极端天气事件对爱尔兰共和国居民心理健康的影响：基于事件影响量表修订版(IES-R)和机器学习的实证研究

推荐：本研究针对气候变迁下极端天气事件(EWEs)对心理健康的影响，通过跨部门调查采集456名爱尔兰居民数据，采用IES-R量表和机器学习聚类分析，识别出高、中、低心理压力群体，揭示教育水平、居住地、经济状况等关键影响因素，为制定针对性干预策略提供科学依据。

　　

随着全球气候变化加剧，极端天气事件（Extreme Weather Events, EWEs）的频率和强度显著上升，已成为威胁人类健康的重大挑战。尽管EWEs对生理健康的直接影响已被广泛研究，但其对心理健康的长期影响仍存在显著知识空白。爱尔兰共和国（ROI）作为温带海洋性气候代表地区，近年来洪水和风暴频发，但相关心理健康研究却近乎空白。这种背景下，理解EWEs如何通过直接伤害、经济压力等途径影响心理健康，对制定精准干预政策至关重要。

为填补这一空白，来自University College Cork等机构的研究团队开展了一项开创性研究。通过结合心理量表与机器学习算法，首次系统评估了EWEs对爱尔兰居民心理健康的多维影响。研究成果发表在《Journal of Environmental Psychology》上，不仅揭示了不同人群的心理脆弱性差异，更构建了可预测风险群体的数学模型。

研究采用多学科交叉方法：首先通过横断面调查收集456名成年受访者的社会人口学数据和EWEs暴露史；运用事件影响量表修订版（Impact of Event Scale-Revised, IES-R）量化创伤应激症状，该量表包含22个Likert量表项目，涵盖侵入性思维、回避行为和过度警觉三个PTSD核心症状群；采用两步聚类分析识别心理压力亚群，并通过广义线性模型（GLM）和递归分区回归树（rpart）算法建立预测模型。所有分析均通过IBM SPSS Statistics 28.0和R 4.1.0完成。

3.1 研究人群特征
样本覆盖爱尔兰城乡地区，男女比例均衡（女性49.6%，男性49.1%），44.3%为26-34岁青年群体。值得注意的是，67%居住在城市地区，与爱尔兰统计局数据一致，增强了样本代表性。

3.2 EWE暴露与影响
49.1%受访者自述受EWEs"中度"影响，57.5%经历过2-5次EWEs。河流洪水（23.2%）和风暴（22.9%）是最常见EWEs类型。关键发现是：经历EWEs次数与影响程度呈正相关（χ²(9)=54.158, p<0.001），且空气污染暴露者更易出现严重心理影响（调整残差AR=1.6）。

3.3 心理健康指标分析
IES-R总分与年龄、教育、收入等显著相关（均p<0.001）。老年群体（>65岁）中位得分仅6分，显著低于青年群体（18-25岁为44分）；研究生学历者得分（11.5）远低于初等教育者（49分）。经济压力是重要中介变量——财务状况恶化者得分增加近两倍（OR=1.95）。

3.4-3.8 心理压力集群特征
通过聚类分析识别出四个特征鲜明的群体：

1. 高压力群体（33.8%）：IES-R均分59.1，多见于低教育水平（研究生学历OR=0.37）、农村居民（郊区OR=0.31），且多伴随健康恶化（OR=1.91）和经济困难（OR=1.95）；
2. 低压力群体（26.3%）：IES-R均分仅4.5，以老年人（>65岁OR=5.42）、高学历（研究生OR=4.19）和 suburban居民（OR=3.75）为主；
3. 中度与轻度压力群体呈现过渡特征。

3.9 预测模型效能
针对"低压力群体"的预测模型表现最佳（AUC=0.74），核心预测因子包括：未受伤（OR=2.16）、近期强降雨事件（OR=2.47）和较高教育水平。

这项研究首次在温带气候区证实，EWEs的心理影响存在显著的社会经济梯度。与热带地区研究不同，爱尔兰数据未发现极端高温与心理压力的显著关联，凸显气候类型对EWEs-心理健康关系的调节作用。特别值得注意的是，传统认知中"更关注气候者心理压力更大"的假设被推翻——低压力群体反而表现出更高气候关注度，暗示环境知识可能增强心理韧性。

从实践角度看，研究明确了三类优先干预对象：农村低收入群体、低学历青年和健康基础较差人群。建议通过"移动心理健康诊所"和定向保险政策降低其脆弱性。方法论上，IES-R量表与机器学习结合的创新范式，为后续研究提供了可复制的技术路线。随着爱尔兰气候向"暖夏地中海型"转变，本研究建立的基线数据将持续发挥监测价值，助力构建气候适应型公共卫生体系。

（注：全文数据与结论均源自原文，未添加任何虚构内容；专业术语如IES-R、EWEs等在首次出现时均标注英文全称；统计符号如χ²、OR等严格保留原文格式）