自杀是美国人死亡的主要原因，2019年夺去了47000人的生命[ 1］．此外，自杀意念(SI)的患病率很高，2019年有1200万成年人支持自杀想法[ 1］．

在当前全球COVID-19大流行期间，人们对SI和自杀的增加感到担忧，一项研究表明，患者脆弱性、风险、资源和心理健康状况的交叉风险特别高[ 2］．尽管与大流行前时期的预期水平相比，大流行最初几个月的自杀率基本保持不变或有所下降[ 3.]，青少年的比率[ 4]和年轻人的患病人数随之增加[ 5］．最近的一项调查显示，在18至24岁的人群、少数群体、无偿照护者和基本工作人员中，SI的比例显著升高[ 6］．总的来说，这些趋势强调了更好地理解自杀的预测风险和有效调解的迫切需要。

尽管90%的自杀者都有精神病诊断[ 7，很难预测谁会试图自杀。SI，定义为“考虑、考虑或计划自杀”[ 8，是自杀企图和自杀完成的预测[ 9， 10］．此外，SI比迫在眉睫的自杀风险更能预测一生的自杀风险[ 11］．据估计，在那些支持SI的人中，有29%的条件概率有自杀企图[ 12］．在一项大型回顾性研究中，那些几乎每天都有SI的人尝试自杀的可能性要高出5至8倍，而在30天内自杀死亡的可能性要高出3至11倍[ 13］．常用抗抑郁药治疗SI的效果不一[ 14- 16]，最近的一项研究表明，他们与更高的自杀风险有关[ 17］．

多项研究表明，抑郁症是自杀者中最常见的精神疾病，估计自杀病例中诊断出的患病率为50%至75% [ 18， 19］．此外，焦虑症，特别是广泛性焦虑症(GAD)，可能与SI和自杀企图独立相关[ 20.， 21］．恐慌障碍和发作与SI和自杀企图风险增加有关[ 22］．近年来，美国焦虑和抑郁障碍的患病率均大幅上升，与前一年同期相比，2020年4月至2020年6月期间的发病率显著上升[ 23]，这被认为是COVID-19大流行对全球心理健康影响的潜在结果。此外，在大流行期间，滥用毒品和酗酒现象有所增加[ 24]，两者都与SI和自杀风险增加有关[ 25， 26］．

除了与自杀风险增加有关的精神健康状况外，某些身体健康状况，如慢性疼痛和慢性医疗状况，也已被证明与SI和自杀企图增加有关[ 27- 31］．大约20%的慢性疼痛患者支持SI [ 28]，而48%的纤维肌痛患者支持SI [ 32］．患有>1种慢性疾病的患者SI的发生率也有类似的升高，其中35%的患有≥2种慢性疾病的患者支持终生SI [ 30.］．在控制了重度抑郁症和相关症状以及各种人口统计学因素后，慢性疾病的存在与SI的可能性增加1.3倍相关[ 30.］．

各种人口统计学变量已被调查为SI和自杀的潜在危险因素。一般来说，性别(男性)、种族(白人、美国印第安人或阿拉斯加原住民)、教育水平(高中或以下)和经济因素(失业)等因素与较高的自杀率有关[ 33- 35］．虽然女性更有可能患有SI，但男性更经常死于自杀[ 34］．同样，尽管在75岁的白人男性中SI患病率较低，但他们的自杀死亡率是最高的之一[ 11］．

自杀与精神疾病，尤其是重度抑郁症有很强的相关性，这已经得到了相对较好的证实，对于表现SI的患者，药物和非药物方法通常是抑郁症状的一部分。治疗过程通常包括处方抗抑郁药，如选择性血清素再摄取抑制剂，血清素-去甲肾上腺素再摄取抑制剂，更现代的抗抑郁药，如安非他酮，老式三环抗抑郁药，单胺氧化酶抑制剂抗抑郁药。虽然抗抑郁药是一种常见的治疗途径，但总的来说，关于它们是否会减少SI或自杀，或两者都减少，有相互矛盾的发现[ 17， 36- 40］．文献揭示了一个混合和不一致的理解，其治疗效果与SI和自杀有关。此外，一些研究表明，抗抑郁药可能会加重儿童和年轻人的自杀倾向[ 41， 42]，尽管这一点一直存在争议[ 43， 44］．

