抑郁症是一种机制未明、异质性高的精神障碍，缺乏客观生物学标志物[1]。“炎症假说”为抑郁症病理机制提供新视角。与传统研究聚焦于C反应蛋白等炎症因子相比，外周血炎症标志物如中性粒细胞与淋巴细胞比值（neutrophil-to-lymphocyte ratio，NLR）、血小板与淋巴细胞比值（platelet-to-lymphocyte ratio，PLR）因便捷、经济受到关注，已在抑郁症等精神疾病中显示出辅助评估潜力[2-6]。新兴指标如血小板与白蛋白比值（platelet-to-albumin ratio，PAR）、红细胞分布宽度与白蛋白比值（red blood cell distribution width-toalbumin ratio，RAR）也逐渐受到重视[7-8]。然而，现有关这些外周血炎症比值的研究结论不一，且大多未在首发、未用药的患者群体中开展，限制结论的清晰度与临床适用性[9-10]。为此，本研究拟在首发、未用药的抑郁症患者中，横断面探索NLR、PLR、PAR等炎症指标与基线抑郁严重程度的关系，并评估这些基线指标对治疗反应的预测潜力，以期为抑郁症的免疫分型和生物标志物开发提供依据。

1 资料与方法

1.1 一般资料

本研究为横断面研究，样本量估算以检测中等效应量（Cohen’s d=0.5）为目标，在α=0.05（双侧）和检验效能80%的条件下，估算总样本量需128例。实际纳入2023年10月至2025年10月于新疆医科大学第一附属医院心理医学中心就诊的200例首发抑郁症患者，符合该估算。纳入标准：①年龄18～65岁；②符合《精神障碍诊断与统计手册（第5版）》[11]中抑郁障碍的诊断标准并由两名主治以上的精神科医师确诊；③能够理解并完成研究过程。排除标准：①其他类型精神障碍；②严重感染、自身免疫病和其他重大躯体疾病；③近期服用抗抑郁药、非甾体抗炎药、皮质类固醇或免疫调节剂等；④处于妊娠或哺乳期；⑤无法完成评估或不配合研究。所有入组者均承诺完成为期2周的规范治疗与随访。本研究已获新疆医科大学第一附属医院伦理委员会批准（20251210-02）。

1.2 研究方法

1.2.1 一般资料调查表 使用自行设计的调查表收集人口学资料及临床特征。

1.2.2 汉密尔顿抑郁量表（Hamilton depression rating scale，HAMD） 该量表用于评估受试者的抑郁症状严重程度。包括24个条目，使用3级（0～2分）或5级（0～4分）评分，总分为0～76分，得分越高表示抑郁症状越重[12]。本研究样本为同质性较高的抑郁患者，个体间差异小，导致对样本变异敏感的Cronbach’s α系数＜0.7，但组内相关系数（intraclass correlation coefficient，ICC）=0.85（95%CI：0.75～0.94），表明评估者间一致性良好。

1.2.3 汉密尔顿焦虑量表（Hamilton anxiety rating scale，HAMA） 该量表用于评估受试者的焦虑症状严重程度。包括14个条目，评分为0～4分共5级，总分为0～56分，得分越高表示焦虑症状越重[12]。同样基于本研究样本为同质性较高的抑郁患者，Cronbach’s α系数＜0.7，但ICC=0.88（95%CI：0.76～0.94），评估者间一致性良好。

1.2.4 血液学指标检测 所有患者禁食过夜后，次日7:00—8:00时抽取空腹血样，随即送至新疆医科大学第一附属医院检验科，使用Sysmex XN-9000全自动血细胞分析仪检测血小板计数、中性粒细胞计数及淋巴细胞计数。促凝管采血离心分离血清后，用Beckman Coulter AU5800全自动生化分析仪、溴甲酚绿法测定血清白蛋白浓度，所有检测均遵循标准操作规程及质控流程。基于上述原始指标，各炎症复合指标通过以下公式计算：NLR=中性粒细胞计数（×109/L）/淋巴细胞计数（×109/L）；PLR=血小板计数（×109/L）/淋巴细胞计数（×109/L）；PAR=血小板计数（×109/L）/白蛋白（g/L）；RAR=红细胞分布宽度（%）/白蛋白（g/L）。

