综述：自然语言处理与社会健康决定因素在心理健康研究中的应用：AI辅助范围综述

这篇AI辅助范围综述系统梳理了自然语言处理（NLP）在心理健康领域的应用现状，重点分析了1768项研究中的文本数据集类型、社会健康决定因素（SDOH）整合度及地理分布特征。研究发现临床数据和社交媒体是主要数据源（分别占42.4%和33.4%），但SDOH因素使用率不足1.2%，揭示了当前研究在人口统计学与社会因素结合方面的显著缺口。

　　

背景
自然语言处理（NLP）技术正深刻变革心理健康研究范式。通过分析临床记录、社交媒体文本等非结构化数据，研究者能够捕捉传统结构化电子健康记录（EHR）难以反映的心理状态特征。例如，在HIV感染者群体中，NLP对精神疾病和物质使用的识别准确率显著超越结构化EHR字段。这种技术突破为实时临床决策支持、不良事件监测等应用场景开辟了新路径。

研究方法创新
本综述采用PRISMA-ScR框架，通过定制化大语言模型（LLM）模块实现文献筛选自动化。该模块集成GPT-4o与GPT-4o-mini模型，采用三阶段多数表决机制处理11,878篇初始文献。相比传统人工筛查，这种AI辅助方法将预估的3,500人时工作量压缩至可控范围，同时在抽象筛查阶段达到超越单人评审的准确率。

地理分布特征
美国以624篇（35.3%）研究领跑全球，马萨诸塞州（88篇）和加利福尼亚州（66篇）成为学术产出高地。中国（197篇）、英国（167篇）和印度（120篇）紧随其后，但中低收入国家的整体参与度仍显不足，印证了全球心理健康研究资源配置的"90:10鸿沟"现象。

技术应用图谱
人工神经网络（28.2%）和Transformer模型（17.6%）构成主流技术架构。值得注意的是，长短期记忆网络（LSTM）和卷积神经网络（CNN）的混合架构（BI-LSTM-CNN）在情绪分析任务中表现突出。传统语言学分析方法如LIWC仅占1.2%，反映深度学习技术对传统方法的替代趋势。

数据资源现状
临床文本（751篇）与社交媒体（592篇）构成两大核心数据源。Twitter数据在自杀风险预测研究中占比达18篇，而Reddit论坛成为物质滥用研究的重要样本库。令人担忧的是，63.7%研究未明确说明数据可及性，仅20.5%完全公开数据集，这种透明度缺失可能阻碍研究复现性。

SDOH应用缺口
尽管年龄（56.2%）和性别（48.8%）等人口统计学变量提取率较高，但典型SDOH因素如城乡差异（1.2%）、贫困指数（1.1%）的提取严重不足。技术层面，现有NLP工具多聚焦单一变量提取（如婚姻状态），缺乏能同时捕获多维SDOH的集成模型，导致社会因素与心理健康关联研究进展缓慢。

临床转化价值
在特定疾病领域，NLP展现出独特优势：抑郁症（518篇）和自杀风险（273篇）研究占据主导地位，其中PHQ-8量表分数自动提取技术已趋于成熟。对于精神分裂症（53篇）和双相障碍（43篇），EHR文本挖掘成功构建了大规模研究队列，但创伤后应激障碍（PTSD）（53篇）的语义特征识别仍存在模型泛化挑战。

方法论启示
本次AI辅助综述实践证实，LLM在多语言文献处理和非结构化数据提取方面具有革命性潜力。特别是在处理中文、日文等非英语文献时，GPT-4o展现出优于传统翻译工具的概念提取能力。然而，人口统计学变量提取的假阳性率（34%）提示仍需加强人工校验环节。

未来发展方向
建立标准化SDOH术语库和跨机构数据共享平台将成为突破瓶颈的关键。部分研究（304篇）已示范性地公开数据集，其中包含有价值的城乡居住状态（20篇）和医疗可及性（9篇）标注信息。这些资源若能被充分利用，或将推动心理健康研究从个体化预测向社会环境交互分析范式转变。