鉴于对精神药物治疗对SI影响的有限和不一致的理解，本研究试图通过调查通过远程医疗平台提供的精神治疗对SI的影响来增加文献。因此，本研究的目的是检查这种精神护理平台对SI、SI随时间的变化和缓解的影响，以及调查各种人口统计学和医学因素对SI和SI缓解的关系。

本研究中使用的参与者数据来自一家国家心理健康远程医疗公司(即Brightside)，包括8581名在2018年10月至2021年4月期间因抑郁或焦虑接受精神治疗或两者兼有的美国患者(治疗，n=8366;控制,n = 215)。参与者符合以下条件:1)在基线和12周时完成调查;(2)否认任何精神病、精神分裂症或双相I型障碍病史;(3)否认有慢性肝、肾病史。对照组的参与者也符合同样的标准，最初报名参加Brightside，但没有得到护理。Brightside使用一种免费的自我护理产品，即使没有注册，它也会发送电子邮件，要求在14周内完成调查数据。因此，对照组由完成初始登记数据并在基线和12周时完成调查的个人组成。治疗组包括接受Brightside治疗至少12周的患者。两组的人口学和临床特征见 表1．显而易见的是 表1，治疗组在基线时抑郁严重程度明显更高。对照组的受教育程度在高中或更低，失业的可能性更大。其他基线人口统计学或临床特征，包括初始SI和自杀企图，均无显著差异。

在患者的第一次治疗期间，有执照的专业人员为治疗组的患者开了精神病药物。入选的Brightside患者完成了最初的数字摄入，包括临床验证的抑郁和焦虑测量，以及关于临床表现、病史和人口统计学的问题。Brightside专有的精确处方平台使用经验推导的算法分析这些数据点，通过数字平台为提供者提供实时护理指南和临床决策支持。Brightside平台通过治疗时的计算机化症状聚类分析提供决策支持。在分析症状群的基础上，以及基于实证文献的决策支持，提供治疗建议[ 45］．该算法使用症状聚类方法，根据报告的症状和先前的医学试验结果，以及共病的医疗条件，将患者分为临床亚型。根据临床亚型提出治疗建议，并根据重要性、严重程度和症状进行加权。在治疗过程中，患者通过短信和视频或远程医疗会议异步地与心理健康提供者交流。提供者是精神科医生、精神科护士执业者或初级保健医生。在治疗的前12周，这些提供者平均与患者有12.8次接触，包括签到和病例回顾、短信和视频访问。Brightside大约一半的病人参加了一个心理治疗项目。Brightside采取了一种基于测量的方法，通过鼓励患者在治疗期间完成定期评估来跟踪长期结果。因此，当患者报告病情改善、未能改善、病情恶化或出现SI等高风险症状时，提供者会实时收到警报。最常见的处方方案为艾司西酞普兰(1390/8366,16.62%)、安非他酮(903/8366,10.79%)、舒曲林(854/8366,10.21%)或氟西汀(502/8366,6%)的单药治疗，但许多患者开始使用不同类别的一些联合治疗，有425种不同的独特的开始治疗方案和不同的剂量。 Follow-up surveys were collected at week 12 or any time before week 16.

患者健康问卷(PHQ-9)是一种9项自我报告的测量方法，用于评估前2周内出现的抑郁症状的严重程度 精神疾病诊断与统计手册第五版标准。PHQ-9是一种易于使用的工具，但其有效性仍被广泛证实[ 46］．受访者采用李克特4分制(0-3)对项目进行评分，总分为0至27分，> - 9表示症状轻微至轻微，> - 10表示症状中度至严重[ 47］．PHQ-9显示出很强的效度，对重度抑郁症表现出88%的敏感性和88%的特异性[ 47］．也有证据表明PHQ-9可以用来衡量抗抑郁药的反应[ 48］．在这项研究中，患者回答PHQ-9的第9项，“你是否经常被这样的想法困扰:你死了会更好，或者以某种方式伤害自己?”，用来衡量SI的严重程度[ 9， 49］．PHQ‐9的第9项已被证明可预测门诊医疗人群的自杀企图和自杀相关死亡[ 13］．对于一些分析，计算PHQ-8评分以避免标准污染，其中包括前8项，不包括SI项。