1.2.5 治疗方案与随访 本研究关注短期治疗反应（HAMD减分率 ≥50%判定为有效），所有患者均接受基于《中国抑郁障碍防治指南》（第二版）[13]的规范化抗抑郁药物治疗，首选舍曲林、艾司西酞普兰等5-羟色胺选择性重摄取抑制剂（serotonin-selective reuptake inhibitor，SSRI）类药物。因此，所有入选患者均需在入组时签署知情同意书，承诺并能够配合完成为期2周的上述规范治疗及第2周末的随访评估。对于预计可能存在严重不依从（如计划近期出院、无法保证复诊）或预计无法耐受该治疗方案的患者，未纳入研究。

1.2.6 质量控制措施 研究全程实施标准化操作，包括统一培训、规范评估与采血流程，以确保数据质量。

1.3 统计学方法

采用SPSS 27.0统计学软件进行数据分析。符合正态分布的计量资料以均数±标准差（）表示，比较采用t检验；不符合正态分的计量资料以中位数和四分位数[M（P25，P75）]表示，比较采用Mann-Whitney U检验。计数资料以例数和百分率[例（%）]表示，比较采用χ2检验。相关性分析采用Spearman秩相关分析（|rs|＜0.30为微弱相关，0.30～0.50为弱到中度相关，＞0.50为中度到强相关[14]）。采用多重线性回归模型分析基线HAMD总分的影响因素；二元logistic回归探究治疗反应的预测因素；治疗反应预测模型的嵌套比较分析采用块间似然比检验。采用受试者操作特征曲线评估模型的预测效能。以P＜0.05为差异有统计学意义。

2 结果

2.1 基线资料描述

本研究共纳入200例抑郁症患者，均完成为期2周的规范化抗抑郁药物治疗及随访评估。

人口学资料方面，男62例（31.0%），女138例（69.0%）；年龄为33.0（26.0，39.0）岁，病程为24.0（6.0～48.0）个月，发病年龄为30.0（23.0，36.0）岁；有吸烟史者31例（15.5%），有饮酒史者21例（10.5%）；有固定伴侣者119例（59.5%）；文化程度在高中及以下者56例（28.0%）。

临床特征显示，合并躯体疾病11例（5.5%），包括原发性高血压病（6例）、2型糖尿病（3例）、甲状腺功能减退（1例）、多囊卵巢综合征（1例）。伴有精神病性症状14例（7.0%），有精神疾病家族史12例（6.0%）。治疗前HAMD总分为25.0（22.3，28.0）分，HAMA总分为20.5（18.0，24.0）分；治疗后HAMD总分降至10.0（8.0，12.0）分，HAMA总分降至9.0（7.0，10.0）分。

血液学指标方面，PAR为6.36（5.11，7.34）、RAR为0.32（0.29，0.33）、NLR为1.38（1.10，1.83）、PLR为118.03（97.67，147.63）、白细胞计数为5.99（5.28，6.97）×109/L、血小板计数为257.50（208.75，298.00）× 109/L、白蛋白为40.99（38.90，43.00）g/L。

2.2 相关性分析结果

2.2.1 主要结果 Spearman相关分析结果显示，HAMA总分与HAMD总分呈正相关（rs=0.428，P＜0.001）。血小板计数与HAMD总分呈微弱正相关（rs=0.197，P=0.005）。RAR与HAMD总分呈微弱正相关（rs=0.144，P=0.043）。NLR、PLR、白细胞计数及白蛋白水平与HAMD总分均无相关性（P＞0.05）。

2.2.2 部分可视化结果 HAMD总分和PAR呈微弱正相关（rs=0.186，P=0.008）。图1展示PAR与HAMD总分的散点图及拟合趋势线，数据点呈广泛的分散性，趋势线显示其斜率均为正值。

图1 PAR与HAMD总分关系的散点图

2.3 线性回归分析

2.3.1 单因素线性回归分析 为了更直观地评估各炎症指标对抑郁症状严重程度的独立影响，采用单因素线性回归分别评估各炎症指标的独立关联。结果显示，PAR、PLR与HAMD总分相关（B=0.387、0.012，P=0.014、0.041），NLR、RAR与HAMD总分不相关（P=0.056、0.274）。

2.3.2 多重线性回归分析 为全面揭示炎症标志物与基线症状的关系，本研究构建了两个模型。所有变量的方差膨胀因子（variance inflation factor，VIF）均＜2.5。

