养老院老年抑郁症状患者神经精神症状与睡眠障碍的网络分析：核心与桥接症状识别及其对痴呆风险的启示

本研究针对养老院老年抑郁症状患者中神经精神症状和睡眠障碍的复杂交互问题，研究人员通过横断面设计和网络分析方法，探讨了Mild Behavioral Impairment Checklist (MBI-C)与Pittsburgh Sleep Quality Index (PSQI)症状网络的关联。结果表明，在整体网络和抑郁组中，MBI8（快感缺失）是核心症状，PSQI7（日间功能障碍）为主要桥接症状；而亚临床抑郁组则显示MBI2（兴趣减退）为核心，PSQI4（睡眠效率）为桥接。这一发现为早期识别痴呆高风险人群提供了靶向干预依据，能有效降低神经退行性疾病风险。

　　随着人口老龄化加速，养老院成为许多老年人的主要生活场所，但这里却隐藏着一个严峻的健康挑战：抑郁症状不仅普遍存在，还常伴随神经精神症状（如焦虑、冷漠）和睡眠障碍。这些问题并非孤立存在，而是相互交织，形成一个恶性循环，显著增加痴呆风险。研究显示，养老院老人的抑郁患病率远高于社区人群，入住一年后超过20%会发展成临床抑郁。更令人担忧的是，睡眠障碍（如失眠、日间嗜睡）与抑郁症状双向作用，加剧认知衰退，而新兴神经精神症状（例如兴趣减退或社交退缩）往往是痴呆的早期信号。尽管既往研究关注了抑郁或睡眠问题的单一影响，但对症状间动态关联的忽视，导致干预措施效果有限。尤其在亚临床抑郁（症状较轻但高发）患者中，这种知识缺口更为突出，亟需通过创新方法解析症状网络，以精准阻断疾病进展链条。

为解答上述问题，福建医科大学的研究人员开展了一项系统性研究，采用网络分析方法识别核心和桥接症状，并比较不同抑郁严重度组的差异。相关成果发表在《Journal of Affective Disorders》上。研究得出关键结论：在抑郁组中，快感缺失（MBI8）和日间功能障碍（PSQI7）是驱动症状网络的核心与桥接点；而在亚临床抑郁组，兴趣减退（MBI2）和睡眠效率（PSQI4）占据主导。这一发现揭示了症状互作的异质性，为个性化干预提供了新靶点。其重要意义在于，通过靶向关键症状可提前干预痴呆风险，提升养老院老人的生活质量和健康结局。

在方法学上，研究人员首先通过横断面设计收集数据，涉及福建省42家养老院的853名60岁以上老年人，这些参与者均存在抑郁症状（基于Geriatric Depression Scale评分≥1）和痴呆风险。核心评估工具包括Mild Behavioral Impairment Checklist (MBI-C，用于神经精神症状)和Pittsburgh Sleep Quality Index (PSQI，用于睡眠障碍)。网络分析采用EBICglasso算法（基于Spearman相关）构建症状网络，通过qgraph包可视化连接；同时利用NetworkComparisonTest (NCT)比较组间网络结构差异。关键技术包括：节点冗余分析（通过goldbricker函数排除低发症状）、bootstrap法评估网络稳定性（corStability函数计算CS-C值>0.25视为稳定），以及控制协变量（如教育水平和居住空间）的残差化处理。整个流程确保结果精确可靠，样本代表性较强。

研究结果部分，通过小标题归纳主要发现：
3.1. 一般特征和症状严重度
分析显示，参与者平均年龄78.77岁，女性占61.3%。抑郁组教育水平较低（14.4%为低学历），且神经精神症状（MBI评分7.41±7.92）和睡眠障碍（PSQI评分10.70±4.87）显著重于亚临床抑郁组（MBI 1.67±3.51, PSQI 8.21±4.58）。这表明抑郁严重度与症状负担正相关，突显养老院环境的健康影响。

3.2. 构建症状网络
网络模型包含23个症状（7个PSQI、16个MBI）。全局网络中，MBI8（快感缺失，强度中心性8.340）是核心症状，PSQI7（日间功能障碍，桥接强度3.894）为桥接症状；最强连接出现在MBI2（兴趣减退）和MBI3（社交主动性降低）之间（边权重0.798）。稳定性分析显示CS-C值0.750，证明网络可靠。控制协变量后，模式基本一致，凸显结果的稳健性。

3.3. 组间网络比较
抑郁组与亚临床抑郁组的网络结构无全局差异（P=0.38），但抑郁组连接密度