《Psychology Research and Behavior Management》：The Relationships Between Affect, Psychache, and Suicidal Ideation: A Network Analysis in 3879 Young Adults
背景
自杀是全球重大的公共卫生问题，也是世界范围内的主要死亡原因。每年有超过72万人死于自杀，自杀是2021年全球15-29岁个体的第三大死因。在中国，这一负担对年轻人的影响尤为严重。全国数据显示，自杀是中国15-29岁年轻人的主要死因，并且在2017年至2021年间，10-24岁年龄组的自杀发生率呈现明显上升趋势。青少年自杀行为的高患病率是一个全球性问题。例如，美国一项大型全国流行病学调查显示，12.1%的青少年有过自杀意念，4.0%制定过自杀计划，4.1%尝试过自杀，而这些青少年绝大多数先前已存在精神障碍。此外，一项涵盖54项研究、超过30.8万名参与者的荟萃分析显示，与疫情前水平相比，COVID-19大流行期间自杀意念、自杀企图和自伤的发生率有所增加，年轻人表现出对自杀想法更高的易感性。
自杀意念因其与自杀行为的紧密联系而一直是自杀研究的核心焦点。它涵盖了一系列想法，从短暂考虑自杀到结束生命的详细计划。研究一致表明，自杀意念是自杀过程中的关键阶段，因为它与随后的自杀企图和完成自杀密切相关。这种关系得到了具体实证证据的进一步证实。例如，一项为期18个月的随访研究证明了持续性自杀意念与后来的自杀企图和完成自杀之间存在紧密联系。此外，一项跨越50年、涵盖365项研究的荟萃分析发现，近期有自杀意念的青少年死于自杀的可能性是无此想法者的2.22倍。鉴于其已被确认为自杀死亡的重要风险因素，深入探索自杀意念的潜在机制对于制定有效的预防策略至关重要，特别是对于青少年和年轻成年人这一脆弱年龄组。
心理痛苦（psychache），由Shneidman定义为一种强烈且难以忍受的、区别于身体疼痛的心理痛苦，已被确立为自杀意念的关键前兆。大量证据表明，心理痛苦不仅与自杀想法密切相关，而且是其发展的突出预测因子。值得注意的是，这种预测能力具有独特的稳健性，一项针对高风险本科生的两年期前瞻性研究证明，心理痛苦是唯一能预测随时间推移自杀意念变化的因素，其作用超过了抑郁和绝望。这种关系在青少年中尤为明显。例如，研究一致报告称，心理痛苦水平升高的青少年表现出更高的自杀意念，此类痛苦的主要来源包括家庭功能失调和学业压力。此外，另一项针对青少年的纵向研究显示，持续的心理痛苦通过严重削弱自我价值和放大绝望感，介导了情感虐待与自杀意念之间的关系。总体而言，心理痛苦是年轻人自杀意念发生和维持的核心心理机制，这强调需要进一步研究以为针对性干预提供信息。
情感（affect），包括正性（如快乐、自信）和负性（如悲伤、绝望、焦虑）情绪维度，在自杀意念中也扮演着关键角色。一个有充分证据的模式显示，高负性情感与自杀想法增加相关，而高正性情感则与意念减少相关。例如，一项横断面研究发现，在青少年中，自杀意念介导了情感与自杀企图之间的关系，而一项前瞻性研究则证明，情绪智力可以通过增强大学生正性情感和减少负性情感来减轻自杀意念。此外，情感与心理痛苦动态地相互作用：正性情感可能缓冲其强度，而负性情感则可能加剧它。这种双向关系凸显了在考察心理痛苦影响年轻人自杀风险的路径时，考虑情感过程的重要性。
