疫情防控政策调整下公交司机心理症状网络的变化：一项关键洞察

为探究疫情防控政策调整对公交司机心理健康影响，研究人员用 SCL-90-R 评估，发现症状有变化，意义重大。

　　在新冠疫情的大背景下，新冠病毒（SARS-CoV-2）的传播给全球公共卫生带来了极大挑战，它不仅成为 2021 年全球残疾调整生命年（DALYs）的主要影响因素，还对人们的心理健康产生了日益显著的冲击。像抑郁、焦虑、睡眠障碍等心理问题的风险不断增加。

公共公交司机作为社会服务劳动力的重要组成部分，他们的心理健康问题却一直未得到足够重视。在疫情期间，公交司机面临着较高的感染风险，在 2020 年冬春以及 2021 年冬季新冠疫情高峰期，他们的感染率明显高于其他职业。同时，他们的短期（≥1 天）和长期（>21 天）病假发生率也分别上升了 42% 和 39% 。而且，疫情期间公共卫生政策的变化，如防控措施、工作安排的改变，让公交司机面临着巨大的心理压力，这不仅影响了他们的工作表现，还可能对公共交通安全造成威胁。然而，随着疫情防控政策的调整，公交司机的心理健康状况是否有所改善，目前相关的研究却很少。

为了深入了解这一情况，来自芜湖市第四人民医院等机构的研究人员开展了一项研究，该研究成果发表在《BMC Psychiatry》杂志上。

研究人员采用了重复测量的自身对照观察设计，对安徽省南部某城市的 1600 名城际公交司机进行了调查。在 2022 年 9 月 30 日至 11 月 4 日（T1，疫情防控政策解除前）和 2023 年 1 月 30 日至 3 月 6 日（T2，疫情防控政策解除后）这两个时间段，分别收集了公交司机的相关数据。

研究中用到的主要关键技术方法包括：一是使用修订版症状自评量表（SCL-90-R）来测量公交司机的心理健康状况，该量表包含 90 个问题，涵盖了躯体化（SOM）、强迫症状（O_C）、人际关系敏感（I_S）、抑郁（DEP）、焦虑（ANX）等十个维度；二是运用 R 语言进行数据预处理和网络构建，通过计算多种中心性指标（如强度、接近性、中介中心性、预期影响）来分析症状网络；三是采用多种统计检验方法，如配对样本 t 检验、贝叶斯因子（BF）分析来比较不同时间点的数据差异。

下面来看看具体的研究结果：

1. SCL-90-R 测试结果：通过配对样本 t 检验分析发现，在疫情防控政策放松后，公交司机的 SCL-90-R 总得分、平均得分、阳性项目数、阴性项目数以及阳性症状平均得分都显著下降。从各维度来看，除了恐怖焦虑外，其他子量表得分均有显著差异。不过，焦虑和抑郁等症状的改善情况并不稳定，部分司机有所好转，部分司机却出现症状加重的情况。
2. 网络构建：构建症状网络后发现，在疫情防控政策解除前后，症状之间大多呈现正相关关系。在政策解除前，焦虑是核心症状；政策解除后，焦虑依然是核心症状，但抑郁成为了次要核心症状。
3. 网络比较：对比政策解除前后的症状网络，发现一些显著变化。部分边的权重发生改变，如 DEP-PHOB、DEP-HOS、IS-PSY 边的权重显著下降，而 PSY-HOS、IS-PHOB、SOM-OC 边的权重显著上升。总体上，第二次测量时症状之间的相关性显著增加。

在研究结论和讨论部分，研究人员指出，通过传统统计分析和网络分析相结合的方法，发现了三个关键结果。第一，政策放松后，公交司机整体心理健康状况有所改善，但不同症状维度的改善模式存在差异；第二，网络分析显示症状结构相对稳定，焦虑始终是核心症状；第三，尽管整体结构稳定，但症状之间的相互联系发生了显著变化，尤其是涉及抑郁、人际关系敏感、精神病性和敌对性等症状。这些发现不仅证实了放松防控政策有助于改善公交司机的心理健康状况，还揭示了传统分析可能忽略的症状网络的复杂变化，体现了综合运用两种分析方法的价值。

然而，该研究也存在一些局限性。比如作为一项观察性研究，无法确定政策变化与症状动态之间的因果关系；样本仅为公交司机，结果的普适性有限；依赖自我报告症状可能存在报告偏差，且缺乏一些潜在混杂因素的数据。

尽管如此，这项研究为了解疫情期间公交司机的心理健康状况提供了重要数据，强调了持续监测和针对性干预焦虑、抑郁等症状的必要性。同时也为后续研究指明了方向，未来研究可以纳入客观测量指标、收集混杂变量数据、关注性别差异等，从而更全面地了解公交司机的心理健康轨迹。