《Journal of Clinical Psychology》：Examining the Directional Effects of Insomnia, Anxiety, and Depression Symptoms: Results From a Longitudinal Study Conducted During the COVID-19 Pandemic
编辑推荐：
目的：尽管一些研究表明焦虑症状的增加驱动失眠和抑郁症状的变化，但其他研究支持这些关系可能是双向的。因此，本研究旨在进一步考察焦虑、失眠和抑郁症状如何随时间预测这些症状的变化。方法：研究人员通过在线参与者数据库、社交媒体广告和其他在线网站招募参与者，获得了来自美
目的：尽管一些研究表明焦虑症状的增加驱动失眠和抑郁症状的变化，但其他研究支持这些关系可能是双向的。因此，本研究旨在进一步考察焦虑、失眠和抑郁症状如何随时间预测这些症状的变化。方法：研究人员通过在线参与者数据库、社交媒体广告和其他在线网站招募参与者，获得了来自美国各地的大样本（N = 2,666）。使用经过充分验证的工具测量抑郁症状（流调中心抑郁量表，CES-D）、焦虑症状（状态-特质焦虑量表状态分量表，STAI）和失眠症状（失眠严重程度指数，ISI）。数据通过一系列Qualtrics调查在线上收集，共两个时间点：2020年3月至6月（基线）和2021年1月至3月（随访）。结果：失眠症状（β = 0.142，p < 0.001）而非焦虑症状（β = 0.019，p = 0.445）显著预测抑郁症状。抑郁症状（β = 0.077，p = 0.001）而非焦虑症状（β = 0.039，p = 0.075）显著预测失眠症状。失眠症状（β = 0.060，p = 0.001）和抑郁症状（β = 0.281，p < 0.001）均显著预测焦虑症状。尽管多条交叉滞后路径具有统计学显著性，但效应量普遍较小，且没有单一路径明显强于其他路径。此外，探索性中介模型显示，通过失眠症状，焦虑与抑郁之间存在显著的间接效应（模型1间接β = 0.027，p = 0.007；模型2间接β = 0.008，p = 0.036）。结论：研究结果表明，失眠症状前瞻性地与随后的抑郁和焦虑症状相关。抑郁症状也预测了后续的焦虑症状，凸显了这些症状领域之间复杂的纵向关联。然而，结果不支持焦虑先于共病失眠发展的时序路径。未来研究应使用高密度纵向采样策略（即多于两个数据收集点）更紧密地评估时间顺序，以进一步阐明这些症状领域的时间顺序。
**论文解读：失眠、焦虑与抑郁症状的方向性效应——基于COVID-19大流行期间的纵向研究**
**一、研究背景与问题**
抑郁症（MDD）是高度流行的精神障碍，带来巨大的公共卫生和经济负担。约10.4%的美国成年人每年经历至少一次重性抑郁发作，且抑郁患者的医疗保健利用成本是非抑郁患者的3.5倍，社会服务成本则高出3倍。MDD还与自杀意念、心血管疾病和癌症死亡率等健康问题相关。由于复杂的共病、低治疗依从性和僵化的思维模式，MDD常难以治疗，约三分之一患者出现治疗抵抗。因此，识别抑郁风险因素对预防和早期干预至关重要。
既往研究虽已探讨抑郁、焦虑和失眠症状间的时序关系，但多数仅关注两两关联，而非同时建模三者。例如，一些研究支持焦虑症状先于抑郁发作，另一些则发现失眠症状先于抑郁。然而，在单一的纵向框架内同时考察三者间前瞻性关系的成人研究较少，导致时间顺序尚不明确。COVID-19大流行期间，焦虑、失眠和抑郁症状普遍升高，为在高度应激背景下检验这些关联提供了独特机会。因此，本研究旨在利用大流行期间的数据，通过自回归交叉滞后模型，同时考察失眠、焦虑和抑郁症状的纵向预测关系，并探索失眠是否在焦虑与抑郁之间起中介作用。该研究发表在《Journal of Clinical Psychology》。
