大学生进食障碍亚临床状态的网络分析

连雅囡，张迪，刘思含，伍新春，4

（1.北京师范大学心理学部，应用实验心理北京市重点实验室，心理学国家级实验教学示范中心（北京师范大学），北京 100875；2.山东省精神卫生中心，济南 250014；3.中国海洋大学心理健康教育与咨询中心，青岛 266100；4.北京师范大学应用心理学院（珠海校区），珠海 519087）

进食障碍亚临床状态（sub-clinical eating disorders，SCED）是指进食行为异常，但未达到进食障碍（eating disorders）诊断标准的状态，也被称为“阈值以下的进食障碍”或“非典型性进食障碍”[1]。进食障碍亚临床个体与临床患者一样，面临着许多心理困扰[2]。研究显示，进食障碍亚临床个体报告了与临床患者相似的功能受损程度和情绪障碍终身发病率[3]。进食障碍亚临床个体在半年后发展为进食障碍的比例高达10%～15%[4，5]。对进食障碍亚临床状态的早期识别和干预是进食障碍防治工作的重要环节[1]。而临床工作者和进食障碍亚临床个体缺乏对进食障碍亚临床状态的识别能力，是阻碍进食障碍亚临床个体寻求帮助的重要原因[6]。既往研究大多关注进食障碍临床患者，对亚临床群体的关注不足。

大学生中进食障碍亚临床个体比例远高于临床个体[2]。在美国大学生中开展的研究显示，25%～40%的女生处于进食障碍亚临床状态，存在身体形象担忧、体重管理问题和进食失控等进食障碍症状[7]。在我国高校开展的调查显示，这一群体的比例高达16.7%～25.4%[8，9]。大学生正处于青春期到成年期的过渡阶段，其自我控制能力尚未成熟，更易出现进食行为问题，甚至发展为进食障碍[10]。本研究将关注大学生进食障碍亚临床群体。

近年来，进食障碍的跨诊断视角受到学者们关注。跨诊断视角可以帮助我们理解进食障碍亚临床状态。进食障碍的强化认知行为治疗（enhanced cognitive behavioral therapy for eating disorder，CBTE）模型是目前被广泛验证的跨诊断模型，重点在于识别进食障碍的心理病理机制和治疗靶点[11]。该理论认为，神经性厌食症、神经性贪食症和非典型性进食障碍处于同一连续谱上，存在共同的影响机制。与体形、体重有关的认知症状（如过分看重体形和体重）是进食障碍的核心症状，会引发个体采取限制进食等体重控制行为，过度限制进食会导致低体重或暴食行为，进而引发个体采取不恰当的代偿行为来消耗食物热量[12]。根据CBT-E，进食障碍核心症状本身就是引起其他进食障碍症状的原因[11]。CBT-E理论对进食障碍的理解与网络理论对精神障碍的理解一致[13]。

网络理论认为，精神障碍是症状间相互作用的产物，它们的相互作用构成反馈回路，从而维持了症状的长期激活状态，这种状态在现象学上被称为“心理障碍”[14]。基于网络理论发展而来的网络分析方法（network analysis），为理解进食障碍提供了新的视角[13]。网络分析方法可以直观地呈现症状网络，识别核心症状及症状间的联系[13]。针对核心症状或症状间传播途径的干预被认为比传统治疗方法更为有效[13]。进食障碍症状涉及到认知、情绪和行为三个方面的症状表现，其症状间的相互影响可能更为复杂，网络分析可以呈现出一个相互作用的复杂系统，较为全面地呈现症状间的联系。

正则化偏相关网络是目前被广泛使用的网络分析方法。该方法可以用来探索症状相互维持的反馈回路[15]。网络中的节点表示症状，节点间的连线表示在控制所有其他症状的影响后，两节点间的相关性[15]。通过预期影响指数（expected influence，EI）、中介中心性（betweenness）和接近中心性（closeness）量化节点在网络中的影响力[16]。但该方法存在非定向的局限，即无法预测节点间影响的方向[15]。从理论上来说，具有高EI的节点可能在网络中发挥着重要的维持作用，但它也可能是受到其他症状影响最大的节点[13]。对于无向网络中高EI 值节点的理解，仍有待斟酌。既往的网络分析研究在对结果进行解释时，往往忽视了这一可能性。

为了弥补非定向网络不能预测节点间潜在影响方向的缺点，并进一步探索网络中高EI值的节点在网络中的作用，本研究计划使用贝叶斯方法估计进食障碍亚临床状态的有向无环图（directed acyclic graph，DAG）。在有向网络中，节点间连线的箭头方向代表症状间影响的方向，连线越粗，代表症状间的联系越强[15]。节点位置越靠近顶端，在网络中的优先级越高或相对重要性越强[15]。两种方法各有其优、缺点，在网络科学和统计学中已发展为成熟的统计分析方法[15]。根据CBT-E 理论，进食障碍症状的出现存在先后顺序，即与体形、体重相关的认知症状是进食障碍的始发症状，可能在网络中有着较高的优先级，进而引发其他进食障碍症状。通过有向网络探索和验证症状间的潜在因果关系，可以为选择干预的切入点提供实证依据，提高临床干预效率。