模型1（炎症竞争模型）：以基线HAMD总分为因变量，纳入PAR、NLR、PLR、RAR，旨在从众多炎症指标中识别出与严重程度最独立相关的核心指标。模型整体检验结果为：F=2.630，P=0.036，R2=0.051，调整后R2=0.032。结果显示，PAR与基线HAMD总分呈正相关（B=0.452，t=2.078，P=0.039），NLR呈现出边缘显著的关联趋势（B=0.800，t=1.894，P=0.060），PLR、RAR的关联不显著（P=0.584、0.729）。见表1。

表1 PAR、NLR、PLR、RAR与HAMD总分的多重线性回归分析

项目BS.E.t值P值共线性统计容差VIF PAR0.4520.2172.0780.0390.5101.962 NLR0.8000.4221.8940.0600.6311.584 PLR-0.0050.0090.5490.5840.4132.420 RAR2.3816.8640.3470.7290.9111.098

注 PAR：血小板与白蛋白比值；NLR：中性粒细胞与淋巴细胞比值；PLR：血小板与淋巴细胞比值；RAR：红细胞分布宽度与白蛋白比值；HAMD：汉密尔顿抑郁量表；VIF：方差膨胀因子。

模型2（临床调整模型）：以基线HAMD总分为因变量，纳入PAR、性别、年龄、病程，旨在检验PAR在调整基础临床因素后的关联稳健性。模型整体检验结果为：F=1.563，P=0.186，R2=0.031，调整后R2=0.011。结果显示，PAR与HAMD总分的关联依然稳健（B=0.391，P=0.019）。见表2。

表2 PAR、性别、年龄、病程与HAMD总分的多重线性回归分析

共线性统计项目BS.E.t值P值容差VIF PAR0.3910.1662.3560.0190.8941.118性别-0.0590.6310.0930.9260.8791.137年龄0.0020.0310.0540.9570.9731.028病程-0.0020.0060.4110.6820.9571.045

注 PAR：血小板计数与白蛋白比值；HAMD：汉密尔顿抑郁量表；VIF：方差膨胀因子。

2.4 基线炎症指标对治疗反应的预测分析

2.4.1 预测分析前的基线可比性 为构建可靠的模型，首先检验治疗有效组（162例）与无效组（38例）在治疗前的基线是否具有可比性。有效组和无效组在年龄[33.0（26.0，39.0）岁vs. 33.0（26.0，39.0）岁，U=3 077.50，P=0.999]、病程[24.0（6.0，48.0）个月vs. 30.0（12.0，51.0）个月，U=2 704.50，P=0.243]、基线HAMD总分[25.0（23.0，28.0）分vs. 25.0（21.0，26.3）分，U=2 675.00，P=0.208]方面比较，差异无统计学意义，具有可比性。

2.4.2 炎症标志物的增量预测价值 单因素logistic回归分析显示，基线NLR、PLR及PAR与治疗反应的直接关联未达到统计学显著性（P＞0.05），鉴于既往文献提示其潜在预测价值，且考虑其可能与基线临床特征存在交互，为评估炎症标志物对治疗反应的增量预测价值，构建嵌套逻辑回归模型进行比较分析。见表3。基础临床模型（模型A）纳入人口统计学与临床基线变量，包括性别、年龄、病程及基线HAMD总分。炎症增强模型（模型B）则在模型A的基础上加入NLR与PLR。

表3 治疗反应预测模型的嵌套比较分析

项目模型A模型B对比结论模型比较检验块间似然比检验-χ2=7.593，P=0.022模型B显著优于模型A模型拟合指标-2对数似然值190.811183.217改善7.594考克斯-斯奈尔R20.0180.055增加205%内戈尔科R20.0290.088增加203%总体分类准确率（%）81.0081.50提升0.5%预测变量显著性性别OR=0.517，P=0.131OR=0.340，P=0.024从不显著变为显著年龄OR=1.004，P=0.856OR=0.996，P=0.851保持不显著病程OR=1.000，P=0.947OR=1.000，P=0.936 保持不显著HAMD总分OR=1.058，P=0.257OR=1.055，P=0.286 保持不显著NLROR=0.585，P=0.041新增显著预测因子PLROR=1.016，P=0.018新增显著预测因子临床预测能力[%（n1/n2）]预测无效个案0（0/38）2.6（1/38）开始具备识别能力预测有效个案100.0（162/162）100.0（162/162）保持完美识别

