抗疫一线医护人员睡眠质量与焦虑网络分析*

张 瑶，毋 琳，李翊君，李宝娟，刘 健，隋佳汝，黄 荷**

(1 空军军医大学第一附属医院军人医疗中心，陕西 西安 710032；2 空军军医大学军事医学心理学系，陕西 西安 710032；3 空军军医大学军事生物医学工程学系，陕西 西安 710032；4 空军军医大学教研保障中心，陕西 西安 710032)

2019年底暴发的新冠疫情在全球范围内肆虐，成为二十一世纪以来的重大传染性疾病之一，被世界卫生组织(WHO)宣布成为国际关注的突发公共卫生事件[1]。一线医护人员在抗击疫情的过程中，不可避免地会出现应激、焦虑、恐惧、失眠等一系列问题。研究表明[2-3]，焦虑和睡眠问题是抗疫医护人员中检出率较高和较为严重的情绪障碍和行为问题之一。Marvaldi等[4]对70项研究进行了系统评价和元分析，结果显示，医护人员出现焦虑情绪的约有30%；Preti等[5]综合44项研究结果显示，在新冠疫情暴发期，约有45%的医护人员存在有焦虑症状，与国内学者刘旭峰等[6]报告50.58%的检出率相近。Preti等[5]的研究结果显示，在新冠疫情暴发期，34.0%～36.1%的医护人员存在失眠情况。常晶晶等[7]的调查显示，疫情防控期间医护人员的睡眠时间普遍较少；陈雪萍等[8]的研究也显示约有47.7%的医护人员睡眠质量较差。

目前，网络分析法现已被广泛应用于心理构念和精神疾病的研究当中并提供了更加细颗粒度的解析[9-10]。本研究使用网络分析法对抗疫一线医护人员的睡眠质量与焦虑进行研究，为深入理解两者之间的关系并进行心理干预提供靶点和依据，以期能够有效改善抗疫医护人员的情绪和睡眠问题，提高其心理健康水平。

1 资料与方法

1.1 研究对象

本研究采用方便抽样法，于2022年1月8—17日在问卷星(www.wjx.cn)平台发放问卷，以西安市抗击新冠疫情临床一线医护人员为调查对象。纳入标准为：①参与抗击新冠疫情临床一线工作；②在隔离病房工作时间≥5天；③一周内未使用精神活性药物及活性物质；④知情同意且自愿参加本研究。排除标准为：①完成调查用时超出平均值三个标准差之外；②数据信息不完整。共计发放问卷280份，回收有效问卷269份。调查对象平均年龄为(32.27±5.89)岁，人口背景信息如表1所示。本研究获得空军军医大学第一附属医院伦理委员会批准。

表1 调查对象人口背景信息(n=269)

1.2 方法

1.2.1 匹兹堡睡眠质量指数量表(pittsburgh sleep quality index，PSQI)

该量表由匹兹堡大学精神科医生Buysse[11]编制而成，是用于评价睡眠质量的临床和基础研究量表。PSQI由19个自评和5个他评条目构成。参与计分的条目可组合成睡眠质量、入睡时间、睡眠时间、睡眠效率、睡眠障碍、催眠药物和日间功能障碍7个成分，每个成分按0、1、2、3分四级计分，累计各成分得分为PSQI总分(0～21分)，得分越高表示睡眠质量越差。本研究中Cronbach’s α系数为0.735。

1.2.2 焦虑自评量表(self-rating anxiety scale，SAS)

该量表由Zung编制，包括20个项目，其中5道题目反向计分[12]。按照症状出现频度评定，由1～4分表示频率增高。20个项目得分之和为总粗分，乘以1.25后取整数部分即为标准分。SAS 标准分50分考虑筛选阳性，以50～59分表示轻度焦虑，60～69分表示中度焦虑，70分及以上表示重度焦虑。该量表具有良好的信、效度。在本研究中，总量表的Cronbach’s α系数为0.830。

1.2.3 网络分析法

使用R软件进行数据统计与网络可视化。高斯图像模型(gaussian graphical model，GGM)被用于拟合数据和构建网络[13]。GGM以节点表示变量(在本研究中为睡眠质量和焦虑自评量表中的20个项目)，两个节点之间的连线代表其偏相关关系[14]。使用非参数斯皮尔曼相关矩阵对GGM进行计算并采用图形化套索算法对网络模型进行正则化调整[14-15]。在F-R算法布局的网络结构中，蓝边表示正相关，红边表示负相关，连线越粗表明两个节点间的相关越大，反之亦然[16]。分别使用qgraph包、mgm包和networktools包计算节点的预期影响(expected influence，EI)来评估相对重要性、计算节点的可预测性(predictability，pre)来评估可控性[17]、计算每个节点的桥预期(bridge EI)影响进而确定桥症状[18]。使用bootnet包评估网络的准确性和稳定性[19]。使用非参数自助法计算95% 置信区间 (CI) 和样本下降自助法计算相关稳定性 (CS) 系数分别评估边权值和节点预期影响的稳定性，相关稳定性系数不应低于0.25且最好高于0.50[20]。使用自举差异测试来评估两个边权值之间或两个节点预期影响之间的差异是否具有统计学意义(显著性水平α= 0.05)。

