluas ke pengalaman stres awal kehidupan, yang telah dikaitkan dengan peningkatan inflamasi dewasa yang independen dari stres yang dialami orang dewasa.125,126 Selama pengalaman traumatis masa kanak-kanak, peradangan yang meningkat juga telah dilaporkan hanya pada anak-anak yang saat ini mengalami depresi.127 Sebaliknya, orang dengan depresi dan riwayat trauma masa kanak-kanak mungkin memiliki respons kortisol yang tumpul terhadap stres, dibandingkan dengan mereka yang mengalami depresi dan tidak ada trauma awal kehidupan.128 Perubahan aksis HPA yang diinduksi stres tampak saling terkait dengan fungsi kognitif, 129 serta subtipe depresi atau variasi pada gen terkait HPA. Stres 130 juga memiliki efek gangguan jangka pendek dan panjang pada neurogenesis131 dan saraf lainnya. Mekanisme. 132 Tidak jelas persis bagaimana trauma masa kanak-kanak mempengaruhi penanda biologis dalam depresi ed dewasa, tetapi ada kemungkinan bahwa stres kehidupan awal predisposisi beberapa individu untuk menahan reaksi stres di masa dewasa yang diperkuat secara psikologis dan / atau biologis.

Fungsi kognitif. Disfungsi neurokognitif sering terjadi pada orang dengan gangguan afektif, bahkan dalam defisit MDDUMXXUMX Kognitif yang tidak terintegrasi tampak kumulatif di samping resistansi pengobatan.133 Neurobiologis, HPA axis134 dan sistem neurotropik129 cenderung memainkan peran kunci dalam hubungan ini. Neurotransmitter noradrenalin dan dopamine kemungkinan penting untuk proses kognitif seperti belajar dan memori. 135 Respon inflamasi yang meningkat telah dikaitkan dengan penurunan kognitif, dan kemungkinan mempengaruhi fungsi kognitif pada episode depresi, 136 dan dalam remisi, melalui berbagai mekanisme. 137 Memang, Krogh et al138 mengusulkan bahwa CRP lebih terkait erat dengan kinerja kognitif daripada gejala inti depresi.

Usia, jenis kelamin, dan BMI. Ketiadaan atau kehadiran, dan arah perbedaan biologis antara pria dan wanita sangat bervariasi dalam bukti hingga saat ini. Variasi hormon neuroendokrin antara pria dan wanita berinteraksi dengan kerentanan depresi. 140 Sebuah tinjauan studi peradangan melaporkan bahwa mengendalikan usia dan jenis kelamin tidak mempengaruhi perbedaan kontrol pasien dalam sitokin inflamasi (meskipun hubungan antara IL-6 dan depresi berkurang seiring bertambahnya usia, yang konsisten dengan teori bahwa peradangan umumnya meningkat seiring dengan usia) .41,141 VEGF perbedaan antara pasien dan kontrol lebih besar dalam penelitian yang menilai sampel yang lebih muda, sementara jenis kelamin, BMI dan faktor klinis tidak mempengaruhi perbandingan ini pada tingkat meta-analitik. 77 Namun, kurangnya penyesuaian untuk BMI dalam pemeriksaan peradangan dan depresi sebelumnya tampaknya mengaburkan perbedaan yang sangat signifikan yang dilaporkan di antara kelompok-kelompok ini.41 Jaringan adiposa yang membesar telah terbukti secara definitif untuk merangsang produksi sitokin serta terkait erat dengan penanda metabolik.142 Karena obat psikotropika mungkin asosiasi Diatasi dengan penambahan berat badan dan IMT yang lebih tinggi, dan ini telah dikaitkan dengan resistensi pengobatan pada depresi, ini adalah area penting untuk diperiksa.

Obat. Banyak studi biomarker dalam depresi (baik cross-sectional dan longitudinal) telah mengumpulkan spesimen awal pada peserta yang tidak diprogram untuk mengurangi heterogenitas. Namun, banyak dari penilaian ini diambil setelah periode wash-out dari obat, yang meninggalkan faktor pembaur signifikan dari perubahan residu dalam fisiologi, diperburuk oleh berbagai perawatan yang tersedia yang mungkin memiliki efek berbeda pada peradangan. Beberapa penelitian telah mengecualikan psikotropika, tetapi bukan penggunaan obat lain: khususnya pil kontrasepsi oral sering diizinkan pada peserta penelitian dan tidak terkontrol dalam analisis, yang baru-baru ini diindikasikan untuk meningkatkan kadar hormon dan sitokin. Beberapa studi menunjukkan bahwa antidepresan obat memiliki efek pada respon inflamasi, 143,144 – 34,43,49,145 HPA-axis, 147 neurotransmitter, 108 dan aktivitas neurotrophic148. Namun, banyak perawatan potensial untuk depresi memiliki sifat farmakologis yang berbeda dan kompleks, menunjukkan mungkin ada efek biologis tersendiri dari berbagai pilihan perawatan, didukung oleh data saat ini. Telah diteorikan bahwa selain efek monoamine, obat penargetan serotonin spesifik (yaitu, SSRI) cenderung menargetkan pergeseran Th149 pada peradangan, dan noradrenergic antidepressants (misalnya, SNRIs) mempengaruhi pergeseran Th2.1 Tidak mungkin untuk menentukan efek dari obat-obatan individu atau kombinasi pada biomarker. Ini kemungkinan dimediasi oleh faktor-faktor lain termasuk lamanya pengobatan (beberapa percobaan menilai penggunaan obat jangka panjang), heterogenitas sampel dan tidak stratifikasi peserta dengan respon terhadap pengobatan.

Heterogenitas

Metodologis. Sebagaimana disinggung di atas, perbedaan (antara dan dalam penelitian) dalam hal perawatan (dan kombinasi) yang diambil dan diambil oleh peserta sebelumnya terikat untuk memperkenalkan heterogenitas ke dalam temuan penelitian, terutama dalam penelitian biomarker. Selain itu, banyak desain lain dan karakteristik sampel bervariasi di seluruh penelitian, sehingga menambah kesulitan dengan menafsirkan dan menghubungkan temuan. Ini termasuk parameter pengukuran biomarker (misalnya, alat tes) dan metode pengumpulan, penyimpanan, pemrosesan dan analisis penanda dalam depresi. Hiles et al141 memeriksa beberapa sumber inkonsistensi dalam literatur tentang peradangan dan menemukan bahwa keakuratan diagnosis depresi, BMI dan penyakit komorbid adalah yang paling penting untuk diperhitungkan dalam menilai peradangan perifer antara kelompok depresi dan yang tidak depresi.

Klinis. Heterogenitas populasi depresi yang luas didokumentasikan dengan baik151 dan merupakan kontributor kritis terhadap temuan kontras dalam literatur penelitian. Ada kemungkinan bahwa bahkan dalam diagnosis, profil biologis yang abnormal terbatas pada himpunan bagian dari individu yang mungkin tidak stabil dari waktu ke waktu. Sub kelompok kohesif orang yang menderita depresi dapat diidentifikasi melalui kombinasi faktor psikologis dan biologis. Di bawah ini, kami menguraikan potensi untuk mengeksplorasi subkelompok dalam menghadapi tantangan yang variabilitas biomarker dan heterogenitas.

Subtipe dalam Depresi

Sejauh ini, tidak ada subkelompok homogen dalam episode depresi atau gangguan yang dapat diandalkan untuk membedakan antara pasien berdasarkan presentasi gejala atau tanggapan pengobatan. 152 Keberadaan subkelompok di mana penyimpangan biologis lebih jelas akan membantu menjelaskan heterogenitas antara penelitian sebelumnya dan dapat mengkatalisasi jalur menuju pengobatan bertingkat. Kunugi et al153 telah mengusulkan seperangkat empat subtipe potensial berdasarkan peran sistem neurobiologis yang berbeda yang menampilkan subtipe yang relevan secara klinis dalam depresi: mereka dengan hiperkortisolisme yang muncul dengan depresi melankolis, atau hipokortisolisme yang mencerminkan subtipe atipikal, subset dopamin terkait pasien yang mungkin hadir secara jelas dengan anhedonia (dan dapat merespon dengan baik, misalnya, aripiprazole) dan subtipe inflamasi yang ditandai dengan peradangan tinggi. Banyak artikel yang berfokus pada peradangan telah menetapkan kasus untuk keberadaan "subtipe inflamasi" dalam depresi. 55,56,154,155 Korelasi klinis peradangan meningkat belum ditentukan dan beberapa upaya langsung telah dilakukan untuk menemukan peserta yang mungkin terdiri dari kohort ini. Telah diusulkan bahwa orang dengan depresi atipikal bisa memiliki tingkat peradangan yang lebih tinggi daripada subtipe melankolis, 156 yang mungkin tidak sejalan dengan temuan mengenai aksis HPA pada subtipe depresi melankolis dan atipikal. TRD37 atau depresi dengan gejala somatik yang menonjol157 juga telah diduga sebagai subtipe inflamasi potensial, tetapi neurovegetative (tidur, nafsu makan, kehilangan libido), suasana hati (termasuk mood rendah, bunuh diri dan lekas marah) dan gejala kognitif (termasuk bias afektif dan rasa bersalah) 158 semua muncul terkait dengan profil biologis. Calon potensial lebih lanjut untuk subtipe peradangan melibatkan pengalaman gejala mirip perilaku penyakit159,160 atau sindrom metabolik.158

Kecenderungan ke arah (hypo) mania dapat membedakan secara biologis antara pasien yang menderita depresi. Bukti sekarang menunjukkan bahwa penyakit bipolar adalah kelompok gangguan mood yang multifaset, dengan gangguan subsyndromal bipolar ditemukan lebih umum daripada yang sebelumnya diakui. 161 Deteksi gangguan bipolar yang tidak akurat dan / atau terlambat baru-baru ini telah disorot sebagai masalah utama dalam psikiatri klinis, dengan waktu rata-rata untuk mengoreksi diagnosis sering melebihi satu dekade162 dan penundaan ini menyebabkan keparahan yang lebih besar dan biaya penyakit secara keseluruhan.163 Dengan mayoritas pasien dengan gangguan bipolar yang awalnya hadir dengan satu atau lebih episode depresi dan depresi unipolar menjadi misdiagnosis yang paling sering, identifikasi faktor yang mungkin membedakan antara depresi unipolar dan bipolar memiliki implikasi substansial.Gangguan spektrum bipolar 164 mungkin telah tidak terdeteksi dalam beberapa penyelidikan biomarker MDD sebelumnya, dan smatterings bukti telah menunjukkan diferensiasi aktivitas aksis HPA109 atau peradangan165,166 antara bipolar dan unipo. depresi lar. Namun, perbandingan ini langka, memiliki ukuran sampel yang kecil, mengidentifikasi efek tren tidak signifikan atau populasi yang direkrut yang tidak dikarakteristikan dengan baik oleh diagnosis. Investigasi ini juga tidak memeriksa peran tanggapan pengobatan dalam hubungan ini.

