编辑推荐：
为探究哪些因素能有效预测成人负性情绪（NA），研究人员对 342 名抑郁及非抑郁成人进行二次数据分析。结果显示，认知图式、童年逆境等因素显著影响 NA。该研究有助于理解 NA，对预防项目有潜在意义。
在当今社会，心理健康问题日益受到关注，其中抑郁症更是全球范围内的高发精神疾病，严重影响着人们的生活质量。据统计，全球近 2.8 亿人受抑郁症困扰，在哥伦比亚，抑郁症患病率也不容忽视。而负性情绪（Negative Affect，NA）作为抑郁症的核心成分，对其深入研究意义重大。那些总是被负面情绪笼罩，比如经常感到愤怒、内疚、忧虑、悲伤和厌恶的人，不仅会承受更多心理痛苦，还容易形成消极的自我认知。尽管 NA 与精神病理学之间的联系已被证实，但关于 NA 与其他心理过程，尤其是认知方面的关系研究却较为匮乏。目前，缺乏有力的实验或相关性研究来支撑 NA 与适应不良图式之间的关联。在这样的背景下，为了更深入地了解影响成人 NA 的因素，来自佛罗里达国际大学、洛斯安第斯大学等机构的研究人员开展了相关研究，其成果发表在《BMC Psychology》上。
研究人员采用二次数据分析的方法，利用先前研究收集的数据进行新的探索。研究样本包含 342 人，其中 171 人被诊断为重度抑郁症（Major Depressive Disorder，MDD），来自波哥大的两家精神病医院；另外 171 人来自普通人群，无 MDD 病史。为了获取研究所需信息，研究团队专门设计了一份问卷，涵盖人口统计学、物质使用、体育锻炼以及童年创伤等方面。同时，研究还使用了生活经历调查（Life Experiences Survey，LES）、杨氏图式问卷简版（Young Schema Questionnaire-Short Form，YSQ-SF）、状态抑郁量表（State Depression Inventory，IDER）等工具分别测量归因风格、认知图式和 NA 水平。
在数据处理阶段，研究人员运用了 Beta 回归和回归树分析（Classification and Regression Trees，CART）两种方法。Beta 回归适合分析条件分布非高斯的变量，而 IDER 得分正是这样的变量，所以研究人员先对其进行转换处理，再使用 betareg 函数进行拟合。回归树分析则通过一系列是 / 否问题对人群进行分组，以找出影响结果的关键因素，研究人员利用 tidymodels 包构建模型，并通过 5 折交叉验证和网格搜索优化模型，最终根据性能指标选择最佳模型。
研究结果显示，样本在性别、年龄分布等方面呈现出一定特征。女性在样本中占比较大，年龄分布以早期成年阶段（25 - 34 岁）人数最多。在生活方式方面，非抑郁参与者的体育锻炼水平更高，而抑郁参与者在吸烟、饮酒及使用精神活性物质方面的比例相对较高。同时，抑郁参与者在认知图式相关得分上也显著高于非抑郁参与者。
Beta 回归结果表明，年龄、分离与拒绝、自主性受损、负性归因、失控归因、童年逆境和吸烟等因素对 NA 有显著影响。其中，分离与拒绝、自主性受损的增加会使 NA 的对数优势比上升，而年龄增长则会降低这一比值。该模型的伪 R2为 0.60，显示出较好的拟合度。回归树模型的 R2达到 0.77，均方根误差（Root Mean Square Error，RMSE）为 4.01，说明模型能有效解释 IDER 得分的大部分方差，预测能力较为准确。决策树中，分离与拒绝是决定 IDER 得分高低的关键因素，此外，自主性受损、童年逆境和负性归因等也起着重要作用。高得分与多个因素的交互作用相关，比如分离与拒绝和自主性受损得分高，且吸烟但不饮酒；低得分则与相关因素得分低、对压力情境的积极解释以及年龄较大有关。
综合来看，研究表明多种认知图式，如分离与拒绝、自主性受损、过度警觉 / 抑制和限制受损，都与较高的 NA 水平相关。虽然 Beta 回归和回归树分析在部分结果上存在差异，但都揭示了这些认知图式在预测 NA 中的重要性。此外，负性归因、对压力情境不可控的感知、童年逆境以及吸烟和饮酒等生活方式因素也与 NA 密切相关。
这项研究意义重大，它进一步证实了 NA 与多种因素之间的复杂关系，为理解 MDD 的发展和维持提供了更全面的视角。同时，研究中使用的机器学习技术能帮助临床医生更好地识别导致 NA 升高的关键风险因素，从而制定更有针对性的治疗方案，改善患者的心理健康状况。未来的研究可以朝着纵向设计、纳入更多样化样本以及综合测量更多心理和医学因素的方向开展，以更深入地探究 NA 的奥秘，为心理健康领域的发展提供更多支持。
