社区居住的严重精神疾病患者体力活动社会支持特征分析：潜在剖面模型构建及影响因素研究

针对中国严重精神疾病(SMI)患者体力活动(PA)社会支持测量工具缺失的问题，研究人员开发了中文版体力活动社会支持量表(PASSS-C)，通过潜在剖面分析(LPA)识别出高/中/低支持特征亚组，发现高社会支持组PA强度显著提升(p<0.001)，为制定精准化运动干预策略提供了循证依据。

　　

在全球范围内，严重精神疾病(SMI)患者群体正面临双重健康危机——精神症状与躯体共病交织，而中国登记在册的643万患者中，超过95%需长期社区康复。抗精神病药物引发的体重增加、心血管风险等问题，使得世界卫生组织推荐的体力活动(Physical Activity, PA)成为改善该群体健康的关键突破口。然而现实困境在于：患者常陷入"社交孤岛"，运动设施不足、陪伴缺失等社会支持短板，导致其PA参与率仅为普通人群的1/3。更棘手的是，现有国际通用的体力活动社会支持量表(PASS)从未在中国SMI人群中验证，使得精准干预缺乏"测量标尺"。

深圳大学心理学院联合深圳市精神卫生中心的研究团队，在《Mental Health and Physical Activity》发表的研究填补了这一空白。这项覆盖深圳5区1101名社区SMI患者(男528/女573)的研究，创新性地采用"工具开发-人群分型-机制解析"三步策略：首先建立中文版PASS量表(PASSS-C)的心理学测量体系，继而运用潜在剖面分析(LPA)挖掘人群异质性，最终揭示社会支持与PA的剂量效应关系。研究特别关注了代谢当量(MET)≥1.5的中高强度PA与久坐行为(Sedentary Behavior, SB)的独立影响，为"运动-静坐"双维度干预提供新视角。

关键技术方法包括：1)采用多阶段随机抽样从深圳5个行政区的社区精神卫生服务中心招募SMI患者；2)通过验证性因子分析(CFA)检验PASSS-C的五维结构(情感/认可/信息/陪伴/工具支持)；3)基于AIC/BIC等指标确定LPA最佳分组；4)使用Kruskal-Wallis检验比较不同支持水平组的PA差异(IPAQ-SF-C量表测量)。

【主要结果】

1. 量表验证：PASSS-C展现卓越信效度
   验证性因子分析确认五因子结构(CFI=0.98, RMSEA=0.04)，各维度Cronbach's α达0.91-0.97。首次证实"工具支持"维度在中国SMI人群中的敏感性，如"有人帮我准备运动装备"题项鉴别力最强。

2. 人群分型：三大社会支持特征亚组
   LPA识别出显著差异的亚群：高支持组(23.7%)在情感陪伴维度得分超均值2个标准差；低支持组(31.2%)五项得分均低于量表中值；中间组(45.1%)呈现"信息支持突出但陪伴不足"的独特模式。

3. 健康关联：社会支持存在剂量效应
   高支持组中高强度PA时间达300MET-min/week，是低支持组的3.2倍(p<0.001)。值得注意的是，即使达到WHO推荐PA量，高久坐组(>8小时/天)仍表现出更高BMI(β=0.34)和阴性症状分(β=1.89)。

4. 预测因素：社会人口学关键变量
   多层回归显示，女性(OR=1.82)、高等教育(OR=2.15)、稳定社交关系(OR=3.01)是高支持组的强预测因子，而阳性症状与支持水平呈U型曲线关系(p<0.05)。

【结论与意义】
该研究构建了首个适用于中国SMI人群的PA社会支持评估体系，突破性地揭示"陪伴支持"是该群体PA参与的核心瓶颈——这与西方研究中"工具支持主导"的模式形成鲜明对比。LPA分型结果直接指明干预重点：针对占45%的"信息支持单优型"群体，需加强运动同伴匹配；而对31%的"全面低支持"群体，则需要社区工作者-家庭联合介入。研究创新性地提出"社会支持-症状缓解"的双向调节假说：当情感支持达到阈值时，阳性症状可能转化为运动参与动力而非障碍。

从公共卫生视角看，PASSS-C量表的应用将改变社区精神卫生服务现状：深圳已基于该工具开发"运动支持指数"电子档案，实现康复资源的智能匹配。正如通讯作者Jianghong Liu教授强调："这项研究为破解中国SMI患者的‘运动社交困境’提供了关键测量工具和分型框架，其价值不仅在于量表本身，更在于揭示了中国文化语境下‘关系本位’对健康行为的特殊塑造作用。"未来研究可进一步探索社交媒体支持等新型态对PA的促进作用，以及支持水平与抗精神病药物代谢的交互效应。