尽管情感、心理痛苦与年轻成年人自杀意念之间的关联已得到充分证实，但主流研究主要依赖于分析量表总分值的传统潜变量模型。然而，这种方法掩盖了这些构念特定组成部分之间精细且动态的相互作用，而这对于理解自杀风险的机制至关重要。为解决这一关键空白，本研究采用网络分析方法。该方法将精神病理学概念化为一个直接相互作用的症状复杂系统。在此网络中，心理痛苦、自杀意念以及正负性情感等关键变量被表示为节点。分析估计了系统中每对节点在控制所有其他变量后的独特条件关系，即边。此外，该方法的一个关键优势在于其不仅能识别维持网络全局稳定性的中心节点，还能识别连接情感、心理痛苦和自杀意念这些不同构念的桥梁节点。值得注意的是，识别这些节点可以阐明风险传播的路径，并指出精确的临床干预靶点。
网络分析已成功应用于探索自杀意念与各种心理症状之间的关系。例如，Guo等人使用网络分析研究了情感、生命意义和自杀意念，而Li等人则在另一个框架下考察了心理痛苦、生命意义和自杀意念的网络结构。然而，这些先前的研究要么关注情感而忽略了心理痛苦的核心作用，要么集中于心理痛苦而未将其置于情感动态背景之中。因此，一个显著的研究空白持续存在，因为尚无研究采用整合的网络框架来同时建模心理痛苦、正负性情感以及自杀意念的结构。这一局限阻碍了对这些核心风险因素如何作为一个协同系统相互作用的机制性理解。本研究通过聚焦于18至24岁的中国年轻成年人群来填补这一空白。该群体暴露于独特的社会文化压力之下，这可能以文化特异性的方式配置风险。特别是“内卷”这一心理构念——以感知到的资源稀缺、强制性社会规范、巨大的心理压力和普遍竞争为特征——为心理痛苦和情感失调的发展创造了独特背景。这些急性压力，加之与日益增长的心理健康负担相关的快速社会转型背景，可能塑造了独特的风险相互作用模式。新兴的生态模型进一步支持了该人群自杀风险复杂、系统式的配置。因此，本研究超越了单纯的方法学应用，构建了首个心理痛苦、情感系统与自杀意念的联合网络模型，旨在阐明一种文化特异性精神病理学的结构，并在此高风险群体中识别精确的干预靶点。
材料与方法
参与者与伦理批准
本研究将年轻成年人定义为18-24岁的个体。选择该年龄范围是基于研究表明10-24岁年龄组更能反映当代青少年的发展特征，且该人群自杀行为频率显著高于成年人。
数据收集于2024年1月15日至5月15日期间通过问卷星平台进行便利抽样完成。参与者通过扫描二维码访问电子问卷，审阅并通过电子知情同意书提供同意，然后根据个人经历完成调查。为确保数据质量，排除了年龄在25岁或以上、问卷完成时间少于150秒或在自杀意念量表的掩饰维度上得分异常（≥4分）的应答。经过这些排除后，3879份年轻成年人的有效数据集被纳入最终分析。需要指出的是，此横断面研究设计无法对变量间的因果关系进行推断。此外，使用便利抽样可能限制研究结果对更广泛年轻成年人群的普适性，并可能存在社会期望性或低报等偏倚，尽管我们采取了严格的数据清理程序。本研究经空军杭州特勤疗养中心伦理委员会审查批准，并严格遵守《赫尔辛基宣言》原则。
测量工具
正性负性情感量表（PANAS）：本研究使用了包含20个条目的PANAS修订版。每个条目采用5点李克特量表评分，从“几乎没有”（1分）到“极其多”（5分）。得分越高表明情感体验越严重。本研究中，正性情感和负性情感的Cronbach's α系数分别为0.92和0.91，表明量表具有良好的内部一致性。
心理痛苦量表（PAS）：中文版PAS是一个包含13个条目的单维问卷，专门用于评估心理状态。每个条目采用5点李克特量表评分，从1=“从不”到5=“总是”，或从1=“非常不同意”到5=“非常同意”。该量表评估如内疚、绝望、失落和恐惧等负性情感的内省体验。量表总分越高表明感知到的心理痛苦越严重。该量表的Cronbach's α系数为0.96，表明其可靠性强。