Kedua gangguan bipolar167 dan resistansi pengobatan168 tidak dikotomis dan terletak pada continua, yang meningkatkan tantangan identifikasi subtipe. Selain subtyping, perlu dicatat bahwa banyak kelainan biologis yang diamati pada depresi juga ditemukan pada pasien dengan diagnosis lain. Dengan demikian, pemeriksaan transdiagnostik juga berpotensi penting.

Tantangan Pengukuran Biomarker

Pemilihan Biomarker. Sejumlah besar biomarker yang berpotensi bermanfaat menghadirkan tantangan bagi psikobiologi dalam menentukan penanda mana yang terlibat dalam cara apa dan untuk siapa. Untuk meningkatkan tantangan, relatif sedikit dari biomarker ini telah mengalami penyelidikan yang cukup dalam depresi, dan untuk sebagian besar, peran mereka yang tepat dalam populasi yang sehat dan klinis tidak dipahami dengan baik. Meskipun demikian, sejumlah upaya telah dilakukan untuk mengusulkan panel biomarker yang menjanjikan. Selain 16 set penanda merek 27 dengan potensi yang kuat, 28 Lopresti et al menguraikan satu set tambahan penanda tekanan oksidatif yang luas dengan potensi untuk meningkatkan respon pengobatan. 1 Papakostas et al mendefinisikan apriori satu set sembilan penanda serum yang mencakup sistem biologis (BDNF, kortisol, reseptor TNFα terlarut tipe II, alpha80 antitrypsin, apolipoprotein CIII, faktor pertumbuhan epidermis, myeloperoxidase, prolaktin dan resistin) dalam validasi dan replikasi sampel dengan MDD. Setelah digabungkan, ukuran gabungan dari level ini dapat membedakan antara MDD dan kelompok kontrol dengan akurasi 90% –169%. 2 Kami mengusulkan bahwa ini tidak mencakup semua kandidat potensial dalam bidang ini; lihat Tabel XNUMX untuk penggambaran biomarker non-aktif dengan potensi depresi, yang mengandung keduanya dengan basis bukti dan penanda baru yang menjanjikan.

Teknologi. Karena kemajuan teknologi, sekarang mungkin (memang, nyaman) untuk mengukur sejumlah besar biomarker secara bersamaan dengan biaya yang lebih rendah dan dengan sensitivitas yang lebih tinggi daripada yang pernah terjadi sebelumnya. Saat ini, kemampuan untuk mengukur banyak senyawa ini di depan kemampuan kita untuk secara efektif menganalisa dan menginterpretasikan data, 170 sesuatu yang akan berlanjut dengan peningkatan susunan biomarker dan penanda baru seperti dengan metabolomik. Hal ini sebagian besar disebabkan oleh kurangnya pemahaman tentang peran yang tepat dari dan hubungan timbal balik antara penanda, dan pemahaman yang tidak memadai tentang bagaimana penanda terkait menghubungkan berbagai tingkat biologis (misalnya, genetik, transkripsi, protein) di dalam dan di antara individu. Data besar yang menggunakan pendekatan analitis baru dan standar akan membantu mengatasi hal ini, dan metodologi baru sedang diusulkan; salah satu contohnya adalah pengembangan pendekatan statistik yang didasarkan pada analisis berbasis fluks untuk menemukan penanda metabolik potensial baru berdasarkan reaksi antara jaringan dan mengintegrasikan ekspresi gen dengan data metabolit. Teknik pembelajaran Mesin 171 telah diterapkan dan akan membantu model menggunakan biomarker. data untuk memprediksi hasil pengobatan dalam studi dengan data besar.172

Agregat biomarker. Memeriksa berbagai biomarker secara bersamaan merupakan alternatif untuk memeriksa penanda terisolasi yang dapat memberikan sudut pandang yang lebih akurat ke dalam jaringan kompleks sistem atau jaringan biologis. 26 Selain itu, untuk membantu menguraikan bukti kontras dalam literatur ini hingga saat ini (terutama, di mana jaringan biomarker dan interaksi dipahami dengan baik), data biomarker kemudian dapat diagregasi atau diindeks. Salah satu tantangannya adalah mengidentifikasi metode optimal untuk melakukan ini, dan mungkin memerlukan peningkatan teknologi dan / atau teknik analisis baru (lihat bagian "Big data"). Secara historis, rasio antara dua biomarker berbeda telah menghasilkan temuan yang menarik.109,173 Beberapa upaya telah dilakukan untuk mengumpulkan data biomarker pada skala yang lebih besar, seperti yang menggunakan analisis komponen utama dari jaringan sitokin proinflamasi. 174 Dalam meta-analisis, sitokin proinflamasi telah diubah menjadi skor efek tunggal-efek untuk setiap penelitian, dan secara keseluruhan menunjukkan peradangan yang secara signifikan lebih tinggi sebelum pengobatan antidepresan, memprediksi nonresponse berikutnya dalam studi rawat jalan. Panel komposit biomarker merupakan tantangan dan peluang untuk penelitian masa depan untuk mengidentifikasi temuan yang bermakna dan dapat diandalkan yang dapat diterapkan untuk meningkatkan hasil pengobatan. 43 Sebuah studi oleh Papakostas et al mengambil pendekatan alternatif, memilih panel biomarker serum heterogen (inflamasi, Sumbu HPA dan sistem metabolik) yang telah diindikasikan untuk membedakan antara individu yang depresi dan kontrol dalam penelitian sebelumnya dan mengkomposisikannya ke dalam skor risiko yang berbeda dalam dua sampel independen dan kelompok kontrol dengan sensitivitas dan spesifisitas 80% .169

Data besar. Penggunaan data besar mungkin diperlukan untuk mengatasi tantangan saat ini yang diuraikan di sekitar heterogenitas, variabilitas biomarker, mengidentifikasi penanda optimal dan membawa bidang ke arah translasi, penelitian terapan dalam depresi. Namun, seperti diuraikan di atas, ini membawa tantangan teknologi dan ilmiah.175 Ilmu kesehatan baru-baru ini mulai menggunakan analitik data besar, satu dekade atau lebih kemudian daripada di sektor bisnis. Namun, penelitian seperti iSPOT-D152 dan konsorsium seperti Psychiatric Genetics Consortium176 berkembang dengan pemahaman kita tentang mekanisme biologis dalam psikiatri. Algoritma machine-learning, dalam beberapa penelitian, mulai diterapkan pada biomarker untuk depresi: investigasi terbaru mengumpulkan data dari> peserta 5,000 dari biomarker 250; setelah beberapa kali imputasi data, mesin-belajar meningkatkan regresi dilakukan, menunjukkan biomarker potensial 21. Setelah analisis regresi lebih lanjut, tiga biomarker dipilih sebagai asosiasi paling kuat dengan gejala depresi (ukuran sel darah merah yang sangat bervariasi, kadar glukosa serum dan bilirubin). Para penulis menyimpulkan bahwa data besar dapat digunakan secara efektif untuk menghasilkan hipotesis. 177 Program fenotip biomarker yang lebih besar sekarang sedang berjalan dan akan membantu untuk memajukan perjalanan kita ke masa depan neurobiologi depresi.

Prospek masa depan

Identifikasi Panel Biomarker

Temuan dalam literatur hingga saat ini membutuhkan replikasi dalam studi berskala besar. Hal ini terutama berlaku untuk biomarker baru, seperti chemokine thymus dan aktivasi-diatur kemokin dan faktor pertumbuhan tirosin kinase 2 yang, sepengetahuan kami, belum diteliti dalam sampel kontrol klinis yang depresi dan sehat. Studi data besar harus memeriksa panel biomarker yang komprehensif dan menggunakan teknik analisis canggih untuk sepenuhnya memastikan hubungan antara penanda dan faktor-faktor yang memodifikasi mereka dalam populasi klinis dan nonklinis. Selain itu, replikasi skala besar dari analisis komponen utama mungkin membentuk kelompok biomarker yang sangat berkorelasi dan juga dapat menginformasikan penggunaan "komposit" dalam psikiatri biologis, yang dapat meningkatkan homogenitas temuan masa depan.

Penemuan Subtipe Homogenous

Mengenai pemilihan biomarker, beberapa panel mungkin diperlukan untuk jalur potensial yang berbeda yang dapat diimplikasikan penelitian. Secara bersama-sama, bukti saat ini menunjukkan bahwa profil biomarker adalah pasti, tetapi abstrus diubah dalam subpopulasi individu yang saat ini menderita depresi. Ini dapat dibentuk di dalam atau di seluruh kategori diagnostik, yang akan menjelaskan beberapa inkonsistensi temuan yang dapat diamati dalam literatur ini. Kuantifikasi subkelompok biologis (atau subkelompok) mungkin paling efektif difasilitasi oleh analisis kluster besar panel jaringan biomarker dalam depresi. Ini akan menggambarkan variabilitas di dalam populasi; analisis kelas laten dapat menunjukkan karakteristik klinis yang berbeda berdasarkan pada, misalnya, peradangan.

Efek Perawatan Khusus pada Radang dan Respon

Semua perawatan depresi yang biasa diresepkan harus dinilai secara komprehensif untuk efek biologis spesifiknya, juga memperhitungkan efektivitas percobaan pengobatan. Ini dapat memungkinkan konstruksi yang berkaitan dengan biomarker dan presentasi gejala untuk memprediksi hasil dari berbagai perawatan antidepresan dengan cara yang lebih personal, dan mungkin dalam konteks depresi unipolar dan bipolar. Ini mungkin berguna untuk perawatan potensial baru serta perawatan yang saat ini diindikasikan.

Penentuan Calon Tanggapan Pengobatan

Penggunaan teknik di atas kemungkinan akan menghasilkan peningkatan kemampuan untuk memprediksi resistensi pengobatan secara prospektif. Langkah-langkah pengobatan yang lebih otentik dan terus-menerus (misalnya jangka panjang) dapat berkontribusi untuk hal ini. Penilaian langkah-langkah valid lain dari kesejahteraan pasien (seperti kualitas hidup dan fungsi sehari-hari) dapat memberikan penilaian yang lebih menyeluruh terhadap hasil pengobatan yang mungkin berhubungan lebih dekat dengan biomarker. Sementara aktivitas biologis saja mungkin tidak dapat membedakan penanggap pengobatan dari non-responden, pengukuran bersamaan dari biomarker dengan variabel psikososial atau demografi dapat diintegrasikan dengan informasi biomarker dalam mengembangkan model prediktif respon pengobatan yang tidak memadai. Jika model yang dapat diandalkan dikembangkan untuk memprediksi respon (baik untuk populasi depresi atau subpopulasi) dan divalidasi secara retrospektif, desain translasi dapat menetapkan penerapannya dalam uji coba terkontrol yang besar.