广泛性焦虑障碍-7 (GAD-7)量表是一个7项自我报告工具，用于评估前2周内出现的焦虑症状的严重程度 精神疾病诊断与统计手册第五版标准。受访者采用李克特4分制(0-3分)对项目进行评分，总分为1至21分，最低症状指征为1至4分，轻度症状指征为5至9分，中度症状指征为10至14分，严重症状指征为15至21分[ 50］．GAD-7显示出很强的信度和效度，对GAD的敏感性为89%，特异性为82% [ 51］．

基线时收集年龄、教育程度、性别和就业状况等基本人口学变量。此外，调查对象还被问及是否患有以下慢性疾病:哮喘、癌症、克罗恩病、肠易激综合征、心脏病、肥胖或糖尿病。创建了一个简单的计数变量，其中包括认可的慢性疾病的数量。此外，慢性疼痛或纤维肌痛的认可被认为是代表慢性疼痛的变量。受访者被问及是否使用过非法药物，以及他们目前是否经历过恐慌症发作。最后，这些患者被问及他们过去是否曾试图自杀。对照组中部分患者(65/ 215,30.2%)缺少种族、民族、性别、教育程度等信息，而治疗组中有1.28%的患者(107/8366)缺少慢性疼痛状况。

数据分析采用SPSS (version 28;IBM公司)收集患者数据样本，应用纳入和排除标准，并建立基线和随访调查结果。Brightside维护了用于分析的非识别数据库，以促进对临床决策、交互和结果的细粒度洞察。通过对分布的目视检查、残差的散点图和方差膨胀因子值，以及通过检查预测因子之间潜在的多重共线性，对进行回归模型的假设进行了评估。对于逻辑回归模型，使用Box-Tidwell检验来检验logit变换是否是预测因子的线性函数。在基线SI严重程度的单变量一般线性建模中，检查假设发现异方差。因此，模型使用Box-Cox转换运行[ 52］．综合统计数据是使用这些转换来表示的。在所有情况下，模式和结果都是一样的;因此，为了便于解释，所提出的方法使用了未转换的值。

首先，我们检查了PHQ-9量表第9项(SI项)与时间变化之间的零级相关性，以及与各种人口统计学、临床和医学变量之间的零级相关性。我们还检查了第9项与其他PHQ项之间的相关性。根据所包含的变量计算Pearson或点双列相关系数。采用单变量一般线性模型探讨人口统计学和临床变量对基线SI严重程度的独立影响。

然后，我们检查了基线和12周时SI的相对比率，以及随时间变化的百分比。卡方分析比较了组间的相对比例。协方差分析检验了各组治疗效果，SI随时间的变化，控制基线年龄和PHQ-8评分。所有随访2尾均采用Bonferroni校正 t测试。采用混合模型分析，控制年龄和PHQ-8评分，以调查SI随治疗组、教育水平和就业状况的差异。选择这些变量是因为它们在基线时在组间有显著差异。

接下来，只使用那些在基线时认可SI的人(得分≥1)，我们计算了支持SI的人的比例 汇出12周时(即，他们不再支持任何SI)，然后检查缓解的潜在预测因素。卡方分析比较了组间的相对比例。以对照组为参照组，采用95% ci的逻辑回归研究SI缓解与所有先前描述的人口统计学、临床和医学变量之间的双变量关系。然后，考虑到双变量模型中所有显著变量，我们实施了正向逐步回归程序，以确定研究期间缓解的独立预测因素。

WCG机构审查委员会，伦理委员会第1小组，批准了Brightside作为常规临床护理的一部分获得的临床数据的回顾性研究分析(#1308524)。这些数据来自一个未被识别的临床数据库。