近年来，部分学者开始基于网络分析的视角探索进食障碍症状网络。研究发现，与体形、体重相关的认知症状（如过度关注体形、体重，感觉胖等）在不同类型进食障碍网络中的影响力较大，被认为是进食障碍症状网络中的核心症状[13，17，18]，这验证了CBT-E 理论，强调了认知症状在进食障碍发展和维持过程中的重要性。与临床群体不同，进食障碍亚临床群体处于健康群体和临床群体的连续谱中间，处于个体从适应性的体重、体形管理行为到异常行为的演变阶段[1]。该阶段个体可能会在体验到心理不适的同时也会因体重下降等感到有成就感。亚临床个体认知、情绪和行为之间的相互作用可能与临床群体呈现出不同的特点，CBT-E 理论在进食障碍亚临床群体中是否适用仍有待探索。

综上所述，本研究通过构建进食障碍亚临床状态的正则化偏相关网络和有向网络，识别网络中的核心节点和潜在因果关系。基于CBT-E理论，本研究假设：（1）在正则化偏相关网络中，过度关注体形和体重、感觉胖等与体形和体重相关的认知症状在网络中的EI值最大；（2）与体形、体重相关的认知症状是有向网络中优先级较高的节点。

1 对象与方法

1.1 对象

本研究采用方便取样的方法，采用问卷星发放问卷，实收问卷671 份。纳入标准：（1）进食障碍检查自评问卷6.0 总分≥1.27[19]，且在过去28 天内存在至少4次暴食行为和/或代偿行为[20]；（2）高等学校在读学生。排除标准：（1）正在服用精神类药物；（2）有进食障碍诊断。经筛选后，共247 名被试纳入研究。年龄范围为16 至33 岁，平均年龄为21.37 岁（SD=2.74）。其中男性132 人（53.4%），女性114 人（46.2%），性别缺失1人（0.4%）。

1.2 研究工具

使用中文版进食障碍检查自评问卷6.0（Eating Disorder Examination Questionnaire,EDE-Q 6.0）测量进食障碍症状[19]。该问卷共28个条目，包括限制进食、进食顾虑、体形顾虑和体重顾虑4 个分量表（共22 个条目）和6 个评估进食障碍行为（包括暴食、过度进食、进食失控感、催吐、服用泻药和强迫运动）发生频率的自填条目。该量表采用李克特7点计分（0分表示“一天都没有或一点也不”，6分表示“每天或显著”）。该量表有效区分中国女性大学生进食障碍患者与健康对照组的划分值为1.27[19]。本研究中该量表的总体Cronbach’s α系数为0.895。

1.3 数据处理

本研究使用SPSS（26.0 版）进行描述性统计分析，使用R（3.4.4版）进行网络分析。

1.3.1 正则化偏相关网络 使用高斯图模型（gaussian graphical model,GGM）估计症状间的横断网络[21]。使用“图像最小绝对收敛和选择算子”（graphical least absolute shrinkage and selection operator,GLASSO）进行正则化[22]，以保留有意义的连线并减少网络中的假阳性边。使用R软件包qgraph对网络进行可视化[23]。在网络中，蓝色边表示正相关，红色边表示负相关。颜色越浓，边越粗，表示相关越大。使用R软件包中的networktools 包计算EI，用来衡量节点在网络中的重要性[24]。使用bootnet包进行边权重差异性检验，以及非参数自举检验（n=1000）来计算网络中各边权重的95%置信区间（confidence intervals,CI），以证明边缘权重估计的准确性[25]。使用corStability函数计算网络的中心性稳定系数（centrality stability coefficient, CS-coefficient）。CS-coefficient 值大于0.5表示中心性稳定良好，可接受的最低值为0.25[25]。

1.3.2 有向网络 首先，使用bnlearn包中的爬山算法计算有向网络[26]，通过非参数自举检验确保网络的稳定性（n=1000）。如果某个边出现在至少85%的自举网络中，则会被保留在最终的平均网络中[15]。然后确定每个边的方向，如果边在至少51%的自举网络中均从症状X 延伸到症状Y，则该方向将被保留到最终的平均网络中[26]。通过bnlearn 计算每个边的BIC 值，BIC 值的绝对值越大，删除该边缘对网络的破坏性就越大[15]。边的厚度代表其BIC值的大小。最后，采用Scutari和Nagaraja提出的统计程序，减少有向网络中的虚假边，提高有向网络的特异性和敏感性[27]。

