产后抑郁量表网络结构的稳定性与变异性：基于日本环境与儿童研究的大规模队列分析

这篇研究通过日本环境与儿童研究（JECS）的大规模队列数据，首次揭示了爱丁堡产后抑郁量表（EPDS）在产后1个月和6个月网络结构的稳定性。研究发现“悲伤”和“焦虑”症状在心理网络中具有高度中心性，而高分组（EPDS≥9）的睡眠障碍与自残行为关联显著但随时间减弱。研究为产后抑郁（PPD）的早期干预提供了关键靶点，并提示外部因素（如社会支持）对高分组的影响更大。

　　

Highlight
本研究首次基于日本环境与儿童研究（JECS）的超8万例产后女性数据，采用高斯图模型（GGM）揭示了爱丁堡产后抑郁量表（EPDS）的动态网络结构。

Abstract
背景
通过日本全国性出生队列JECS，我们探索了产后女性EPDS量表的网络结构特征。

方法
对89,151名参与者在产后1个月和6个月的EPDS数据进行了网络分析。采用高斯图模型（GGM）估计条目间直接关联，并通过预测性指标评估网络解释力。按日本PPD筛查界值（EPDS≥9/<9）分组比较。

结果
EPDS网络结构在产后6个月内高度稳定。“悲伤”和“焦虑”始终占据核心节点地位。高分组在产后1个月时呈现“入睡困难”与“自残念头”的强关联（该现象6个月时消失）。高分组整体预测性更低，提示社会支持、经济压力等外部因素的重要影响。

结论
焦虑、悲伤和睡眠紊乱是PPD干预的关键靶点。高分组网络特性暗示需结合社会支持的综合干预方案。未来应拓展至孕期及产后1年后的研究。

Introduction
产后抑郁（PPD）不仅增加母亲自杀风险（Sit等, 2015），还与婴儿依恋障碍（Murray等, 1996）及发育迟缓（Deave等, 2008）密切相关。日本数据显示PPD发生率在产后1个月内达15.1%（Tokumitsu等, 2020）。

EPDS量表虽设计为单维工具，但因子分析揭示其可能存在“焦虑-抑郁”双因子（Matthey, 2008）或“焦虑/抑郁/快感缺失”三因子结构（Matsumura等, 2020）。心理网络分析（Borsboom, 2008）通过“节点-边”模型直观展现症状间关联，为理解PPD机制提供了新视角。

现有9项围产期网络研究样本量均较小（如Phua等2020年研究），而本研究利用JECS大数据首次刻画了产后早期EPDS的完整网络图谱。

Conclusions
本研究为PPD症状网络提供了里程碑式证据，强调核心症状的干预价值及社会环境因素的调节作用。