《Frontiers in Public Health》:Creating an interdisciplinary, modular, and policy-oriented county-level mental health index for the United States
编辑推荐:
背景:在美国,心理健康问题日益受到关注,且对心理健康问题有效定位估计的需求显而易见。本研究利用行为、经济、社会和公共卫生风险因素来预测美国县级心理健康状况。
方法:通过文献综述确定候选预测因子。选定的变量通过独立的主成分分析(PCA)浓缩为相关子模块和心理
背景:在美国,心理健康问题日益受到关注,且对心理健康问题有效定位估计的需求显而易见。本研究利用行为、经济、社会和公共卫生风险因素来预测美国县级心理健康状况。
方法:通过文献综述确定候选预测因子。选定的变量通过独立的主成分分析(PCA)浓缩为相关子模块和心理健康结果指数。然后对子模块进行回归以预测心理健康指数。计算每个预测因子的县级脆弱性评分,以评估其在模型中的相对重要性。
发现:对可用数据的系统搜索产生了56个预测因子,包括新的预测因子。得出了五个政策领域的17个子模块,解释了心理健康指数方差的85.1%。利用Tableau创建了交互式地图,显示美国各县的子模块和心理健康结果,供政策制定者和利益相关者使用。
解释:该模型可用于政府和学术界的多种目的,其中最及时的是提供信息以重新调整心理健康干预措施,从而在资助者开始追求支出效率而非支出数量时最大化结果。通过利用指数和子模块,政策制定者可以将其心理健康改善工作集中在对其选民影响最大的领域。
在美国,心理健康问题日益严峻,约23.1%的成年人受临床显著精神疾病影响,年轻群体中重度抑郁发作率在2005至2017年间上升了27%–122%。然而,现有监测工具如CDC的PLACES项目、县健康排名与路线图项目以及CDC/ATSDR社会脆弱性指数(SVI)虽提供县级健康指标,但均未针对心理健康结果进行实证加权,难以识别驱动因素。例如,PLACES和县健康排名仅报告患病率,无法指示应优先干预经济、社会还是环境因素;SVI专为应急准备设计,未经心理健康结果验证。因此,研究人员在《Frontiers in Public Health》上发表研究,旨在构建一个跨学科、模块化、政策导向的县级心理健康指数,整合多源公开数据,通过实证加权预测所有美国县的心理健康问题及其潜在脆弱性向量,为政策制定者提供可直接操作的指标,以优化资源分配并提升干预效率。
研究人员采用的关键技术方法包括:从文献综述中识别候选预测因子,利用多重插补链式方程(MICE)处理缺失值(对预测因子和结果变量分别独立插补,避免人为关联),通过主成分分析(PCA)将56个预测因子浓缩为17个子模块,并归入5个政策领域(人口、经济、物理健康、环境、社会)。随后,对子模块进行回归分析以预测心理健康指数,计算各子模块的标准化系数和模型解释方差;再通过子模块的回归R
2与PCA因子载荷的乘积,推导每个预测因子的心理健康杠杆评分,以评估其相对重要性。数据来源为公开可用的县级数据集(如CDC、BRFSS等),主要年份为2022–2024年。
**模型性能**
通过回归分析,所有17个子模块共同预测心理健康指数,结果显著(F=1,049.49,p<0.0001),解释了85.1%的方差,均方根误差为0.763。其中,物理健康子模块的标准化系数最大(β=0.82),表明其与心理健康结果关联最强。通过子模块平均丢失损失和R
2变化分析,物理健康子模块的丢失损失最高(1.987),且其模块R
2变化为0.815,进一步确认其为最重要的预测因素。
**预测因子性能**
主成分分析(PCA)特征值显示,物理健康子模块的变量聚类最紧密(特征值4.094,解释68.2%方差),而家庭机构子模块聚类最弱(特征值1.059,解释35.3%方差)。各子模块的回归R
2表明,物理健康(0.803)、健康行为(0.566)和残疾(0.542)对心理健康指数的解释力最强,而年龄子模块的R
2最低(<0.001)。变量级脆弱性评分显示,慢性阻塞性肺疾病(COPD)率的评分最高(0.740),其次为平均不健康天数(0.724)和关节炎(0.691)。值得注意的是,虽然COPD与年龄强相关,但年龄子模块的预测性极小,可能因该子模块包含总人口和年轻群体等稀释性变量。此外,心理健康设施、过度饮酒及获取与波动性子模块表现出看似矛盾的脆弱性评分,可能源于需求定位、混杂变量(如农村性)或年龄与社会经济状态的影响。
讨论部分总结指出,心理健康的县级分布地图显示,美国南部、内华达州和阿拉斯加地区心理健康状况较差,尤其阿巴拉契亚地区(肯塔基州、田纳西州)及密西西比河流域,而大平原、西部、夏威夷和新英格兰地区得分较高。城市县通常优于农村县,但部落领地(如纳瓦霍族、立岩印第安保留地)与邻近县存在显著差异。研究结论部分翻译如下:尽管存在局限性(如子模块构念效度未验证、MICE的随机缺失假设、数据来源异质性等),该指数和子模块为后续分析、需求评估和拨款申请提供了实用工具。未来研究应聚焦于自然实验(如观察特定预测因子的离散冲击)、子模块构念效度建立、预测及纵向观察,并建议将指数回溯应用于往年以促进纵向研究。