1引言

    近年来，抑郁已成为越来越普遍的心理健康问题。世界卫生组织(WorldHealth Organization，WHO：2023)的调查显示，全球约有 5% 的成年人(约2.8亿人)患抑郁。根据《2023年度中国精神心理健康》蓝皮书，中国成年人的抑郁检出率为 10.6% 。可见，在现代社会的生活压力下，抑郁问题日渐凸显且亟待解决。许多研究者指出，预防是抑郁的有效应对策略之一(董健宇 等，2020；张伟霞 等，2023)。这需要对潜在抑郁患者的抑郁状态进行准确预测，并及时采取预防措施。

    大量研究表明压力是抑郁的重要预测因素(Hammen，2005，2015；Vrshek-Schallhorn etal.，2020)。研究大多在个体间层面(inter-individuallevel)，关注压力对抑郁影响过程的调节因素，以识别抑郁的高风险个体(Hammen，2005，2015)。随着数据收集技术与统计分析方法的发展，越来越多的研究采用日记法(dailydiary)或生态瞬时评估法(ecologicalmomentaryassessment)收集密集追踪数据(intensive longitudinal data)，考察个体内层面(intra-individuallevel)的日常压力事件与个体抑郁状态的动态关联(Connollyamp; Alloy，2017；Fuller-Tyszkiewicz et al.， 2017; Luo et al.， 2025)。

    抑郁状态是指个体在日常生活中某一时刻所表现出的抑郁症状。密集追踪研究关注个体内抑郁症状随时间的动态波动与变化。以往研究揭示了对抑郁状态有重要预测作用的多种压力过程因素，但缺乏对各种因素预测路径的整合考察(Almeida，2024)。更重要的是，虽然已有研究采用机器学习算法等提高对抑郁的预测准确性(Sauamp;Bhakta，2019;DelaBarreraetal.，2024)，但这些预测模型主要用于识别抑郁的高风险个体，而无法考察个体内抑郁状态的动态过程。考虑到个体内抑郁状态的发生发展和波动变化可以有效指导回答临床实践中“何时干预\"和“对谁干预\"的关键问题，有必要收集密集追踪数据并采用合适的机器学习算法，构建压力过程对抑郁状态的动态预测模型。

    1.1 压力过程与抑郁状态的关系

    从压力的动态视角，Almeida(2024)提出了日常压力过程模型(Daily StressProcessModel)，对日常压力相关的多种成分进行系统梳理。参考该过程模型(Almeida ......