《Psychology Research and Behavior Management》：Ecological Correlates of Depressive Symptoms among Chinese Adolescents: A Random Forest and Nomogram Analysis of CFPS Data
编辑推荐：
背景：青春期是一个关键的发展阶段，其特点在于复杂的应激源（包括学业压力与人际挑战）显著升高抑郁症状的风险。尽管传统研究主要依赖聚焦于孤立环境决定因素的线性方法，但生态环境对青少年抑郁症状的多层交互效应仍未得到充分探索。方法：利用2020年和2022年中国家庭追
背景：青春期是一个关键的发展阶段，其特点在于复杂的应激源（包括学业压力与人际挑战）显著升高抑郁症状的风险。尽管传统研究主要依赖聚焦于孤立环境决定因素的线性方法，但生态环境对青少年抑郁症状的多层交互效应仍未得到充分探索。方法：利用2020年和2022年中国家庭追踪调查（CFPS）的纵向数据，本研究纳入971名青少年（10–15岁）样本。基线生态学变量和协变量于2020年测量，结局——抑郁症状——于2022年采用8项流行病学研究中心抑郁量表（CES-D8）评估。研究人员将机器学习框架（随机森林，RF）与列线图模型相整合，前者用于预测连续的CES-D8评分，后者用于预测二元抑郁风险（CES-D8 ≥ 9）。列线图通过1000次bootstrap重采样进行内部验证。结果：生态环境与青少年抑郁症状表现出显著关联。在RF模型中（袋外均方误差=12.72），预测因子按其贡献降序排列依次为社会信任、人际关系、亲子冲突、教师满意度和年龄。所开发的可视化列线图显示出中等的区分能力（AUC=0.614），但具有极佳的校准能力（平均绝对误差=0.011），可用于量化个体化风险概率。结论：这些发现突出了特定的环境相关因素，并强调从单一因素管理转向整合性、多系统方法的必要性。尽管该预测模型在临床应用前需要进一步的外部验证，但它提供了一种初步的流行病学工具，以识别潜在的干预靶点，并促进家庭、学校、社区和政府的协同干预。关键词：生态环境；机器学习；列线图；青少年；抑郁症状
青少年抑郁症状的生态学相关因素研究解读
一、研究背景与问题提出
抑郁症是全球范围内影响儿童和青少年最常见的精神健康障碍之一，以持续情绪低落、无助感和对日常活动丧失兴趣为核心特征。在10–14岁青少年队列中抑郁症患病率估计为1.4%，而在15–19岁人群中升至3.5%；一项荟萃分析显示全球约五分之一的儿童和青少年患有抑郁症或表现出抑郁症状，且该比例随时间推移呈上升趋势。青春期是个体心理、生理和社会角色快速发展的关键阶段，此期间的心理健康问题不仅影响学业能力、社会功能和家庭关系，还可能对成年期生活质量产生长期负面影响。既有研究虽然从家庭、学校、社会和互联网等单一领域考察了青少年抑郁症状的相关因素，但缺乏对多层生态环境交互作用的系统评估，尤其是各生态域因素的相对预测重要性尚未达成共识。传统研究多采用普通最小二乘（OLS）线性回归分析单一环境因素，难以捕捉生态系统中固有的非线性交互和多重共线性关系。现有研究大多聚焦于孤立的近端风险因素（如亲子冲突、学业压力），而对宏观系统资源（如社会信任）及其在多系统协同中的作用关注不足。同时，机器学习模型的“黑箱”特性限制了其向现实场景的转化。因此，开展一项基于纵向数据、整合多种分析方法、能够同时评估多生态域因素相对重要性的研究具有重要理论与现实意义。
二、研究设计与方法概述
该研究利用2020年和2022年中国家庭追踪调查（CFPS）两波纵向数据，纳入971名基线年龄10–15岁的青少年样本（平均年龄12.72±1.66岁，其中男性522人）。基线生态学预测变量和人口统计学协变量取自2020年测量，结局变量即2022年抑郁症状，采用8项流行病学研究中心抑郁量表（CES-D8）评估。研究整合了三种主要分析方法：第一，采用普通最小二乘（OLS）线性回归评估生态预测因子与连续CES-D8评分的参数关联，并检验正态性、方差齐性和多重共线性（方差膨胀因子VIF<5）；第二，部署随机森林（RF）算法，设定500棵决策树（ntree=500）和每次分裂尝试4个变量（mtry=4），以袋外均方误差（OOB MSE）评估模型性能，并以节点纯度增加量（IncNodePurity）量化特征重要性；第三，基于二元抑郁风险结局构建多因素logistic回归列线图，通过1000次bootstrap重采样进行内部验证，采用C指数（AUC）评估区分度，以校准曲线和平均绝对误差（MAE）评估校准度。