注 块间似然比检验用于比较嵌套模型，由于模型A为基准模型，无更简约的嵌套对象，故该检验不适用，以“-”表示。HAMD：汉密尔顿抑郁量表；NLR：中性粒细胞与淋巴细胞比值；PLR：血小板与淋巴细胞比值。

在调整性别、年龄、病程及基线HAMD总分后，较高的基线NLR是治疗反应不佳的风险因素（OR=0.585，95%CI：0.350～0.977，P=0.041），而较高的基线PLR则与更好的治疗反应相关（OR=1.016，95%CI：1.003～1.030，P=0.018）。

模型比较显示，在基础临床模型（模型A）中加入NLR与PLR构成模型B后，块间似然比检验显示，模型拟合得到显著改善（χ2=7.593，P=0.022）。模型拟合优度指标变化如下：-2对数似然值下降7.594，内戈尔科R2从0.029提升至0.088（增幅203%）。在模型B中，性别变量达到统计学显著性（OR=0.340，P=0.024）。模型B的受试者操作特征曲线下面积为0.648（95%CI：0.573～0.723），高于模型A的0.586（95%CI：0.506～0.666）。

3 讨论

本研究纳入的女性（138例，69.0%）约为男性（62例，31.0%）的2倍，符合抑郁症患病率的性别分布特征[15]。本研究通过横断面与纵向分析，显示PAR与基线症状严重程度稳健相关，NLR与PLR对短期治疗反应具有方向相反但显著的预测作用。PAR与基线抑郁严重程度呈独立正相关，与近期研究提示PAR在关联精神病理严重程度方面可能具有独特优势的结论一致[16]。然而，rs较弱（绝对值均＜0.3）。可能提示单一的外周血指标对复杂中枢免疫变化反应有限[17-18]。且本研究未纳入营养状态、睡眠质量及慢性应激等关键调节变量。因此，PAR与抑郁严重程度的关联可能更多标识出一类炎症特征更高、症状更重的患者亚型，而非简单因果关系[19-20]。

多因素回归分析显示，较高的基线NLR预测较差的治疗反应，而较高的基线PLR却预示更好的治疗反应，或反映抑郁症免疫异质性的不同侧面，NLR升高提示与治疗抵抗相关的经典促炎状态[21]。相反，PLR的提升可能意味着血小板介导的单胺系统储备与转运功能相对保留，从而对SSRI治疗更敏感[22-24]。提示界定“炎症亚型”与预测其内部治疗结局是不同层次的问题。受样本量所限，本研究未对NLR与PLR的交互作用进行建模分析，未来需进一步探讨免疫网络的交互影响。

在多因素预测模型中，控制炎症水平后，女性是治疗反应不佳的独立风险因素，提示性别差异可能部分由炎症负荷所介导。尽管纳入炎症指标后模型对治疗无效个案的绝对识别能力提升尚属有限，但显著改善模型的整体拟合优度，为利用易获取的炎症指标优化临床预测模型提供依据。

本研究存在一定局限性：第一，横断面研究设计限制PAR与抑郁严重程度之间的因果推断；第二，缺乏健康对照组或其他精神障碍的对照，关联特异性有待验证；第三，单中心设计和有限样本量且包含部分慢性躯体疾病患者，可能影响普适性及炎症基线；第四，预测模型参数有限，机制需深入；第五，治疗方案虽遵循指南但存在个体化调整，未能校正治疗异质性（如不同抗抑郁药的免疫调节差异）[25]。然而，在存在此类“临床噪音”下仍能检测到显著信号，或提示关联具有一定稳健性。未来需通过前瞻性、标准化治疗设计进一步验证。

4 结论

本研究通过严谨的设计，在首发、未用药的抑郁症患者人群中，发现炎症标志物PAR可能与抑郁症的严重程度相关，而基线水平的NLR与PLR则可能为预测抗抑郁治疗反应提供额外的参考信息。该发现不仅为抑郁症的炎症异质性提供新的证据，也推动这些易于获取的炎症标志物向临床应用的转化。未来的研究应致力于在更大规模的纵向队列中结合更精细的免疫测量指标和标准化的治疗路径，进一步确认这些指标的预测效力和潜在的临床实用价值，并最终为抑郁症的精准治疗策略的制订提供依据。

利益冲突声明：本文所有作者均声明不存在利益冲突。

[参考文献]

[1] MARX W，PENNINX B W，SOLMI M，et al. Major depressive disorder [J]. Nat Rev Dis Primers，2023，9（1）：44.

