编辑推荐：
为解决青少年行为风险相关性导致的窄聚焦研究解读困境，研究人员基于 ABES 数据，以青少年电子烟与吸烟为案例，采用相关分析、聚类等方法，发现两者虽相关但各与其他变量更密切，反向模型分类性能更佳，为风险筛查和干预提供新视角。
在青少年健康领域，诸多行为风险如物质使用、心理健康问题等往往相互关联，形成复杂的风险网络。然而，当前多数研究聚焦于 2-3 个变量，采用因果推理框架（causal-inference framework）分析，这种窄视角可能忽视风险行为的集群性，导致对因果关系的误判。例如，关于电子烟是否为吸烟 “gateway” 的争议，传统研究仅基于两者关联便提出因果假设，却未考量其他潜在风险因素的共同作用。在此背景下，美国疾病控制与预防中心（CDC）的相关研究团队开展了一项旨在探讨窄聚焦因果分析与整合多风险因素的预测分析（predictive-inference framework）差异的研究，其成果发表于《Drug and Alcohol Dependence》，为理解青少年风险行为提供了重要新维度。
该研究基于 CDC 的青少年行为与经历调查（Adolescent Behaviors and Experiences Survey, ABES）数据，对 7705 名美国高中生（9-12 年级，约 14-18 岁）展开分析。研究采用的关键技术方法包括：①Spearman 相关性分析，用于检测各风险变量间的关联强度；②非度量多维标度分析（non-metric multidimensional scaling）和分裂层次聚类（divisive hierarchical clustering），以探索风险行为的聚类模式；③Logistic 回归模型，分别分析电子烟使用与吸烟的正向（电子烟→吸烟）和反向（吸烟→电子烟）关联，并逐步调整其他风险因素组（如其他烟草使用、酒精与大麻使用等）；④十折交叉验证（ten-fold cross-validation），评估模型的预测有效性。
研究结果
风险行为聚类分析
通过 Spearman 相关性矩阵（图 1）及两种聚类方法发现，电子烟使用与吸烟虽存在显著相关性，但二者分别与不同风险变量更紧密聚类：电子烟使用与酒精、大麻使用聚集，而吸烟则与其他烟草使用、非法药物使用关联更密切。这表明传统仅关注两者的分析可能忽略其背后的风险集群差异。
Logistic 回归与交叉验证
正向模型（电子烟使用预测吸烟）和反向模型（吸烟预测电子烟使用）的优势比（odds ratio）相近，但十折交叉验证显示，反向模型的分类性能更优。这提示在预测层面，吸烟对电子烟使用的预测效力可能高于反向路径，暗示传统因果假设需结合更广泛的风险网络重新审视。
结论与讨论
本研究揭示，仅基于因果框架的窄聚焦分析易因忽视多风险因素的相关性，导致对青少年行为风险的误判。例如，将电子烟与吸烟的关联直接归因于因果关系，可能忽略两者背后的共同风险倾向（如普遍冒险倾向）或各自所属的风险集群（如物质使用类型差异）。而预测推理框架通过整合多维度风险因素，不仅能更准确识别高风险群体，还可优化筛查策略 —— 如针对吸烟的预防干预，可优先关注其他烟草使用或非法药物使用等更密切相关的指标，而非单一的电子烟使用。
该研究的意义在于突破传统因果分析的局限，强调在青少年风险行为研究中纳入预测视角的必要性。通过展示风险行为的集群模式及不同模型的预测效能差异，为公共卫生实践提供了更全面的理论依据，有助于制定更具针对性的早期干预措施，提升资源分配效率。未来研究可进一步拓展预测模型的应用范围，探索跨文化背景下风险集群的普适性，为青少年健康保护提供更坚实的科学支撑。
