探究社会排斥与心理健康问题之间的关联

《Social Psychiatry and Psychiatric Epidemiology》：Exploring the association between social exclusion and mental health problems

　　

目的：社会排斥涵盖多个领域，包括物质、数字、关系、政治和结构性排斥。这些领域可能对个体的心理健康产生不同的影响。研究人员在一个英国成年人样本中评估了社会排斥各领域与心理健康问题之间的关联。方法：利用“理解社会”（Understanding Society）调查数据，研究人员分析了34,403名成年人在第11波（2019-21年）调查中的社会排斥暴露与心理健康结局。研究人员使用主成分分析（Principal Component Analysis, PCA）生成了标准化领域评分和整体社会排斥测量指标。心理健康采用一般健康问卷（General Health Questionnaire, GHQ-12）连续症状评分（范围0–36）进行评估。研究人员使用了经年龄、性别和种族调整的调查加权线性回归模型。结果：整体社会排斥每增加一个标准差，与GHQ-12症状增加1.28分相关（95% CI: 1.11, 1.44）。领域特异性分析显示，物质排斥（β=1.34, 95% CI: 1.20, 1.47）和关系排斥（β=1.37, 95% CI: 1.09, 1.65）的关联最强。数字排斥、政治排斥和结构性排斥显示出较小的正向关联（β=0.15至0.37）。这些关联在不同性别间无差异，并且在将心理健康病例状态作为二分类结局进行分析时结果依然稳健。结论：社会排斥与较差的心理健康相关，其中关系排斥和物质排斥领域的影响最强。针对这些领域的政策可能对人群心理健康产生最大的影响。

**论文解读：社会排斥的多维面向与心理健康——基于英国“理解社会”队列的实证分析**

**一、研究背景与现存问题**

心理健康问题已成为全球范围内重大的公共卫生挑战。在英国，每年约有六分之一的成年人经历焦虑、抑郁和心理困扰等常见精神障碍症状，其造成的经济负担估计高达3000亿英镑。心理健康的病因涉及生物、心理和社会因素的复杂交互作用。在社会决定因素方面，社会排斥（social exclusion）作为一个综合性框架，因其能够捕捉多种社会劣势累积性和交叉性特征而受到关注。社会排斥是一个多维概念，涵盖物质、数字、关系、政治和结构等多个领域的排斥。然而，此前研究存在显著的局限性：多数研究为横断面设计，限制了因果推断；社会排斥概念化方式存在较大差异；且仅有少数研究探讨了多维度社会排斥与心理健康的关联。因此，亟需利用大规模纵向数据，采用标准化测量方法，系统评估社会排斥各领域与心理健康问题之间的关系，以弥补现有证据的不足。

**二、研究目的与意义**

本研究旨在利用“理解社会”（Understanding Society, USoc）纵向家庭调查数据，在英格兰成年人样本中，探讨社会排斥各领域与心理健康结局之间的关联。通过构建标准化测量指标并采用调查加权回归分析，该研究为理解社会排斥如何关联心理健康问题提供了更为细致的视角。该研究成果发表于《Social Psychiatry and Psychiatric Epidemiology》期刊，对制定针对性政策以改善人群心理健康具有重要参考价值。

**三、主要技术方法**

研究人员利用USoc纵向家庭调查数据，纳入34,403名英格兰成年人。社会排斥暴露主要基于第11波（2019-21年）数据，部分变量取自早期波次。心理健康结局通过第11波12项一般健康问卷（GHQ-12）连续症状评分（范围0–36）及既定临界值（≥12）评估。分析采用三项关键技术：（1）主成分分析（Principal Component Analysis, PCA），基于Dykxhoorn等人开发的多维框架，分别构建物质、关系、数字、政治和结构五个领域的排斥评分；各领域评分经z标准化后等权相加形成整体社会排斥评分。（2）链式方程多重插补（Multiple Imputation by Chained Equations, MICE）处理跨波次大量缺失数据，共生成20个插补数据集。（3）调查加权线性回归和逻辑回归模型，调整性别、年龄、地区和种族等协变量，并采用Rubin法则合并插补结果。敏感性分析包括性别分层、完整案例分析和地理聚类分析。

**四、研究结果**

**样本描述**：分析样本包含34,403名成年人，女性占55.13%，中位年龄46岁（IQR: 32–61）。样本在地理上覆盖英格兰各地区，伦敦（19.95%）和东南部（14.08%）比例最高。多数参与者为白人英国裔（68.32%）。GHQ-12数据可用于18,709名参与者（54.38%），完整案例样本中位GHQ-12评分为11（IQR: 8–14），42.76%超过病例状态阈值；多重插补后中位评分仍为11，但均值略高（12.34），49.98%超过阈值，提示存在非响应偏倚。

