中国大学生疫情不同阶段抑郁、焦虑与失眠症状的网络分析研究学术报告
一、研究团队与发表信息
本研究由南方医科大学公共卫生学院心理学系Jiahong Li、Cong Luo、Lili Liu等学者合作完成，通讯作者为Jingbo Zhao（南方医科大学心理健康教育与咨询中心）。成果发表于2024年4月的*Journal of Affective Disorders*（影响因子：356卷），标题为《Depression, anxiety, and insomnia symptoms among Chinese college students: a network analysis across pandemic stages》。
二、学术背景与研究目标
科学领域：研究属于临床心理学与公共卫生交叉领域，聚焦COVID-19大流行对大学生心理健康的影响。
背景知识：既往研究表明，抑郁（depression）、焦虑（anxiety）与失眠（insomnia）具有高共病性（comorbidity），且疫情期间症状加重。传统研究多基于潜变量理论（latent variable theory），而网络分析（network analysis）将症状视为动态交互系统，能更精准识别核心症状及桥梁症状（bridge symptoms）。
研究动机：疫情不同阶段政策与感染风险的变化可能导致症状网络结构差异，但既往研究样本量小、时间点单一，结论不一致。
研究目标：通过大样本三阶段横断面调查，揭示中国大学生抑郁-焦虑-失眠症状网络的动态演变，为精准干预提供依据。
三、研究流程与方法
1. 研究设计
采用三波次横断面调查（T1: 2020年2月，基线；T2: 2021年6月，疫情常态化；T3: 2023年3月，政策放开后），覆盖广东省22所高校381,152名学生。经筛选后有效样本量分别为T1: 164,101人（女性63.2%）、T2: 86,767人（女性60.1%）、T3: 130,284人（女性58.9%）。
2. 数据收集
- 工具：
- 抑郁：PHQ-9量表（Patient Health Questionnaire-9）
- 焦虑：GAD-7量表（Generalized Anxiety Disorder-7）
- 失眠：YSIS量表（Youth Self-rating Insomnia Scale）
- 流程：通过在线平台（So-jump）发放问卷，剔除无效回答（如答题时间<289秒或全选同一选项）。
3. 网络分析方法
- 网络构建：采用EBICglasso算法（高斯马尔可夫随机场估计）计算症状间偏相关网络，使用R软件（qgraph、bootnet包）可视化。
- 核心指标：
- 预期影响（Expected Influence, EI）：量化症状在网络中的中心性
- 桥梁预期影响（Bridge Expected Influence）：识别连接不同症状群的桥梁症状
- 稳定性检验：通过案例丢弃 bootstrap 法（case-dropping bootstrap）验证网络稳定性（CS-C系数>0.5）。
四、主要研究结果
1. 症状网络结构演变
- 核心症状稳定性：
- “疲劳（PHQ4）”、”坐立不安（GAD5）”、”无法控制的担忧（GAD2）”、”过度担忧（GAD3）”和”睡眠不足（YSIS6）”在三阶段均为核心症状。
- “疲劳（PHQ4）”的EI值最高（T1: z=3.62），且在T3期仍保持显著（δEI=-0.02, p<0.05）。
- 动态变化：
- 焦虑症状强化：T3期”无法控制的担忧（GAD2）”和”过度担忧（GAD3）”的EI显著上升（δEI≤0.09, p<0.05）。
- 失眠症状弱化：T1期失眠症状网络紧密（如”睡眠不足-未恢复性睡眠”边缘强度最高），但T3期 cohesion 降低。
2. 桥梁症状特征
- 持续桥梁症状：
- “疲劳（PHQ4）”、”坐立不安（GAD5）”和”易怒（GAD6）”在三阶段均起桥梁作用。
- 阶段性桥梁症状：
- “精神运动症状（PHQ8）”在T1-T2期为桥梁症状（δEI=0.17, p<0.05），但T3期作用减弱（δEI=-0.13）。
3. 网络比较
- 整体强度差异：三阶段网络强度递增（T1:11.4, T2:11.5, T3:11.7, p<0.05），反映症状关联性随疫情发展增强。
- 负相关边缘：T2期”自杀意念（PHQ9）”与部分失眠症状呈负相关，可能与共同效应结构（common effect structure）有关。
五、研究结论与价值
1. 科学意义
- 理论创新：首次通过多阶段网络分析揭示中国大学生心理健康问题的”躯体化（somatization）”特征，即疲劳、坐立不安等躯体症状在共病网络中占据核心地位。
- 方法学贡献：验证了网络分析在公共卫生事件心理研究中的适用性，解决了传统潜变量模型无法捕捉症状动态交互的局限。
2. 应用价值
- 干预靶点：建议优先干预”疲劳”、”坐立不安”等核心及桥梁症状，以阻断症状间恶性循环。
- 政策参考：为未来突发公共卫生事件的心理健康管理提供数据支持，例如在政策放开阶段需重点关注焦虑症状的升级。
六、研究亮点
1. 样本规模与时效性：覆盖37个月、超38万样本，是迄今最大规模的疫情心理健康纵向网络分析。
2. 动态视角：揭示症状网络从”失眠主导”到”焦虑强化”的演变规律，突破静态研究局限。
3. 跨学科方法：结合临床心理学（症状量表）与复杂网络理论（EBICglasso算法），创新分析框架。
七、其他发现
- 性别差异：女性占比均超58%，但性别比例在三阶段无显著变化（χ²检验p>0.05），提示需进一步探索性别特异性网络。
- 负边缘机制：对”睡眠不足-自杀意念”等反直觉关联提出共同效应假说，为后续研究提供方向。
（注：文中PHQ-9、GAD-7、YSIS等量表名称保留英文缩写，专业术语如”预期影响（Expected Influence）”在首次出现时标注中英文对照。）