张伟霞 席 敏 阴甜甜 王 成 司书宾

    基于网络分析的抑郁症产生与演变预测*

    张伟霞1席 敏2阴甜甜1王 成1司书宾3,4

    (1西北工业大学体育部,2西北工业大学医院,3西北工业大学机电学院,4工业工程与智能制造工业和信息化部重点实验室, 西安 710072)

    抑郁症是现代社会亟需解决的公共健康问题, 预防是应对该问题最有效的方式之一。有效预防的关键在于准确识别潜在抑郁症患者, 捕捉抑郁状态发生变化的预警信号, 及时采取预防措施。抑郁是由多种症状相互作用而成的网络系统, 该网络的结构特征和动力特征能为抑郁症发生与演变的预测提供新的理论视角和可测量的指标。以如何预测抑郁症发生与演化的关键问题为切入点, 从理论的角度论述症状网络与抑郁的关系, 进一步考察抑郁症状网络的拓扑结构特征、临界现象相关指标在预测抑郁发作及突变中的表现力。为增加早期预警信号在抑郁状态预测方面的准确性, 未来研究应当构建更系统、全面的网络, 通过使用综合的或基于机器学习的预警指标, 优化抑郁状态确定方法。

    网络分析, 抑郁症状演变, 预测, 临界现象, 早期预警信号

    1 引言

    抑郁症是一种常见的情感性精神障碍, 给社会医疗、经济, 个人健康与正常生活带来了沉重负担(Armbrecht et al., 2020; Keshavarz et al., 2022)。我国成人患抑郁症的比例约为6.8%, 但能够得到充分治疗的抑郁患者仅有0.5% (Lu et al., 2021)。在这种形势下, 与治疗相比, 抑郁预防有着更为突出的临床价值。而有效预防的关键在于准确识别出潜在的抑郁患者, 捕捉抑郁状态发生变化的预警信号, 并及时应对(Fried et al., 2022)。因此, 抑郁产生与变化的预测指标是抑郁预防中的核心科学问题。在本研究中, 该问题的具体内容包括探索哪些指标能够预测抑郁症的产生, 哪些指标预示抑郁状态的变化。

    近年来, 复杂系统的相关研究得到了长足的发展, 在生态系统大规模灭绝、天气骤变, 以及基础设施级联故障等方面有较为广泛的应用(Liu et al., 2022)。在此影响下, 研究者提出从复杂系统的视角研究抑郁症(Borsboom, 2008; Cramer et al., 2016), 将抑郁症视为由多种症状为节点构成的网络系统。网络是由许多节点(node, 节点代表物体或事件, 比如抑郁症状的表现、个体或脑区等等)和边(edge, 连接网络中节点之间的线)组成的系统。网络分析属于复杂系统科学的一部分, 强调研究对象的复杂性和动态性, 被认为是心理问题的新科学(new science of mental disorders) (Roefs et al., 2022) ......