災后中小學生創傷后應激障礙和抑郁癥狀的共存模式

王文超 原 昊2, 伍新春

災后中小學生創傷后應激障礙和抑郁癥狀的共存模式

王文超1原 昊2,1伍新春1

(1北京師范大學心理學部, 應用實驗心理北京市重點實驗室, 心理學國家級實驗教學示范中心(北京師范大學), 北京 100875) (2深圳市坪山區同心外國語學校, 廣東 深圳 518118)

為揭示災后中小學生創傷后應激障礙(PTSD)和抑郁在癥狀層面的共存模式, 本研究分別在汶川地震和雅安地震1年后, 對災區的中小學生進行問卷調查, 并基于高斯圖形模型和貝葉斯爬山算法構建了二者的共存癥狀網絡。結果發現, 在的框架下, PTSD和抑郁的重疊癥狀以及情緒麻木癥狀在二者的共存網絡中起到了橋接作用; 子網絡探測結果與劃分的癥狀邊界不同, PTSD中的闖入性癥狀和回避性癥狀是其區別于抑郁的特異性癥狀, 且多為闖入性癥狀激發回避性癥狀; 在二者的共存模式中, 多為抑郁癥狀激發PTSD癥狀。上述結果在汶川和雅安兩個樣本中均得到了交叉驗證, 具有一定的可推廣性。

創傷后應激障礙(PTSD), 抑郁, 網絡分析, 中小學生

1 引言

精神障礙癥狀會給個體的日常生活帶來很大負面影響, 若這些癥狀從屬于不同類別的精神障礙,即出現了共存現象, 問題則會更加嚴重。在這種情況下, 個體需要更長時程的干預和更為專業的治療, 但往往依從性較差, 治療效果不佳(Flory & Yehuda, 2015)。經歷創傷事件會大幅增加個體出現精神障礙癥狀的概率(Foa et al., 2006); 中小學生心智發展尚未成熟, 在面對創傷事件時缺乏足夠的應對策略,出現精神障礙癥狀幾率較高(Tang et al., 2018)。對遭受了重大自然災難的中小學生而言, 創傷后應激障礙(Posttraumatic Stress Disorder, PTSD)和抑郁是最為常見的兩種精神障礙, 二者的癥狀往往相伴而生, 具有較高的共存檢出率(Eksi et al., 2007)。汶川地震后, 對災區中小學生心理健康的調查發現, PTSD和抑郁的共存檢出率約在8.7%至11.2%之間(Chen et al., 2017; Fan et al 2011; Ying et al 2013); 另有研究者在雅安地震3年后對災區5563名中小學生進行了調查, 發現二者的共存檢出率約為6.5% (Tang et al., 2018); 國外的研究也發現, 在海地地震2年后, 災區872名中小學生PTSD和抑郁的共存檢出率高達22.25% (Cénat & Derivois, 2015)。

在框架(The Diagnostic and Statistical Manual of Mental Disorders)下, 自至,興趣減退、睡眠問題和注意力問題這三個與抑郁重疊的癥狀始終都在PTSD的診斷標準之中(Flory & Yehuda, 2015)。那么, 二者的高共存檢出率是否可歸為診斷標準的重疊呢？有研究者在龍卷風災后6個月、9個月和12個月對中學生進行追蹤調查, 發現3個時間點上二者的共存檢出率分別為46.8%、42.9%和43.5%; 但若將重疊的3個癥狀剔除之后, 則發現二者的共存檢出率分別下降至33.1%、31.2%和33.8% (An et al., 2019)。但也有研究發現, 剔除重疊癥狀并不會使二者的共存檢出率發生顯著變化。例如, Elhai等(2008)使用了兩種PTSD診斷標準對同一批被試的數據進行了分析：一種是基于的診斷標準, 另一種則是Spitzer等(2007)提出的PTSD診斷標準, 即將PTSD與抑郁、廣泛性焦慮障礙(Generalized anxiety disorder, GAD)重疊的癥狀(興趣減退、睡眠問題、注意力問題和煩躁易怒)以及可能不是由創傷事件導致的癥狀(失憶)從PTSD的診斷標準中剔除。結果發現, 若使用基于的診斷標準, 二者的共存檢出率為3.7%;若使用Spitzer等(2007)的標準, 共存檢出率則為3.5%。一項在軍人群體中開展的研究也得到了類似的結果, 在的標準下, 二者的共存檢出率為8.3%; 在Spitzer等(2007)的標準下, 共存檢出率為8.2% (Grubaugh et al., 2010)。由此, Flory和Yehuda (2015)認為, 診斷標準的重疊僅能一定程度上解釋PTSD和抑郁的共存現象, PTSD和抑郁高共存檢出率的背后仍可能存在其他原因。

除了興趣減退、睡眠問題和注意力問題這3個重疊癥狀之外, PTSD的另一些癥狀也被認為和抑郁存在較高的相關性, Simms等(2002)就將這3個與抑郁重疊的癥狀, 外加失憶、疏離、情感麻木、未來受限和煩躁易怒這5個非特異性的癥狀, 合稱為PTSD的躁郁(dysphoria)維度。研究表明, 躁郁維度很可能是PTSD和抑郁共享的、非特異性的負性情緒和軀體化癥狀的表征(Gootzeit & Markon, 2011)。例如, 有研究者采用探索性因素分析對遭受戰爭創傷的軍人進行研究, 發現雖然PTSD和抑郁呈現出兩因子結構, 但PTSD的興趣減退、未來受限、疏離和情感麻木這4個癥狀卻歸屬于抑郁因子, 而在抑郁各癥狀中, 卻沒有任何癥狀歸屬于PTSD因子(Gros et al., 2010)。Armour和Shevlin (2010)則利用驗證性因素分析的方法對12647名被試的數據進行分析, 發現在控制抑郁和GAD后, 躁郁維度在PTSD因子上的載荷顯著降低。另一項軍人群體的追蹤研究也表明, 相較于PTSD的其他維度, 躁郁維度與抑郁跨時間點的相關性更強(Meis et al., 2011)。這些研究都表明, 非特異性的PTSD癥狀同抑郁的聯系更為緊密, 即PTSD的躁郁維度也能在一定程度上為二者的共存現象作出解釋。