三、主要研究结果
相关分析结果：Pearson相关分析显示，学校满意度（r=?0.09, p<0.01）、教师满意度（r=?0.12, p<0.01）和社会信任（r=?0.13, p<0.01）与抑郁症状呈负相关；亲子冲突（r=0.12, p<0.01）、学业压力（r=0.14, p<0.01）和网络购物（r=0.08, p<0.01）与抑郁症状呈正相关。年龄（r=0.11, p<0.01）和性别（r=?0.12, p<0.01）亦与抑郁症状显著关联。所有自变量两两相关系数均低于0.80，容差均大于0.1且VIF均小于10，表明不存在严重多重共线性。
线性回归结果：OLS回归模型（调整后R2=0.063）显示，社会信任（B=?0.060, p=0.002）与抑郁症状显著负相关；亲子冲突（B=0.086, p=0.005）与抑郁症状显著正相关；学业压力（B=0.355, p<0.001）呈显著正相关，教师满意度（B=?0.133, p=0.041）呈显著负相关；互联网使用维度未发现显著关联。个体特征方面，性别（B=?0.798, p=0.001）显示女性抑郁症状评分更高，年龄（B=0.175, p=0.016）显示年龄越大抑郁症状越严重。
随机森林结果：RF回归模型得到OOB MSE=12.72。特征重要性排序显示，社会信任是最关键的预测因子，其后依次为人际关系、亲子冲突、教师满意度和年龄。该非线性方法突出了社会缓冲机制（社会信任）和人口学因素（年龄）相较于近端家庭和学校应激源的重要预测价值。
列线图构建与验证：基于显著预测因子构建了可视化列线图。经1000次bootstrap重采样内部验证，模型的bootstrap校正C指数（AUC）为0.614，ROC曲线分析得到AUC=0.642（95% CI: 0.590–0.694），表明区分能力中等；校准曲线显示偏差校正线与理想参考线紧密贴合，MAE=0.011，表明校准度极佳。该列线图虽非临床诊断工具，但可作为基于生态特征的、校准良好的流行病学可视化工具。
四、讨论与结论总结
讨论部分指出，女性青少年抑郁症状水平高于男性，可能与其更复杂的人际网络、对环境应激源更高的情感敏感性以及传统性别角色社会化有关。年龄与抑郁症状的正向关联可能反映了青少年向高年级迈进过程中学业要求和社会应激源的累积心理负担。社会信任作为最强预测因子，在生态系统理论框架下充当宏观系统资源，为青少年提供安全、可预测和支持性环境的认知图式，从而缓冲心理困扰。学业压力和教师满意度在学校层面显著关联抑郁症状，积极的师生互动和学校氛围是重要的生态保护因素。亲子冲突在家庭层面与抑郁症状强正相关，频繁的家庭摩擦可能反映不安全依恋并导致情绪失调。网络购物虽然初始分析中与抑郁症状正相关，但因二元测量方式限制，无法评估频率和剂量效应，需谨慎解读。方法论上，随机森林与列线图的整合提供了评估多生态域相对重要性和可视化个体风险的新途径，但模型当前缺乏外部验证且区分度中等，不能直接用于临床筛查或资源分配。研究局限性包括未调整基线抑郁症状、观察性设计无法推断因果、自我报告偏倚、未测量混杂（如精神科病史、社会经济地位、遗传易感性）以及样本排除导致的潜在选择偏倚。未来需采用多信息提供者设计、连续行为测量和外部验证算法来确证这些生态关联。
研究结论认为，青少年抑郁症状与多变量的复杂交互作用相关；按变量重要性排序，社会信任是最关键的预测因子，其次为人际关系、亲子冲突、教师满意度和年龄。这些结果并非确证因果效应，而是提示未来心理健康促进项目应关注的潜在情境靶点。宏观系统因素（如社会信任）和近端微观环境因素（如家庭动态）是青少年福祉的重要组成部分。年龄与抑郁症状的正向关联以及女性的更高脆弱性提示，年龄较大的青少年和女孩可能需要更密切的心理关注。所开发的列线图虽然提供了多因素关联的直观可视化，但其区分性能中等、校准良好且缺乏外部验证，目前不适用于临床诊断筛查或确定性资源分配。该研究为从单一因素管理转向家庭、学校、社区和政府协同的综合多系统干预提供了初步流行病学工具和理论依据。