**二、主要技术方法**
1. **样本队列来源**：采用方便抽样，通过社交媒体（如Facebook、Reddit）、在线通讯和ResearchMatch招募美国成年人，最终纳入2666名完成基线和随访的参与者（平均年龄47.0岁，79.0%女性，84.1%白人）。
2. **测量工具**：抑郁症状使用流调中心抑郁量表（CES-D，20项），焦虑症状使用状态-特质焦虑量表（STAI，状态分量表，20项），失眠症状使用失眠严重程度指数（ISI，7项）。所有量表在基线（2020年3-6月）和随访（2021年1-3月）时施测，内部一致性良好（Cronbach's α均>0.89）。
3. **统计分析**：使用R（版本4.2.0）构建自回归交叉滞后面板模型，将每个变量的随访得分回归到其自身基线得分和其他两个变量的基线得分上，并协方差矩阵采用全信息最大似然估计（FIML）处理缺失数据。此外，进行探索性间接效应分析，检验失眠症状在焦虑与抑郁之间的统计中介作用。
**三、研究结果**
**3.1 描述性统计**
基线时，15.1%的参与者报告临床显著失眠（ISI≥15），48.8%报告至少亚阈值失眠（ISI≥8）；47.0%报告临床显著焦虑（STAI≥40）；46.3%报告临床显著抑郁（CES-D≥16）。随访时，失眠和焦虑比例略有下降，但抑郁比例升至62.9%。所有变量在时间点内及跨时间点间均显著正相关（r值0.44-0.73）。
**3.2 交叉滞后模型**
在控制自身基线水平后，基线失眠症状显著预测随访抑郁症状（β=0.142，p<0.001）和焦虑症状（β=0.060，p=0.001）；基线抑郁症状显著预测随访焦虑症状（β=0.281，p<0.001）和失眠症状（β=0.077，p=0.001）；但基线焦虑症状未能显著预测随访失眠（β=0.039，p=0.075）或抑郁症状（β=0.019，p=0.445）。自回归系数显示各症状具有中等至高稳定性（失眠β=0.661，抑郁β=0.535，焦虑β=0.423）。效应量普遍较小，但抑郁对焦虑的预测效应相对较大。
**3.3 失眠在焦虑与抑郁之间的间接效应**
作为探索性分析，研究人员检验了失眠症状在焦虑与抑郁之间的间接效应。无论以基线失眠还是随访失眠作为中介变量，焦虑到抑郁的间接效应均显著（模型1间接β=0.027，p=0.007；模型2间接β=0.008，p=0.036）。但需谨慎解释，因只有两个时间点，这些结果不代表因果中介，仅反映描述性关联。
**四、讨论与结论**
**讨论总结**：本研究发现失眠症状前瞻性地预测了后续的抑郁和焦虑症状，抑郁症状也预测了后续的焦虑症状，但焦虑症状未显著预测失眠或抑郁。这一模式支持失眠作为独立风险因素的角色，并强调了抑郁症状在驱动焦虑中的重要性。间接效应提示失眠可能部分解释焦虑与抑郁的关联，但需更多时间点验证。研究局限性包括：仅两个时间点，无法精确检验中介；COVID-19大流行可能作为混杂因素，症状变化受独特环境因素影响；未测量应激水平，可能部分解释观察到的关联；使用一般焦虑量表而非新冠特异性量表。未来研究应采用高密度纵向采样（如每周或每月测量）以明确时序。
**结论翻译**：总之，失眠症状前瞻性地预测了后续的焦虑和抑郁症状，而焦虑症状在控制基线症状水平后未能预测后续的失眠或抑郁。尽管观察到的前瞻性关联具有统计学显著性，但其效应量较小，表明这些发现对于理解纵向症状关系更有价值，而非指示大的临床效应。这些发现凸显了睡眠障碍在内化症状网络中的潜在重要性，并提示睡眠可作为预防和早期干预的一个潜在靶点。需要更多的多波纵向研究来阐明连接失眠、焦虑和抑郁的机制及时序动态。