值得注意的是, 上述列舉的研究大都是基于共同因素假說, 該假說將癥狀(symptom)看作是某種精神障礙(disorder)的現實表征, 用潛變量來解釋癥狀之間存在的共變模式(蔡玉清等, 2020), 以PTSD為例, 被診斷為PTSD的個體之所以會出現闖入性思維和閃回等癥狀, 是潛在的PTSD這一共同原因導致的(陳琛等, 2021)。精神障礙的網絡理論則認為, 并不需要借助潛變量來解釋癥狀間穩定存在的共變模式, 因為癥狀間天然存在直接的因果聯系。由于精神障礙在組成、成因和影響上都是多面性的, 因此需要借助一個相互作用的復雜系統來對其進行描述和表征, 這個復雜系統被稱為癥狀網絡, 而精神障礙就是這個癥狀網絡的概念化表征。網絡的基本組成元素即為各個癥狀, 又稱節點, 節點間的聯系被稱為邊(Borsboom, 2017)。在精神障礙網絡理論的指導下, 研究者多采用網絡分析模型來擬合數據(蔡玉清等, 2020)。需要說明的是, 網絡分析模型與共同因素假說指導下的潛變量模型不同, 它不需要滿足局部獨立性假設(Krueger, 1999), 允許癥狀間存在反饋回路, 承認癥狀間的相對重要性是有差異的, 并不是“平等的”或“可互換的”, 這同臨床實踐更為貼合(Borsboom & Cramer, 2013; Cramer et al., 2010)。同時, 精神障礙具有相對穩定的網絡結構, 即隸屬于同一精神障礙下的癥狀間的聯系要比分屬于不同精神障礙下的癥狀間的聯系更為緊密, 但癥狀網絡的邊界是模糊的, 精神障礙間的共存現象可被實例化為隸屬于不同癥狀網絡節點間的聯系。連接兩個癥狀網絡的節點被稱為橋節點, 在網絡中起橋接作用(Borsboom, 2017)。

隨著精神障礙的網絡理論逐漸被學界接受, 研究者開始采用網絡分析模型構建PTSD和抑郁的共存網絡。Afzali等(2017)對909名在一生中至少有過一次創傷經歷或抑郁癥發作經歷的成年人進行了調查, 并在此基礎上依次構建了兩個PTSD和抑郁的共存網絡：第一個網絡囊括了PTSD和抑郁的所有癥狀, 第二個網絡則剔除了PTSD和抑郁重疊的4個癥狀(興趣減退、睡眠問題、注意力問題和煩躁易怒)。結果發現, 包含上述4個重疊癥狀在內的邊在PTSD和抑郁各癥狀直連邊的總權重中占比高達54.0%, 這說明重疊癥狀在共存網絡中起到了重要的橋接作用; 將上述4個重疊癥狀剔除后, 發現隸屬于抑郁的悲傷、內疚和精神運動性遲滯癥狀以及隸屬于PTSD的未來受限和閃回癥狀是橋節點。另一項研究通過在線調查平臺對1184名被試進行了調查, 并構建了一個包括PTSD、抑郁和GAD三者在內的共存網絡。結果發現, 隸屬于PTSD的情感麻木癥狀, 以及隸屬于GAD的無法放松癥狀是網絡中的核心癥狀, 起著重要的橋接作用(Price et al, 2019)。也有研究者為2313名青少年構建了一個包含PTSD、抑郁和創傷后負性認知在內的共存網絡, 但該網絡只包括了9個PTSD的特異性癥狀, 并不包含躁郁維度, 結果發現, 創傷相關線索引起的情緒反應和注意力問題在網絡中起到了橋接作用(de Haan et al., 2020)。

對以往有關PTSD和抑郁共存網絡的實證研究進行分析后發現, 僅有de Haan等(2020)的研究對象是中小學生, 但在網絡中并沒有將PTSD的躁郁維度囊括在內; 其次, 上述研究中涉及的創傷事件多為人為創傷, 較少有研究關注重大自然災難(例如地震), 而創傷類型又會影響PTSD的癥狀網絡結構(Benfer et al., 2018), 進而可能會對PTSD和抑郁的共存模式產生影響; 再次, 雖然Price等(2019)的研究探討了PTSD、抑郁和GAD這三者共存網絡中可能存在的子網絡, 但僅報告了子網絡探測的結果, 并沒有在此基礎上確定子網絡間的橋癥狀, 而橋癥狀的確定又十分依賴于網絡中子網絡邊界的劃分。此外, 在現有的關于PTSD和抑郁共存網絡的實證研究中, 僅有Lazarov等(2020)的研究為二者構建了一個基于貝葉斯推斷的有向網絡, 這在一定程度上能借助PTSD與抑郁間的因果關系來解釋二者的共存現象。不過, Lazarov等(2020)的研究對象為具有PTSD臨床診斷的軍人群體; 且PTSD與抑郁之間的因果指向性仍未有定論：可能PTSD是抑郁的因(An et al., 2019), 或PTSD是抑郁的果(Arbisi et al., 2012), 或二者互為因果(Geng et al., 2019)。最后, Duek等(2021)在研究中依托大樣本(= 32841), 計算了共存網絡的分半信度, 這在統計上為研究結果的可重復性做出了保證。而Yarkoni和Westfall (2017)則認為, 最好在多個樣本中對結果進行交叉驗證, 以應對心理學研究中的可重復性危機。

