薬物療法によるパニック障害の再発予防：現在の状況は？

Relapse prevention in panic disorder with pharmacotherapy: where are we now?

• Daniela Caldirola
• Alessandra Alciati
• Silvia Daccò
• Wilma Micieli
• Giampaolo Perna

抄録

序論:

PD患者のかなりの数が、有効な薬物療法の中止後に再発を経験し、個人への有害な影響と多額の社会的コストをもたらしている。このことは、再発リスクを最小化するために薬物療法を最適化する必要性を示唆している。

INTRODUCTION: A substantial number of patients with PD experience relapse after the discontinuation of effective pharmacotherapy, leading to detrimental effects on the individuals and considerable societal costs. This suggests the need to optimize pharmacotherapy to minimize relapse risk.

対象分野:

本システマティックレビューでは、過去20年間に発表された、推奨されている薬剤を含む無作為化二重盲検プラセボ対照の再発予防研究を検討している。著者らは、このトピックの概要を提供し、最近の進歩が達成されたかどうかを評価することを目的としている。7件の研究のみが含まれており、限られた結果しか得られていない。以前に同一用量の薬物療法で満足のいく反応を示した患者では、一定用量の1年間の維持薬物療法は再発に対する保護効果を示した。維持療法の期間は再発リスクに影響を与えなかった。低用量の使用または再発の予測因子に関するデータは得られなかった。

AREA COVERED: The present systematic review examines randomized, double-blind, placebo-controlled relapse prevention studies published over the last 20 years involving recommended medications. The authors aim to provide an overview of this topic and evaluate whether recent advances were achieved. Only seven studies were included, providing limited results. One-year maintenance pharmacotherapy with constant doses had protective effects against relapse in patients who had previously exhibited satisfactory responses to the same medication at the same doses. The duration of maintenance treatment did not influence relapse risk. No data were available concerning the use of lower doses or the predictors of relapse.

専門家の見解:

PDにおける再燃防止は限られた注意が払われてきた。最近の進歩と決定的な適応は不足している。PDにおける薬理学的研究の再考は生産的かもしれない。大規模多施設長期自然科学研究において、臨床的および個人的特徴/バイオマーカーを幅広く収集し、最近の技術革新（例えば、電子カルテ/ビッグデータプラットフォーム、ウェアラブルデバイス、機械学習技術）を導入することで、信頼性の高い予測モデルを特定するのに役立つかもしれない。

EXPERT OPINION: Relapse prevention in PD has received limited attention. Recent progress and conclusive indications are lacking. Rethinking pharmacological research in PD may be productive. Collecting a wide range of clinical and individual features/biomarkers in large-scale, multicenter long-term naturalistic studies, and implementing recent technological innovations (e.g., electronic medical records/'big data' platforms, wearable devices, and machine learning techniques) may help identify reliable predictive models.