多层级模式预测青少年大麻使用起始：基于生物生态框架的机器学习生存分析

《Developmental Cognitive Neuroscience》：Multi-level Patterns Predict Cannabis Use Onset among Youth

本研究针对青少年大麻使用起始预测的复杂性，整合个体、微系统和外系统三个层级的151个预测因子，利用随机生存森林（RSF）模型，成功预测了首次使用（C-index = 0.68）和每周使用（C-index = 0.69）的起始年龄。研究发现，首次使用涉及13个跨六领域的因素，而发展为每周使用仅由4个关键因素驱动，揭示了从尝试到习惯性使用的不同风险模式，为多层级精准预防提供了新视角。

　　

在美国，大麻（marijuana）在青少年中的使用情况令人担忧。2024年的数据显示，26%的十二年级学生报告在过去一年内使用过大麻，而每日使用大麻的青少年比例（3%）甚至超过了酒精和香烟。与此趋势并行的是青少年对大麻危害的认知下降，仅有28%的十二年级学生认为使用大麻存在风险。早期使用大麻对青少年神经和心理社会发展具有有害影响，包括注意力、学习记忆能力下降，执行功能受损，睡眠紊乱，甚至大脑发育异常（如白质完整性降低）。即便未达到大麻使用障碍（Cannabis Use Disorder）的诊断标准，使用大麻也与重度抑郁发作、学业成绩差、行为不端等风险增加相关。更早的起始使用年龄还会增加后续发展为大麻使用障碍的风险。

鉴于青少年大麻使用起始的复杂性，传统研究往往孤立地考察不同层面的风险因素，例如只关注个体层面的生物行为特征或神经生物学标记，这可能导致预测模型在个体层面的准确性不足，难以转化为有效的精准预防策略。受到布朗芬布伦纳（Bronfenbrenner）生物生态理论的启发，研究者认为大麻使用起始是源于从个体特征到更广泛环境因素的一系列嵌套且相互作用的多种影响共同塑造的。这些影响层级包括个体层面（如生物行为、认知、大脑磁共振成像MRI）、微系统层面（如家庭、同伴）以及外系统层面（如社区环境、法律政策）。然而，这些层级的影响在以往关于大麻使用起始的研究中大多被孤立地探讨。

为了检验“来自所有三个层级的因素（及其相互作用）对于预测个体的大麻起始使用和每周使用都很重要”这一假设，研究团队进行了一项数据驱动的分析。他们利用了来自美国青少年酒精和神经发育国家联盟（National Consortium on Alcohol and Neurodevelopment in Adolescence, NCANDA）的450名基线时未使用过大麻的青少年数据，时间跨度长达8年。在此期间，有292名青少年首次使用大麻，163名发展为每周使用。研究人员收集了涵盖七个领域（生物行为、认知、脑MRI、家庭、同伴、社区、法律）的151项测量指标作为预测因子。采用随机生存森林（Random Survival Forest, RSF）这一机器学习算法来预测首次使用和每周使用的起始年龄，并通过五折嵌套交叉验证进行模型评估。

本研究主要应用了随机生存森林（RSF）这一机器学习算法进行生存分析，以预测事件（首次使用大麻或每周使用大麻）发生的时间（年龄）。模型性能通过一致性指数（C-index）和时间依赖性受试者工作特征曲线下面积（AUC）进行评估。预测因子的重要性通过置换重要性（permutation importance）来确定。研究数据来源于NCANDA大型纵向队列，包含450名基线时未使用过大麻的青少年，随访期达8年。数据分析前，对包括性别、年龄、种族、社会经济地位、研究地点和颅内体积（针对脑指标）在内的潜在混杂因素进行了回归处理，以获得残差化的预测指标。