為揭示重大自然災難后中小學生PTSD和抑郁的共存模式, 本研究分別在汶川地震和雅安地震1年后對災區的中小學生展開調查, 首先, 構建囊括PTSD和抑郁所有癥狀的共存網絡, 考察重疊癥狀1包含興趣減退、睡眠問題、注意力問題和煩躁易怒4個癥狀。和躁郁維度2包含興趣減退、睡眠問題、注意力問題、煩躁易怒、失憶、疏離、情感麻木和未來受限8個癥狀。是否在其中起到了橋接作用; 而后, 剔除4個重疊癥狀, 探尋癥狀網絡中可能存在的子網絡, 并在此基礎上確認子網絡間的橋癥狀; 同時,為二者構建基于貝葉斯推斷的有向網絡, 以確定PTSD和抑郁各癥狀間的因果指向性; 最后, 借助網絡比較的方法對兩個樣本中PTSD和抑郁共存網絡的可重復性進行交叉驗證。

2 方法

2.1 被試與程序

2.1.1 研究樣本

于汶川震后1年對災區22所中小學校的在讀學生進行抽樣調查, 共計調查2530人, 年齡區間為8至17歲, 平均年齡12.86歲(= 1.96歲), 男生1189人(47.0%); 于雅安震后1年對災區2所中學和1所小學的在讀學生進行抽樣調查, 共計調查723人, 年齡區間為9至17歲, 平均年齡13.40歲(= 2.29歲), 男生345人(47.7%)。

2.1.2 研究程序

采用整班施測的形式, 由心理學專業研究生采用相同的指導語統一施測, 當場回收問卷。為消除問卷填答可能帶來的不適, 為施測對象開展團體輔導活動。整個施測過程征得了學生本人、家長、學校校長和當地教育局的同意, 并與學生簽訂了知情同意書, 且得到了北京師范大學心理學部倫理委員會的批準。

2.2 研究工具

2.2.1 兒童創傷后應激障礙癥狀量表(CPSS)

兒童創傷后應激障礙癥狀量表(Child PTSD Symptoms Scale, CPSS)由Foa等(2001)參照中有關PTSD的診斷標準編制而成, 用于測查中小學生最近兩周內的PTSD癥狀水平, 其在震后青少年群體中的信效度良好(Zhen et al., 2019)。該量表共包含17道題目, 包括闖入性癥狀(5題)、回避性癥狀(7題)和警覺性增高癥狀(5題)三個維度, 采用0 (從未)至3 (總是)的4點計分方式。在汶川和雅安樣本中該量表的Cronbach?s α系數均為0.87。

2.2.2 流調中心抑郁量表兒童版(CES-DC)

采用Fendrich等(1990)編制的流調中心抑郁量表兒童版(Center for Epidemiologic Studies Depression Scale for Children, CES-DC)測查中小學生最近兩周內的抑郁癥狀水平, 該量表在震后青少年群體中的信效度良好(Zhen et al., 2019)。CES-DC采用0 (沒有)至3 (總是)的4點計分方式, 共20道題目, 其中包含4道測量積極情緒的題目, 本研究將這4道測量積極情緒的題目單獨作為一個子網絡。在汶川和雅安樣本中該量表的Cronbach?s α系數為分別為0.87和0.89。

2.3 數據分析

2.3.1 缺失數據的處理

汶川樣本數據的缺失比例為1.2%, 雅安樣本數據的缺失比例為0.3%。鑒于缺失比例較低, 根據Levinson等(2018)的建議, 本研究使用R-package mice中的mice函數對缺失數據進行多重插補。

2.3.2 無向網絡的估計與可視化

使用高斯圖形模型(Gaussian graphical model, GGM)擬合PTSD和抑郁癥狀間的無向網絡(Costantini et al., 2015)。癥狀網絡由節點和邊組成, 節點(node)代表各個癥狀, 節點A與節點B之間的連線為邊(edge), 意為在控制了網絡中的其他癥狀后, A與B間的偏相關系數, 又稱為邊權重。考慮到本研究需對比兩個樣本的結果, 在估計GGM的過程中引入融合圖像最小絕對值收斂和選擇算子, 對邊權重正則化, 盡可能去除網絡中假陽性的邊(Danaher et al., 2014; Fried et al., 2018)。

使用R-package qgraph中的qgraph函數對GGM進行可視化(Epskamp et al., 2012), 節點的相對位置使用Fruchtermann-Reingold算法確定(Fruchterman & Reingold, 1991), 節點間的聯系越強, 視覺距離就越近。為了便于在視覺上比較兩個樣本的網絡結構, 使用R-package qgraph中的averageLayout函數確定各節點的具體布局, 以保證兩個樣本中相同節點絕對位置的一致性。將網絡中邊權重的最大值固定為兩個樣本中邊權重的絕對值的最大值, 藍色的實線邊代表癥狀間的偏相關系數為正, 紅色的虛線邊則為負, 邊越粗、飽和度越高意味著癥狀之間的偏相關系數越大, 聯系越緊密。

2.3.3 有向網絡的估計與可視化

使用貝葉斯爬山算法(Bayesian hillclimbing algorithm)來確定癥狀間的有向網絡結構。該算法采用迭代思想, 每次迭代的起始狀態(邊的有無和指向性)是隨機的, 在迭代過程中會對整個網絡進行多次擾動(反復添加、剔除和反轉邊的指向性), 且每次迭代過程會包含多個起始狀態, 當得到一個最佳的貝葉斯信息指數(Bayesian Information Criterion, BIC)時, 則停止迭代(Scutari, 2010)。借助BootStrap法(有放回抽樣, 1000次)來保證有向網絡結構的穩定性。在1000次BootStrap的結果中, 依據Scutari和Nagarajan (2013)提出的標準來確定邊的有無, 依據邊指向性出現的次數來確定邊的指向性, 即由癥狀A指向癥狀B的邊在1000次中至少需出現501次。

借助有向無循環圖(Directed Acyclic Graphs, DAG)對基于貝葉斯推斷的有向網絡進行可視化, 這能在一定程度上闡明癥狀間的因果模式。在DAG中, 邊越粗, 代表其相對BIC值越大(即從DAG中移除一條較粗的邊比移除一條較細的邊對模型擬合的破壞性更大), 節點的位置越靠近布局頂端, 則相對重要性越強(McNally et al, 2017)。

