Сайт издательства «Медиа Сфера»
содержит материалы, предназначенные исключительно для работников здравоохранения. Закрывая это сообщение, Вы подтверждаете, что являетесь дипломированным медицинским работником или студентом медицинского образовательного учреждения.

Иванов М.В.

ФГБУ «Национальный медицинский исследовательский центр психиатрии и неврологии имени В.М. Бехтерева» Минздрава России

Мария Григорьевна Янушко

ФГБУ «Национальный медицинский исследовательский центр психиатрии и неврологии имени В.М. Бехтерева» Минздрава России

Шаманина М.В.

ФГБУ «Национальный медицинский исследовательский центр психиатрии и неврологии имени В.М. Бехтерева» Минздрава России

Садчикова М.А.

ФГБУ «Национальный медицинский исследовательский центр психиатрии и неврологии имени В.М. Бехтерева» Минздрава России

Лепик О.В.

ФГБУ «Национальный медицинский исследовательский центр психиатрии и неврологии имени В.М. Бехтерева» Минздрава России

Бурдейная А.С.

ФГБУ «Национальный медицинский исследовательский центр психиатрии и неврологии имени В.М. Бехтерева» Минздрава России

Галина Элевна Мазо

ФГБУ «Национальный медицинский исследовательский центр психиатрии и неврологии имени В.М. Бехтерева» Минздрава России

Связь уровня гликемии, метаболических, иммуновоспалительных и психопатологических показателей у пациентов с депрессивным расстройством: ретроспективный анализ

Авторы:

Иванов М.В., Янушко М.Г., Шаманина М.В., Садчикова М.А., Лепик О.В., Бурдейная А.С., Мазо Г.Э.

Подробнее об авторах

Прочитано: 460 раз


Как цитировать:

Иванов М.В., Янушко М.Г., Шаманина М.В., Садчикова М.А., Лепик О.В., Бурдейная А.С., Мазо Г.Э. Связь уровня гликемии, метаболических, иммуновоспалительных и психопатологических показателей у пациентов с депрессивным расстройством: ретроспективный анализ. Журнал неврологии и психиатрии им. С.С. Корсакова. 2025;125(12):223‑227.
Ivanov MV, Yanushko MG, Shamanina MV, Sadchikova MA, Lepik OV, Burdeynaya AS, Mazo GE. Relationship of glycemic, metabolic, immuno-inflammatory, and psychopathological parameters in patients with depressive disorder: a retrospective analysis. S.S. Korsakov Journal of Neurology and Psychiatry. 2025;125(12):223‑227. (In Russ.)
https://doi.org/10.17116/jnevro2025125121223

Рекомендуем статьи по данной теме:
Фак­то­ры деп­рес­сии по дан­ным ак­тиг­ра­фии в осен­ний се­зон. Жур­нал нев­ро­ло­гии и пси­хи­ат­рии им. С.С. Кор­са­ко­ва. Спец­вы­пус­ки. 2025;(5-2):27-32
Пер­спек­ти­вы ле­че­ния бо­лез­ни Альцгей­ме­ра. Жур­нал нев­ро­ло­гии и пси­хи­ат­рии им. С.С. Кор­са­ко­ва. Спец­вы­пус­ки. 2025;(4-2):54-60
Рус­ско­языч­ная вер­сия шка­лы деп­рес­сии, тре­во­ги и стрес­са. Жур­нал нев­ро­ло­гии и пси­хи­ат­рии им. С.С. Кор­са­ко­ва. 2025;(5):103-107
Ожи­ре­ние в кон­тек­сте ги­по­те­зы «ста­рых дру­зей». Про­фи­лак­ти­чес­кая ме­ди­ци­на. 2025;(4):136-141
При­ме­не­ние питье­вых ми­не­раль­ных вод при прог­рес­си­ру­ющей ре­зис­тен­тнос­ти к ин­су­ли­ну. Вос­ста­но­ви­тель­ные би­отех­но­ло­гии, про­фи­лак­ти­чес­кая, циф­ро­вая и пре­дик­тив­ная ме­ди­ци­на. 2025;(2):24-30

Депрессивные расстройства (ДР) занимают особое место среди аффективных заболеваний благодаря своему хроническому течению и выраженному негативному влиянию на все аспекты жизнедеятельности пациентов. По данным Всемирной организации здравоохранения, распространенность ДР в общей популяции достигает 4—6%, при этом у 30—40% пациентов наблюдается резистентность к стандартной терапии [1—3]. Современные исследования последних лет убедительно демонстрируют, что в патогенезе ДР важную роль играют системные метаболические нарушения, особенно касающиеся обмена глюкозы [4].