2.1. 预测准确性

随机生存森林模型在预测首次大麻使用起始年龄方面表现出显著高于随机猜测的准确性，其C-index为0.68（95% CI: 0.65-0.71），平均时间依赖性AUC为0.78。模型在青少年晚期（约19岁后）的预测准确性逐渐提高。对于预测每周大麻使用起始年龄，模型同样表现出色，C-index为0.69（95% CI: 0.67-0.71），平均时间依赖性AUC为0.79，其预测准确性在21岁后有所提升。

2.2. 生存概率

模型预测的生存概率曲线显示，青少年在18岁（晚青春期开始）时仍未使用过大麻的平均概率为60%，到18.8岁时下降至50%（中位生存概率）。相比之下，到18岁时仍未发展为每周使用大麻的概率高达90%，但到21岁时迅速下降至65%以下。

2.3. 首次大麻使用起始的预测因子

预测首次大麻使用起始的模式包含13个显著变量，涵盖了所有三个影响层级和六个领域（生物行为、认知、脑MRI、家庭、同伴、社区）。个体层面的关键预测因子包括：对酒精能带来社交行为改变的积极期望（AEQ Changes in Social Behavior）、应对压力时较低的正向思维（RSQ Positive Thinking）、基线时吸烟状态、开放性人格特质（TIPI Openness to Experiences）等。微系统层面包括家庭中酒精的可获得性、是否有约会经历、异性朋友数量。外系统层面则包括居住地附近大麻零售店和酒精零售店的密度。单变量分析显示，对酒精社交效益的高期望和较低的正向思维得分与更早的首次使用年龄显著相关。

2.4. 每周大麻使用起始的预测

预测每周大麻使用起始的模式仅包含4个显著变量：对酒精社交行为改变的期望（AEQ Changes in Social Behavior）、脑岛（Insula）的灰质体积、家庭中酒精的可获得性以及居住地附近的大麻零售店密度。单变量分析再次确认，对酒精社交行为改变的高期望与更早的每周使用起始年龄相关。

本研究证实，基于生物生态理论的多层级因素模式能够有效预测青少年个体层面的大麻使用起始。首次使用起始涉及广泛而异质的影响因素（13个预测因子），而进展为每周习惯性使用则由更少、更关键的因素驱动（4个预测因子），这表明尝试大麻和形成习惯性使用可能受不同的风险机制影响。值得注意的是，虽然预测模式包含多个层级的因素，但仅有少数个体层面的因素（如对酒精的社交期望、应对压力时的正向思维）与起始年龄存在显著的独立关联，这凸显了多变量模式（即“中系统过程”，mesosystemic processes）在个体风险预测中的重要性，而非单个风险因子。

研究中发现的最强预测因素与物质可获得性密切相关，包括家庭中的酒精可获得性（微系统）和高密度的大麻零售店（外系统）。这反映了一个宽容的物质环境会降低尝试大麻的障碍。对物质使用的积极期望，特别是期望酒精能增强社交体验，是预测首次和每周使用起始的另一个关键因素。这提示，通过干预改变青少年对物质使用的期望，可能是一种有效的预防策略。此外，认知功能（如情绪识别、计划组织能力）和神经生物学标记（如穹窿（Fornix）的白质完整性、脑岛体积）也出现在预测模式中，表明执行功能、社会认知及相应脑区的基础差异可能影响青少年对物质使用的易感性。

该研究的局限性包括：许多预测因子（如酒精期望问卷）可能反映的是普遍的物质使用倾向而非大麻特异性风险；未能完全建模州级大麻合法化政策的时变影响；以及当前模型将不同来源的预测因子视为独立输入，可能忽略了神经机制在环境影响到行为认知路径中的复杂中介作用。

总之，这项研究通过整合多层级数据并应用先进的机器学习算法，揭示了预测青少年大麻使用起始的复杂模式，强调了从个体特征到社会环境的多方面影响因素。研究结果强调了针对多个生物生态层级进行干预的必要性，特别是关注物质可获得性、青少年对物质使用的认知期望以及认知情绪调节技能，为制定精准预防青少年大麻使用的策略提供了重要的科学依据。这项研究发表在《Developmental Cognitive Neuroscience》期刊上。