2.4 中心性估計

本研究使用預期影響指數(expected influence, EI)來量化無向網絡中各節點的影響力。不同于強度中心性(strength), 在計算某個節點的EI時, 并不會將小于0的邊權重取絕對值, 而是保留其符號(Robinaugh et al., 2016)。根據Jones等人(2019)的建議, 本研究使用橋預期影響指數(bridge expected influence, BEI)來確定PTSD與抑郁間橋節點。BEI的計算方法與EI類似, 在計算網絡中隸屬于某個子網絡的特定節點的BEI時, 僅考慮該節點與其他子網絡中節點間的邊, 與該節點自身所處子網絡中剩余節點間的邊則不納入計算。

2.5 無向網絡的準確性和穩定性檢驗

第一步, 使用R-package EstimateGroupNetwork中的GroupNetworkBoot函數對無向網絡的準確性進行檢驗。該函數借助BootStrap法(有放回抽樣, 1000次), 同時對汶川和雅安兩個樣本進行檢驗, 以得到各邊權重的95%置信區間(confidence intervals, CI), 各邊權重的95% CI越寬, 在解釋時就越要謹慎。第二步, 使用R-package bootnet中的bootnet函數對無向網絡的穩定性進行檢驗。該函數同樣借助BootStrap法(成比例剔除樣本, 1000次)來確定各節點中心性指數等級排序的穩定性。即在使用較少的樣本重新估計網絡后, 各節點中心性指數的等級排序是否會發生變化。本研究同時使用bootnet包中的corStability函數計算各網絡的中心性穩定系數(centrality stability coefficient, CS-coefficient), CS-coefficient的值在0.5以上時意味著樣本網絡的節點中心性具有較高的穩定性。第三步, 分別對網絡中各邊權重間的差異以及各節點中心性指數間的差異進行檢驗(α = 0.05)。

2.6 子網絡探尋

本研究使用自旋玻璃算法(spin glass algorithm)來確定在剔除重疊癥狀后, PTSD和抑郁共存網絡中可能存在的子網絡(Heeren et al., 2018)。這是一種基于模塊化的子網絡探測算法, 其基本假設是子網絡內各節點間的相互聯系要顯著強于這些節點與其他子網絡內節點間的聯系(Reichardt & Bornholdt, 2006)。需要注意的是, 該算法僅允許一個節點被劃分到一個特定的子網絡中, 且該算法每次執行的結果可能會不同。為此, 本研究重復執行該算法1000次, 而后從中提取頻率最高的聚類模式報告。

2.7 網絡比較

本研究從全局不變性和局部不變性兩個角度出發, 使用置換檢驗5000次(Permutation tests)的方法對兩個樣本的無向網絡進行比較(Network Comparison Test, NCT; van Borkulo et al., 2022)。全局不變性包括網絡結構不變性和網絡整體強度不變性兩個方面。網絡結構不變性檢驗的統計量是兩個網絡邊權重的絕對值的最大差值, 網絡整體強度不變性檢驗的統計量則是兩個網絡中所有邊權重絕對值之和的差值; 局部不變性則是對兩個樣本網絡中各邊權重和各節點中心性指數的差值進行檢驗(使用Holm- Bonferroni算法進行校正)。考慮到本研究中汶川地震樣本的被試量為2530, 雅安地震樣本的被試量僅為723, 而樣本量又會對網絡比較的結果產生影響。故本研究先從汶川樣本中隨機抽取723名被試進行NCT, 并重復該步驟100次, 而后統計并報告以上各個統計量顯著的次數(Wang et al., 2020)。

2.8 共同方法偏差檢驗

采用Harman單因子檢驗法對共同方法偏差進行檢驗, 結果發現, 在汶川和雅安兩個樣本中, 未旋轉的情況下分別得到了8和7個因子, 第一個因子解釋的變異量分別為19.6%和30.9%, 均小于40%的臨界值, 故本研究不存在明顯的共同方法偏差(Podsakoff et al., 2003)。

3 結果

3.1 描述性統計與樣本間的差異檢驗

兩個樣本的人口統計學信息和創傷暴露情況見表1, CPSS和CES-DC各題項的標簽、縮寫和完整表述見網絡版附表1, 各題項的描述性統計結果見網絡版附表2。由網絡版附表2可知, 盡管本研究中各癥狀的得分均未違反正態分布的假設(偏度大于2或峰度大于7, Curran et al. 1996), 但依據網絡分析的標準程序(Epskamp & Fried, 2018), 本研究在進行網絡分析之前, 使用R-package huge中的huge函數對數據進行轉換。

汶川樣本CPSS的均值為14.10 (= 7.94), 雅安樣本CPSS的均值為13.86 (= 8.14), 不存在顯著差異(= 0.72,= 0.47); 汶川樣本CES-DC的均值為19.80 (= 9.13), 雅安樣本CES-DC的均值為19.86 (= 10.59), 不存在顯著差異(= ?0.14,= 0.89)。汶川樣本中, 以16分作為劃界標準(Zhou & Wu, 2019), PTSD的檢出率為39.8%, 以24分作為劃界標準(Gotlib et al. 1995), 抑郁的檢出率為31.1%, 二者的共存檢出率為24.8%; 雅安樣本中PTSD的檢出率為36.9%, 抑郁的檢出率為32.1%, 二者的共存檢出率為24.3%。

表1 兩個樣本的人口統計學信息和創傷暴露情況

注：某些變量存在缺失值, 故各部分之和小于或等于總樣本數。

3.2 全癥狀網絡估計結果

汶川樣本囊括PTSD和抑郁所有癥狀的網絡(汶川網絡1)見圖13為便于視覺觀察, 圖1中僅呈現邊權重絕對值大于0.05的邊, 包含所有邊權重的汶川網絡1/雅安網絡1見網絡版附錄圖1。, 汶川網絡1的全局特性見表2, 從中可看出各子網絡內部的聯結要強于子網絡間的聯結。在PTSD和抑郁直連且權重不為0的172條邊中, 包含重疊癥狀4PTSD中的節點C1、D1、D2和D5, MDD中的節點A5和A11, 下同。在內的邊有55條(32.0%), 總強度為1.82 (34.1%); 包含躁郁維度5PTSD中的節點C1、C2、C4、C5、C6、D1、D2和D5, MDD中的節點A5和A11, 下同。在內的邊有86條(50.0%), 總強度為3.36 (63.0%); 不包含躁郁維度在內的邊共有86條(50.0%), 總強度為1.97 (37.0%)。汶川網絡1中權重較大的邊見網絡版附表3, 從中可知, PTSD子網絡內權重較大的邊多為闖入性癥狀間的連邊, PTSD和抑郁子網絡間的直連邊中權重較大的邊多為二者重疊癥狀間的連邊。汶川網絡1中所有邊的權重見網絡版附表4, 雅安網絡1所有邊的權重見網絡版附表5。