Особый интерес представляет выявленые у пациентов с ДР множественные нарушения метаболизма глюкозы, включая снижение активности транспортеров GLUT1 и GLUT3, изменение активности ключевых ферментов гликолиза, а также дисфункцию митохондриального окислительного фосфорилирования [5—7]. Эти изменения приводят к развитию энергетического дефицита в нейронах префронтальной коры и лимбической системы, что клинически проявляется когнитивными нарушениями и эмоциональной лабильностью [4].

Проведенный анализ данных литературы выявил несколько ключевых аспектов, определяющих актуальность настоящего исследования. Метаболические нарушения при ДР носят системный характер и включают: инсулинорезистентность (выявляемую у 35—45% пациентов), дислипидемию (в 60% случаев), субклиническое воспаление (повышение СРБ >3 мг/л у 40—50% больных) [8, 9]. Имеются убедительные доказательства связи между нарушениями углеводного обмена и более тяжелым течением депрессии, снижением эффективности антидепрессантов, повышенным риском развития нейродегенеративных заболеваний [10—12]. Клинические особенности ДР с сопутствующими метаболическими нарушениями включают: выраженную астению (78% случаев), нарушения пищевого поведения (62%), значительные колебания массы тела (до 12 кг в течение депрессивного эпизода), повышенный риск суицидального поведения (ОШ=2,3) [13—15].

Цель исследования — изучение связи уровня гликемии, метаболических, иммуновоспалительных и психопатологических параметров у пациентов с ДР (по МКБ-10: F32, F33).

Материал и методы

Дизайн определялся как ретроспективный одномоментный. В исследование были включены данные рутинных лабораторных и психометрических обследований 234 пациентов (78 (33,3%) мужчин и 156 (66,7%) женщин) из ретроспективной базы исследований, получавших лечение в НМИЦ ПН им. В.М. Бехтерева с период с 2017 по 2022 г.

Все включенные в исследование пациенты имели диагнозы, соответствующие рубрикам МКБ-10: F32, F33. Средний возраст участников составил 34,9±15,55 года, при этом у мужчин этот показатель равнялся 35,73±14,84 года, а у женщин — 34,79±16,75 года.

Критерии включения: возраст 18—65 лет; диагноз ДР (МКБ-10: F32, F33); наличие полного клинико-лабораторного обследования.

Критерии исключения: эндокринные и иные соматические заболевания в стадии декомпенсации (сахарный диабет 1 и 2 типов, гипотиреоз); прием препаратов, влияющих на углеводный обмен; острое инфекционное заболевание на момент обследования.

Для комплексной характеристики состояния пациентов анализировались три группы параметров: психопатологические показатели: выраженность депрессивной симптоматики (шкала Монтгомери—Асберг (MADRS)); общая тяжесть состояния (шкала CGI-S (Clinical Global Impression — Severity)); метаболический профиль: уровень глюкозы плазмы крови (ммоль/л); концентрация инсулина (мкЕд/мл); гликированный гемоглобин (HbA1c, %); липидограмма (ЛПНП, ЛПВП (ммоль/л)), триглицериды (ммоль/л); иммуновоспалительные маркеры: C-реактивный белок (СРБ, мг/л); лейкоцитарная формула (абсолютные и относительные значения).

Исследование соответствовало всем положениям Хельсинкской декларации и было одобрено локальным Этическим комитетом.

Статистический анализ: данные обработаны в IBM SPSS 26.0 и R 4.2.1. Нормальность распределения проверена тестом Шапиро—Уилка. Для сравнения групп использован U-критерий Манна—Уитни, для корреляций — коэффициент Пирсона. Множественная регрессия включала контроль мультиколлинеарности (VIF<5). Уровень значимости: p<0,05. Коррекция ошибок: поправка Бенджамини—Хохберга для множественных сравнений, визуализация данных: построение графиков в ggplot2 (R).

Результаты

Исходя из поставленных задач, выделены 2 группы пациентов — с нормальным (n=215) и повышенным (n=19) уровнями гликемии относительно лабораторных референсных значений.

Демографический анализ (табл. 1) выявил, что пациенты с гипергликемией были старше (p=0,006), что согласуется с известными данными о возрастном увеличении риска метаболических нарушений. Индекс массы тела (ИМТ) в группе с гипергликемией демонстрировал тенденцию к увеличению, но различия не достигли уровня статистической значимости.