Menuju Perawatan Terstratifikasi

Saat ini, pasien dengan depresi tidak secara sistematis diarahkan untuk menerima program intervensi yang dioptimalkan. Jika divalidasi, desain uji coba terstratifikasi dapat digunakan untuk menguji model untuk memprediksi tanggapan non-respons dan / atau untuk menentukan di mana pasien perlu diprioritaskan dalam model perawatan melangkah. Ini bisa berguna dalam pengaturan perawatan standar dan naturalistik, di berbagai jenis intervensi. Pada akhirnya, model yang dapat dikembangkan secara klinis dapat dikembangkan untuk menyediakan individu dengan perawatan yang paling tepat, untuk mengenali mereka yang mungkin mengembangkan depresi refrakter dan menyediakan perawatan dan pemantauan yang ditingkatkan untuk pasien ini. Pasien yang diidentifikasi berisiko resistansi terhadap pengobatan dapat diresepkan terapi psikologis dan farmakologis bersamaan atau kombinasi farmakoterapi. Sebagai contoh spekulatif, peserta tanpa peningkatan sitokin proinflamasi mungkin diindikasikan untuk menerima terapi psikologis daripada terapi farmakologis, sementara subset pasien dengan peradangan sangat tinggi dapat menerima agen anti-inflamasi dalam augmentasi untuk pengobatan standar. Mirip dengan stratifikasi, strategi pemilihan pengobatan yang dipersonalisasi dapat dilakukan di masa depan. Sebagai contoh, seseorang yang depresi tertentu mungkin memiliki tingkat TNFα yang sangat tinggi, tetapi tidak ada kelainan biologis lainnya, dan dapat memperoleh manfaat dari pengobatan jangka pendek dengan antagonis TNFα.Proses Personalisasi 54 mungkin juga memerlukan pemantauan ekspresi biomarker selama pengobatan untuk menginformasikan kemungkinan perubahan intervensi, lamanya terapi lanjutan diperlukan atau untuk mendeteksi tanda-tanda awal kambuh.

Target Perawatan Novel

Ada sejumlah besar perawatan potensial yang dapat efektif untuk depresi, yang belum diperiksa secara memadai, termasuk intervensi baru atau repurposed dari disiplin medis lainnya. Beberapa target yang paling populer adalah obat anti-inflamasi seperti celecoxib (dan penghambat siklooksigenase-2 lainnya), antagonis TNFα etanercept dan infliximab, minocycline atau aspirin. Ini muncul menjanjikan. Senyawa Antiglucocorticoid, termasuk ketoconazole178 dan metyrapone, 179 telah diteliti untuk depresi, tetapi keduanya memiliki kelemahan dengan profil efek samping mereka dan potensi klinis metyrapone tidak pasti. Mifepristone180 dan corticosteroids fludrocortisone dan spironolactone, 181 dan deksametason dan hidrokortison 182 mungkin juga efektif dalam mengobati depresi dalam jangka pendek. Penargetan glutamat N-metil-d-aspartat antagonis reseptor, termasuk ketamin, mungkin merupakan pengobatan yang berkhasiat dalam depresi. 183 Omega-184 asam lemak tak jenuh ganda mempengaruhi aktivitas inflamasi dan metabolik dan muncul untuk menunjukkan beberapa efektivitas untuk depresi. 3 Dimungkinkan bahwa statin mungkin memiliki efek antidepresan185 melalui jalur neurobiologis yang relevan.186

Dengan cara ini, efek biokimia dari antidepresan (lihat bagian “Obat”) telah digunakan untuk manfaat klinis dalam disiplin lain: terutama gejala gastroenterologis, neurologis dan nonspesifik. 188 Efek anti-inflamasi antidepresan dapat mewakili bagian dari mekanisme untuk manfaat ini. Lithium juga telah disarankan untuk mengurangi peradangan, secara kritis melalui jalur glikogen sintase kinase-3. 189 Fokus pada efek ini dapat terbukti informatif untuk tanda biomarker depresi dan, pada gilirannya, biomarker dapat mewakili penanda pengganti untuk pengembangan obat baru.

Dr-Jimenez_White-Coat_01.png

Wawasan Dr. Alex Jimenez

Depresi adalah gangguan kesehatan mental yang ditandai dengan gejala berat yang mempengaruhi suasana hati, termasuk hilangnya minat dalam kegiatan. Studi penelitian terbaru, bagaimanapun, telah menemukan bahwa adalah mungkin untuk mendiagnosis depresi menggunakan lebih dari sekedar gejala perilaku pasien. Menurut para peneliti, mengidentifikasi biomarker yang mudah didapat yang dapat mendiagnosis depresi secara lebih akurat adalah hal mendasar untuk meningkatkan kesehatan dan kesejahteraan pasien secara keseluruhan. Sebagai contoh, temuan klinis menunjukkan bahwa individu dengan gangguan depresi mayor, atau MDD, memiliki tingkat molekul asetil-L-karnitin yang lebih rendah, atau LAC, dalam darah mereka daripada kontrol yang sehat. Pada akhirnya, menetapkan biomarker untuk depresi berpotensi membantu menentukan siapa yang berisiko mengalami gangguan serta membantu profesional perawatan kesehatan menentukan pilihan pengobatan terbaik untuk pasien dengan depresi.

Kesimpulan

Literatur menunjukkan bahwa sekitar dua pertiga pasien dengan depresi tidak mencapai remisi untuk pengobatan awal dan kemungkinan nonresponse meningkat dengan jumlah perawatan yang diujicobakan. Menyediakan terapi yang tidak efektif memiliki konsekuensi substansial untuk biaya individu dan kemasyarakatan, termasuk tekanan terus-menerus dan kesejahteraan yang buruk, risiko bunuh diri, hilangnya produktivitas dan sumber daya perawatan kesehatan yang terbuang. Literatur yang luas dalam depresi menunjukkan sejumlah besar biomarker dengan potensi untuk meningkatkan perawatan bagi orang-orang dengan depresi. Selain penanda neurotransmitter dan neuroendokrin yang telah menjadi subjek penelitian secara luas selama beberapa dekade, pandangan baru menyoroti respon inflamasi (dan sistem kekebalan tubuh lebih umum), faktor metabolik dan pertumbuhan yang sama pentingnya terlibat dalam depresi. Namun, bukti kontras yang berlebihan menggambarkan bahwa ada sejumlah tantangan yang perlu ditangani sebelum penelitian biomarker dapat diterapkan untuk meningkatkan manajemen dan perawatan orang dengan depresi. Karena kerumitan sistem biologinya, pemeriksaan simultan berbagai penanda yang komprehensif dalam sampel besar sangat bermanfaat dalam menemukan interaksi antara keadaan biologis dan psikologis antar individu. Mengoptimalkan pengukuran parameter neurobiologis dan ukuran klinis depresi cenderung memfasilitasi pemahaman yang lebih besar. Ulasan ini juga menyoroti pentingnya memeriksa faktor-faktor yang berpotensi memodifikasi (seperti penyakit, usia, kognisi dan pengobatan) dalam mengumpulkan pemahaman yang koheren mengenai biologi depresi dan mekanisme resistensi pengobatan. Sangat mungkin bahwa beberapa penanda akan menunjukkan paling menjanjikan untuk memprediksi respon pengobatan atau resistensi terhadap perawatan tertentu dalam subkelompok pasien, dan pengukuran data biologis dan psikologis secara bersamaan dapat meningkatkan kemampuan untuk mengidentifikasi secara prospektif mereka yang berisiko untuk hasil pengobatan yang buruk. Menetapkan panel biomarker memiliki implikasi untuk meningkatkan akurasi diagnostik dan prognosis, serta untuk perawatan individual pada tahap awal penyakit depresi dan mengembangkan target pengobatan baru yang efektif. Implikasi ini mungkin terbatas pada subkelompok pasien yang depresi. Jalur menuju kemungkinan ini melengkapi strategi penelitian terbaru untuk menghubungkan sindrom klinis lebih dekat dengan substrat neurobiologis yang mendasari. 6 Selain mengurangi heterogenitas, ini dapat memfasilitasi pergeseran menuju keseimbangan antara kesehatan fisik dan mental. Jelas bahwa meskipun banyak pekerjaan yang diperlukan, pembentukan hubungan antara biomarker yang relevan dan gangguan depresi memiliki implikasi substansial untuk mengurangi beban depresi pada tingkat individu dan masyarakat.

Ucapan Terima Kasih

Laporan ini merupakan penelitian independen yang didanai oleh Pusat Penelitian Biomedis Lembaga Penelitian Kesehatan Nasional (NIHR) di London Selatan dan Maudsley NHS Foundation Trust dan King's College London. Pandangan-pandangan yang diekspresikan adalah pandangan para penulis dan tidak selalu pandangan NHS, NIHR atau Departemen Kesehatan.

Catatan kaki

Penyingkapan. AHY telah di tahun-tahun terakhir 3 menerima honoraria untuk berbicara dari Astra Zeneca (AZ), Lundbeck, Eli Lilly, Sunovion; honorarium untuk konsultasi dari Allergan, Livanova dan Lundbeck, Sunovion, Janssen; dan dukungan hibah penelitian dari lembaga pendanaan Janssen dan Inggris (NIHR, MRC, Wellcome Trust). AJC telah di tahun-tahun terakhir 3 menerima honor untuk berbicara dari Astra Zeneca (AZ), honorarium untuk konsultasi dari Allergan, Livanova dan Lundbeck, dan dukungan hibah penelitian dari Lundbeck dan lembaga pendanaan Inggris (NIHR, MRC, Wellcome Trust).

Para penulis melaporkan tidak ada konflik kepentingan lain dalam pekerjaan ini.

Sebagai kesimpulan, sementara banyak penelitian telah menemukan ratusan biomarker untuk depresi, tidak banyak yang menetapkan peran mereka dalam penyakit depresi atau bagaimana tepatnya informasi biologis dapat digunakan untuk meningkatkan diagnosis, pengobatan dan prognosis. Namun, artikel di atas meninjau literatur yang tersedia tentang biomarker yang terlibat selama proses lain dan membandingkan temuan klinis dengan depresi. Selanjutnya, temuan baru pada biomarker untuk depresi dapat membantu mendiagnosis depresi dengan lebih baik untuk ditindaklanjuti dengan pengobatan yang lebih baik. Informasi yang direferensikan dari Pusat Nasional Informasi Bioteknologi (NCBI). Ruang lingkup informasi kami terbatas pada chiropraktik serta cedera dan kondisi tulang belakang. Untuk mendiskusikan materi pelajaran, silakan bertanya kepada Dr. Jimenez atau hubungi kami di 915-850-0900 .