圖1 汶川樣本和雅安樣本的全癥狀網絡(僅呈現權重大于0.05的邊)

表2 各網絡的全局特性

注：在汶川網絡1和雅安網絡1中, PTSD子網絡和抑郁子網絡是依據CPSS和CES-DC進行劃分的; 在汶川網絡2和雅安網絡2中, PTSD子網絡和抑郁子網絡是依據網絡版附表7的子網絡探測結果來劃分的, 網絡版附表3同理。

雅安樣本囊括PTSD和抑郁所有癥狀的網絡(雅安網絡1)見圖13, 雅安網絡1的全局特性與汶川網絡1基本相同(見表2), 在雅安網絡1 PTSD和抑郁直連且權重不為0的161條邊中, 包含重疊癥狀在內的邊有50條(31.1%), 總強度為1.80 (34.7%); 包含躁郁維度在內的邊有83條(51.6%), 總強度為3.39 (65.3%); 不包含躁郁維度在內的邊共有78條(48.4%), 總強度為1.80 (34.7%)。雅安網絡1中權重較大的邊見網絡版附表3, 其表現出的特性與汶川網絡1基本相同。汶川網絡1和雅安網絡1中邊權重的95% CI見網絡版附圖3, 從中可知, 除個別權重較大的邊外, 各邊的95% CI較寬, 在解釋時需謹慎; 兩個樣本全癥狀網絡的穩定性分析見網絡版附圖4, 汶川網絡1的CS-coefficient為0.75, 雅安汶川網絡1為0.60, 故兩個樣本網絡的節點中心性具有較高的穩定性; 兩個樣本全癥狀網絡中各邊權重的差異性檢驗見網絡版附圖5, 各節點EI值的差異性檢驗見網絡版附圖6, 各節點BEI值的差異性檢驗見網絡版附圖7。從中可知兩個網絡中權重較大的邊, EI/BEI值較大的節點均顯著大于網絡中其余的邊或節點。

汶川網絡1和雅安網絡1各節點的標準化EI/BEI值見圖2, 可以看到兩個樣本中各節點EI和BEI的排序模式高度一致：兩個樣本中各節點標準化EI值的皮爾遜相關系數為0.97, 標準化BEI值的皮爾遜相關系數為0.99。在兩個樣本中, 節點A5 (注意力問題_A)、A6 (情緒低落)、A10 (恐懼)、A18 (悲傷)和A20 (難以開始)的標準化EI值大于1個標準差, 表明這些節點和網絡中其余的節點有更多的聯結; 節點A5 (注意力問題_A)、A10 (恐懼)、C4 (情緒麻木)、C6 (疏離)和D1 (注意力問題)的標準化BEI值大于1個標準差, 表明這些節點是連接PTSD和抑郁的橋節點。

對汶川樣本隨機抽樣100次后的NCT結果進行統計發現, 網絡結構不變性顯著的次數為24次; 網絡整體強度顯著的次數為2次, 可推斷汶川網絡1和雅安網絡1具有全局不變性; 各邊權重和各節點EI值的顯著性次數見網絡版附表6, 從中可知, 僅有少部分邊和節點在對汶川樣本隨機抽樣后進行的置換測試中顯著, 次數均很少, 可推斷汶川網絡1和雅安網絡1具有局部不變性。故本研究認為汶川和雅安兩個樣本的全癥狀共存網絡是等價的。

3.3 剔除重疊癥狀后的網絡估計結果

從網絡版附表7可知, 使用自旋玻璃算法探測兩個樣本PTSD和抑郁共存網絡中的子網絡得到了相同的結果：共有3個子網絡, CPSS中的節點C2 (未來受限)、C4 (情緒麻木)、C5 (失憶)和C6 (疏離)與CES-DC中的節點(不包括A10)聚為一個子網絡; 而CES-DC中的節點A10 (恐懼)則和CPSS中的剩余節點聚為一個子網絡; 積極情緒的4個節點聚為一個子網絡。在此基礎上, 本研究將包含4個積極情緒節點在內的子網絡命名為積極情緒子網絡; 包含PTSD核心癥狀以及CES-DC中節點A10 (恐懼)在內的子網絡命名為PTSD類子網絡; 將最后一個子網絡命名為抑郁類子網絡。在本研究中, 僅確定PTSD類和抑郁類子網絡中的橋節點。

兩個樣本剔除重疊癥狀后PTSD和抑郁的共存網絡(汶川網絡2和雅安網絡2)見網絡版附圖2, 節點的聚類模式與子網絡探測的結果相一致。汶川網絡2和雅安網絡2的全局特性見表2, 可以看到在正確劃分了子網絡后, 各子網絡的密度進一步提高, PTSD和抑郁子網絡間直連邊的平均權重有所下降。汶川網絡2和雅安網絡2中權重較大的邊見網絡版附表3, 可知PTSD和抑郁子網絡內權重較大的邊與汶川網絡1和雅安網絡1基本一致, 但在剔除了重疊癥狀且正確劃分了子網絡后, PTSD和抑郁間權重較大的直連邊發生了變化。

汶川網絡2和雅安網絡2各節點的標準化EI/BEI值見圖2。可以看到剔除重疊癥狀后兩個樣本中各節點EI和BEI的相對排序仍高度一致。在兩個樣本中, 節點A10 (恐懼)、A18 (悲傷)和B2 (想法侵入)的標準化EI值大于1個標準差, 表明這些節點和網絡中其余的節點有更多的聯結; 節點A10 (恐懼)、C4 (情緒麻木)、D3 (驚跳反應)和D4 (高警覺)的標準化BEI值大于1個標準差, 表明這些節點是連接PTSD和抑郁的橋節點。