Таблица 1. Демографические и клинические характеристики исследуемых групп

Параметр

Группа с нормальной гликемией (n=215) (Mean±SD)

Группа с гипергликемией (n=19) (Mean±SD)

Возраст, годы

35,12±1,29*

45,53±2,34

ИМТ, кг/м²

24,93±0,45

26,25±0,87

Инвалидность, %

2,6**

15,8

Количество госпитализаций

2,46±0,32**

4,32±0,71

Примечание. Здесь и в табл. 2: * — p<0,05; ** — 0,05<p<0,1.

Определенный клинический интерес представляют данные о более высокой частоте инвалидизации (p=0,053) и большем количестве госпитализаций (p=0,072) в группе с метаболическими нарушениями. Эти показатели, хотя и не достигли достаточного уровня значимости, тем не менее могут указывать на более тяжелое течение основного заболевания у пациентов с сопутствующими метаболическими нарушениями.

Проведенный сравнительный анализ выявил статистически значимые различия между группами пациентов по всем ключевым метаболическим показателям (табл. 2). В группе с гипергликемией зафиксированы достоверно более высокие уровни глюкозы натощак (p=1,38E-10), что подтверждает эффективность проведенной стратификации пациентов.

Таблица 2. Сравнительная характеристика метаболических и биохимических параметров в исследуемых группах

Параметр

Группа с нормальной гликемией (n=215) (Mean±SD)

Группа с гипергликемией (n=19) (Mean±SD)

Глюкоза, ммоль/л

4,89±0,19*

6,02±0,24

Инсулин, мкЕд/мл

9,91±1,12*

23,17±4,21

HbA1c, ммоль/л

5,24±0,08*

5,67±0,15

Креатинин, мкмоль/л

71,95±2,31*

90,00±5,48

Особого внимания заслуживает выявленная инсулинорезистентность в группе с гипергликемией (p=0,003). Эти данные свидетельствуют о выраженных нарушениях углеводного обмена у пациентов данной когорты.

Показатель HbA1c также был достоверно выше в группе с гипергликемией (p=0,019), что указывает на хронический характер нарушений углеводного обмена у этих пациентов.

Результаты корреляционного анализа

С целью выявления связей между уровнем гликемии и другими исследуемыми параметрами проведена процедура корреляционного анализа (табл. 3).

Таблица 3. Корреляционный анализ уровня глюкозы крови с клинико-лабораторными показателями (n=230)

Параметр

Коэффициент корреляции (r)

p

Возраст

0,193

0,003

Индекс массы тела (ИМТ)

0,210

0,001

Масса тела

0,165

0,011

Возраст дебюта симптомов

0,165

0,010

Возраст первого обращения

0,160

0,013

Креатинин сыворотки крови

0,164

0,011

Триглицериды

0,151

0,020

Гликированный гемоглобин (HbA1c)

0,147

0,023

CGI-S

0,158

0,015

MADRS

0,143

0,026

Примечание. Все представленные корреляции являются статистически значимыми (p<0,05). Коэффициенты корреляции Пирсона (r) интерпретируются как: 0,10—0,29 — слабая связь, 0,30—0,49 — умеренная, ≥0,50 — сильная. Для всех анализов применялась поправка Бенджамини—Хохберга для множественных сравнений.

Проведенный корреляционный анализ (коэффициент Пирсона, двусторонний критерий, уровень значимости p<0,05) выявил ряд значимых, хотя и слабых по силе (r<0,3) связей между уровнем глюкозы крови и исследуемыми параметрами. Полученные данные выявили статистически значимые ассоциации уровня глюкозы крови с возрастом, антропометрическими параметрами, показателями липидного и углеводного обмена, а также степенью тяжести психического состояния. Эти связи согласуются с современными представлениями о коморбидности метаболических и психических расстройств. Однако слабая сила корреляций свидетельствует о необходимости дальнейших исследований, включающих более широкий набор переменных и учет потенциальных факторов, имеющих влияние на исследуемые параметры.

Результаты факторного и регрессионного анализа

Для выявления латентных структур, связанных с метаболическими и психиатрическими параметрами, был применен метод главных компонент (PCA) с варимакс-вращением. Критерий Кайзера (собственные значения >1) и анализ скри-плота позволили выделить три значимых фактора, объясняющих 74% общей дисперсии данных.

