热电厂周边居民心理健康评估及抑郁症预测模型构建：基于BMI分层的环境暴露与精神障碍关联研究

《npj Mental Health Research》：Assessing mental health in individuals near thermal power plants and development of depression predictive model

本研究针对印度热电厂周边居民，探讨了环境暴露（如飞灰污染）与心理健康问题（抑郁、焦虑、压力）的关联，并开发了抑郁症预测模型。研究人员通过社区横断面调查（n=359），采用DASS-21量表评估心理症状，结合二元逻辑回归分析发现：家庭空气污染与压力显著相关（OR=17.408），低收入正常BMI人群焦虑风险降低70%（OR=0.303）。构建的抑郁症预测模型ROC-AUC达0.8754，凸显环境与社会经济因素对心理健康的复合影响，为制定针对性干预策略提供科学依据。

　　

在全球范围内，心理健康问题已成为导致残疾的主要原因之一，尤其在15-44岁人群中，抑郁和焦虑位列致残因素前十。印度作为煤炭消费大国，其热电厂排放的飞灰含有浓度高于原煤2-10倍的重金属，对周边居民构成潜在神经毒性威胁。然而，环境污染物与心理健康关联的研究仍存在空白，特别是针对不同体重指数（BMI）人群的差异性影响尚未明确。为此，Khaiwal Ravindra团队在《npj Mental Health Research》发表论文，聚焦印度旁遮普邦古鲁戈宾德辛格超热电厂（GGSSTPP）周边居民，开展了一项揭示环境暴露与精神健康深层联系的研究。

研究团队于2018年10月至2019年3月采用横断面设计，对热电厂周边5.5公里内12个村庄的359名长期居住者（居住>5年）进行调查。通过两阶段随机抽样，使用抑郁-焦虑-压力量表（DASS-21）评估心理症状，并收集年龄、性别、烹饪燃料类型（液化石油气LPG vs. 混合燃料）、收入等社会经济学数据。关键分析技术包括二元逻辑回归（用于探究心理症状与各因素的关联及构建抑郁预测模型）、ROC曲线评估模型性能，以及t检验和ANOVA比较正常BMI与超重人群的差异。

社会人口学特征与心理健康分布

参与者平均年龄43.79岁，女性占比70%。抑郁、焦虑、压力总体患病率分别为12%、21.7%和5.6%，其中女性抑郁（13.04% vs. 男性11.32%）和焦虑（24.50% vs. 男性15.09%）患病率更高，但压力症状在男性中更突出（8.49% vs. 女性4.34%）。超重人群（n=214）年龄显著高于正常BMI人群（p<0.05），但两组间收入、燃料类型等无显著差异。

BMI分层下的心理症状关联分析

超重人群：未发现抑郁、焦虑或压力与年龄、性别、收入或家庭空气污染存在显著关联。然而，抑郁在19-29岁年轻人中患病率最高（20%），且男性超重者抑郁比例（13.2%）高于女性（11.18%）。

正常BMI人群：家庭空气污染（使用固体/混合燃料）与压力症状显著相关（OR=17.408, p=0.011），暴露者压力风险升高约17倍；收入低于10万卢比者焦虑 odds 降低70%（OR=0.303, p=0.045）。

抑郁症预测模型性能

基于二元逻辑回归构建的模型纳入年龄、焦虑、压力、收入及燃料类型等变量，结果显示抑郁与年龄（OR=1.05, p=0.011）、焦虑（OR=28.07, p<0.001）和压力（OR=11.10, p<0.001）显著相关。模型ROC曲线下面积（AUC）达0.8754，表明具有高预测精度。

讨论与意义

本研究首次在热电厂周边人群中揭示家庭空气污染与压力、低收入与焦虑的显著关联，并验证了抑郁预测模型在环境流行病学中的适用性。女性对抑郁和焦虑的更高易感性提示需制定性别敏感型公共卫生策略，而固体燃料使用者的心理健康风险呼吁清洁能源政策的加速落地。尽管横断面设计难以确立因果关系，且样本局限于单一地区可能影响外推性，但研究为环境精神卫生领域提供了关键证据：未来政策应整合心理健康评估于环境干预项目（如印度总理清洁能源计划PMUY），并通过纵向研究追踪污染暴露的长期神经炎症机制。综上，该成果凸显了跨学科合作应对环境健康挑战的紧迫性，为全球高风险社区的心理健康防护提供了科学范本。