PHQ-9的SI项目与所有其他项目之间的相关性被检查( 表2)．更大的绝望感、快感缺乏和自我感觉不好是最显著相关的( r=0.24-0.37)， SI为基线。睡眠问题和感觉疲劳或精力不足，虽然很重要，但与SI的相关性较低( r= 0.13 - -0.14)。就人口学变量而言，年龄和教育程度的提高与基线时SI较低相关( r=−0.16)和12周( r=−0.10)，但随着时间的推移改善较少( r=−0.12，−0.11)。尽管少数民族地位之间的相关性( r=0.07)和就业状况( r=0.05)和SI均显著，但幅度较小。PHQ-8和GAD-7在较小程度上与SI显著相关(在基线时更明显， r=0.38和0.17)，随时间变化( r=0.31和0.14)。慢性疾病的数量与SI或随时间的变化无显著相关性。支持慢性疼痛或纤维肌痛与SI在基线和第12周显著相关，但没有随时间变化，尽管相关性相当小( r= 0.03 - -0.04)。在两个时间点上，近期恐慌发作和非法药物使用史或自杀企图与SI显著相关，随时间的变化也显著相关，尽管仅与基线SI具有任何量级的相关性( r= 0.08 - -0.10)。

采用单变量一般线性模型探讨这些人口学和临床变量对基线SI严重程度的独立影响( 表3)．由于GAD与PHQ-8高度相关( r= 0.35; P<.001)时，模型中不包括它。同样，患有共病性恐慌障碍与性相关( r= 0.11; P<.001)和年龄( r= 0.16; P<.001)，所以它也被排除在外。整体模型是显著的( F_{12日,7733年}= 132.11; P<.001)，占基线SI方差的17%。如 表3，基线PHQ-8评分是最显著的预测因子，控制了所有其他变量，占基线SI方差的12%。其他预测因素虽然在统计上具有显著性，但并不能解释很大的方差;年龄和受教育程度均占方差的2%。

在基线时，对照组46.5%(100/215)的参与者和治疗组47.12%(3942/8366)的参与者表现出SI ( χ²₁= 0.0; P= .89)。12周时，对照组34.4%(74/215)和治疗组12.32%(1031/8366)的患者出现SI (χ²₁= 91.2; P<措施)。同样，SI评分的百分比变化在治疗组更大( F₈₄₆₀= 43.60; P<措施;平均37.54%，SD 52.55%)高于对照组(平均13.84%，SD 66.05%);治疗组41.73%(3491/8366)的参与者随着时间的推移SI下降，而对照组为27%(58/215)。对照组中，13.5%(29/215)的参与者在12周时表现出比基线更严重的SI，而治疗组中只有2.53%(212/8366)的参与者表现出比基线更严重的SI²₁= 106.6; P<措施)。

在最初不支持SI的患者(n=4539)中，对照组的SI发生率为15.6%(18/115)，而治疗组仅为2.98% (132/4424;χ²₁= 56.2; P<措施)。协方差分析，控制年龄和PHQ-8评分，表明治疗组有显著效果(F ₇₈₀₉ = 145.46; P<.001)。 图1示出各组SI随时间的变化，治疗组随时间明显表现出更大的改善(即SI降低)。

混合模型分析，控制年龄和PHQ-8，调查SI随时间随治疗组、教育水平和就业状况的差异，显示治疗组有显著影响(F ₇₇₄₀ = 46.85; P<.001)，教育水平(F ₇₇₄₀ = 19.97; P<.001)，以及就业状况(F ₇₇₄₀ = 6.96; P= . 01)。存在显著的双向交互作用，但在时间、群体和教育水平之间存在进一步细化的三向交互作用(F ₇₇₄₀ = 24.92; P<措施)。 图2显示，在治疗组中，随着时间的推移，教育水平较高和较低的人都报告了更少的SI，但在对照组中，教育水平与时间相互作用，高中教育或更低的人随着时间的推移报告了更多的SI(即变得更糟)，而高中以上教育水平的人则没有(随着时间的推移保持不变)。

在基线时支持SI但在12周时不支持SI的患者中，总样本的76.37%(3087/4042)表现出完全缓解。治疗组完全缓解率为77.19%(3043/3942)，对照组完全缓解率为44% (44/100)²₁= 59.5; P<措施)。