2 结果

2.1 描述性统计结果

EDE-Q 总分均分为2.74（SD=1.04），各题项得分见表1。

表1 EDE-Q各题项得分情况（n=247）

2.2 正则化偏相关网络估计结果

正则化偏相关网络见图1。网络节点标准化EI和中心性见图2。EI 值最高的节点是E7（思考进食而无法集中注意力）（EI=1.32）。其次是E25（对体重不满）（EI=1.21）。E19（秘密进食）接近中心性和中介中心性最高。

图1 进食障碍亚临床状态正则化偏相关网络

图2 进食障碍亚临床状态正则化偏相关网络节点标准化EI值及中心性

网络稳定性检验显示网络稳定性良好（CS=0.60）。EI 稳定性良好（CS=0.52），接近中心性稳定性可以接受（CS=0.36），中介中心性稳定性较差（CS=0.21）。

2.3 有向网络估计结果

有向网络见图3。从整体网络来看，主要以进食、体形和体重相关认知症状和限制进食症状之间的关联为主，形成密集的网络。从症状间的因果关系来看，E7（思考进食而无法集中注意力）和E13（过度进食）优先级最高，没有任何节点指向它们。E7触发的节点主要为限制进食、体形体重顾虑和进食顾虑症状，包括E2（避免进食）、E3（回避喜欢的食物）、E5（让胃空着）、E8（思考体形体重而无法集中注意力）、E9（害怕进食失控）5个症状。其中，E7是网络中触发症状类别最多的节点。E13（过度进食）触发的节点为E14（进食失控感）、E15（暴食）和E18（强迫运动），这些节点主要与暴食和补偿行为有关。E10（害怕增重）与E24（测体重感到不适）位于网络的最底端。

图3 进食障碍亚临床状态的有向网络

E19（秘密进食）在有向网络中与其他节点关联最多，该节点也是偏相关网络中接近中心性和中介中心性最强的节点。有2 个节点指向E19，分别是E8（思考体形体重而无法集中注意力）和E2（避免进食）。E19 触发的节点主要为体形顾虑和进食顾虑症状，包括E11（感觉胖）、E20（进食罪恶感）、E22（体形重要性）等5个症状。

E25（对体重不满）和E16（催吐）也位于网络中间的位置，由多种症状引发，同时也会引发其他症状。其中，E25（对体重不满）主要与体形、体重顾虑症状有关。由E11（感觉胖）、E12（渴望减重）和E23（体重重要性）触发，并进一步触发E26（对体形不满）、E27（看到身体感到不适）和E28（避免暴露）。

E16（催吐）主要与多种异常进食行为和体形、体重顾虑有关。由E2（避免进食）、E19（秘密进食）、E15（暴食）、E22（体形重要性）触发，并进一步触发E17（服用泻药）、E23（体重重要性）。

3 讨论

本研究关注大学生进食障碍亚临床群体，使用两种网络分析方法构建进食障碍亚临床状态症状网络，探索症状之间的关系。研究发现“思考进食而无法集中注意力”在网络中发挥着重要作用。该症状在偏相关网络中影响力最大，在有向网络中优先性最高。这与本研究的假设和既往在进食障碍临床样本中的研究结果不同。既往在临床群体中开展的研究大多发现，网络中的核心节点是与体形、体重相关的认知症状，如过度看重体形和体重，对体重不满，渴望减重等[17，18，20]。这种差异可能体现了进食障碍亚临床状态与临床状态的区别。

思考进食而无法集中注意力（E7）这一症状表现为个体难以控制食物、进食和热量相关的想法，并且强调这些想法会干扰个体正常的学习、工作和生活。研究发现进食障碍亚临床个体会反复出现进食相关的侵入性想法（eating-related intrusive thoughts），且比健康群体更为频繁[28]。亚临床个体会反复出现与食物、节食、身体形象、体重和补偿行为相关的想法、图像或冲动，这些想法、图像和冲动常常突然出现，个体难以控制，并会干扰个体正在进行的活动[29]。进食相关侵入性想法导致个体出现社会功能失调、情绪反应等后果是判断该症状达到异常水平的关键[30]。本研究的样本为大学生群体，为了完成学业任务需要良好的认知功能，而过度思考进食、食物和热量导致注意力集中困难，可能会引发个体的情绪困扰，如在学习过程中出现的相关想法引起个体的焦虑情绪，从而引发个体出现更多进食障碍行为（如限制进食、清除行为等）来减轻焦虑[31]，进而成为大学生进食障碍亚临床群体最突出的症状表现。该结果也提示临床工作者，在诊疗过程中需关注与进食相关的认知症状。而目前临床工作中对进食障碍的筛查更侧重体格检查和进食行为，往往忽视了个体在认知功能层面的表现[6]，尤其是进食相关的认知症状。可以通过正念治疗增强个体对自身意识的觉察，降低分心刺激给个体带来的影响[32]，帮助个体在出现进食相关侵入性想法时保持对当前任务的专注状态。