Diundangkan oleh Dr. Alex Jimenez

1. Pangeran M, Patel V, Saxena S, dkk. Tidak ada kesehatan tanpa kesehatan mental. Lanset. 2007; 370 (9590): 859 – 877. [PubMed]
2. Kingdon D, Wykes T. Meningkatkan dana yang diperlukan untuk penelitian kesehatan mental. BMJ. 2013; 346: f402. [PubMed]
3. Vivekanantham S, Strawbridge R, Rampuri R, Ragunathan T, Young AH. Paritas publikasi untuk psikiatri. Br J Psychiatry. 2016; 209 (3): 257 – 261. [PubMed]
4. Fava M. Diagnosis dan definisi depresi yang resistan terhadap pengobatan. Biol Psychiatry. 2003; 53 (8): 649 – 659. [PubMed]
5. Insel T, Cuthbert B, Garvey M, dkk. Kriteria domain penelitian (RDoC): menuju kerangka klasifikasi baru untuk penelitian tentang gangguan mental. Am J Psychiatry. 2010; 167 (7): 748 – 751. [PubMed]
6. Kapur S, Phillips AG, Insel TR. Mengapa begitu lama bagi psikiatri biologi untuk mengembangkan tes klinis dan apa yang harus dilakukan untuk itu. Psikiatri Mol. 2012; 17 (12): 1174 – 1179. [PubMed]
7. Gaynes BN, Warden D, Trivedi MH, Wisniewski SR, Fava M, Rush JA. Apa yang diajarkan STAR * D kepada kita? Hasil dari percobaan klinis skala besar dan praktis untuk pasien dengan depresi. Psikiatri Serv. 2009; 60 (11): 1439 – 1445. [PubMed]
8. Fekadu A, Rane LJ, Wooderson SC, Markopoulou K, Poon L, Cleare AJ. Prediksi hasil jangka panjang dari depresi yang resistan terhadap pengobatan di perawatan tersier. Br J Psychiatry. 2012; 201 (5): 369 – 375. [PubMed]
9. Fekadu A, Wooderson SC, Markopoulo K, Donaldson C, Papadopoulos A, Cleare AJ. Apa yang terjadi pada pasien dengan depresi yang resistan terhadap pengobatan? Tinjauan sistematis dari studi hasil jangka menengah dan panjang. J Affect Disord. 2009; 116 (1 – 2): 4 – 11. [PubMed]
10. Trivedi M. Strategi pengobatan untuk meningkatkan dan mempertahankan remisi pada gangguan depresi mayor. Dialog Clin Neurosci. 2008; 10 (4): 377. [Artikel gratis PMC] [PubMed]
11. Fekadu A, Wooderson SC, Markopoulou K, Cleare AJ. The Maudsley Staging Method untuk depresi yang resistan terhadap pengobatan: prediksi hasil jangka panjang dan persistensi gejala. J Clin Psychiatry. 2009; 70 (7): 952 – 957. [PubMed]
12. Bennabi D, Aouizerate B, El-Hage W, dkk. Faktor risiko untuk resistensi pengobatan pada depresi unipolar: tinjauan sistematis. J Affect Disord. 2015; 171: 137 – 141. [PubMed]
13. Serretti A, Olgiati P, Liebman MN, dkk. Prediksi klinis respon antidepresan pada gangguan mood: multivariat linier vs model jaringan saraf. Res psikiatri. 2007; 152 (2 – 3): 223 – 231. [PubMed]
14. Driessen E, Hollon SD. Terapi perilaku kognitif untuk gangguan mood: efikasi, moderator dan mediator. Psychiatr Clin North Am. 2010; 33 (3): 537 – 555. [Artikel gratis PMC] [PubMed]
15. Cleare A, Pariante C, Young A, dkk. Anggota Pertemuan Konsensus Pedoman berbasis bukti untuk mengobati gangguan depresi dengan antidepresan: revisi asosiasi Inggris 2008 untuk pedoman Psikofarmakologi. J Psychopharmacol. 2015; 29 (5): 459 – 525. [PubMed]
16. Tunnard C, Rane LJ, Wooderson SC, dkk. Dampak kesulitan masa kanak-kanak pada bunuh diri dan perjalanan klinis dalam depresi yang resistan terhadap pengobatan. J Affect Disord. 2014; 152 – 154: 122 – 130. [PubMed]
17. Nemeroff CB, Heim CM, Thase ME, dkk. Respon yang berbeda terhadap psikoterapi versus farmakoterapi pada pasien dengan bentuk depresi berat dan trauma masa kanak-kanak kronis. Proc Natl Acad Sci US A. 2003; 100 (24): 14293 – 14296. [Artikel gratis PMC] [PubMed]
18. Nierenberg AA. Prediktor respons terhadap prinsip-prinsip umum dan implikasi klinis antidepresan. Psychiatr Clin North Am. 2003; 26 (2): 345 – 352. [PubMed]
19. Singkirkan AKU. Menggunakan biomarker untuk memprediksi respon pengobatan pada gangguan depresi mayor: bukti dari penelitian sebelumnya dan sekarang. Dialog Clin Neurosci. 2014; 16 (4): 539 – 544. [Artikel gratis PMC] [PubMed]
20. Jani BD, McLean G, Nicholl BI, dkk. Penilaian risiko dan memprediksi hasil pada pasien dengan gejala depresi: tinjauan potensi peran biomarker berbasis darah perifer. Front Hum Neurosci. 2015; 9: 18. [Artikel gratis PMC] [PubMed]
21. Suravajhala P, Kogelman LJ, Kadarmideen HN. Integrasi dan analisis data multi-omic menggunakan pendekatan sistem genomik: metode dan aplikasi dalam produksi hewan, kesehatan dan kesejahteraan. Genet Sel Evol. 2016; 48 (1): 1. [Artikel gratis PMC] [PubMed]
22. Menke A. Gene expression: Biomarker terapi antidepresan? Psikiatri Int Rev. 2013; 25 (5): 579 – 591. [PubMed]
23. Peng B, Li H, Peng XX. Metabolomik fungsional: dari penemuan biomarker hingga pemrograman ulang metabolik. Sel Protein. 2015; 6 (9): 628 – 637. [Artikel gratis PMC] [PubMed]
24. Aagaard K, Petrosino J, Keitel W, dkk. Strategi Proyek Microbiome Manusia untuk sampling komprehensif dari microbiome manusia dan mengapa itu penting. FASEB J. 2013; 27 (3): 1012 – 1022. [Artikel gratis PMC] [PubMed]
25. Sonner Z, Wilder E, Heikenfeld J, dkk. Microfluidics kelenjar keringat ekrin, termasuk partisi biomarker, transportasi, dan biosensing implikasi. Biomikrofluidika. 2015; 9 (3): 031301. [Artikel gratis PMC] [PubMed]
26. Schmidt HD, Shelton RC, Duman RS. Fungsional biomarker depresi: diagnosis, pengobatan, dan patofisiologi. Neuropsychopharm. 2011; 36 (12): 2375 – 2394. [Artikel gratis PMC] [PubMed]
27. J Merek S, Moller M, H Harvey B. Tinjauan biomarker dalam suasana hati dan gangguan psikotik: diseksi korelasi klinis dan praklinis. Curr Neuropharmacol. 2015; 13 (3): 324 – 368. [Artikel gratis PMC] [PubMed]
28. Lopresti AL, Pembuat GL, Hood SD, Drummond PD. Ulasan biomarker perifer dalam depresi berat: potensi biomarker stres inflamasi dan oksidatif. Prog Neuropsychopharmacol Biol Psychiatry. 2014; 48: 102 – 111. [PubMed]
29. Fu CH, Steiner H, Costafreda SG. Biometrik saraf prediktif dari respon klinis dalam depresi: meta-analisis dari studi neuroimaging fungsional dan struktural dari terapi farmakologis dan psikologis. Neurobiol Dis. 2013; 52: 75 – 83. [PubMed]
30. Mamdani F, Berlim M, Beaulieu M, Labbe A, Merette C, Turecki G. Gen biomarker ekspresi respon terhadap pengobatan citalopram pada gangguan depresi mayor. Menerjemahkan Psikiatri. 2011; 1 (6): e13. [Artikel gratis PMC] [PubMed]
31. Smith RS. Teori makrofag depresi. Med Hipotesis. 1991; 35 (4): 298 – 306. [PubMed]
32. Irwin MR, Miller AH. Gangguan depresif dan kekebalan: 20 tahun kemajuan dan penemuan. Brain Behav Immun. 2007; 21 (4): 374 – 383. [PubMed]
33. Maes M, Leonard B, Myint A, Kubera M, Verkerk R. Hipotesis baru “5-HT” depresi: aktivasi kekebalan yang dimediasi sel menginduksi indoleamine 2,3-dioksigenase, yang mengarah ke triptofan plasma lebih rendah dan peningkatan sintesis tryptophan yang merugikan. katabolit (TRYCAT), keduanya berkontribusi pada awal depresi. Prog Neuropsychopharmacol Biol Psychiatry. 2011; 35 (3): 702 – 721. [PubMed]
34. Miller AH, Maletic V, Raison CL. Peradangan dan ketidakpuasannya: Peran sitokin dalam patofisiologi depresi berat. Biol Psychiatry. 2009; 65 (9): 732 – 741. [Artikel gratis PMC] [PubMed]
35. Miller AH, Raison CL. Peran peradangan pada depresi: dari keharusan evolusi hingga target pengobatan modern. Nat Rev Immun. 2016; 16 (1): 22 – 34. [Artikel gratis PMC] [PubMed]
36. Raison CL, Capuron L, Miller AH. Sitokinin menyanyikan blues: peradangan dan patogenesis depresi. Tren Immun. 2006; 27 (1): 24 – 31. [Artikel gratis PMC] [PubMed]
37. Raison CL, Felger JC, Miller AH. Peradangan dan resistensi pengobatan pada depresi berat: Badai yang sempurna. Psychiatr Times. 2013; 30 (9)
38. Dowlati Y, Herrmann N, Swardfager W, dkk. Sebuah meta-analisis sitokin dalam depresi berat. Biol Psychiatry. 2010; 67 (5): 446 – 457. [PubMed]
39. Eyre HA, Air T, Pradhan A, dkk. Sebuah meta-analisis kemokin dalam depresi berat. Prog Neuropsychopharmacol Biol Psychiatry. 2016; 68: 1 – 8. [Artikel gratis PMC] [PubMed]
40. Haapakoski R, Mathieu J, Ebmeier KP, Alenius H, Kivimäki M. Meta-analisis kumulatif interleukin 6 dan 1β, tumor necrosis factor α dan protein C-reaktif pada pasien dengan gangguan depresi mayor. Brain Behav Immun. 2015; 49: 206 – 215. [Artikel gratis PMC] [PubMed]
41. Howren MB, Lamkin DM, Suls J. Asosiasi depresi dengan protein C-reaktif, IL-1, dan IL-6: meta-analisis. Psychosom Med. 2009; 71 (2): 171 – 186. [PubMed]
42. Liu Y, Ho RC-M, Mak A. Interleukin (IL) -6, tumor necrosis factor alpha (TNF-α) dan reseptor interleukin-2 terlarut (sIL-2R) meningkat pada pasien dengan gangguan depresi mayor: metastasis analisis dan meta-regresi. J Affect Disord. 2012; 139 (3): 230 – 239. [PubMed]
43. Strawbridge R, Arnone D, Danese A, Papadopoulos A, Herane Vives A, Cleare AJ. Peradangan dan respon klinis terhadap pengobatan depresi: Sebuah meta-analisis. Eur Neuropsychopharmacol. 2015; 25 (10): 1532 – 1543. [PubMed]
44. Farooq RK, Asghar K, Kanwal S, Zulqernain A. Peran sitokin inflamasi pada depresi: Fokus pada interleukin-1β (Tinjau) Biomed Rep. 2017; 6 (1): 15 – 20. [Artikel gratis PMC] [PubMed]
45. Cattaneo A, Ferrari C, Uher R, dkk. Pengukuran absolut faktor penghambatan migrasi makrofag dan tingkat mRNA interleukin-1-β secara akurat memprediksi respon pengobatan pada pasien depresi. Int J Neuropsychopharmacol. 2016; 19 (10): pyw045. [Artikel gratis PMC] [PubMed]
46. Baune B, Smith E, Reppermund S, dkk. Biomarker inflamasi memprediksi depresi, tetapi bukan gejala kecemasan selama penuaan: ingatan Sydney prospektif dan studi penuaan. Psychoneuroendocrinol. 2012; 37 (9): 1521 – 1530. [PubMed]
47. Fornaro M, Rocchi G, Escelsior A, Contini P, Martino M. Mungkin tren cytokine yang berbeda pada pasien depresi yang menerima duloxetine menunjukkan latar belakang biologis yang berbeda. J Affect Disord. 2013; 145 (3): 300 – 307. [PubMed]
48. Hernandez ME, Mendieta D, Martinez-Fong D, dkk. Variasi dalam sirkulasi kadar sitokin selama 52 minggu pengobatan dengan SSRI untuk gangguan depresi mayor. Eur Neuropsychopharmacol. 2008; 18 (12): 917 – 924. [PubMed]
49. Hannestad J, DellaGioia N, Bloch M. Efek pengobatan obat antidepresan pada tingkat serum sitokin inflamasi: meta-analisis. Neuropsychopharmacology. 2011; 36 (12): 2452 – 2459. [Artikel gratis PMC] [PubMed]
