基于广义相加模型的高校医学生抑郁与焦虑状态的关联研究

冯 巩 武晓慧 陈 敏 王 轲 严琴琴▲

1.西安医学院全科医学研究所，陕西西安 710021；2.西安医学院内科学教研室，陕西西安 710021

大学生尤其是医学生在激烈竞争中面临的各种外在压力日益加大，这些外在压力可逐步转化为内在的心理压力，久而久之就会衍生出心理问题，造成焦虑、抑郁等心理状态[1-3]。如果学生的焦虑、抑郁状态未达到有效干预，甚至可能会转化为心理危机、行为危机乃至生命危机[4-5]。开展高校大学生心理危机干预，可有效缓解学生恐慌、焦虑及抑郁等相关情绪，缓解学业、就业压力引发的心理问题[6-7]。本研究基于医学生应激及心理状态评估特点展开研究，旨在阐明焦虑状态的影响因素，挖掘抑郁与焦虑状态的逻辑关系，以期为高校应对重大心理危机事件，提升学生心理综合素质提供依据。

1 对象与方法

1.1 研究对象

本研究采用网络问卷方式，于2020 年5 月至9 月，对陕西省某高校在校生进行问卷调查，共发放1000 份问卷，回收有效问卷为979 份，有效回收率为97.9%。

1.2 研究方法

1.2.1 调查工具 本调查问卷中，包括如下部分：高校大学生个人信息（包括学生个人信息、家庭信息、身体状况等）及学生心理状态（焦虑与抑郁状态）。本研究中的焦虑状态的评估量表根据广泛性焦虑障碍量表（generalized anxiety disorder，GAD-7）编制，该量表包括7 个症状条目，量表每个条目按照0～3 分进行四级评分。根据焦虑评分总分，将焦虑等级进行二分类处理，即无焦虑（0～4 分）和存在焦虑（5～21 分）[8]。抑郁状态的评估采用抑郁自评量表（self-rating depression scale，SDS）进行评估[9]。总分×1.25 取整数，四舍五入取整数即得标准分，标准分分数越高，提示该方面症状越严重。根据抑郁标准分，将抑郁等级进行二分类，即无抑郁（标准分＜50 分）和存在抑郁（标准分≥50 分）。

1.2.2 质量控制 在本研究中，主要采用问卷星进行调查。相同的IP 地址只能作答1 次，每个条目为必答题，均需要填写完整后才可以提交，并且要求填写问卷响应时间需≥90 s 方为有效问卷，从而保证调查问卷所获得数据真实可靠。

1.3 统计学方法

采用SPSS 24.0 软件对所得数据进行统计分析。计数资料以例数或百分比表示，采用χ2检验。进一步将单因素分析有统计学意义（P ＜0.05）的指标纳入logistic 回归。利用R 语言软件Empower Stats 软件，使用广义加性模型评估SDS 评分与焦虑状态之间的非线性关系，并拟合出曲线关系图，并使用两分段线性回归模型，探索可能的饱和效应或阈值效应[10]，其中R 语言拟合广义相加模型的包是mgcv，函数是gam。以P ＜0.05 为差异有统计学意义。

2 结果

2.1 高校医学生焦虑状态单因素分析

不同心理状况高校大学生的专业、性别、母亲文化程度、身体状况、学习负担情况、睡眠时间、好友数量、抑郁状态比例比较，差异有统计学意义（P ＜0.05）。见表1～2。

表1 高校医学生基于个人信息焦虑状态单因素分析[例（%）]

2.2 焦虑状态多因素分析

将单因素分析差异有统计学意义（P ＜0.05）的变量视为自变量，而将焦虑状态（二分类）作为因变量，进行二元logistic 回归分析。结果显示，性别（OR=0.649）、身体状况（OR=1.395）、学习负担（OR=1.762）、好友数量（OR=0.673）、抑郁状态（OR=8.276）为焦虑状态的独立影响因素（P ＜0.05）。见表3。

表2 高校医学生基于生活状态焦虑状态单因素分析[例（%）]

表3 焦虑状态多因素分析

2.3 SDS 评分与焦虑状态的关系

在本研究中，SDS 评分的标准分为25～93 分，平均（40±10）分。为进一步探索抑郁和焦虑状态的非线性关系，以SDS 评分为自变量，以焦虑状态为因变量进行平滑曲线拟合。从图1 中可观察到，SDS 评分与焦虑状态可能存在非线性关系。下一步进一步在拐点两侧建立模型，进一步验证是否存在曲线阈值关系并量化。结果显示，在调整潜在混杂因素（如性别、身体状况、学习负担、好友数量）后，SDS 评分和焦虑状态之间存在阈值关系（图1、表4）。当SDS 评分＜40 分时，SDS 每增加1 个单位（分），焦虑的发生风险将会 增 加21%；当SDS 评分＞40 分时，SDS 每增加1 个单位（分），焦虑的发生风险将会增加10%。

表4 SDS 评分与焦虑状态之间的阈值关系

图1 SDS 评分与焦虑状态的曲线拟合关系

3 讨论

广义相加模型（generalized additional model，GAM）是对传统广义线性模型的非参数拓展，可有效处理解释变量与效应变量间复杂的非线性关系[11]。GAM 目前已广泛应用于空气污染流行病学研究中，主要用于分析空气污染或气象因素对人群健康事件（如发病、住院和死亡）的急性损害效应[12-13]。

在本研究中，为探索抑郁和焦虑状态的关系，首先将SDS 评分当做二分类变量处理，发现抑郁状态是焦虑状态的独立影响因素；其次，将SDS 评分当做连续性变量处理，在调整相关混杂因素后，发现抑郁和焦虑状态的阈值效应和二者的非线性关系。本研究是首次采用基于广义相加模型的方法，探索了抑郁和焦虑之间的非线性关系。抑郁与焦虑是两种不良的心理表现，两者往往同时存在于同一个体身上。对个体来说，同一外部消极刺激既可能引发抑郁，也可能引发焦虑。既往研究显示，抑郁症状和焦虑症状关系密切，抑郁症患者常伴有焦虑症状[14-15]。高神经质的抑郁症患者在遭遇负性生活事件时更易表现出焦虑症状[16]。焦虑状况和抑郁状况均为一种复合型负性情绪，影响人的身体健康[17-19]。本研究和既往的研究保持一致，但是运用广义相加模型的方法对数据进行了充分的挖掘，通过曲线拟合展现了SDS 评分和抑郁状态的非线性关系，这为将来的研究和抑郁人群发展为焦虑的高危人群的精准定位奠定了基础。

由于身体状况越差，高校学生焦虑绪越严重，因此高校的心理干预重心应该适当地向身体素质差的同学倾斜。健康的身体是人类自信的重要来源之一[20]，健康状况不佳会导致抑郁等不良情绪产生[21]。实际上除了高校学生以外，身体状况差的老年人，在平时生活中存在心理健康问题的比例较高[22]。学习负担重、朋友数量少与焦虑症状之间存在很强的关联性，提示高校学生处于人生的特殊阶段，学习压力过大和人际关系不良是导致焦虑症状产生的重要原因，与相关研究[23-25]结果相同。

多因素研究结果显示，焦虑症状并不是某个因素的独立作用所引起的，而是多种危险因素共同作用的结果。这也充分显示，加强医学生的心理健康教育，需要各方面的支持。