这一症状在有向网络中优先性最高，它会同时激发个体的多种进食限制行为（避免进食、回避喜欢的食物、让胃空着等）。Lenny 等发现，无论是思考过去还是将来的食物摄入，都会抑制个体当前的进食行为[33]。这可能与视觉和前额叶皮质的神经反应增强有关[34]。进食障碍亚临床状态处于正常进食状态到临床状态的连续体的中间地带，这一症状或许是防止个体从亚临床状态进一步发展为进食障碍的重要靶目标。目前对于这一症状的关注和研究十分有限，需进一步通过纵向网络分析探索这一症状如何影响其他进食障碍症状，以改进预防和治疗方案。

这一结果也可能与本研究样本的性别比例有关。既往的进食障碍研究大多以女性被试为主，而本研究中男性样本占比53.4%。考虑到样本上的区别，我们进行了补充分析，发现男性在思考进食而无法集中注意力这一症状上的得分显著高于女性。研究发现，男性表现出的与进食障碍相关的侵入性想法主要与节食和食物有关，而女性的侵入性想法主要与外表有关[35]。基于本研究中样本量较小的限制，构建出的不同性别的进食障碍亚临床状态症状网络缺乏稳定性，无法进行性别间的网络比较，未来的研究应进一步关注进食障碍亚临床状态的性别差异。此外，本研究的结果还需要在大样本中进一步验证。

我们发现体重不满（E25）、秘密进食（E19）和催吐（E16）这三个症状由不合理的认知症状引发，又进一步导致了不合理的进食行为。这些症状或许是打断亚临床状态个体症状发展的重要节点。

其中，对体重不满（E25）在网络中的影响力较大，这一结果与在临床群体中开展的研究一致[17，36]。对体重不满是非临床样本中进食障碍症状的有力预测因素[37]，可以引起限制进食、代偿行为等广泛的进食障碍症状[38]。对这一症状进行干预，或许可以阻止个体从进食障碍亚临床状态进一步发展为进食障碍。值得注意的是，既往研究在对结果进行解释时，多忽略了高EI值的另一意义，即高EI值可能代表该症状受到其他症状影响最大[13]。本研究构建的有向网络验证了这一可能性。在有向网络中，对体重不满这一节点的位置相对偏下，既受到诸多症状（感觉胖、体重重要性等）的影响，也会激发其他症状（看到身体感到不适、避免暴露等）。这提示临床工作者，在对该症状进行干预时，可以考虑从始发症状（如感觉胖和夸大体重的重要性）的干预着手，如使用认知行为治疗等循证疗法进行认知重建[39]。

秘密进食（E19）在正则化偏相关网络中的接近中心性和中介中心性最强，这意味着该症状会直接影响更多症状，这一推论在有向网络中得到验证。秘密进食是有向网络中与其他症状直接相连最多的节点，并且会影响多种进食障碍症状（包括进食顾虑、催吐行为、体形和体重顾虑等）。患有进食障碍或存在进食行为问题的个体通常会因为自我批评、社会对进食障碍症状的污名化等体验到强烈的羞耻感[6，40]，当个体对紊乱的进食感到羞耻时，可能更倾向于避免在他人面前进食。许多处于进食障碍亚临床状态的个体认为自己并未达到需要治疗的程度[6]，同时秘密进食使个体紊乱的进食行为被隐藏起来，使个体身边的重要他人难以发现他们的进食问题（如暴食），不仅减少了进食障碍亚临床个体获得他人支持和恰当治疗的可能性，也使得其他进食障碍症状得以维持。对该症状的干预或许可以提高进食障碍亚临床状态的干预效率。临床工作者在进食障碍早期筛查中应关注个体的秘密进食行为。

催吐（E16）在有向网络中处于中间位置，在正则化偏相关网络中有较高的中介中心性和中等影响力。催吐由多种异常进食行为（避免进食、秘密进食、暴食）和体形相关认知症状（体形重要性）触发，同时会进一步触发补偿行为（服用泻药）和与体重相关的认知症状（体重重要性）。催吐会给个体带来生理和心理上的双重损害[8]。对催吐行为进行干预时可从减少个体对进食的限制、秘密进食和暴食行为入手，帮助个体建立健康、规律的饮食习惯。

综上所述，本研究发现思考进食而无法集中注意力是进食障碍亚临床状态症状网络的核心症状，该结果支持了CBT-E 理论模型。进食障碍亚临床个体已经表现出一定程度的认知功能损伤。临床工作者要提高对进食障碍认知症状的关注和识别，可以考虑使用正念疗法和认知行为治疗对于进食障碍亚临床状态进行干预。