50. Hiles SA, Attia J, Baker AL. Perubahan interleukin-6, protein C-reaktif dan interleukin-10 pada orang dengan depresi setelah pengobatan antidepresan: Sebuah meta-analisis. Brain Behav Immun; Dipresentasikan pada: Pertemuan Tahunan 17th PsychoNeuroImmunology Research Society PsychoNeuroImmunology: Crossing Disiplin untuk Memerangi Penyakit; 2012. p. S44.
51. Harley J, Luty S, Carter J, Mulder R, Joyce P. Peningkatan protein C-reaktif dalam depresi: Prediktor hasil jangka panjang yang baik dengan antidepresan dan hasil yang buruk dengan psikoterapi. J Psychopharmacol. 2010; 24 (4): 625 – 626. [PubMed]
52. Uher R, Tansey KE, Dew T, et al. Biomarker inflamasi sebagai prediktor diferensial hasil pengobatan depresi dengan escitalopram dan nortriptyline. Am J Psychiatry. 2014; 171 (2): 1278 – 1286. [PubMed]
53. Chang HH, Lee IH, Gean PW, dkk. Tanggapan pengobatan dan gangguan kognitif pada depresi berat: Hubungan dengan protein C-reaktif. Brain Behav Immun. 2012; 26 (1): 90 – 95. [PubMed]
54. Raison CL, Rutherford RE, Woolwine BJ, dkk. Sebuah uji coba terkontrol secara acak dari tumor necrosis factor antagonist infliximab untuk depresi yang resistan terhadap pengobatan: peran biomarker inflamasi baseline. JAMA Psikiatri. 2013; 70 (1): 31 – 41. [Artikel gratis PMC] [PubMed]
55. Krishnadas R, Cavanagh J. Depresi: penyakit peradangan? J Neurol Neurosurg Psikiatri. 2012; 83 (5): 495 – 502. [PubMed]
56. Raison CL, Miller AH. Apakah depresi merupakan gangguan inflamasi? Curr Psychiatry Rep. 2011; 13 (6): 467 – 475. [Artikel gratis PMC] [PubMed]
57. Simon N, McNamara K, Chow C, dkk. Pemeriksaan rinci dari kelainan sitokin di Major Depressive Disorder. Eur Neuropsychopharmacol. 2008; 18 (3): 230 – 233. [Artikel gratis PMC] [PubMed]
58. Dahl J, Ormstad H, Aass HC, dkk. Kadar plasma berbagai sitokin meningkat selama depresi yang sedang berlangsung dan berkurang ke tingkat normal setelah pemulihan. Psychoneuroendocrinol. 2014; 45: 77 – 86. [PubMed]
59. Stelzhammer V, Haenisch F, Chan MK, dkk. Perubahan proteomik dalam serum onset pertama, pasien depresi berat yang naif terhadap obat antidepresan. Int J Neuropsychopharmacol. 2014; 17 (10): 1599 – 1608. [PubMed]
60. Liu Y, HO RCM, Mak A. Peran interleukin (IL) -17 pada kecemasan dan depresi pasien dengan rheumatoid arthritis. Int J Rheum Dis. 2012; 15 (2): 183 – 187. [PubMed]
61. Diniz BS, Sibille E, Ding Y, dkk. Plasma biosignatur dan patologi otak terkait dengan gangguan kognitif persisten pada depresi akhir masa hidup. Psikiatri Mol. 2015; 20 (5): 594 – 601. [Artikel gratis PMC] [PubMed]
62. Janelidze S, Ventorp F, Erhardt S, dkk. Perubahan kadar kemokin dalam cairan serebrospinal dan plasma dari upaya bunuh diri. Psychoneuroendocrinol. 2013; 38 (6): 853 – 862. [PubMed]
63. Powell TR, Schalkwyk LC, Heffernan AL, dkk. Tumor necrosis factor dan targetnya di jalur sitokin inflamasi diidentifikasi sebagai biomarker transkriptomik diduga untuk respon escitalopram. Eur Neuropsychopharmacol. 2013; 23 (9): 1105 – 1114. [PubMed]
64. Wong M, Dong C, Maestre-Mesa J, Licinio J. Polimorfisme pada gen terkait peradangan dikaitkan dengan kerentanan terhadap depresi mayor dan respons antidepresan. Psikiatri Mol. 2008; 13 (8): 800 – 812. [Artikel gratis PMC] [PubMed]
65. Kling MA, Alesci S, Csako G, dkk. Status pro-inflamasi derajat rendah yang berkelanjutan pada wanita yang tidak di-anmedikasi dan remisi dengan gangguan depresi mayor dibuktikan dengan peningkatan kadar serum protein fase akut protein C-reaktif dan serum amiloid A. Biol Psikiatri. 2007; 62 (4): 309 – 313. [Artikel gratis PMC] [PubMed]
66. Schaefer M, Sarkar S, Schwarz M, Friebe A. Larut molekul adhesi intraseluler-1 pada pasien dengan gangguan afektif unipolar atau bipolar: hasil dari uji coba percontohan. Neuropsikobiol. 2016; 74 (1): 8 – 14. [PubMed]
67. Dimopoulos N, Piperi C, Salonicioti A, dkk. Peningkatan konsentrasi plasma molekul adhesi pada depresi akhir kehidupan. Int J Geriatr Psychiatry. 2006; 21 (10): 965 – 971. [PubMed]
68. Bocchio-Chiavetto L, Bagnardi V, Zanardini R, et al. Tingkat BDNF serum dan plasma dalam depresi berat: studi replikasi dan meta-analisis. World J Biol Psychiatry. 2010; 11 (6): 763 – 773. [PubMed]
69. Brunoni AR, Lopes M, Fregni F. Sebuah tinjauan sistematis dan meta-analisis studi klinis pada depresi berat dan tingkat BDNF: implikasi untuk peran neuroplastisitas dalam depresi. Int J Neuropsychopharmacol. 2008; 11 (8): 1169 – 1180. [PubMed]
70. Molendijk M, Spinhoven P, Polak M, Bus B, Penninx B, Elzinga B. Serum Konsentrasi BDNF sebagai manifestasi perifer depresi: bukti dari tinjauan sistematis dan meta-analisis pada asosiasi 179. Psikiatri Mol. 2014; 19 (7): 791 – 800. [PubMed]
71. Sen S, Duman R, Sanacora G. Serum faktor neurotropik yang diturunkan dari otak, depresi, dan obat antidepresan: meta-analisis dan implikasi. Biol Psychiatry. 2008; 64 (6): 527 – 532. [Artikel gratis PMC] [PubMed]
72. Zhou L, Xiong J, Lim Y, dkk. Upregulation darah proBDNF dan reseptornya dalam depresi berat. J Affect Disord. 2013; 150 (3): 776 – 784. [PubMed]
73. Chen YW, Lin PY, Tu KY, Cheng YS, Wu CK, Tseng PT. Secara signifikan tingkat faktor pertumbuhan saraf lebih rendah pada pasien dengan gangguan depresi mayor dibandingkan pada subyek sehat: meta-analisis dan tinjauan sistematis. Neuropsychiatr Dis Treat. 2014; 11: 925 – 933. [Artikel gratis PMC] [PubMed]
74. Lin PY, Tseng PT. Penurunan tingkat faktor neurotropik sel glia yang diturunkan pada pasien dengan depresi: studi meta-analitik. J Psychiatr Res. 2015; 63: 20 – 27. [PubMed]
75. Warner-Schmidt JL, Duman RS. VEGF sebagai target potensial untuk intervensi terapeutik dalam depresi. Curr Op Pharmacol. 2008; 8 (1): 14 – 19. [Artikel gratis PMC] [PubMed]
76. Carvalho AF, Köhler CA, McIntyre RS, dkk. Faktor pertumbuhan endotel vaskular perifer sebagai biomarker depresi baru: meta-analisis. Psychoneuroendocrinol. 2015; 62: 18 – 26. [PubMed]
77. PT Tseng, Cheng YS, Chen YW, Wu CK, Lin PY. Meningkatnya tingkat faktor pertumbuhan endotel vaskular pada pasien dengan gangguan depresi mayor: Sebuah meta-analisis. Eur Neuropsychopharmacol. 2015; 25 (10): 1622 – 1630. [PubMed]
78. Carvalho L, Torre J, Papadopoulos A, dkk. Kurangnya manfaat terapeutik klinis antidepresan dikaitkan dengan aktivasi sistem inflamasi secara keseluruhan. J Affect Disord. 2013; 148 (1): 136 – 140. [PubMed]
79. Clark-Raymond A, Meresh E, Hoppensteadt D, dkk. Faktor pertumbuhan endotel vaskular: Potensi prediktor respons pengobatan pada depresi berat. World J Biol Psychiatry. 2015: 1 – 11. [PubMed]
80. Isung J, Mobarrez F, Nordström P, Åsberg M, Jokinen J. Rendah faktor pertumbuhan endotel vaskular plasma (VEGF) terkait dengan bunuh diri selesai. World J Biol Psychiatry. 2012; 13 (6): 468 – 473. [PubMed]
81. Buttenschøn HN, Foldager L, Elfving B, Poulsen PH, Uher R, Mors O. Faktor neurotropik dalam depresi sebagai respons terhadap pengobatan. J Affect Disord. 2015; 183: 287 – 294. [PubMed]
82. Szczęsny E, Ślusarczyk J, Głombik K, dkk. Kontribusi yang mungkin dari IGF-1 ke gangguan depresi. Pharmacol Rep. 2013; 65 (6): 1622 – 1631. [PubMed]
83. Tu KY, Wu MK, Chen YW, dkk. Secara signifikan lebih tinggi tingkat faktor seperti tingkat pertumbuhan perifer-1 pada pasien dengan gangguan depresi mayor atau gangguan bipolar dibandingkan pada kontrol yang sehat: meta-analisis dan peninjauan di bawah Pedoman PRISMA. Med. 2016; 95 (4): e2411. [Artikel gratis PMC] [PubMed]
84. Wu CK, PT Tseng, Chen YW, Tu KY, Lin PY. Secara signifikan lebih tinggi faktor pertumbuhan fibroblast perifer-tingkat 2 pada pasien dengan gangguan depresi mayor: Sebuah meta-analisis awal di bawah pedoman MOOSE. Med. 2016; 95 (33): e4563. [Artikel gratis PMC] [PubMed]
85. Dia S, Zhang T, Hong B, dkk. Penurunan faktor pertumbuhan fibroblast serum-tingkat 2 pada pasien pra-dan pasca-pengobatan dengan gangguan depresi mayor. Neurosci Lett. 2014; 579: 168 – 172. [PubMed]
86. Dwivedi Y, Rizavi HS, RR Conley, Roberts RC, Tamminga CA, Pandey GN. Perubahan ekspresi gen dari faktor neurotropik yang diturunkan dari otak dan reseptor tirosin kinase B di otak postmortem dari subjek bunuh diri. Arch Gen Psychiatry. 2003; 60 (8): 804 – 815. [PubMed]
87. Srikanthan K, Feyh A, Visweshwar H, Shapiro JI, Sodhi K. Tinjauan sistematis biomarker sindrom metabolik: Sebuah panel untuk deteksi dini, manajemen, dan stratifikasi risiko pada populasi West Virginian. Int J Med Sci. 2016; 13 (1): 25. [Artikel gratis PMC] [PubMed]
88. Lu XY. Hipotesis leptin tentang depresi: hubungan potensial antara gangguan mood dan obesitas? Curr Op Pharmacol. 2007; 7 (6): 648 – 652. [Artikel gratis PMC] [PubMed]
89. Wittekind DA, Kluge M. Ghrelin dalam gangguan kejiwaan - Sebuah tinjauan. Psychoneuroendocrinol. 2015; 52: 176 – 194. [PubMed]
90. Kan C, Silva N, SH Emas, dkk. Tinjauan sistematis dan meta analisis dari hubungan antara depresi dan resistensi insulin. Perawatan Diabetes. 2013; 36 (2): 480 – 489. [Artikel gratis PMC] [PubMed]
91. Liu X, Li J, Zheng P, dkk. Lipidomik plasma mengungkapkan potensi penanda lipid dari gangguan depresi mayor. Anal Bioanal Chem. 2016; 408 (23): 6497 – 6507. [PubMed]
92. Lustman PJ, Anderson RJ, KE Freedland, De Groot M, Carney RM, Clouse RE. Depresi dan kontrol glikemik yang buruk: tinjauan meta-analitik literatur. Perawatan Diabetes. 2000; 23 (7): 934 – 942. [PubMed]
93. Maes M. Bukti untuk tanggapan kekebalan dalam depresi besar: tinjauan dan hipotesis. Prog NeuroPsychopharmacol Biol Psikiatri. 1995; 19 (1): 11 – 38. [PubMed]
94. Zheng H, Zheng P, Zhao L, dkk. Diagnosis prediktif depresi berat menggunakan metabolik berbasis NMR dan kuadrat terkecil mendukung mesin vektor. Clinica Chimica Acta. 2017; 464: 223 – 227. [PubMed]
95. Xia Q, Wang G, Wang H, Xie Z, Fang Y, Li Y. Studi metabolisme glukosa dan lipid pada pasien depresi episode pertama. J Clin Psychiatry. 2009; 19: 241 – 243.
96. Kaufman J, DeLorenzo C, Choudhury S, Parsey RV. 5-HT 1A receptor pada gangguan depresi mayor. Eur Neuropsychopharmacology. 2016; 26 (3): 397 – 410. [Artikel gratis PMC] [PubMed]
97. Jacobsen JP, Krystal AD, Krishnan KRR, Caron MG. 5-Hydroxytryptophan lambat-rilis adjungtif untuk depresi yang resistan terhadap pengobatan: alasan klinis dan praklinis. Tren Pharmacol Sci. 2016; 37 (11): 933 – 944. [Artikel gratis PMC] [PubMed]
98. Salamone JD, Correa M, Yohn S, Cruz LL, San Miguel N, Alatorre L. Farmakologi perilaku pilihan terkait upaya: Dopamine, depresi, dan perbedaan individu. Proses Behav. 2016; 127: 3 – 17. [PubMed]
