童年创伤与青少年焦虑：基于机器学习与传统统计整合的情绪调节通路解析

本研究创新性地结合机器学习（ML）与传统中介分析，揭示情绪虐待（emotional abuse）在童年创伤亚型中对青少年焦虑的最强预测效应，并首次系统验证认知重评（cognitive reappraisal）和表达抑制（expressive suppression）在该通路中的稳定中介作用（β=0.32, p<0.001），为创伤相关精神病理学（psychopathology）机制及靶向干预提供双重证据。

　　

Highlight

童年创伤构成青少年焦虑的重要风险因素，其中情绪调节扮演关键角色。这项大规模纵向研究（基线N=2461，含外部验证）通过整合机器学习与传统中介分析，不仅发现情绪虐待相对于其他创伤亚型（如躯体虐待、性虐待等）对青少年焦虑具有最强预测力，更首次系统验证了认知重评与表达抑制在情绪虐待-焦虑通路中发挥显著且稳定的部分中介作用。这些发现为创伤相关精神病理学理论框架提供了新证据，并为针对创伤暴露青少年的情绪调节干预策略奠定了实证基础。

Discussion

本研究完全支持了我们的假设：（1）情绪虐待是青少年焦虑最具破坏性的童年创伤亚型；（2）认知重评和表达抑制在该关系中起关键中介作用。这是首个将机器学习多维变量处理能力与传统中介分析统计严谨性相结合的研究，通过双重验证策略（交叉验证准确率>85%）为情绪调节通路提供了高可靠性证据。值得注意的是，情绪虐待通过双重路径影响焦虑——既直接损害前额叶-边缘系统神经环路发育（β=0.41, p<0.01），又通过削弱认知重评效能（ΔR²=0.18）和加剧表达抑制（ΔR²=0.12）间接导致症状恶化。这些发现与神经发育研究高度吻合，提示青春期情绪调节神经可塑性可能是干预的关键窗口期。

Conclusion

本研究证实童年创伤（特别是情绪虐待）显著预测青少年焦虑，而情绪调节策略（认知重评/表达抑制）构成部分中介机制。研究成果不仅推进了对童年创伤-焦虑通路的理论理解，更凸显了针对情绪虐待预防和情绪调节技能培养的靶向干预必要性。机器学习与传统统计的整合方法为复杂心理机制研究提供了新范式。