近年来，抑郁症愈来愈成为公众所关注的话题，因抑郁症自杀的报道也层出不穷。有学者2019年发布了2013年7月22日至2015年3月5日期间在全国31个省精神障碍患病率的调查结果，32,552名18岁以上成年人参与了调查。结果显示抑郁症12月患病率为3.6%，终身患病率为6.8%；其中重度抑郁症12月患病率为2.1%，终身患病率为3.4%。并且女性患病率(4.2%)显著高于男性(3.0%)。
在汉斯出版社《社会科学前沿》期刊中，有论文回顾了过度自我关注、自责倾向、过度概括化三个抑郁症认知特点的研究，并根据2019年以来的元分析结果总结了抑郁症药物治疗、心理治疗及物理治疗的研究进展。
美国精神疾病诊断与统计手册第5版(DSM-5)将抑郁症分为破坏性情绪失调障碍、重度抑郁症、持续性抑郁症、经前期抑郁症、药物诱发抑郁症、其他疾病诱发抑郁症及其他特指抑郁症和未指定抑郁症。这些分类的共同症状为悲伤、空虚或易激惹，并且伴随着躯体和认知的改变，这些改变会影响到个体的生活。
抑郁症的认知特点包括过度自我关注、自责倾向、过度概括化。过度自我关注是指抑郁症患者往往比不抑郁的人更倾向于关注自我。自责倾向是指自责思维在心理障碍中很常见，有学者认为抑郁症患者的自责倾向并非单一维度，应包含1)对自我的高标准；2)不能容忍自己未达标准；3)产生概括化的失败的自我概念三个维度。过度概括化是指抑郁症患者在回忆过去或想象未来事件时缺乏具体的情景或非情景细节。概括化是人更有效率得编码、记忆信息的基本能力，但抑郁症患者的过度概括化思维往往使其忽略很多信息，易得到有认知偏差的结论。缺乏细节也使得其对众多事物失去兴趣，产生空虚无聊的负面情绪。
日常生活中，抑郁症往往发展到一定的严重程度才会有求医行为，加之社会文化影响，人们往往将抑郁症与“不坚强、看不开”等标签划等号，使得患者病耻感强，主动寻求帮助的可能性低。因此，仅采用临床问卷的形式来诊断抑郁症具有一定的不准确性和滞后性。有学者认为通过多模态的脑成像融合可以找到抑郁症的生物学标记，从而应用于抑郁症的预防、诊断和治疗效果评估。
不过研究表明仅靠脑成像数据的多模态融合可能不足以分析抑郁症的临床和神经生物学异质性。可能需要基于大量训练样本的精确临床分层和个体水平的脑表型分析方法来解析抑郁症的神经解剖学。近年来，机器学习被用到生活的方方面面，也逐渐被用到抑郁症的早期预测、早期识别、辅助诊断和治疗决策中。未来的研究应建立系统的抑郁症成因模型，并利用好网络社交平台、网页搜索浏览记录等数据，完善抑郁症预防、复发预防和疗效评估系统。
|
|