2 结果

2.1 匹兹堡睡眠质量指数量表、焦虑自评量表得分

匹兹堡睡眠质量指数量表、焦虑自评量表各题目得分、预期影响(Z分数)及可预测性如表2所示。

表2 匹兹堡睡眠质量指数量表、焦虑自评量表

2.2 睡眠质量与焦虑网络结构

抗疫一线医护人员睡眠质量与焦虑网络结构如图1所示。该网络具有如下特征：

图1 一线医护人员睡眠质量与焦虑网络结构

第一，在210条可能存在的边缘中，非零边缘有103条，占比49.0%；其中正相关关系100条，负相关关系3条。

第二，a19“睡眠障碍”和sleep“睡眠质量”(边权值=0.353)、a5“不幸预感”和a9“静坐不能”(边权值=0.282)、a12“晕厥感”和a14“手足刺痛”(边权值=0.281)是三条连接最强的边缘。自举 95% 置信区间表明边权值稳定性相对稳定。

第三，节点的预期影响结果如图2所示。

图2 一线医护人员睡眠质量与焦虑各项目的预期影响

横轴表示预期影响的大小，越靠近右侧表示预期影响越大。a8“乏力”(Z = 1.09)、a11“头昏”(Z= 1.07)和a3“惊恐”(Z = 1.06)的预期影响最高，与其他的节点关联最强。节点预期影响的相关稳定性系数为0.283，表明节点预期影响的估计稳定性有限。

第四，节点的桥预期影响结果如图3所示。横轴表示桥预期影响的大小，越靠近右侧表示桥预期影响越大。Sleep“睡眠质量”(bridge EI=0.94)、a19“睡眠障碍”(bridge EI=0.35)和a8“乏力”(bridge EI=0.23)的桥预期影响最高。节点桥预期影响的相关稳定性系数为0.77，表明节点桥预期影响的估计是较为稳定的。

图3 一线医护人员睡眠质量与焦虑各项目的桥预期影响

第五，节点可预测性表现为围绕节点的环形(如图1所示)，其着色部分所占比例越大表示可预测性越大。所有节点可预测性范围为0.670～0.910，平均值为0.778。

3 讨论

3.1 网络连接结构特征分析

本研究结果表明，焦虑和睡眠之间存在广泛的联系。在网络结构中，a19“睡眠障碍”和sleep“睡眠质量”具有紧密的联系。a19包含了入睡时间和睡眠障碍两个方面的内容。医护人员每天需要完成高负荷的医疗救治工作，睡眠时间原本就会被大大压缩，久久不能入睡更加重了精神压力，而入睡困难现在已成为影响睡眠质量的重要因素之一[21]。大部分人可能都有过这样的体验，虽然身心已经非常疲惫，但思维仍然高度活跃，越想睡着却越难睡着；同时，夜间因呼吸、疼痛、体感不适等刺激因素也会使睡眠仅停留在浅睡眠水平并易于唤醒，神经电生理学的证据也表明睡眠障碍者大脑α波频段频率和强度降低[22]，交感神经和迷走神经平衡紊乱[23]。以上原因导致了深度睡眠的时间和强度不足，影响睡眠质量。a5“不幸预感”和a9“静坐不能”以及a12“晕厥感”和a14“手足刺痛”分别也具有较为紧密的联系。不幸预感是指个体具有面临灾难的想法且难以消除，是由认知偏差所导致。长期不良的认知加之负面的易感特质，易引发消极的情绪和躯体化症状[24]。同样，上述身心症状除心理因素外，还与一线医护人员高强度的工作负荷和救治难度密不可分。