圖2 網絡中各節點的標準化中心性指數

3.4 有向網絡估計結果

剔除重疊癥狀后汶川樣本的有向網絡見圖3, 從宏觀上來看, 多由抑郁癥狀激發PTSD癥狀; 從微觀上來看, 節點A17 (哭泣)位于布局的最頂端, 沒有任何一個節點指向A17, 其觸發包括節點A10 (恐懼)在內的10個節點; 節點A13 (活力降低)和C5 (失憶)位于布局的最底端, 不觸發任何節點; 在PTSD類子網絡中, 節點A10 (恐懼)位置最高, 觸發包括節點B1 (噩夢)在內的11個節點, 且多由闖入性癥狀觸發回避性癥狀。剔除重疊癥狀后雅安樣本的有向網絡結構見圖3, 但連邊數量較少。和汶川樣本相似, 從宏觀上來看, 多由抑郁癥狀激發PTSD癥狀; 從微觀上來看, 節點A17 (哭泣)位于布局的最頂端, 其觸發包括B3 (情感反應)在內的6個節點; 節點A13 (活力降低)和C7 (回避想法)位于布局的最底端, 不觸發任何節點; 在PTSD類子網絡中, 節點A10 (恐懼)位置最高, 觸發包括節點B1 (噩夢)在內的9個節點, 且多由闖入性癥狀觸發回避性癥狀。

4 討論

本研究在兩個相互獨立的樣本中交叉驗證了重大自然災難后中小學生PTSD和抑郁癥狀的共存模式：揭示了二者的重疊癥狀以及躁郁維度下的部分癥狀是聯結PTSD和抑郁的橋癥狀; 并在剔除了重疊癥狀后重新劃分了二者的癥狀邊界, 在此基礎上確認了恐懼、驚跳反應和高警覺癥狀的橋接作用; 同時借助貝葉斯爬山算法為二者構建了有向網絡, 揭示了癥狀間可能存在的因果關系模式, 保證了研究結論的可推廣性, 這在一定程度上回應了心理學研究的可重復性危機。

4.1 重疊癥狀在PTSD和抑郁共存網絡中的作用

從汶川網絡1和雅安網絡1中可以看出, 興趣減退、注意力問題、睡眠問題和煩躁易怒這4個PTSD和抑郁的重疊癥狀均在二者的共存網絡中起到了橋接作用, 可被視為二者共存網絡中的橋節點。在汶川網絡1和雅安網絡1的PTSD和抑郁各癥狀直連且權重不為0的邊中, 從宏觀的角度來看, 包含上述4個重疊癥狀在內的邊在數量和權重上都具有較高的比重; 從微觀的角度來看, 權重最大的邊都是D2 (睡眠問題_D) — A11 (睡眠問題_A)和A5 (注意力問題_A) — D1 (注意力問題_D), 這與Duek等(2021)的結果一致, 說明睡眠問題和注意力問題這兩個PTSD與抑郁重疊的癥狀在二者的共存網絡中起到了重要的橋接作用, 可被視為二者間的橋節點。同時, 從節點的BEI屬性出發(見圖2), 雖然D5(煩躁易怒)和C1(興趣減退)的BEI排序并沒有D2/A11 (睡眠問題)和D1/A5 (注意力問題)高, 但在汶川地震樣本PTSD和抑郁直連且包含上述4個重疊癥狀(6個節點)在內的邊中, 包括節點D5 (煩躁易怒)和C1 (興趣減退)在內的邊共有21條(38.2%), 總強度為0.71 (39.0%); 這一數據在雅安地震樣本中為20條(40.0%), 總強度為0.71 (39.4%)。這說明煩躁易怒和興趣減退這兩個癥狀在PTSD和抑郁的共存網絡中也起到了橋接作用, 也可被視為二者間的橋節點, 這同Mitchell等(2017)和Garabiles等(2020)的研究結論相一致。

圖3 汶川和雅安樣本的DAG (剔除重疊癥狀)

不過, 在Afzali等(2017)的研究中, 包含上述4個重疊癥狀在內的邊的總強度在二者間直連邊的總強度中占比卻高達54.0%, 明顯高于本研究中所報告的34.1%和34.7%。這可能是因為在Afzali等(2017)的研究中測量抑郁癥狀所使用的量表為世界心理健康綜合國際診斷訪談量表, 該量表包含了CED-DC所沒有的興趣減退和煩躁易怒這兩個癥狀題項。

4.2 躁郁維度在PTSD和抑郁共存網絡中的作用

從宏觀的角度來看, 在兩個樣本PTSD和抑郁直連且權重不為0的邊中, 包含躁郁維度在內的邊在強度上占有很大的比重, 均在63%以上, 這表明躁郁維度在PTSD和抑郁共存網絡中起到了橋接作用。從微觀的角度來看, 除了4個重疊癥狀外, 屬于躁郁維度的癥狀/節點C6 (疏離)、C4 (情緒麻木)和C2 (未來受限)其BEI在汶川網絡1中分別位列第2、第4和第11位(見圖2); 在雅安網絡1中, 分別位列第2、第4和第9位(見圖2); 同時, 包含上述3個節點在內的邊(C4-A3、C6-A14和C2-A20)的權重在兩個樣本PTSD和抑郁的直連邊中均排在前12位。這意味著, 躁郁維度下的疏離、情緒麻木和未來受限這3個癥狀/節點也可被視為PTSD和抑郁共存癥狀網絡中的橋節點, 這同Afzali等(2017)、Choi等(2017)、Price等(2019)和Gilbar (2020)的結果相一致。但同樣是隸屬于躁郁維度的節點C5(失憶), 其BEI在兩個樣本中的排序都不靠前, 分別位列第24位和第22位。這可能是因為節點C5的中心性指數EI在兩個樣本中均較低, 在網絡中和其余節點的連邊較少, 屬于網絡中的邊緣節點。這也同先前針對PTSD的網絡分析結果相一致：失憶在PTSD的各個癥狀中, 其中心性指數往往是最低的(Lazarov et al., 2020)。故此, 本研究認為躁郁維度下的失憶癥狀(節點C5)并沒有在PTSD和抑郁的共存網絡中起到橋梁作用, 不應當被認為是二者間的橋節點。