99. Coplan JD, Gopinath S, Abdallah CG, Berry BR. Hipotesis neurobiologis dari mekanisme depresi yang resistan terhadap pengobatan untuk penghambat serotonin reuptake inhibitor yang tidak efektif. Behav Neurosci depan. 2014; 8: 189. [Artikel gratis PMC] [PubMed]
100. Popa D, Cerdan J, Repérant C, dkk. Sebuah studi longitudinal 5-HT keluar selama pengobatan fluoxetine kronis menggunakan teknik baru microdialysis kronis dalam strain mouse yang sangat emosional. Eur J Pharmacol. 2010; 628 (1): 83 – 90. [PubMed]
101. Atake K, Yoshimura R, Hori H, dkk. Duloxetine, inhibitor reuptake noradrenalin selektif, meningkatkan kadar plasma 3-methoxy-4-hydroxyphenylglycol tetapi tidak asam homovanillic pada pasien dengan gangguan depresi mayor. Clin Psychopharmacol Neurosci. 2014; 12 (1): 37 – 40. [Artikel gratis PMC] [PubMed]
102. Ueda N, Yoshimura R, Shinkai K, Nakamura J. Tingkat plasma metabolit katekolamin memprediksi respons terhadap sulpiride atau fluvoxamine pada depresi berat. Pharmacopsychiatry. 2002; 35 (05): 175 – 181. [PubMed]
103. Yamana M, Atake K, Katsuki A, Hori H, Yoshimura R. Spidol biologis darah untuk prediksi tanggapan escitalopram pada pasien dengan gangguan depresi mayor: studi pendahuluan. J Depresi Kecemasan. 2016; 5: 222.
104. Parker KJ, Schatzberg AF, Lyons DM. Aspek neuroendokrin hiperkortisolisme dalam depresi berat. Horm Behav. 2003; 43 (1): 60 – 66. [PubMed]
105. Stetler C, Miller GE. Depresi dan aktivasi hipotalamus-pituitari-adrenal: ringkasan kuantitatif dari empat dekade penelitian. Psychosom Med. 2011; 73 (2): 114 – 126. [PubMed]
106. Herane Vives A, De Angel V, Papadopoulos A, dkk. Hubungan antara kortisol, stres dan penyakit psikiatri: Wawasan baru menggunakan analisis rambut. J Psychiatr Res. 2015; 70: 38 – 49. [PubMed]
107. Fischer S, Strawbridge R, Vives AH, Cleare AJ. Kortisol sebagai prediktor respons terapi psikologis pada gangguan depresi: tinjauan sistematis dan meta-analisis. Br J Psychiatry. 2017; 210 (2): 105 – 109. [PubMed]
108. Anacker C, Zunszain PA, Carvalho LA, Pariante CM. Reseptor glukokortikoid: pivot depresi dan pengobatan antidepresan? Psychoneuroendocrinology. 2011; 36 (3): 415 – 425. [Artikel gratis PMC] [PubMed]
109. Markopoulou K, Papadopoulos A, Juruena MF, Poon L, Pariante CM, Cleare AJ. Rasio kortisol / DHEA dalam depresi yang resistan terhadap pengobatan. Psychoneuroendocrinol. 2009; 34 (1): 19 – 26. [PubMed]
110. Joffe RT, Pearce EN, Hennessey JV, Ryan JJ, RA Stern. Hipotiroidisme subklinis, suasana hati, dan kognisi pada orang dewasa yang lebih tua: ulasan. Int J Geriatr Psychiatry. 2013; 28 (2): 111 – 118. [Artikel gratis PMC] [PubMed]
111. Duval F, Mokrani MC, Erb A, dkk. Status aksis hipotalamus-pituitari-tiroid dan hasil antidepresan pada depresi berat. Psychoneuroendocrinol. 2015; 59: 71 – 80. [PubMed]
112. Marsden W. Plastisitas sinaptik dalam depresi: korelasi molekuler, seluler dan fungsional. Prog Neuropsychopharmacol Biol Psychiatry. 2013; 43: 168 – 184. [PubMed]
113. Duman RS, Voleti B. Jalur pensinyalan yang mendasari patofisiologi dan pengobatan depresi: mekanisme baru untuk agen kerja cepat. Tren Neurosci. 2012; 35 (1): 47 – 56. [Artikel gratis PMC] [PubMed]
114. Ripke S, Wray NR, Lewis CM, dkk. Sebuah mega-analisis studi asosiasi genome untuk gangguan depresi mayor. Psikiatri Mol. 2013; 18 (4): 497 – 511. [Artikel gratis PMC] [PubMed]
115. Mullins N, Power R, Fisher H, dkk. Interaksi poligenik dengan kesulitan lingkungan dalam etiologi gangguan depresi mayor. Psychol Med. 2016; 46 (04): 759 – 770. [Artikel gratis PMC] [PubMed]
116. Lewis S. Gangguan neurologis: telomere dan depresi. Nat Rev Neurosci. 2014; 15 (10): 632. [PubMed]
117. Lindqvist D, Epel ES, Mellon SH, dkk. Gangguan psikiatri dan panjang telomere leukosit: mekanisme yang mendasari yang menghubungkan penyakit mental dengan penuaan seluler. Neurosci Biobehav Rev. 2015; 55: 333 – 364. [Artikel gratis PMC] [PubMed]
118. McCall WV. Biomarker rest-activity untuk memprediksi respons terhadap SSRI pada gangguan depresi mayor. J Psychiatr Res. 2015; 64: 19 – 22. [Artikel gratis PMC] [PubMed]
119. Schuch FB, Deslandes AC, Stubbs B, Gosmann NP, da Silva CTB, de Almeida Fleck MP. Efek neurobiologis olahraga pada gangguan depresi mayor: tinjauan sistematis. Neurosci Biobehav Rev. 2016; 61: 1 – 11. [PubMed]
120. Foster JA, Neufeld K-AM. Sumbu Gut-brain: bagaimana microbiome mempengaruhi kecemasan dan depresi. Tren Neurosci. 2013; 36 (5): 305 – 312. [PubMed]
121. Quattrocki E, Baird A, Yurgelun-Todd D. Aspek biologis dari hubungan antara merokok dan depresi. Harv Rev Psychiatry. 2000; 8 (3): 99 – 110. [PubMed]
122. Maes M, Kubera M, Obuchowiczwa E, Goehler L, beberapa komorbiditas dari Brzeszcz J. Depresi dijelaskan oleh (neuro) jalur stres inflamasi dan oksidatif dan nitrosatif. Neuro Endocrinol Lett. 2011; 32 (1): 7 – 24. [PubMed]
123. Miller G, Rohleder N, Cole SW. Stres interpersonal kronis memprediksi aktivasi jalur pemberian sinyal pro-dan anti-inflamasi enam bulan kemudian. Psychosom Med. 2009; 71 (1): 57. [Artikel gratis PMC] [PubMed]
124. Steptoe A, Hamer M, Chida Y. Efek stres psikologis akut pada sirkulasi faktor peradangan pada manusia: tinjauan dan meta-analisis. Brain Behav Immun. 2007; 21 (7): 901 – 912. [PubMed]
125. Danese A, Moffitt TE, Harrington H, dkk. Pengalaman masa kecil yang salah dan faktor risiko dewasa untuk penyakit yang berkaitan dengan usia: depresi, peradangan, dan pengelompokan penanda risiko metabolik. Arch Pediatr Adolesc Med. 2009; 163 (12): 1135 – 1143. [Artikel gratis PMC] [PubMed]
126. Danese A, Pariante CM, Caspi A, Taylor A, Poulton R. Childhood penganiayaan memprediksi peradangan dewasa dalam studi kehidupan-kursus. Proc Natl Acad Sci US A. 2007; 104 (4): 1319 – 1324. [Artikel gratis PMC] [PubMed]
127. Danese A, Caspi A, Williams B, dkk. Penyisipan biologis stres melalui proses peradangan di masa kanak-kanak. Psikiatri Mol. 2011; 16 (3): 244 – 246. [Artikel gratis PMC] [PubMed]
128. Suzuki A, Poon L, Kumari V, Cleare AJ. Ketakutan bias dalam pengolahan wajah emosional setelah trauma masa kecil sebagai penanda ketahanan dan kerentanan terhadap depresi. Maltreat Anak. 2015; 20 (4): 240 – 250. [PubMed]
129. Strawbridge R, Young AH. Sumbu HPA dan disregulasi kognitif dalam gangguan mood. Di: McIntyre RS, Cha DS, editor. Gangguan Kognitif pada Gangguan Depresi Utama: Relevansi Klinis, Substrat Biologis, dan Peluang Pengobatan. Cambridge: Cambridge University Press; 2016. pp. 179 – 193.
130. Keller J, Gomez R, Williams G, dkk. Sumbu HPA pada depresi berat: kortisol, gejala klinis dan variasi genetik memprediksi kognisi. Psikiatri Mol. 2016 16 Agustus; Epub. [Artikel gratis PMC] [PubMed]
131. Hanson ND, Owens MJ, Nemeroff CB. Depresi, antidepresan, dan neurogenesis: penilaian ulang kritis. Neuropsychopharmacol. 2011; 36 (13): 2589 – 2602. [Artikel gratis PMC] [PubMed]
132. Chen Y, Baram TZ. Menuju pemahaman bagaimana stres awal kehidupan memprogram ulang jaringan otak kognitif dan emosional. Neuropsychopharmacol. 2015; 41 (1): 197 – 206. [Artikel gratis PMC] [PubMed]
133. Porter RJ, Gallagher P, Thompson JM, Young AH. Gangguan neurokognitif pada pasien bebas obat dengan gangguan depresi mayor. Br J Psychiatry. 2003; 182: 214 – 220. [PubMed]
134. Gallagher P, Robinson L, Gray J, Young A, Porter R. Fungsi neurokognitif berikut remisi pada gangguan depresi mayor: penanda objektif potensial dari respon? Aust NZJ Psychiatry. 2007; 41 (1): 54 – 61. [PubMed]
135. Pittenger C, Duman RS. Stres, depresi, dan neuroplastisitas: konvergensi mekanisme. Neuropsychopharmacol. 2008; 33 (1): 88 – 109. [PubMed]
136. Bäckman L, Nyberg L, Lindenberger U, Li SC, Farde L. The triad korelatif antara penuaan, dopamin, dan kognisi: status saat ini dan prospek masa depan. Neurosci Biobehav Rev. 2006; 30 (6): 791 – 807. [PubMed]
137. Allison DJ, Ditor DS. Etiologi inflamasi umum depresi dan gangguan kognitif: target terapeutik. J Neuroinflammation. 2014; 11: 151. [Artikel gratis PMC] [PubMed]
138. Rosenblat JD, Brietzke E, Mansur RB, Maruschak NA, Lee Y, McIntyre RS. Peradangan sebagai substrat neurobiologis gangguan kognitif pada gangguan bipolar: Bukti, patofisiologi dan implikasi pengobatan. J Affect Disord. 2015; 188: 149 – 159. [PubMed]
139. Krogh J, Benros ME, Jørgensen MB, Vesterager L, Elfving B, Nordentoft M. Hubungan antara gejala depresi, fungsi kognitif, dan peradangan pada depresi berat. Brain Behav Immun. 2014; 35: 70 – 76. [PubMed]
140. Soares CN, Zitek B. Sensitivitas hormon reproduksi dan risiko depresi di seluruh siklus hidup wanita: sebuah kontinum kerentanan? J Psychiatry Neurosci. 2008; 33 (4): 331. [Artikel gratis PMC] [PubMed]
141. Hiles SA, Baker AL, de Malmanche T, Attia J. Sebuah meta-analisis perbedaan dalam IL-6 dan IL-10 antara orang dengan dan tanpa depresi: mengeksplorasi penyebab heterogenitas. Brain Behav Immun. 2012; 26 (7): 1180 – 1188. [PubMed]
142. Fontana L, Eagon JC, Trujillo ME, Scherer PE, Klein S. Visceral adipokin lemak sekresi dikaitkan dengan peradangan sistemik pada manusia obesitas. Diabetes. 2007; 56 (4): 1010 – 1013. [PubMed]
143. Divani AA, Luo X, Datta YH, Flaherty JD, Panoskaltsis-Mortari A. Pengaruh kontrasepsi hormonal oral dan vagina pada biomarker darah inflamasi. Mediator Inflamm. 2015; 2015: 379501. [Artikel gratis PMC] [PubMed]
144. Ramsey JM, Cooper JD, Penninx BW, Bahn S. Variasi dalam serum biomarker dengan seks dan status hormonal wanita: implikasi untuk uji klinis. Sci Rep. 2016; 6: 26947. [Artikel gratis PMC] [PubMed]
145. Eyre H, Lavretsky H, Kartika J, Qassim A, Baune B. Modulatory efek dari kelas antidepresan pada sistem imun bawaan dan adaptif dalam depresi. Pharmacopsychiatry. 2016; 49 (3): 85 – 96. [Artikel gratis PMC] [PubMed]
146. Hiles SA, Baker AL, de Malmanche T, Attia J. Interleukin-6, protein C-reaktif dan interleukin-10 setelah pengobatan antidepresan pada orang dengan depresi: meta-analisis. Psychol Med. 2012; 42 (10): 2015 – 2026. [PubMed]
147. Janssen DG, Caniato RN, Verster JC, Baune BT. Ulasan psikoneuroimunologis pada sitokin yang terlibat dalam respons pengobatan antidepresan. Hum Psychopharmacol. 2010; 25 (3): 201 – 215. [PubMed]
