大学生抑郁焦虑共病研究新发现：精准分型与干预靶点

为探究大学生抑郁焦虑共病的潜在类别、核心症状及影响因素，华北理工大学的研究人员开展相关研究，将学生分为三类，确定核心和桥接症状，该研究为干预提供依据。

　　在快节奏的现代生活中，青少年的心理健康问题愈发凸显，抑郁和焦虑就像两颗 “定时炸弹”，威胁着他们的身心健康。据全球儿童和青少年精神障碍患病率研究，焦虑障碍患病率达 6.5%，抑郁障碍为 2.6% ；2019 年全球疾病负担研究显示，二者均跻身 10 - 24 岁青少年疾病负担前十。在中国大学生群体中，抑郁总体患病率为 24.8%，新冠疫情期间焦虑症状合并患病率达 25.0%。更糟糕的是，抑郁和焦虑常常 “狼狈为奸”，共病现象普遍，给青少年带来诸如人际困扰、情绪调节受损、学业和就业受限等严重后果，甚至增加自杀风险。

面对如此严峻的形势，以往研究却存在诸多不足。多数研究采用以变量为中心的方法，将样本视为同质，忽略个体固有异质性，难以对抑郁焦虑共病的不同亚组进行精准分析，从而影响对高危群体的识别和干预。此外，虽然已知内在特质和外部因素会影响心理健康，但多数研究仅聚焦少数风险因素，对保护因素也缺乏全面评估。

为了破解这些难题，华北理工大学的研究人员挺身而出，开展了一项极具意义的研究。他们旨在探索大学生抑郁和焦虑的不同类别，区分共病风险群体，找出抑郁和焦虑的核心及桥接症状，并研究其与风险和保护因素的网络关系。

这项研究的关键技术方法主要有以下几种：首先，研究人员选取了河北省某高职院校的 1719 名大一学生作为样本。其次，使用 9 项患者健康问卷（PHQ - 9）评估抑郁程度，7 项广泛性焦虑障碍量表（GAD - 7）评估焦虑水平，同时采用感知压力量表 - 10（PSS - 10）、大五人格量表 - 2（BFI - 2）中的神经质分量表、人际综合诊断量表（ICDS）、一般自我效能量表（GSES）和领悟社会支持量表（PSSS）分别测量相关风险和保护因素。最后，运用 Mplus 8.0 软件进行潜在剖面分析（LPA），R 4.3.2 软件构建并分析网络模型。

下面来看看具体的研究结果：

1. 潜在类别分析：通过 LPA，研究人员发现学生的抑郁和焦虑症状得分可分为三类。第一类是 “健康” 组，占比 57.8%，这组学生几乎没有抑郁或焦虑症状；第二类是 “轻度抑郁 - 轻度焦虑” 组，占比 36.6% ；第三类是 “中度严重抑郁 - 中度焦虑” 组，占比 5.6%。后两组被视为抑郁和焦虑共病的风险群体。
2. 抑郁和焦虑症状的网络分析：在风险群体中，研究人员对抑郁和焦虑症状进行网络分析。结果显示，抑郁症状和焦虑症状紧密相关，每个症状至少影响其他一个症状。“情绪低落（depressed mood）”（PHQ2）是抑郁的核心症状，对抑郁网络中的每个节点影响最大；“难以放松（difficulty relaxing）”（GAD4）和 “紧张（nervousness）”（GAD1）是焦虑的核心症状。同时，“情绪低落（depressed mood）”（PHQ2）和 “难以放松（difficulty relaxing）”（GAD4）也是重要的桥接症状，这意味着它们在维持抑郁和焦虑症状网络中起着关键作用。
3. 风险和保护因素的网络分析：研究人员将风险和保护因素纳入网络分析后发现，压力感知（stress perception）和神经质（neuroticism）与抑郁和焦虑的相关性最强，是最重要的风险因素。其中，压力感知对抑郁 - 焦虑共病的影响最为显著，具有最强的桥接作用。人际困扰（interpersonal distress）也起到一定的桥接作用，但影响相对较弱。而感知社会支持（perceived social support）和一般自我效能（general self - efficacy）是保护因素，与抑郁和焦虑的一些症状呈负相关。

研究结论和讨论部分意义重大。一方面，研究结果反映了大学生抑郁和焦虑的异质性，即不同群体表现出不同的症状模式，这为精准识别和干预提供了重要依据。另一方面，确定的核心和桥接症状，如 “情绪低落（depressed mood）”“难以放松（difficulty relaxing）” 和 “紧张（nervousness）”，为治疗抑郁和焦虑共病指明了方向。针对这些症状进行干预，有望打破症状网络，缓解病情。此外，明确压力感知和神经质是关键风险因素，提示对青少年进行早期干预，预防压力感知问题和神经质风险，可能降低抑郁和焦虑共病的发生率。

不过，该研究也存在一些局限性。比如样本仅来自一所高校，结果推广需谨慎；数据为横断面数据，无法确定因果关系；网络结构受问卷和计算方法影响；且存在回忆偏倚。但这并不影响其为后续研究和干预提供宝贵的参考，后续研究可针对这些不足进行改进，从而更好地守护青少年的心理健康。