同時, 剔除重疊癥狀后兩個樣本的子網絡探測結果均表明, PTSD躁郁維度下的C2 (未來受限)、C4 (情緒麻木)、C5 (失憶)和C6 (疏離)與抑郁各節點(節點A10除外)可歸為一個子網絡, 這與Gros等(2010)采用因素分析的方法探討PTSD和抑郁的結構所得結論相一致。該結果一方面證明了躁郁維度與抑郁的聯系相較PTSD的特異性癥狀更為緊密; 另一方面, 也說明了預先劃分的癥狀邊界并不準確。在2018年面世的(International Classification of Diseases)中, PTSD的診斷標準僅包含6個特異性癥狀, 并未包括躁郁維度下的8個癥狀(Brewin et al., 2017)。而本研究恰恰發現標準下PTSD的6個癥狀都歸屬在同一個子網絡之內, 考慮到本質上是的子集(Flory & Yehuda, 2015), 故在框架下, PTSD的診斷標準可能存在一定程度冗余。此外, 本研究還發現CES- DC中的癥狀A10(恐懼)也歸在PTSD類子網絡中, 這也從側面提示對PTSD的癥狀劃分過于精簡, 即創傷事件后以恐懼為代表的負性情緒可能也是PTSD區別于抑郁的獨特癥狀條目。

若基于子網絡探測結果進一步考察PTSD類子網絡和抑郁類子網絡間的橋節點, 則發現(見圖2)無論在哪個樣本中, 節點C4 (情緒麻木)仍是PTSD和抑郁子網絡間的橋節點, 但節點C2 (未來受限)和節點C6 (疏離)的BEI排序則大幅下降。尤其是節點C6 (疏離), 在設定的邊界下被確認為PTSD和抑郁之間的橋節點：其在兩個樣本中的BEI都排在第2位。但若基于子網絡探測的結果, 其BEI卻排在最后一位。而節點A10 (恐懼)、D3 (驚跳反應)和D4 (高警覺)的標準化BEI值大于1個標準差, 可被認為是PTSD和抑郁子網絡間的橋節點。這3個節點是首次被確認為PTSD和抑郁間的橋節點, 原因在于先前的研究都是在預先設定的邊界下探討PTSD與抑郁間的橋節點, 在統計上遮蔽了上述3個節點在二者間的橋接作用。這進一步表明, 在經歷了重大自然災難后的兒童和青少年群體中, 當考察PTSD和抑郁的共存網絡結構時,預先劃分的PTSD癥狀邊界并不適用。

4.3 PTSD和抑郁的有向網絡(DAG)

在汶川和雅安兩個樣本中, 從宏觀上來看, DAG的結果均表明更有可能是抑郁癥狀激發PTSD癥狀, 這同先前部分研究結果一致。例如, Arbisi等(2012)發現, 在控制了前一個時間點的PTSD癥狀水平后, 抑郁的癥狀水平對3個月后PTSD的診斷具有顯著的預測作用。不過, Lazarov等(2020)的研究卻發現, 在PTSD和抑郁的有向網絡(DAG)中, 更有可能是PTSD癥狀激發抑郁癥狀。這可能是因為Lazarov等(2020)的研究對象為反復暴露在戰爭創傷下經過臨床診斷的軍人樣本, 而本研究的對象則是地震后的中小學生, 并非臨床樣本。Janoff-Bulman (1989)認為創傷事件會沖擊個體的核心信念系統, 考慮到中小學生尚未形成穩定的世界觀, 在經歷了地震這樣的重大創傷事件后可能僅看到了事情的消極面, 并通過侵入性反芻持續放大消極影響(Ehlers & Clark, 2008), 認為外界和他人都是不值得信賴的, 產生悲觀絕望的消極情緒, 將自己和外界隔離開來,體驗到被排斥和孤獨感。這些消極情緒可能不利于中小學生理性看待創傷事件并嘗試將其整合到自己的記憶系統中, 導致這部分記憶難以進行有意識的檢索, 以至出現再體驗等癥狀(Ehlers & Clark, 2000)。同時考慮到本研究在汶川和雅安兩個樣本中進行了交叉驗證, 結果更具普遍性和說服力。

從微觀角度看, 在PTSD類子網絡中, 更有可能是闖入性癥狀激發回避性癥狀, 這也同Lazarov等(2020)的研究結論一致。Horowitz (1976)提出的關于PTSD的應激反應理論認為, 在經歷創傷事件后, 若個體未能將由創傷事件帶來的新認知同化到自身已有的認知圖式當中, 有關創傷事件的記憶和線索就會不斷闖入個體的意識(例如, 出現侵入和閃回等癥狀), 導致個體出現不良的身心反應(例如, 出現由創傷線索導致的生理反應和情感反應等癥狀), 此時個體就會采取防御性的措施來對抗這些消極的身心反應(例如, 主動回避相關線索), 即出現回避性癥狀。在抑郁類子網絡中, 節點A17 (哭泣)和A18 (悲傷)等抑郁情緒更可能是上游癥狀, Abramson等(1989)提出的抑郁無望理論認為, 創傷事件會使個體體驗到無望感, 進而可能會出現悲傷等抑郁情緒和哭泣等行為表現, 并由此引發孤獨和情緒低落等癥狀。

4.4 研究價值與不足

借助網絡分析模型, 本研究發現了災后中小學生PTSD和抑郁各癥狀的共存模式, 揭示了聯結二者的橋梁癥狀, 重新劃分了二者的癥狀邊界, 同時本研究也發現對PTSD癥狀邊界的劃分不夠準確,的PTSD診斷標準過于精簡。更為重要的是, 本研究的所有發現都在汶川和雅安兩個相互獨立的樣本中進行了交叉驗證, 結論具有一定的可推廣性。