自杀意念自评量表（SIOSS）：用于评估自杀意念。它包含26个条目，分为绝望、悲观、睡眠和掩饰四个维度，所有条目均采用二分法（0或1）作答。如果掩饰维度得分≥4，则认为测量不可靠。绝望、悲观和睡眠维度总分≥12分表明存在自杀意念，得分越高反映自杀意念越严重。本研究中，该量表的Cronbach's α系数为0.80，表明具有良好的内部一致性信度。
统计分析
本研究使用SPSS 25.0计算数据的平均值和标准差。此外，使用R软件（版本4.1.1）构建网络模型，并计算预期影响（EI）和桥梁预期影响（BEI）。
首先，使用R中的qgraph包（版本1.9.8）构建并可视化情感、心理痛苦和自杀意念的网络。网络使用高斯图模型（GGM）进行估计，这是一个无向网络模型。在此模型中，来自PANAS、PAS和SIOSS量表的每个维度被视为一个单独的节点。两个节点之间在统计上控制网络中所有其他节点影响后的独特关联被定义为一条边。GGM的估计基于作为输入的非参数Spearman相关分析。
其次，在网络构建过程中，联合使用最小绝对收缩和选择算子（LASSO）正则化技术和扩展贝叶斯信息准则（EBIC）来正则化高斯图模型，这有助于产生更准确和可解释的网络结构。具体而言，EBIC的超参数gamma（γ）设置为0.5，这是qgraph包中的默认设置。该值平衡了模型对数据的拟合度与对更简单、更可解释网络的期望。在此过程中，通过收缩所有边权重并将相关性非常小的边权重精确设置为零，移除了可能虚假的连接，从而产生更稳定、稀疏和可解释的网络。
第三，使用qgraph包（版本1.9.8）计算每个节点的预期影响（EI），以识别网络中最核心的节点。节点的EI定义为该节点与网络中其他所有节点连接边的权重之和。EI值越高表明该节点对网络的整体影响越大。类似地，使用networktools包（版本1.4.0）计算每个节点的桥梁预期影响（BEI），以识别关键的桥梁节点。节点的BEI定义为该节点连接到属于不同理论社区节点的所有边的权重之和。BEI值越高表明该节点作为风险跨社区传播路径的能力越强。在分析前，节点被预先定义为三个社区：情感社区、心理痛苦社区和自杀意念社区。
最后，使用R的bootnet包（版本1.5.3）评估估计的边权重以及中心性指数（EI和BEI）的准确性和稳定性。首先，通过非参数Bootstrap方法（1000个Bootstrap样本）计算95%置信区间（CI）来评估边权重的准确性。较窄的CI表明边权重的估计更精确。接下来，使用个案丢弃Bootstrap方法（1000个Bootstrap样本）计算相关性稳定性（CS）系数来评估EI和BEI指数的稳定性。CS系数高于0.5被认为是理想的，而高于0.25则是可接受的。此外，使用Bootstrap方法检验边权重之间以及EI和BEI指数之间的显著性差异（α = 0.05, 1000个Bootstrap样本）。最后，使用NetworkComparisonTest包检验整体网络结构在性别上的显著性差异。
结果
描述性统计
在3879名参与者中，平均年龄为20.02 ± 1.05岁（M ± SD，范围：18至24岁）。共有1790名（46.15%）受访者为男性，2089名（53.85%）为女性。此外，有322名（8.37%）受访者符合自杀意念的筛查标准。各变量的平均分、标准差、EI（原始值）和BEI（原始值）见表1。
网络结构