148. Artigas F. Serotonin reseptor yang terlibat dalam efek antidepresan. Pharmacol Ther. 2013; 137 (1): 119 – 131. [PubMed]
149. Lee BH, Kim YK. Peran BDNF dalam patofisiologi depresi berat dan dalam pengobatan antidepresan. Investigasi Psikiatri. 2010; 7 (4): 231 – 235. [Artikel gratis PMC] [PubMed]
150. Hashimoto K. Biomarker inflamasi sebagai prediktor diferensial respon antidepresan. Int J Mol Sci. 2015; 16 (4): 7796 – 7801. [Artikel gratis PMC] [PubMed]
151. Goldberg D. Heterogenitas “Depresi Besar” Dunia Psikiatri. 2011; 10 (3): 226 – 228. [Artikel gratis PMC] [PubMed]
152. Arnow BA, Blasey C, Williams LM, dkk. Depresi subtipe dalam memprediksi respon antidepresan: laporan dari uji coba iSPOT-D. Am J Psychiatry. 2015; 172 (8): 743 – 750. [PubMed]
153. Kunugi H, Hori H, Ogawa S. Penanda biokimia subtyping gangguan depresi mayor. Klinik Psikiatri Neurosci. 2015; 69 (10): 597 – 608. [PubMed]
154. Baune B, Stuart M, Gilmour A, dkk. Hubungan antara subtipe depresi dan penyakit kardiovaskular: tinjauan sistematis model biologis. Menerjemahkan Psikiatri. 2012; 2 (3): e92. [Artikel gratis PMC] [PubMed]
155. Vogelzangs N, Duivis HE, Beekman AT, dkk. Asosiasi gangguan depresi, karakteristik depresi dan obat antidepresan dengan peradangan. Menerjemahkan Psikiatri. 2012; 2: e79. [Artikel gratis PMC] [PubMed]
156. Lamers F, Vogelzangs N, Merikangas K, De Jonge P, Beekman A, Penninx B. Bukti untuk peran diferensial fungsi aksis HPA, peradangan dan sindrom metabolik dalam depresi melankolis versus atipikal. Psikiatri Mol. 2013; 18 (6): 692 – 699. [PubMed]
157. Penninx BW, Milaneschi Y, Lamers F, Vogelzangs N. Memahami konsekuensi depresi somatik: mekanisme biologis dan peran profil gejala depresi. BMC Med. 2013; 11 (1): 1. [Artikel gratis PMC] [PubMed]
158. Capuron L, Su S, Miller AH, dkk. Gejala Depresi dan Sindrom Metabolik: Apakah Peradangan adalah Underlying Link? Biol Psychiatry. 2008; 64 (10): 896 – 900. [Artikel gratis PMC] [PubMed]
159. Dantzer R, O'Connor JC, Freund GG, Johnson RW, Kelley KW. Dari peradangan ke penyakit dan depresi: ketika sistem kekebalan tubuh menundukkan otak. Nat Rev Neurosci. 2008; 9 (1): 46 – 56. [Artikel gratis PMC] [PubMed]
160. Maes M, Berk M, Goehler L, dkk. Depresi dan perilaku penyakit adalah tanggapan yang dihadapi Janus terhadap jalur peradangan bersama. BMC Med. 2012; 10: 66. [Artikel gratis PMC] [PubMed]
161. Merikangas KR, Jin R, He JP, dkk. Prevalensi dan korelasi gangguan spektrum bipolar dalam prakarsa survei kesehatan mental dunia. Arch Gen Psychiatry. 2011; 68 (3): 241 – 251. [Artikel gratis PMC] [PubMed]
162. Hirschfeld RM, Lewis L, Vornik LA. Persepsi dan dampak gangguan bipolar: seberapa jauh kita benar-benar datang? Hasil dari survei 2000 nasional depresif dan manic-depressive dari individu dengan gangguan bipolar. J Clin Psychiatry. 2003; 64 (2): 161 – 174. [PubMed]
163. Young AH, MacPherson H. Deteksi gangguan bipolar. Br J Psychiatry. 2011; 199 (1): 3 – 4. [PubMed]
164. Vöhringer PA, Perlis RH. Membedakan antara gangguan bipolar dan gangguan depresi mayor. Psychiatr Clin North Am. 2016; 39 (1): 1 – 10. [PubMed]
165. Becking K, Spijker AT, Hoencamp E, Penninx BW, Schoevers RA, Boschloo L. Gangguan pada aksis hipotalamus-pituitari-adrenal dan aktivitas imunologi yang membedakan antara episode depresi unipolar dan bipolar. PLoS One. 2015; 10 (7): e0133898. [Artikel gratis PMC] [PubMed]
166. Huang TL, Lin FC. Sensitivitas tinggi tingkat protein C-reaktif pada pasien dengan gangguan depresi mayor dan bipolar mania. Prog NeuroPsychopharmacol Biol Psikiatri. 2007; 31 (2): 370 – 372. [PubMed]
167. Angst J, Gamma A, Endrass J. Faktor risiko untuk spektrum bipolar dan depresi. Skandal Acta Psychiatr. 2003; 418: 15 – 19. [PubMed]
168. Fekadu A, Wooderson S, Donaldson C, dkk. Alat multidimensi untuk mengukur resistensi pengobatan pada depresi: metode pementasan Maudsley. J Clin Psychiatry. 2009; 70 (2): 177. [PubMed]
169. Papakostas G, Shelton R, Kinrys G, et al. Penilaian tes diagnostik biologi berbasis multi tes dan berbasis serum untuk gangguan depresi mayor: studi percontohan dan replikasi. Psikiatri Mol. 2013; 18 (3): 332 – 339. [PubMed]
170. Fan J, Han F, Liu H. Tantangan analisis data besar. Natl Sci Rev. 2014; 1 (2): 293 – 314. [Artikel gratis PMC] [PubMed]
171. Li L, Jiang H, Qiu Y, Ching WK, Vassiliadis VS. Penemuan biomarker metabolit: analisis fluks dan pendekatan jaringan reaksi-reaksi. BMC Syst Biol. 2013; 7 (Suppl 2): S13. [Artikel gratis PMC] [PubMed]
172. Patel MJ, Khalaf A, Aizenstein HJ. Mempelajari depresi menggunakan metode pencitraan dan pembelajaran mesin. Klinik NeuroImage. 2016; 10: 115 – 123. [Artikel gratis PMC] [PubMed]
173. Lanquillon S, Krieg JC, Bening-Abu-Shach U, Vedder H. Cytokine produksi dan tanggapan pengobatan pada gangguan depresi mayor. Neuropsychopharmacol. 2000; 22 (4): 370 – 379. [PubMed]
174. Lindqvist D, Janelidze S, Erhardt S, Träskman-Bendz L, Engström G, Brundin L. CSF biomarker dalam upaya bunuh diri - analisis komponen utama. Skandal Acta Psychiatr. 2011; 124 (1): 52 – 61. [PubMed]
175. Hidalgo-Mazzei D, Murru A, Reinares M, Vieta E, Colom F. Data besar dalam kesehatan mental: masa depan yang terfragmentasi dan menantang. Psikiatri Dunia. 2016; 15 (2): 186 – 187. [Artikel gratis PMC] [PubMed]
176. Konsorsium C-DGotPG Identifikasi lokus risiko dengan efek bersama pada lima gangguan psikiatri utama: analisis genom-lebar. Lanset. 2013; 381 (9875): 1371 – 1379. [Artikel gratis PMC] [PubMed]
177. Dipnall JF, Pasco JA, Berk M, dkk. Menggabungkan data mining, machine learning dan statistik tradisional untuk mendeteksi biomarker yang berhubungan dengan depresi. PLoS One. 2016; 11 (2): e0148195. [Artikel gratis PMC] [PubMed]
178. Köhler O, Benros ME, Nordentoft M, dkk. Efek pengobatan anti-inflamasi pada depresi, gejala depresi, dan efek samping: tinjauan sistematis dan meta-analisis dari uji klinis acak. JAMA Psikiatri. 2014; 71 (12): 1381 – 1391. [PubMed]
179. Wolkowitz OM, Reus VI, Chan T, dkk. Pengobatan depresi antiglukokortikoid: ketoconazole double-blind. Biol Psychiatry. 1999; 45 (8): 1070 – 1074. [PubMed]
180. McAllister-Williams RH, Anderson IM, Finkelmeyer A, dkk. Augmentasi antidepresan dengan metyrapone untuk depresi yang resistan terhadap pengobatan (studi ADD): percobaan double-blind, acak, plasebo-terkontrol. Lancet Psychiatry. 2016; 3 (2): 117 – 127. [PubMed]
181. Gallagher P, Young AH. Pengobatan Mifepristone (RU-486) untuk depresi dan psikosis: Tinjauan atas implikasi terapeutik. Neuropsychiatr Dis Treat. 2006; 2 (1): 33 – 42. [Artikel gratis PMC] [PubMed]
182. Otte C, Hinkelmann K, Moritz S, dkk. Modulasi reseptor mineralokortikoid sebagai pengobatan tambahan pada depresi: penelitian konsep-konsep acak, double-blind, terkontrol plasebo. J Psychiatr Res. 2010; 44 (6): 339 – 346. [PubMed]
183. Ozbolt LB, Nemeroff CB. Modulasi sumbu HPA dalam pengobatan gangguan suasana hati. Psychiatr Disord. 2013; 51: 1147 – 1154.
184. Walker AK, DP Budac, Bisulco S, et al. Blokade reseptor NMDA oleh ketamin menghilangkan perilaku yang menyerupai depresif lipopolisakarida pada tikus C57BL / 6J. Neuropsychopharmacol. 2013; 38 (9): 1609 – 1616. [Artikel gratis PMC] [PubMed]
185. Lespérance F, Frasure-Smith N, St-André E, Turecki G, Lespérance P, Wisniewski SR. Kemanjuran suplementasi omega-3 untuk depresi berat: uji coba terkontrol secara acak. J Clin Psychiatry. 2010; 72 (8): 1054 – 1062. [PubMed]
186. Kim S, Bae K, Kim J, et al. Penggunaan statin untuk pengobatan depresi pada pasien dengan sindrom koroner akut. Menerjemahkan Psikiatri. 2015; 5 (8): e620. [Artikel gratis PMC] [PubMed]
187. Shishehbor MH, Brennan ML, Aviles RJ, dkk. Statin mempromosikan efek antioksidan sistemik kuat melalui jalur inflamasi spesifik. Sirkulasi. 2003; 108 (4): 426 – 431. [PubMed]
188. Mercier A, Auger-Aubin I, Lebeau JP, dkk. Bukti resep antidepresan untuk kondisi non-psikiatri dalam perawatan primer: analisis pedoman dan tinjauan sistematis. Praktek Keluarga BMC. 2013; 14 (1): 55. [Artikel gratis PMC] [PubMed]
189. Freland L, Beaulieu JM. Penghambatan GSK3 oleh lithium, dari molekul tunggal ke jaringan pensinyalan. Front Mol Neurosci. 2012; 5: 14. [Artikel gratis PMC] [PubMed]
190. Horowitz MA, Zunszain PA. Kelainan neuroendokrin dan neuroendokrin pada depresi: dua sisi dari koin yang sama. Ann NY Acad Sci. 2015; 1351 (1): 68 – 79. [PubMed]
191. Juruena MF, Cleare AJ. Tumpang tindih antara depresi atypical, gangguan afektif musiman dan sindrom kelelahan kronis. Rev Bras Psiquiatr. 2007; 29: S19 – S26. [PubMed]
192. Castrén E, Kojima M. Faktor neurotropik yang diturunkan dari otak dalam gangguan mood dan perawatan antidepresan. Neurobiol Dis. 2017; 97 (Pt B): 119 – 126. [PubMed]
193. Pan A, Keum N, Okereke OI, dkk. Hubungan dua arah antara depresi dan sindrom metabolik tinjauan sistematis dan meta-analisis studi epidemiologi. Perawatan Diabetes. 2012; 35 (5): 1171 – 1180. [Artikel gratis PMC] [PubMed]
194. Carvalho AF, Rocha DQ, McIntyre RS, dkk. Adipokin sebagai biomarker depresi yang muncul: tinjauan sistematis dan meta-analisis. J Psychiatric Res. 2014; 59: 28 – 37. [PubMed]
195. Wise T, Cleare AJ, Herane A, AH Muda, Arnone D. Utilitas diagnostik dan terapeutik neuroimaging dalam depresi: gambaran umum. Neuropsychiatr Dis Treat. 2014; 10: 1509 – 1522. [Artikel gratis PMC] [PubMed]
196. Tamatam A, Khanum F, Bawa AS. Genetik biomarker depresi. Indian J Hum Genet. 2012; 18 (1): 20. [Artikel gratis PMC] [PubMed]
197. Yoshimura R, Nakamura J, Shinkai K, Ueda N. Respon klinis terhadap pengobatan antidepresan dan tingkat 3-methoxy-4-hydroxyphenylglycol: tinjauan mini. Prog Neuropsychopharmacol Biol Psychiatry. 2004; 28 (4): 611 – 616. [PubMed]
198. Pierscionek T, Adekunte O, Watson S, Ferrier N, Alabi A. Peran kortikosteroid dalam respon antidepresan. ChronoPhys Ther. 2014; 4: 87 – 98.
199. Hage MP, Azar ST. Hubungan antara fungsi tiroid dan depresi. J Thyroid Res. 2012; 2012: 590648. [Artikel gratis PMC] [PubMed]
200. Dunn EC, Brown RC, Dai Y, dkk. Penentu genetik depresi: temuan baru dan arah masa depan. Harv Rev Psychiatry. 2015; 23 (1): 1. [Artikel gratis PMC] [PubMed]
201. Yang CC, Hsu YL. Tinjauan atas detektor gerak yang dapat digunakan untuk memantau aktivitas fisik. Sensor. 2010; 10 (8): 7772 – 7788. [Artikel gratis PMC] [PubMed]