Фактор 1 «Метаболический синдром» (32% дисперсии), высокие факторные нагрузки: ИМТ (0,82), холестерин (0,78), триглицериды (0,75), ЛПНП (0,71), HbA1c (0,68). Фактор объединяет параметры, характерные для метаболического синдрома, включая ожирение, дислипидемию и нарушение углеводного обмена.

Фактор 2 «Системное воспаление» (24% дисперсии), нагрузки: СРБ (0,85), нейтрофилы (0,79), креатинин (0,63). Фактор отражает связь хронического воспаления с маркерами почечной функции, что согласуется с гипотезой о роли воспаления в патогенезе метаболических нарушений.

Фактор 3 «Тяжесть депрессивного расстройства» (18% дисперсии), нагрузки: MADRS (0,88), количество госпитализаций (0,76), наличие суицидальных попыток (0,69). Фактор характеризует тяжесть депрессивного расстройства, связанную с частотой обострений и суицидальным поведением.

Для оценки связи гликемии, HbA1c и депрессивной симптоматики с другими переменными использовались множественные линейные регрессионные модели.

Модель 1: зависимая переменная — уровень глюкозы (ммоль/л). Значимые предикторы: ИМТ: β=0,28 (95% ДИ 0,12—0,44, p=0,002); триглицериды: β=0,19 (95% ДИ 0,03—0,35, p=0,018); СРБ: β=0,15 (95% ДИ 0,01—0,29, p=0,041); MADRS: β=0,12 (95% ДИ 0,001—0,24, p=0,049).

Качество модели: R²=0,36, скорректированный R²=0,33, F (4, 145)=14,2, p<0,001. Повышение ИМТ на единицу связано с ростом глюкозы на 0,28 ммоль/л. Вклад триглицеридов и СРБ подтверждает роль липидного обмена и воспаления в регуляции гликемии. Слабая, но значимая связь с MADRS указывает на возможное влияние депрессии через механизмы хронического стресса (например, активацию гипоталамо-гипофизарно-надпочечниковой оси).

Модель 2: зависимая переменная — HbA1c (ммоль/л). Значимые предикторы: ИМТ: β=0,33 (95% ДИ 0,18—0,48, p<0,001); холестерин: β=0,25 (95% ДИ 0,09—0,41, p=0,003); креатинин: β=0,18 (95% ДИ 0,02—0,34, p=0,022). Качество модели: R²=0,41, скорректированный R²=0,38, F (3, 146)=18,7, p<0,001. HbA1c как маркер долгосрочного контроля гликемии сильнее ассоциирован с метаболическими параметрами (ИМТ, холестерин), чем с острыми показателями. Связь с креатинином подчеркивает роль почечной функции в углеводном обмене.

Модель 3: зависимая переменная — баллы по шкале MADRS. Значимые предикторы: количество госпитализаций: β=0,27 (95% ДИ 0,11—0,43, p=0,001); суицидальные попытки: β=0,21 (95% ДИ 0,05—0,37, p=0,008); СРБ: β=0,16 (95% ДИ 0,01—0,31, p=0,034). Качество модели: R²=0,29, скорректированный R²=0,26, F (3, 146)=9,8, p<0,001. Тяжесть депрессии связана не только с психиатрическими факторами (госпитализации, суицидальность), но и с системным воспалением (СРБ). Это согласуется с нейровоспалительной гипотезой депрессии, где провоспалительные цитокины влияют на нейротрансмиттерные системы.

Дополнительный корреляционный анализ (по Пирсону) выявил: умеренную положительную связь между MADRS и уровнем глюкозы (r=0,24, p=0,006); сильную корреляцию HbA1c с ИМТ (r=0,38, p<0,001) и триглицеридами (r=0,31, p=0,002); отрицательную корреляцию MADRS с ЛПВП (r=–0,19, p=0,022), что может отражать связь между дислипидемией и психическим неблагополучием.

Обсуждение

Полученные данные подтверждают сложную связь между метаболическими нарушениями и депрессивными расстройствами различной нозологии. У пациентов с гипергликемией обнаружены статистически значимые отклонения в уровнях инсулина, HbA1c и креатинина, что согласуется с гипотезой о коморбидности соматической (метаболической) и психиатрической патологии [16, 17]. Инсулинорезистентность, выявленная в этой группе, может играть ключевую роль в патогенезе депрессии, опосредуя процессы нейровоспаления и снижения нейропластичности через механизмы окислительного стресса и митохондриальной дисфункции [18, 19]. Эти находки подчеркивают важность метаболического компонента в развитии и прогрессировании психиатрических расстройств.

