利用网络分析识别不同不孕患者抑郁焦虑特征及核心症状，助力精准干预

为助不孕患者缓解抑郁焦虑，研究人员用多种方法确定特征和核心症状，为精准干预提供依据。

　　

不孕患者的抑郁焦虑困境与研究契机

在当今社会，不孕问题如同一片阴霾，笼罩着无数渴望新生命的家庭。它不仅仅是一个生育难题，更引发了一系列严重的心理健康问题。从全球范围来看，不孕患者中抑郁和焦虑的发生率居高不下。在低收入和中等收入国家，不孕女性抑郁和焦虑的合并患病率分别高达 44.32% 和 54.24%；高收入国家中，这一比例虽有所下降，但也不容忽视，抑郁为 28.03%，焦虑为 25.05%。而在我国，不孕男性的抑郁患病率为 20.8%，焦虑为 7.8%，同时存在两种心理症状的比例达 15.4% 。

这些抑郁和焦虑情绪带来的后果十分严重。严重抑郁会降低不孕治疗期间的怀孕率，焦虑还会对男性精液质量产生不良影响，比如在体外受精（IVF）过程中，焦虑男性的最终总活动精子数（fTMSC）更低。面对如此严峻的现状，传统 “一刀切” 的干预方式显然难以满足不同患者的需求。以往研究大多采用单一分类方法，由于缺乏数据聚类结果的统计金标准，这些方法存在主观性强、结果不稳定等问题。因此，迫切需要一种更精准、更全面的研究方法，来深入了解不孕患者的抑郁和焦虑状况，从而制定出更具针对性的干预策略。

研究机构与目标

为了解决这些问题，来自郑州大学第一附属医院、大连妇女儿童医疗集团等机构的研究人员开展了一项具有重要意义的研究。该研究发表在《BMC Psychiatry》杂志上，旨在通过 K 均值聚类（K-means Clustering）和潜在类别分析（LCA）来确定不孕患者不同的抑郁和焦虑特征，并借助网络分析找出各特征中的核心症状，进而为制定精准的干预措施提供有力依据。研究人员提出两个假设：一是不孕患者群体具有异质性，存在不同的抑郁和焦虑特征；二是不同特征中的核心症状有所差异。

研究方法

研究人员在大连开展了这项研究，大连妇女儿童医疗集团负责招募患者。研究采用横断面研究方法，参与者为生殖中心以不孕为主诉的个体。女性参与者需满足至少 12 个月未怀孕、年龄在 20 - 49 岁且同意参与的条件；男性参与者为不孕夫妇中的男方且同意参与，排除有精神疾病病史、自愿退出或信息不完整的个体。

在测量工具方面，研究使用了九项患者健康问卷（PHQ-9）和广泛性焦虑障碍量表（GAD-7）。PHQ-9 用于检测抑郁及评估其严重程度，在 2 周内，患者根据自身症状按 4 级评分，从 “完全没有” 到 “几乎每天”。该问卷在抑郁筛查方面表现出色，在我国一般人群中，推荐以 7 分为分界值，本研究中其 Cronbach's α 系数为 0.953，表明内部一致性良好。GAD-7 由 7 个自评项目组成，用于评估过去一周焦虑症状的严重程度，同样采用 4 级评分。它是评估焦虑严重程度的有效工具，在我国综合医院门诊患者中，建议分界值为 10 分，本研究中其 Cronbach's α 系数为 0.969，可靠性令人满意。

在统计分析阶段，研究人员首先运用基本描述性统计方法对参与者的人口统计学特征进行描述。接着，采用 K 均值聚类和潜在类别分析这两种独立的分析策略来确定不孕患者的不同特征。最后，基于 K 均值聚类结果，进行卡方检验比较不同聚类在人口统计学变量上的差异，并运用网络分析确定不同特征中的核心症状。其中，K 均值聚类通过计算初始组均值差异并不断调整，直至差异最小化来确定聚类，借助肘方法（elbow test）确定最佳聚类数；潜在类别分析则是一种迭代的最大似然法，通过为每个患者提供聚类分配的概率分布，将患者特征模式归纳为有限数量的潜在类别，研究人员探索了 2 - 5 个类别的模型，并综合多种指标确定最佳模型；网络分析使用 R 包中的相关函数计算和可视化抑郁和焦虑症状网络，通过预期影响（EI）指数识别网络中的关键节点，即核心症状。

研究结果

1. 样本特征

研究共收集到 658 份问卷，其中有效问卷 650 份，有效率达 98.78%。参与者中男性 223 人（34.31%），女性 427 人（65.69%），平均年龄 34.66 岁。大多数人来自城市（85.08%），66.62% 的家庭月收入低于 7000 元。50.92% 的参与者是独生子女，56.62% 的伴侣是独生子女，仅有 8% 的人有生育史。参与者的平均婚姻年限为 (4.87 ± 3.31) 年，平均不孕年限为 (3.66 ± 2.70) 年，平均治疗年限为 (1.58 ± 2.25) 年 。问卷评估显示，42.31% 的患者抑郁症状评分超过分界值，15.85% 的患者焦虑症状评分超过分界值。