Green-Call-Now-Button-24H-150x150-2-3.png

Topik Tambahan: Back Pain

Nyeri punggung adalah salah satu penyebab utama kecacatan dan hari-hari yang terlewatkan di dunia kerja. Nyatanya, nyeri punggung telah dianggap sebagai alasan paling umum kedua untuk kunjungan ke dokter, hanya kalah jumlah oleh infeksi saluran pernapasan atas. Sekitar 80 persen populasi akan mengalami beberapa jenis nyeri punggung setidaknya sekali sepanjang hidup mereka. Tulang belakang adalah struktur kompleks yang terdiri dari tulang, sendi, ligamen dan otot, di antara jaringan lunak lainnya. Karena ini, cedera dan / atau kondisi yang diperburuk, seperti cakram hernia, akhirnya dapat menyebabkan gejala nyeri punggung. Cedera olahraga atau cedera kecelakaan mobil sering menjadi penyebab paling sering dari nyeri punggung, namun terkadang gerakan yang paling sederhana dapat memiliki hasil yang menyakitkan. Untungnya, pilihan pengobatan alternatif, seperti perawatan chiropractic, dapat membantu meringankan nyeri punggung melalui penggunaan penyesuaian tulang belakang dan manipulasi manual, yang pada akhirnya meningkatkan pereda nyeri.

gambar blog kartun paperboy berita besar

TOPIK EXTRA PENTING: Manajemen Nyeri Punggung

LEBIH BANYAK TOPIK: EXTRA EXTRA: Pengobatan Nyeri Kronis