在双变量关系的基础上，以下因素与SI缓解显著相关:在治疗组，年龄较大，女性，白人(相对于少数种族)，接受高中以上教育，以及基线时抑郁严重程度较低(通过PHQ-8评分衡量)( 表4)．治疗组SI缓解的可能性是对照组的4.3倍(优势比[OR] 4.31, 95% CI 2.88-6.44)。女性缓解的可能性约为男性的1.4倍(OR 1.38, 95% CI 1.18-1.62)。将双变量模型中显著的变量输入二元逻辑回归，使用正向逐步进展来预测缓解，以确定缓解的最佳预测因子。该模型的分类准确率为77%。 表5显示治疗组、年龄、性别和PHQ-8评分在最终模型中保留。

在基线时，更强烈的绝望感、快感缺乏和自我感觉不好与SI最显著相关。睡眠问题和感觉疲劳或精力不足，虽然很重要，但与SI的相关性较低。这些SI项目和PHQ-9其他项目之间的关联模式反映了其他研究中发现的那些有抑郁症或慢性疼痛并完成PHQ-9的初级保健患者[ 53]，但快感缺乏与初级护理患者SI的相关性较低[ 53］．绝望一直被认为是SI的一个预测因素[ 54， 55]，尽管与实际自杀或企图自杀的关联是复杂的[ 56- 58］．

更严重的SI严重程度与更年轻之间的联系与全国调查数据一致，发现年轻人比老年人更频繁地支持SI [ 59］．正如预期的那样，高中以上的教育水平与较低的SI相关。高学历和年龄与SI较少的积极变化相关的研究结果很难协调，尽管这可能是因为范围限制(即“改进”的空间较小)。在缓解抑郁症的排序治疗方案(STAR*D)数据中，较高的教育水平和较大的年龄预示着SI的改善或降低[ 16］．

不足为奇的是，PHQ-8和GAD-7(在较小程度上)都与SI显著相关(基线时相关性更大)，并随时间变化而变化。基线PHQ-8评分是SI最显著的独立预测因子，占方差的12%。这反映了文献中的一致发现，抑郁症严重程度与SI高度相关[ 60]以及与自杀相关的结果[ 61并说明了抗抑郁药物治疗的重要性。

慢性疾病的数量与SI或随时间的变化无显著相关性。支持慢性疼痛或纤维肌痛与SI在基线和第12周显著相关，但没有随时间变化，尽管总体相关性相当小。这与之前的研究相反。 62， 63]，可能反映了范围有限(认可的医疗状况的最高数目为3)或没有考虑到医疗状况的严重程度或负担。在两个时间点上，近期恐慌发作和非法药物使用史或自杀企图与SI显著相关，随时间的变化也显著相关，尽管仅与基线SI具有任何量级的相关性( r= 0.08 - -0.10)。同样，这些发现与之前的研究是一致的。 22， 64- 66]，尽管值得注意的是，大约11%的企图自杀者否认曾经经历过任何自杀[ 66］．因此，SI不足以解释所有的自杀企图和自杀完成。

虽然两组在基线时SI的存在(47%)相似，但在治疗12周后，治疗组中只有12.32%(1031/8366)的参与者表达了SI，而对照组中有34%(74/215)的参与者表达了SI。这些数字与一项调查抑郁症心理治疗的小得多的研究相似[ 67]，尽管与本研究相比，该研究的参与者在基线时患有SI的人数更少(30%)，抑郁症也更轻。在本研究中，治疗组41.73%(3491/8366)的参与者随着时间的推移表现出SI严重程度的改善，而对照组为27%(58/215)。SI的基线率和在最后一次就诊时得到改善的患者百分比与STAR*D试验非常相似[ 68]，与这项虚拟研究进行比较。在那些最初没有认可它的参与者中出现了新的SI，对照组中有15.6%(18/115)的参与者出现了新SI，而治疗组中只有2.98%(132/4424)的参与者出现了新SI。这些比例与STAR*D试验中12周时1.3%的出现相似[ 67， 68]，尽管STAR*D试验是以一种更同质的方式进行的。需要进一步的研究来复制这些有前景的治疗效果，使用虚拟治疗和临床决策支持工具，以实现更有针对性的精确处方。

尽管不考虑各种人口统计学变量，治疗组随着时间的推移有所改善，但在对照组中，在控制了年龄和抑郁严重程度后，受教育程度较低的人随着时间的推移而恶化。较高的教育水平可预防许多不良后果，包括SI [ 69- 71］．远程医疗干预，如本研究中治疗组使用的Brightside平台，可能适用于那些因教育程度较低而有风险的人群。