3.2 网络中心性特征分析

节点的预期影响由连接到该节点的所有边权值之和计算得到，用以衡量其在网络结构中的重要程度。节点的预期影响越大，表明该节点的中心性程度更高[25]。本研究结果表明，a3“惊恐”、a8“乏力”和a11“头昏”是网络中的核心症状。抗疫一线医护人员需要直面病毒和患者，职业暴露风险较高，出现对几乎所有与肺炎病毒和疫情相关事件的担忧，包括对诊治和护理过程中操作是否安全、防护是否有效、自己感染和传染给家人、超负荷工作身体健康、生理期等生命活动难以及时解决以及对疫情未来发展走向的广泛性担忧等，容易造成内心烦乱和对感染病毒的惊恐情绪[26]；全身穿着防护服，佩戴护目镜、口罩等防护设备连续长时间高负荷工作，易造成脱水、低血压、晕厥等情况发生；轮值夜班后可能打乱原有的睡眠节律，加重疲劳症状，影响日间工作质量[27]。根据《中国精神障碍分类与诊断标准》[28]，这种以脑功能和躯体功能衰弱症状为主要方面，以情感症状(如惊恐、易激惹)、睡眠症状(如早醒、声光敏感)、躯体化症状(如头昏、消化不良)等为主要特征的症候群易被诊断为神经衰弱，影响社会功能。

3.3 网络桥症状特征分析

节点的桥预期影响被定义为将该节点与其他症状群中所有节点连接的边之和，较高桥预期影响的节点被认为可能会具有更高由本症状群传递到其他症状群的风险[29]。Sleep“睡眠质量”、a19“睡眠障碍”和a8“乏力”的具有较高的桥预期影响，同样印证了上文的分析。此外，长期处于急慢性应激状态，可能会使焦虑症状和睡眠问题发生固着，形成精神交互效应，即对焦虑和睡眠的问题进行关注时，该症状就会变得更加敏感，感觉过敏使注意力进一步固定于此感觉，使得“越焦虑，睡眠质量就越差；睡眠质量越差，就越焦虑”。

3.4 网络可控性特征分析

一个节点的可预测性被定义为该节点的方差，即由其所有相连接节点来解释的程度[17]。可预测性结果显示，抗疫一线医护人员睡眠质量——焦虑网络各项目的平均可预测性为77.8%，意味着就整体而言，网络77.8%的变异可以由网络内部进行解释，而受其他因素(如环境和生物因素)的影响较小。这说明该网络是一个倾向于自我维持的结构，也印证了网络理论的基本观点[30]。

3.5 基于网络结构的一线医护人员睡眠质量与焦虑干预方法

2020年1月26日，国家卫健委颁布了《新型冠状病毒感染的肺炎疫情紧急心理危机干预指导原则》，提出要关注医护人员心理健康。值得注意的是，认知行为疗法(cognitive behavior therapy，CBT)是针对焦虑情绪和睡眠问题行之有效的心理干预方法，已经得到国内外大量临床研究和系统评价的证据支持[31-33]。认知行为疗法注重使用认知和行为技术，改善其不合理的认知，打破负面的自动思维和心理障碍核心信念之间的固有联结[34]。针对抗疫一线医护人员的焦虑情绪和睡眠问题，使用认知行为疗法的相关技术(如与非理性信念辩论、真实性检验等)来建立合理认知(如做好防护措施和执行规范操作可以有效避免感染，不必过分担心和惊恐；新冠病毒感染能力有限并且可以有效防控，不必有不幸预感)和矫正不良行为(如睡觉前过度使用手机、摄入香烟、咖啡等精神活性物质、不规律的生活作息等)；对于晕厥感、乏力、手足刺痛等躯体化症状进行对症治疗，如补充葡萄糖和能量预防低血糖，服用营养神经药物或针灸理疗等方法。同时，本研究结果还可为医疗任务分派、合理排班等行政管理提供参考。

4 结论

综上，本研究使用网络分析法对抗疫一线医护人员睡眠质量与焦虑网络进行探究，分析探讨了网络连接的结构特征、网络中心性特征、网络桥症状特征和网络可控性特征。发现“睡眠障碍”和“睡眠质量”等症状间关联程度较高；“乏力”“头昏”和“惊恐”是网络的中心症状；“睡眠质量”“睡眠障碍”和“乏力”等是网络中较强的传递症状，为深入理解睡眠质量和焦虑症状之间的关系和选择潜在靶点进行针对性CBT干预提供依据，可以在今后的研究中加以验证和效果评估。同时，本研究也具有一定的局限性。GGM为无向网络，无法作出因果推论，也无法获得相关项目的时间序列变化；考虑到情绪稳定性、应对方式、人格特质等个体化差异，由数据驱动得到的抗疫一线医护人员群体网络可能在个体样本上并不适用；部分题目可能由于表述相近而导致被试难于区分，这可能会对作答时的判断和选择产生干扰。