[2] OSIMO E F，BAXTER L J，LEWIS G，et al. Prevalence of low-grade inflammation in depression：a systematic review and meta-analysis of CRP levels [J]. Psychol Med，2019，49（12）：1958-1970.

[3] KARATAŞ M，BÜYÜKŞEKERCI M，GÜNDÜZÖZ M，et al.Neutrophil-to-lymphocyte ratio and platelet-to-lymphocyte ratio as inflammatory markers in patients with welders’ lung disease [J]. J Occup Environ Med，2020，62（9）：e523-e526.

[4] MAZZA M G，LUCCHI S，TRINGALI A G M，et al. Neutrophil/lymphocyte ratio and platelet/lymphocyte ratio in mood disorders：a meta-analysis [J]. Prog Neuropsychopharmacol Biol Psychiatry，2018，84（Pt A）：229-236.

[5] LIU Y，LI C，REN H，et al. The relationship of peripheral blood cell inflammatory biomarkers and psychological stress in unmedicated major depressive disorder [J]. J Psychiatr Res，2024，176：155-162.

[6] WEI Y，FENG J，MA J，et al. Characteristics of platelet-associated parameters and their predictive values in chinese patients with affective disorders [J]. BMC Psychiatry，2022，22（1）：150.

[7] TAN J，SONG G，WANG S，et al. Platelet-to-albumin ratio：a novel IgA nephropathy prognosis predictor [J]. Front Immunol，2022，13：842362.

[8] BENEDETTI F，AGGIO V，PRATESI M L，et al. Neuroinflammation in bipolar depression [J]. Front Psychiatry，2020，11：71.

[9] TIAN X，DONG Y QING，YUAN J Y，et al. Association between peripheral plasma cytokine levels and suicidal ideation in first-episode，drug-naïve major depressive disorder [J]. Psychoneuroendocrinology，2024，165：107042.

[10] LIANG J，XU Y，GAO W，et al. Cytokine profile in firstepisode drug-naïve major depressive disorder patients with or without anxiety [J]. BMC Psychiatry，2024，24（1）：93.

[11] American Psychiatric Association. Diagnostic and statistical manual of mental disorders [M]. 5 Edition，Text Revision （DSM-5-TR）. American Psychiatric Publishing，2022.

[12] 张明园. 精神科评定量表手册[M]. 长沙：湖南科学技术出版社，2003.

[13] 李凌江，马辛. 中国抑郁障碍防治指南（第二版）解读：概述[J]. 中华精神科杂志，2017，50（3）：167-168.

[14] SCHOBER P，BOER C，SCHWARTE L A. Correlation coefficients：appropriate use and interpretation [J]. Anesth Analg，2018，126（5）：1763-1768.

[15] World Health Organization. Mental health atlas 2024 [M].World Health Organization，2025.

[16] XU H，ZHENG L，WANG L，et al. Albumin and associated biomarkers in severe neuropsychiatric disorders：acute-phase schizophrenia and bipolar disorder [J]. Neuropsychiatr Dis Treat，2023，19：2027-2037.

[17] CAVALERI D，CROCAMO C，RIBOLDI I，et al. Complete blood count-based inflammation indexes and symptom severity in people with bipolar disorder：an analysis based on structural equation modelling [J]. Eur Arch Psychiatry Clin Neurosci，2026，276（2）：561-572.

[18] ELBAKARY N，AL-KHUZAEI N，HUSSAIN T，et al. Inflammatory biomarkers as predictors for unlocking antidepressant efficacy：assessing predictive value and risk stratification in major depressive disorder in a prospective longitudinal study [J]. J Affect Disord，2025，387：119545.

[19] MILANESCHI Y，KAPPELMANN N，YE Z，et al. Association of inflammation with depression and anxiety：evidence for symptom-specificity and potential causality from UK biobank and NESDA cohorts [J]. Mol Psychiatry，2021，26（12）：7393-7402.