情感、心理痛苦和自杀意念的最终网络如图1A所示。该网络包含14条非零边（占可能边数的93.33%），权重范围从-0.19到0.28。识别出的最强连接是跨社区边：心理痛苦（P）与负性情感（A2；边权重=0.28）、睡眠（S2；边权重=0.24）和绝望（S3；边权重=0.21）呈正相关。相反，正性情感（A1）与悲观（S1；边权重=-0.19）和绝望（S3；边权重=-0.17）呈负相关。在社区内部，最强的边是自杀意念社区中睡眠与绝望之间（S2-S3；边权重=0.21），以及情感社区中正性情感与负性情感之间（A1-A2；边权重=-0.18）。所有边权重的详细情况见表2。Bootstrap法得到的95% CI较窄，表明边权重估计准确。边权重的Bootstrap差异检验结果见补充图S2。
中心症状
每个节点的EI如图1B所示。具有最高正EI值的节点是“心理痛苦”（EI = 0.77）和“睡眠”（EI = 0.55），将其识别为网络中最具影响力的风险节点。相反，“正性情感”具有最高的负EI值（EI = -0.72），表明其作为核心保护节点的作用。EI的CS系数为0.75，超过了推荐的0.50阈值，这意味着EI的估计具有理想的稳定性。节点EI的Bootstrap差异检验结果见补充图S4。
桥梁症状
每个节点的BEI如图1C所示。具有最高正BEI值的节点是“心理痛苦”（BEI = 0.57），将其识别为最关键的风险桥梁节点，可能主动将激活传播到自杀意念社区。在情感社区内，“正性情感”具有最高的负BEI值（BEI = -0.46），表明它可能作为主要的保护桥梁节点，抑制其他社区症状的激活。BEI的CS系数为0.75，超过了理想的0.5阈值，表明BEI估计具有理想的稳定性。节点BEI的Bootstrap差异检验结果见补充图S6。
网络结构的性别差异
男性和女性在网络不变性方面无显著差异（网络不变性M = 0.37, p = 0.67）。男性和女性在整体强度不变性方面也无显著差异（整体强度不变性S = 0.08, p = 0.89）。在边强度方面，大多数节点对在性别间也未发现显著差异。
讨论
尽管大量研究已分别考察了情感、心理痛苦和自杀意念，但本研究首次使用网络分析在联合框架下研究了它们之间的精细关系。我们的发现深化了对这些构念背后特定精神病理学通路的理论理解，并识别出了中心症状和桥梁症状，为预防和干预策略指明了精确靶点。我们测量的信度稳健，PANAS的正性情感和负性情感的Cronbach's α系数分别为0.92和0.91，PAS为0.96，SIOSS为0.80。这些高信度估计得到了国际和国内研究的强力支持。
在网络理论框架下，连接不同社区的边尤其值得关注，因为它们被认为代表了共病背后的精神病理学通路。基于此视角，我们识别并考察了网络中的关键桥梁连接。我们的结果表明，正性情感与自杀意念的维度（如悲观、睡眠和绝望）显著负相关，而负性情感与这些相同维度显著正相关。这些发现与Guo等人先前的网络分析一致，但揭示了比基于总分的潜变量模型研究通常发现的更为复杂的图景。例如，纵向研究表明负性情感可以滞后预测未来的自杀意念，而低正性情感则独立预测自杀事件。我们的网络发现因此巩固并扩展了先前的工作，阐明了这些情感状态与自杀意念不同组成部分之间具体的、同时性的联系。