Корреляции между уровнем глюкозы и показателями шкал MADRS и CGI-S указывают на взаимное усиление метаболических и психопатологических нарушений. Эти данные согласуются с концепцией о роли гипоталамо-гипофизарно-надпочечниковой оси в регуляции стрессовых реакций и гликемического контроля. Хроническая активация гипоталамо-гипофизарно-надпочечниковой оси при депрессии может способствовать развитию инсулинорезистентности, создавая порочный круг, усугубляющий как психиатрические, так и соматические симптомы [20, 21].

С клинической точки зрения полученные результаты обосновывают необходимость регулярного мониторинга метаболических параметров (глюкоза, HbA1c, липидный профиль) у пациентов с депрессивными расстройствами. Индивидуализация терапии, учитывающая метаболические эффекты психотропных средств, может улучшить как психиатрические, так и соматические исходы [22].

Ограничения: перекрестный дизайн не позволяет установить причинно-следственные связи; отсутствуют данные о медикаментозной терапии, которая могла повлиять на метаболические и воспалительные маркеры; выборка ограничена пациентами с психиатрическими диагнозами, что снижает возможность экстраполяции результатов на общую популяцию; небольшой размер выборки также снизил статистическую мощность анализа, особенно в подгруппах.

Заключение

Комплексный подход, объединивший анализ метаболических, воспалительных и психопатологических параметров, применение современных статистических методов, включая факторный анализ и множественную регрессию, позволил выявить скрытые связи между изучаемыми переменными. Перспективным направлением будущих исследований является изучение роли митохондриальной дисфункции в патогенезе депрессии, а также оценка препаратов с двойным действием, например метформина и агонистов GLP-1, которые способны одновременно модулировать метаболизм и уменьшать депрессивную симптоматику.

Исследование расширяет понимание депрессии как системного метаболического расстройства. Полученные данные обосновывают необходимость комплексного подхода к диагностике и лечению, учитывающего как психиатрические, так и соматические аспекты.

Исследование выполнено в рамках государственного задания ФГБНУ «НМИЦ ПН им. В.М. Бехтерева» Минздрава России 2024—2026 гг. (XSOZ 2024 0012).

The study was conducted as part of the State Assignment of the V.M. Bekhterev National Medical Research Center for Psychiatry and Neurology for 2024—2026. (XSOZ 2024 0012).

Авторы заявляют об отсутствии конфликта интересов.

Литература / References:

  1. Roberts NLS, Mountjoy-Venning WC, Anjomshoa M, et al. Global, regional, and national incidence, prevalence, and years lived with disability for 354 diseases and injuries for 195 countries and territories, 1990—2017: a systematic analysis for the Global Burden of Disease Study 2017. Lancet. 2018;392(10159):1789-1858. https://doi.org/10.1016/S0140-6736(18)32279-7
  2. Meng F, Wang L. Bidirectional mechanism of comorbidity of depression and insomnia based on synaptic plasticity. Zhong Nan Da Xue Xue Bao Yi Xue Ban. 2023;48(10):1518-1528. https://doi.org/10.11817/j.issn.1672-7347.2023.230082
  3. Zhu C, Zhang T, Li Q, et al. Depression and anxiety during the COVID-19 pandemic: epidemiology, mechanism, and treatment. Neurosci Bull. 2023;39(4):675-684.  https://doi.org/10.1007/s12264-022-00970-2
  4. Chen YH, Wang HN, Lang XE, et al. Prevalence and clinical correlates of abnormal glucose metabolism in young, first-episode and medication-naïve outpatients with major depressive disorder. Psychiatry Res. 2023;325:115250. https://doi.org/10.1016/j.psychres.2023.115250
  5. Daida T, Shin BC, Cepeda C, et al. Neurodevelopment is dependent on maternal diet: placenta and brain glucose transporters GLUT1 and GLUT3. Nutrients. 2024;16(14):2363. https://doi.org/10.3390/nu16142363
  6. Scaini G, Mason BL, Diaz AP, et al. Dysregulation of mitochondrial dynamics, mitophagy and apoptosis in major depressive disorder: does inflammation play a role? Mol Psychiatry. 2022;27(2):1095-1102. https://doi.org/10.1038/s41380-021-01312-w
  7. Liu X, Wu Y, Li M. Identification of 7 mitochondria-related genes as diagnostic biomarkers of MDD and their correlation with immune infiltration: new insights from bioinformatics analysis. J Affect Disord. 2024;349:86-100.  https://doi.org/10.1016/j.jad.2024.01.011
  8. Chi H, Sun Y, Lin P, et al. Glucose fluctuation inhibits Nrf2 signaling pathway in hippocampal tissues and exacerbates cognitive impairment in streptozotocin-induced diabetic rats. J Diabetes Res. 2024;2024:5584761. https://doi.org/10.1155/2024/5584761
  9. Xie X, Wang F, Ge W, et al. Scutellarin attenuates oxidative stress and neuroinflammation in cerebral ischemia/reperfusion injury through PI3K/Akt-mediated Nrf2 signaling pathways. Eur J Pharm. 2023;957:175979. https://doi.org/10.1016/j.ejphar.2023.175979
  10. Dai C, Tan C, Zhao L, et al. Glucose metabolism impairment in Parkinson’s disease. Brain Res Bull. 2023;199:110672. https://doi.org/10.1016/j.brainresbull.2023.110672
  11. Kumar V, Kim SH, Bishayee K. Dysfunctional glucose metabolism in Alzheimer’s disease onset and potential pharmacological interventions. Int J Mol Sci. 2022;23(17):9540. https://doi.org/10.3390/ijms23179540
  12. Wang C, Cui C, Xu P, et al. Targeting PDK2 rescues stress-induced impaired brain energy metabolism. Mol Psychiatry. 2023;28(10):4138-4150. https://doi.org/10.1038/s41380-023-02098-9
  13. Wang X, Zhao C, Feng H, et al. Associations of insomnia with insulin resistance traits: a cross-sectional and Mendelian randomization study. J Clin Endocrinol Metab. 2023;108(8):e574-e582. https://doi.org/10.1210/clinem/dgad089
  14. Qin Y, Jiang X, Li W, et al. Chronic mild stress leads to aberrant glucose energy metabolism in depressed Macaca fascicularis models. Psychoneuroendocrinology. 2019;107:59-69.  https://doi.org/10.1016/j.psyneuen.2019.05.007
  15. Krupa AJ, Chrobak AA, Sołtys Z, et al. Insulin resistance, clinical presentation and resistance to selective serotonin and noradrenaline reuptake inhibitors in major depressive disorder. Pharm Rep. 2024;76(5):1100-1113. https://doi.org/10.1007/s43440-024-00621-5
  16. Клюшник Т.П., Голимбет В.Е., Иванов С.В. Иммунные механизмы соучастия соматической патологии в патогенезе психических расстройств. Журнал неврологии и психиатрии им. С.С. Корсакова. Спецвыпуски. 2023;123(4-2):20-27.  https://doi.org/10.17116/jnevro202312304220
  17. Li S, Yang D, Zhou X, et al. Neurological and metabolic related pathophysiologies and treatment of comorbid diabetes with depression. CNS Neurosci Ther. 2024;30(4):e14497. https://doi.org/10.1111/cns.14497
  18. Liu T, Zhong S, Liao X, et al. A meta-analysis of oxidative stress markers in depression. PLoS One. 2015;10(10):e0138904. https://doi.org/10.1371/journal.pone.0138904
  19. Khan M, Baussan Y, Hebert-Chatelain E. Connecting dots between mitochondrial dysfunction and depression. Biomolecules. 2023;13(4):695.  https://doi.org/10.3390/biom13040695
  20. Rumpf S, Sanal N, Marzano M. Energy metabolic pathways in neuronal development and function. Oxf Open Neurosci. 2023;2:kvad004. https://doi.org/10.1093/oons/kvad004
  21. Rong J, Wang Y, Liu N, et al. Chronic stress induces insulin resistance and enhances cognitive impairment in AD. Brain Res Bull. 2024;217:111083. https://doi.org/10.1016/j.brainresbull.2024.111083
  22. Мазо Г.Э., Незнанов Н.Г. Депрессивное расстройство. 3-е изд., перераб. и доп. М.: ГЭОТАР-Медиа. 2025;136.  https://doi.org/10.33029/9704-9030-3-DED-2025-1-136

Подтверждение e-mail

На test@yandex.ru отправлено письмо со ссылкой для подтверждения e-mail. Перейдите по ссылке из письма, чтобы завершить регистрацию на сайте.

Подтверждение e-mail

Мы используем файлы cооkies для улучшения работы сайта. Оставаясь на нашем сайте, вы соглашаетесь с условиями использования файлов cооkies. Чтобы ознакомиться с нашими Положениями о конфиденциальности и об использовании файлов cookie, нажмите здесь.