治疗组患者缓解的可能性是对照组的4.3倍(OR 4.31, 95% CI 2.88-6.44)。齐苏克等[ 40]发现，接受12周艾司西酞普兰+安慰剂、安非他酮缓释+艾司西酞普兰或文拉法辛缓释+米氮平的患者缓解率相似。总的来说，这些发现有力地证明了抗抑郁药物对SI有积极的影响。选择性血清素再摄取抑制剂和其他新一代抗抑郁药是否会改变成年人的自杀风险当然是有争议的[ 38， 39， 72， 73]，最近的一项研究表明，他们与更高的自杀风险有关[ 17］．这些作者认为，发表偏倚和利益冲突可能会导致系统性的风险低估。虽然这项研究涉及SI，但没有评估自杀企图或自杀完成程度，SI是自杀企图和实际自杀的预测因素[ 9， 10，这些数据更为乐观。

治疗显然是SI缓解的最大预测因素。其他与SI缓解显著相关的因素包括年龄较大、女性、白人、接受高中以上教育以及基线时抑郁严重程度较低。女性和接受过高中以上高等教育的人比男性和没有接受过高等教育的人(OR 1.37, 95% CI 1.18-1.59)的可能性高1.4倍(OR 1.38, 95% CI 1.18-1.62)。在STAR*D试验中，白人、女性、受雇者或教育或收入水平较高的人更有可能缓解抑郁症状[ 74］．虽然没有特别关注SI，但这些因素与本研究中发现的相似。

这项研究的主要局限性是没有随机分配治疗，任何观察到的治疗效果的其他解释是可能的。虽然与对照组相比，对照组与治疗组按照相同的时间表完成评估，并且在基线时基本等同于治疗组，降低了由于在线参与或其他霍桑效应而产生任何影响的可能性，但对照组没有与提供者进行接触。由于参与者不是随机的，存在混淆的可能性。例如，对照组的参与者更有可能失业，没有高中以上的教育。由于目前尚不清楚为什么对照组的参与者没有接受治疗，一种可能是他们的日程安排灵活性较差，或抽出时间参加治疗的能力较差。

另一个限制是无法直接比较不同的药物，因为这是一个临床样本，有400种不同的药物组合。虽然这阻止了对特定药物组的推广，但它确实说明了抗抑郁治疗的能力，正如在这个新的虚拟治疗方案中所呈现的那样，对SI有积极的影响。然而，另一个限制是患者可能接受过其他治疗，如心理治疗，但没有进行评估。此外，SI的具体测量，如贝克自杀意念量表或自杀意念量表[ 75，而不是从全球抑郁症测量中选出一个单项来改进这项研究。需要进一步的研究来研究这种处方模式对自杀企图的影响。

相对于人口统计学和其他临床或医学因素，抑郁症严重程度是SI的主要驱动因素。当然，许多临床医生可能不愿意给SI患者开抗抑郁药，因为他们认为治疗有自杀倾向的患者有风险。这些结果至少在某种程度上解决了这些问题。这项研究的结果，以及其他研究的结果，与通过具有决策支持的远程健康平台管理的精神病学护理的有效性一致。在抗抑郁药物试验中，抑郁严重程度可以调节抗抑郁药物对自杀风险的影响[ 76， 77，所以治疗抑郁症状是至关重要的。在这项研究和其他研究中，抗抑郁药物对绝大多数人的SI严重程度有积极影响。最后，应该对那些教育水平较低的人进行额外的治疗，因为如果没有这种治疗，他们的SI更有可能随着时间的推移而增加。这些发现强调了在考虑SI时考虑协变量或亚群体的重要性[ 78］．

最后，这些结果与越来越多的文献相一致，这些文献证明了使用远程医疗平台提供心理健康服务的有效性[ 79- 82］．临床决策支持工具已在初级保健和全科实践中证明了对抑郁症结果的有效性[ 83- 85］．这项研究的优势包括它的规模，对照组的使用，以及远程医疗平台的新颖使用。还需要进一步的研究和改进，最好是通过随机对照试验。