[20] Beurel E，Toups M，Nemeroff C B. The bidirectional relationship of depression and inflammation：double trouble [J].Neuron，2020，107（2）：234-256.

[21] KÖHLER-FORSBERG O，N LYDHOLM C，HJORTHØJ C，et al. Efficacy of anti-inflammatory treatment on major depressive disorder or depressive symptoms：metaanalysis of clinical trials [J]. Acta Psychiatr Scand，2019，139（5）：404-419.

[22] HE N，LIU H，LIU J，et al. Platelet function in mood disorders：interplay，clinical implications，and future perspectives-a narrative review [J]. Heart Mind，2024，8（3）：159-164.

[23] WEI X X，TANG X Q. Platelets：a new therapeutic target for neurological diseases [J]. Ageing Res Rev，2025，112：102874.

[24] LEE S，HOBERSTORFER T，WADOWSKI P P，et al.Platelet-to-lymphocyte and neutrophil-to-lymphocyte ratios predict target vessel restenosis after infrainguinal angioplasty with stent implantation [J]. J Clin Med，2020，9（6）：1729.

[25] SAMPSON E，MILLS N T，HORI H，et al. Long-term characterisation of the relationship between change in depression severity and change in inflammatory markers following inflammation-stratified treatment with vortioxetine augmented with celecoxib or placebo [J]. Brain Behav Immun，2025，123：43-56.

Association of inflammatory markers with severity and treatment response in patients with first-episode depression

LIU Xingtong1 YANG Ruixue1 DONG Haokun2 GONG Wenqi1 CHEN Haodi1 HU Hongxing1

1.Psychological Medicine Center, the First Affiliated Hospital of Xinjiang Medical University, Xinjiang Uygur Autonomous Region, Urumqi 830000, China；2.the First Clinical Medical College, Xinjiang Medical University,Xinjiang Uygur Autonomous Region, Urumqi 830000, China

[Abstract] Objective To explore the association between inflammatory markers, including neutrophil-to-lymphocyte ratio (NLR), platelet-to-lymphocyte ratio (PLR), and platelet-to-albumin ratio (PAR), with baseline symptom severity and treatment response in patients with first-episode depression. Methods The study included 200 first-episode,medication-naive patients with depression recruited between October 2023 and October 2025 from the Psychological Medicine Center of the First Affiliated Hospital of Xinjiang Medical University. Baseline data were collected, and the Hamilton depression rating scale (HAMD) was used to assess severity and treatment response (defined as a ≥50% reduction in score). The hematological parameters were measured and correlation analysis, linear regression, and predictive value analysis were performed. Results PAR and RAR showed weak positive correlation with total HAMD scores(rs=0.186, 0.144, P=0.008, 0.043). Linear regression analysis result indicated that PAR was independently associated with baseline HAMD total score both in a multi-marker model (B=0.452, t=2.078, P=0.039) and after adjusting for age and gender (B=0.391, P=0.019). Regarding treatment response, higher baseline NLR predicted poorer outcome (OR=0.585, 95%CI: 0.350-0.977, P=0.041), whereas higher PLR predicted better response (OR=1.016,95%CI: 1.003-1.030, P=0.018). Conclusion Different inflammatory markers have specific associations with distinct clinical dimensions of depression. PAR relates to baseline severity, whereas NLR and PLR predict shortterm treatment response.

[Key words] Depression; Neutrophil-to-lymphocyte ratio;Platelet-to-lymphocyte ratio; Platelet-to-albumin ratio;Severity; Treatment response

[中图分类号] R749.4；R446

[文献标识码] A

[文章编号] 1673-7210（2026）06（c）-0041-06

DOI：10.20047/j.issn1673-7210.25121008

[基金项目] “天山英才”培养计划医药卫生高层次人才培养项目（TSYC202401A043）。

[作者简介]

刘星彤（2002.1-），女，新疆医科大学2024级精神病与精神卫生学专业在读硕士研究生；研究方向：抑郁障碍、非自杀性自伤。

[通讯作者] 胡红星（1971.4-），女，博士，主任医师，副教授，硕士生导师；研究方向：抑郁障碍的发病机制与干预治疗、物质依赖与成瘾行为。

（收稿日期：2025-12-12）

（修回日期：2026-02-13）