**主成分分析**：所有变量覆盖率至少达35.00%，但代际职业流动性仅为21.08%——该变量因维持结构排斥的理论代表性而被保留。各领域KMO抽样充分性测量值介于0.54至0.73之间。保留成分数量因领域而异：物质排斥7个成分（13个条目）、关系排斥5个成分（10个条目）、数字排斥3个成分（6个条目）、政治排斥6个成分（11个条目）、结构排斥5个成分（8个条目），总方差解释率介于68.17%至81.78%之间。

**缺失数据**：GHQ-12数据缺失率为45.62%，代际职业流动性缺失率最高达78.92%。采用MICE方法处理缺失后，20个插补数据集用于后续分析。

**社会排斥的人口学分布**：整体社会排斥评分在性别间相似（女性均值0.03，男性均值0.04）。年轻成年人（25–34岁）排斥水平较高（均值0.22），而55–64岁组较低（均值-0.16）。伦敦社会排斥评分最高（均值0.22），东南部和西南部最低（均值分别为-0.14和-0.13）。阿拉伯/其他族裔群体排斥水平最高（均值0.43），白人英国裔最低（均值-0.09）。

**心理健康评分的人口学分布**：女性症状评分（均值12.61）高于男性（均值12.01）。年轻组（16–24岁，均值13.82）高于老年组（65岁以上，均值10.41）。伦敦症状评分最高（均值12.80），印度裔参与者评分最高（均值14.06）。

**社会排斥与心理健康症状的关联**：经协变量调整后，整体社会排斥评分每增加一个标准差（SD），GHQ-12症状评分增加1.28分（95% CI: 1.11, 1.44）。领域特异性分析显示，关系排斥关联最强（1-SD增加对应1.37分；95% CI: 1.09, 1.65），物质排斥次之（1.34分；95% CI: 1.20, 1.47）。数字排斥在未调整模型中呈负向关联（-0.15；95% CI: -0.30, -0.01），调整后转为正向（0.15；95% CI: 0.04, 0.25）。政治排斥（0.34分；95% CI: 0.21, 0.47）和结构排斥（0.37分；95% CI: 0.13, 0.60）呈较小的正向关联。

**按性别的亚组分析**：社会排斥与心理健康的关联在性别间无显著差异（连续症状交互p=0.98；病例状态交互p=0.38）。男性每1-SD增加对应1.27分（95% CI: 1.07, 1.47），女性为1.28分（95% CI: 1.09, 1.47）。

**完整案例敏感性分析**：完整案例分析结果方向一致，效应量大致相似，表明缺失数据未实质性偏倚研究结论。

**社会排斥与心理健康病例状态**：整体社会排斥评分与心理健康病例状态呈正向关联（调整后比值比aOR=1.48, 95% CI: 1.39, 1.57）。关系排斥关联最强（aOR=1.88, 95% CI: 1.72, 2.06），其次为物质排斥（aOR=1.49, 95% CI: 1.40, 1.57）。数字排斥调整后无显著关联（aOR=1.01, 95% CI: 0.97, 1.06），政治排斥（aOR=1.10）和结构排斥（aOR=1.11）呈较弱正向关联。

**地理聚类分析**：考虑区域级地理聚类后，整体社会排斥与心理症状（β=1.28, 95% CI: 1.11, 1.44）及病例状态（OR=1.48, 95% CI: 1.39, 1.57）的关联仍然稳健。

**五、讨论与结论**

研究发现，社会排斥与心理健康问题之间存在稳健的正向关联，其中关系排斥和物质排斥是主要的驱动因素。关系排斥可能通过减少情感支持、增加孤独感和削弱归属感等途径影响心理健康；物质排斥则与贫困和财务压力的既有文献一致。值得注意的是，研究结果不同于部分早期研究强调经济因素优先于社会联系的观点——本研究中关系排斥的关联强度与物质排斥相当甚至略高。研究优势包括：涵盖五个领域的社会排斥综合测量、采用PCA的数据驱动方法、以及大规模全国代表性加权样本。局限性包括：部分社会排斥变量与心理健康结局同期测量（第11波）、疫情期间数据收集、未采用多层模型正式量化区域变异、以及文化差异可能未充分体现。研究结论认为，多维社会排斥与英格兰人群心理健康结局密切相关，关系排斥和物质排斥是特别重要的预测因素。区域性差异提示可实施针对性地方干预，但关联在各区域间的一致性表明，解决社会排斥的政策应惠及整个英格兰。这些发现支持制定涵盖社会排斥多个领域的综合政策，以改善人群心理健康并减少健康不平等。