单亲家庭留守青少年抑郁风险预测模型的构建与验证：基于多维因素的列线图分析

本研究针对单亲家庭留守青少年这一特殊群体，通过分析中国心理健康守护者计划(CPHG)的3731例样本数据，采用Lasso回归和二元logistic回归筛选出性别、年龄、分离时长等9个关键预测因子，构建了AUC达0.771的列线图模型。该研究为早期识别高风险个体提供了可视化工具，对实现精准心理健康干预具有重要临床价值。

　　在当代中国社会转型背景下，单亲家庭留守青少年正面临独特的心理健康挑战。这类群体不仅承受着家庭结构不完整带来的情感缺失，还要应对父母长期缺位导致的监护空白，这种"双重压力"使得他们的抑郁风险显著高于普通青少年。既往研究多聚焦普通青少年群体，对这类"双重弱势"人群的关注严重不足。更关键的是，现有抑郁预测模型往往采用单一维度指标，难以反映留守青少年在累积压力下的复杂心理机制。

针对这一研究空白，四川南充的研究团队基于中国心理健康守护者计划(CPHG)大样本数据，开展了一项突破性研究。通过分析569个采样点的3731例12-20岁单亲留守青少年数据，研究团队创新性地整合了人口统计学、家庭环境、生活方式等多维变量。研究采用Lasso回归进行变量降维，筛选出14个非零系数变量后，再通过二元logistic回归优化模型，最终构建出包含9个核心预测因子的列线图模型。该成果发表在《Child and Adolescent Psychiatry and Mental Health》期刊，为高风险个体的早期识别提供了科学工具。

研究方法上，团队采用横断面设计，数据来源于2022年10月至2023年5月CPHG项目。样本筛选严格执行三标准：年龄12-20岁、单亲留守状态、问卷数据完整。使用CES-D量表(Center for Epidemiologic Studies Depression Scale)评估抑郁症状，以16分为临界值。统计分析采用RStudio 4.4.0，通过Lasso回归的L1正则化处理解决多重共线性，按7:3比例划分训练集与验证集，并采用ROC曲线、校准曲线和决策曲线分析(DCA)多维度验证模型效能。

研究结果部分，基线分析显示训练集(n=2612)与验证集(n=1119)无显著差异(P>0.05)。变量筛选发现"父母分离年龄"被Lasso剔除(λ=0.00331)，最终模型包含：1)人口因素：女性(OR=0.604)、年龄增长(OR=1.087)风险更高；2)家庭因素：分离时长>10年(OR=1.087)、低家庭满意度(OR=0.501)显著相关；3)健康行为：物质依赖(OR=2.140)、周末手机使用>4小时(OR=1.117)提升风险，而充足工作日睡眠(OR=0.638)具有保护作用。模型验证显示训练集AUC=0.771(95%CI 0.750-0.792)，验证集AUC=0.759(95%CI 0.727-0.790)，校准曲线紧贴理想对角线，DCA显示在0.1-0.6风险阈值区间具有显著临床净收益。

讨论部分强调，该研究首次系统验证了累积风险模型在单亲留守青少年群体的适用性。研究发现三个关键机制：1)家庭支持缺失的乘数效应，分离时长每增加1个等级风险提升8.7%；2)健康行为的双刃剑作用，周末手机过度使用抵消睡眠保护效应；3)教育资源的代偿功能，父母学历达本科可降低24.8%风险。这些发现为精准干预提供新思路：对女性、高年级、长期分离对象应优先筛查；改善家庭满意度可能产生"四两拨千斤"的效果；需重点规范周末数字设备使用。

该研究的创新价值体现在：方法学上，突破传统logistic回归局限，通过Lasso-列线图联用提升模型稳健性；临床上，开发出可直接用于社区筛查的可视化工具；政策层面，为制定留守青少年心理健康分级管理制度提供循证依据。当然，研究存在横断面设计无法推断因果、自报告数据可能存在偏倚等局限。未来研究可结合客观监测设备数据，并纳入社会支持、心理弹性等保护性因素进一步优化模型。

结论部分明确指出，这项研究构建的9因子列线图模型，首次实现了对单亲留守青少年抑郁风险的量化预测。模型不仅具有优秀的判别效能(AUC>0.75)，其可视化特性更便于基层医务人员操作使用。该成果标志着我国特殊青少年群体心理健康评估从"经验判断"迈向"精准预测"的新阶段，对落实"健康中国2030"心理健康促进行动具有重要实践意义。