此外，我们的结果表明心理痛苦与自杀意念的睡眠和绝望维度呈正相关。这一发现与最近一项基于网络的网络分析一致，该分析也识别出心理痛苦与绝望和睡眠问题正相关。心理痛苦与绝望之间的联系在概念上是一致的，因为难以忍受的心理痛苦通常源于对自身处境或未来的深刻绝望感。这一通路得到了潜变量研究的进一步证实，这些研究同样表明加深的绝望感——通常涉及存在意义的丧失——显著增加了自杀意念的风险。此外，心理痛苦与睡眠障碍之间的关联可以通过既有的证据来理解，即睡眠障碍与自杀意念显著相关，且心理痛苦可能介导了这种关系。这暗示了一个潜在的恶性循环，其中心理痛苦扰乱睡眠，而睡眠紊乱又可能加剧绝望感和痛苦。
有趣的是，除了这些直接联系，我们的网络还暗示了一条间接通路。心理痛苦与负性情感之间的正相关表明，心理痛苦也可能通过放大负性情绪状态来影响自杀意念。这一提出的通路与先前的实验研究一致，该研究表明强烈的心理痛苦与避免此类痛苦的动机增强有关，这种状态本质上以负性情感为特征。这一发现强调了心理痛苦作为关键风险因素的多方面作用，这种关联在不同人群（包括青少年和成年人）中均被稳健地观察到。此外，在自杀的人际理论中，感到自己是负担和归属感受挫被确立为自杀意念的关键前兆。可以合理推测，强烈的心理痛苦直接导致负担感的产生，同时也助长了表征心理痛苦状态的负性情感，从而产生协同风险效应。这种协同关系得到了实证模型的强力支持，该模型证明了在自杀风险发展过程中，感知到的累赘感与心理痛苦之间存在紧密的、顺序性的通路。
关于网络中最具影响力的症状，EI指数将心理痛苦和睡眠识别为两个最核心的风险节点，将正性情感识别为核心保护节点。这表明这三个症状对整个自杀意念网络具有最大的整体激活或抑制潜力。睡眠和正性情感的中心性部分与先前关于自杀意念的网络研究一致。然而，也存在差异，因为其他研究将绝望和孤独识别为中心节点。我们假设这些差异可能源于研究人群、测量工具、模型中包含的其他变量以及潜在的文化背景的不同。确实，心理痛苦和睡眠问题的突出性在我们独特的、正应对“内卷”无情压力的中国年轻人群样本中可能尤为显著，慢性压力直接表现为深层的心理痛苦和睡眠中断。必须谨慎解释这些识别出的节点；它们代表了有前景但仍是探索性的干预靶点，因为本研究的横断面设计排除了因果推断，需要通过未来的纵向或实验研究进行验证。BEI分析进一步阐明了风险和保护可能如何传播。心理痛苦成为最关键的风险桥梁节点，正向连接其自身社区与自杀意念，而正性情感则作为主要的保护桥梁节点，其负向连接削弱了通往自杀意念的通路。这种模式暗示了一种动态关系，即心理痛苦充当风险向自杀想法传播的有效导管，而正性情感则起到关键的缓冲作用，帮助个体隔离于这种升级。
本研究具有重要的理论和临床意义。理论上，这些发现为连接心理痛苦、情感和自杀意念的潜在病理通路提供了基础性见解，从而推进了对它们关系背后机制的理解。它们阐明了情感维度（正性和负性）以及心理痛苦这一总体构念在自杀意念发生和维持中的具体作用。具体而言，本研究识别出心理痛苦与自杀意念的睡眠障碍和绝望维度之间的正相关，这可能阐明心理痛苦如何导致自杀意念。它还暗示了一条潜在通路，即正性情感通过其与自杀意念的绝望或悲观维度的负相关来减轻自杀意念。此外，正性情感与心理痛苦之间的负相关为正性情感在减少自杀意念中的保护作用提供了另一种间接解释。
临床上，并与我们网络模型的探索性质一致，这些发现为制定针对性干预措施提供了一个有价值的、假设生成的基础。中心节点因其对整个网络具有广泛影响的潜力而被理论化为有前景的干预靶点。在我们的研究中，这意味着聚焦于睡眠障碍和心理痛苦这两个核心风险节点的干预措施，可能通过降低自杀意念网络的整体活跃度而产生广泛效益。类似地，桥梁节点对于中断不同症状群之间的跨构念相互作用至关重要。我们的结果表明，减轻心理痛苦和增强正性情感（这两者都兼具中心和桥梁节点的双重角色）可能是防止一般心理困扰升级为活跃自杀意念的特别有效策略。