2. K 均值聚类和 LCA 结果

肘检验结果表明，最佳聚类数为 3。K 均值聚类据此识别出三个相对同质的聚类：聚类 1（16.15%）抑郁和焦虑程度较高；聚类 2（37.08%）抑郁和焦虑程度较轻；聚类 3（46.77%）抑郁和焦虑程度低于其他两个聚类。

在潜在类别分析中，比较 2 - 5 类模型后，确定 3 类模型为最佳选择。这三个类别分别为低风险组（47.23%）、中风险组（34.46%）和高风险组（18.31%）。方差分析显示，三组在 PHQ-9 和 GAD-7 所有领域的得分均存在显著差异，进一步验证了这些潜在类别的合理性。

比较 K 均值聚类和 LCA 的结果发现，两者有较高的重叠度。聚类 1 的所有患者与 LCA 高风险组理想匹配；聚类 2 中 88.38% 的患者属于 LCA 中风险组；聚类 3 中 96.38% 的患者属于 LCA 低风险组。

3. 网络结构和 EI 中心性分析

卡方检验发现，家庭月收入与聚类之间存在显著关系，较高的月收入与较低的抑郁和焦虑水平相关，而其他变量与聚类之间无显著关系。

网络结构分析表明，PHQ-9 和 GAD-7 中各症状内部的联系比症状之间的联系更显著。在不同聚类中，特定症状具有较高的 EI 中心性。聚类 1 中，“悲伤情绪（PHQ 2）” 的 EI 中心性最高，其次是 “紧张（GAD 1）” 和 “无法控制的担忧（GAD 2）”；聚类 2 中，“过度担忧（GAD 3）” 的 EI 中心性最高，接着是 “无法控制的担忧（GAD 2）” 和 “坐立不安（GAD 5）”；聚类 3 中，“疲劳（PHQ 4）” 的 EI 中心性最高，随后是 “易怒（GAD 6）” 和 “过度担忧（GAD 3）”。

研究结论与讨论

本研究首次通过实证，运用 K 均值聚类和 LCA 确定了不孕患者三种独特的抑郁和焦虑特征，并借助网络分析找到了各特征中的核心症状。这一成果为针对不孕患者抑郁和焦虑症状的精准干预提供了关键依据。

从分组合理性来看，K 均值聚类和 LCA 基于不同原理，相互验证了研究结果。两种方法都基于症状严重程度对患者进行分组，且结果重叠度高，在一定程度上证实了根据抑郁和焦虑症状划分出三种不孕患者特征的合理性，支持了第一个研究假设。

对于不同特征中的核心症状，研究发现它们与患者的心理负担和不孕治疗过程密切相关。例如，聚类 1 中的 “悲伤情绪”“紧张” 和 “无法控制的担忧”，反映出该组患者心理负担较重；聚类 2 中的 “过度担忧”“无法控制的担忧” 和 “坐立不安”，体现了不孕患者在等待妊娠结果过程中的焦虑状态；聚类 3 中的 “疲劳” 和 “易怒” 虽常见于一般人群，但也可能是疾病前期的信号。这些结果与第二个研究假设相符，即不同抑郁和焦虑特征中的核心症状存在差异。

在实际临床应用中，本研究成果具有重要意义。分组结果提示应根据不同特征患者的具体需求制定个性化干预策略，优先为高风险患者提供资源。针对不同聚类的核心症状进行干预，可能更有效地减轻整体症状严重程度。比如，对于聚类 1 患者，建议在不孕治疗中融入心理咨询或干预；聚类 2 患者则应重点针对焦虑症状进行干预，提供健康教育、社会支持或心理咨询；聚类 3 患者可通过充足休息、放松训练和加强自我调节来缓解症状。此外，针对多个特征中都较为核心的 “无法控制的担忧” 和 “过度担忧”，应制定通用干预策略。

当然，本研究也存在一些局限性。研究采用横断面设计，无法明确核心症状与其他症状之间的因果关系，未来研究可采用纵向数据进行深入探讨。样本来自同一家生殖医院，限制了研究结果的普遍性，后续研究可扩大样本来源。样本异质性问题也有待解决，未来纵向研究应明确辅助生殖治疗的具体阶段，以提供更精准的干预措施。此外，研究缺乏独立样本验证，可能影响结果的稳健性，后续需进一步开展独立复制或交叉验证研究。

尽管存在不足，但本研究为不孕患者抑郁和焦虑问题的研究开辟了新方向。确定的不同特征和核心症状，为后续纵向和实验研究奠定了基础，有助于深入探究其遗传、神经和认知机制，从而推动更有效的干预措施的发展，为广大不孕患者带来新的希望。