为操作化这些靶点，可以精确设计干预措施。例如，针对中心节点睡眠障碍，可以采用数字认知行为疗法治疗失眠（CBT-I），该方法有直接证据表明不仅能改善睡眠，还能预防和减轻自杀意念。这种方法对年轻成年人高度可行，因为即使是电子邮件传递的CBT-I在大学生群体中也证明有效。针对核心和桥梁节点心理痛苦，可以部署专注于意义建构的疗法，如接纳承诺疗法（ACT）或基于心理痛苦理论的特定干预措施，以缓解精神痛苦，正如在患有抑郁症的自杀患者中所证明的那样。类似地，为增强保护性的核心和桥梁节点正性情感，可以将成熟的正念心理学干预（PPIs）整合到治疗计划中。这些包括行为激活、基于正念的练习等技术，这些技术已被证明能系统性地增强瞬时积极情绪，以及旨在培养与降低自杀风险相关的希望和乐观等积极感受的优势训练练习。这种多方面的方法为系统性地增强积极情感体验提供了一个稳健的框架。
除了这些个体层面的临床干预，我们的发现也支持更广泛的公共卫生和政策倡议的发展。例如，将睡眠问题和心理痛苦的普遍筛查纳入学校和大学心理健康项目，有助于早期识别高危青年。此外，睡眠的核心作用表明，促进睡眠卫生和推迟上学时间的公共卫生运动可能对青少年福祉产生人口层面的影响。最后，数字干预（如基于应用程序的CBT-I）的可扩展性使其特别适合触达庞大且精通技术的年轻成年人群。这种方法得到了有力证据的支持，即数字认知行为疗法治疗失眠不仅能改善睡眠，还能直接预防和减轻自杀意念，从而为解决心理健康服务可及性这一关键问题提供了一种有效且易于实施的策略。
尽管有其贡献，但本研究存在固有的局限性。首先，横断面设计无法对年轻成年人中心理痛苦、情感和自杀意念之间的动态相互作用进行任何因果推断。观察到的网络结构代表了单一时间点的统计关联，节点间影响的方向性仍是假设性的。未来的研究必须采用纵向或经验取样设计来追踪这些变量之间的时间先后顺序和因果关系。其次，依赖自我报告措施可能引入社会期望性偏倚，特别是在年轻成年人群中，需要谨慎解释关联性。第三，使用便利抽样虽然实用，但可能限制我们研究发现对更广泛年轻成年人群的普适性。样本可能过度代表某些人口统计学特征或具有特定特征的个体，可能限制已识别网络结构的外部效度。虽然此处研究的心理过程代表了基本机制，但网络连接的具体配置和强度可能因人群而异。未来的研究应采用严格的随机抽样策略，并直接比较不同文化和人口群体间的网络结构，以区分普遍机制与文化特异性的精神病理风险表达。最后，虽然中心节点和桥梁节点被识别为有前景的干预靶点，但针对这些节点的疗法的转化效力需要通过随机对照试验在年轻成年人群中进行实证验证。
结论
本研究首次呈现了在联合框架下调查自杀意念、心理痛苦和情感之间关系的网络分析。我们的发现阐明了这些构念之间的具体相互作用通路，并识别出心理痛苦、睡眠和正性情感作为关键的中央和桥梁节点。这些探索性见解凸显了正性情感作为关键保护因素，而负性情感和心理痛苦则成为网络中的重要风险因素。虽然这些发现指出了临床干预的有前景靶点，但它们源自一项采用便利抽样策略的横断面研究，其因果效力和普适性需要通过未来的纵向和实验研究来验证。在临床实践中，这意味着精确量身定制的干预措施，如针对睡眠障碍的认知行为疗法治疗失眠（CBT-I）、针对缓解心理痛苦的心理痛苦聚焦疗法，以及用于增强正性情感的行为激活或正念技术，具有有效减少自杀意念的潜力。最终，本研究阐明了导致年轻成年人自杀意念的精细结构和潜在精神病理学通路，从而为未来的研究和精准干预提供了一个基础模型。