除此之外, 本研究對臨床實踐也具有一定的指導價值。在對災后中小學生進行心理評估和干預時, 首先應當重視PTSD和抑郁的共存情況, 優先識別并考慮二者之間的橋癥狀, 以篩選出高風險來訪者; 其次, 在對這一群體進行干預的過程中, 應在厘清PTSD和抑郁癥狀邊界的情況下, 以橋癥狀作為突破口來擬定干預策略, 因為橋癥狀在二者的共存網絡中起著聯結作用, 橋癥狀的緩解對PTSD和抑郁共存現象的消除意義重大; 最后, 在對出現了PTSD和抑郁共存現象的中小學生進行回訪調查時,也應特別注意橋癥狀是否復發, 以防止二者的共存現象再次出現。

需要注意的是, 本研究也存在一些不足：第一, 無論是汶川還是雅安樣本, 均為非臨床樣本, 且自我報告法獲取的數據可能會高估PTSD和抑郁的嚴重程度。第二, 由于本研究收取數據時的診斷標準尚未問世, 故采用了基于的工具對PTSD癥狀進行測量, 未來的研究可以進一步采用的PTSD診斷標準對本研究進行驗證。第三, 本研究針對的是震后中小學生, 在將研究結論推廣到經歷了其他創傷類型的群體時需謹慎。未來可交叉對比多種創傷類型下PTSD和抑郁的共存模式, 以加深對這一問題的認識; 第四, 本研究使用CES-DC獲取震后中小學生的抑郁癥狀水平, 但該量表缺少了測量興趣減退和煩躁易怒的題項, 未來可采用其他抑郁測量工具進行分析。最后, 可考慮利用縱向設計構建PTSD和抑郁之間有向且存在反饋回路的共存網絡, 以進一步確定各癥狀間可能存在的因果關系模式。

Abramson, L. Y., Metalsky, G. I., & Alloy, L. B. (1989). Hopelessness depression: A theory-based subtype of depression.(2), 358–372.

Afzali, M. H., Sunderland, M., Teesson, M., Carragher, N., Mills, K., & Slade, T. (2017). A network approach to the comorbidity between posttraumatic stress disorder and major depressive disorder: The role of overlapping symptoms., 490–496.

An, Y., Huang, J., Chen, Y., & Deng, Z. (2019). Longitudinal cross-lagged relationships between posttraumatic stress disorder and depression in adolescents following the Yancheng tornado in China.(7), 760–766.

Arbisi, P. A., Kaler, M. E., Kehle-Forbes, S. M., Erbes, C. R., Polusny, M. A., & Thuras, P. (2012). The predictive validity of the PTSD Checklist in a nonclinical sample of combat-exposed National Guard troops.(4), 1034–1040.

Armour, C., & Shevlin, M. (2010). Testing the dimensionality of PTSD and the specificity of the dysphoria Factor.(1), 11–27.

Benfer, N., Bardeen, J. R., Cero, I., Kramer, L. B., Whiteman, S. E., Rogers, T. A., ... Weathers, F. W. (2018). Network models of posttraumatic stress symptoms across trauma types., 70–77.

Borsboom, D. (2017). A network theory of mental disorders.(1), 5–13.

Borsboom, D., & Cramer, A. O. (2013). Network analysis: An integrative approach to the structure of psychopathology., 91–121.

Brewin, C. R., Cloitre, M., Hyland, P., Shevlin, M., Maercker, A., Bryant, R. A., ... Reed, G. M. (2017). A review of current evidence regarding the ICD-11 proposals for diagnosing PTSD and complex PTSD., 1–15.

Cai, Y. Q., Dong, S. Y., Yuan, S., & Hu, C. P. (2020). Network analysis and its applications in psychology.(1), 178–190.

[蔡玉清, 董書陽, 袁帥, 胡傳鵬. (2020). 變量間的網絡分析模型及其應用.(1), 178–195.]

Cénat, J. M., & Derivois, D. (2015). Long-term outcomes among child and adolescent survivors of the 2010 Haitian earthquake.(1), 57–63.

Chen, C., Wang, L., Cao, C. Q., & Li, G. (2021). Psychopathological network theory, methods and challenges.(10), 1724–1739.

[陳琛, 王力, 曹成琦, 李根. (2021). 心理病理學網絡理論、方法與挑戰.(10), 1724–1739.]

Chen, X. C., Xu, J. J., Li, B., Li, N., Guo, W. J., Ran, M. S., ... Hu, J. M. (2017). The role of personality and subjective exposure experiences in posttraumatic stress disorder and depression symptoms among children following Wenchuan earthquake.(1), 17223.

Choi, K. W., Batchelder, A. W., Ehlinger, P. P., Safren, S. A., & O'Cleirigh, C. (2017). Applying network analysis to psychological comorbidity and health behavior: Depression, PTSD, and sexual risk in sexual minority men with trauma histories.(12), 1158–1170.

Costantini, G., Epskamp, S., Borsboom, D., Perugini, M., M?ttus, R., Waldorp, L. J., & Cramer, A. O. J. (2015). State of the aRT personality research: A tutorial on network analysis of personality data in R., 13–29.

Cramer, A. O., Waldorp, L. J., van der Maas, H. L., & Borsboom, D. (2010). Comorbidity: A network perspective.(2-3), 137–193.

Curran, P. J., West, S. G., & Finch, J. F. (1996). The robustness of test statistics to nonnormality and specification error in confirmatory factor analysis.(1), 16–29.

Danaher, P., Wang, P., & Witten, D. M. (2014). The joint graphical lasso for inverse covariance estimation across multiple classes.(2), 373–397.

de Haan, A., Landolt, M. A., Fried, E. I., Kleinke, K., Alisic, E., Bryant, R., ... Meiser-Stedman, R. (2020). Dysfunctional posttraumatic cognitions, posttraumatic stress and depression in children and adolescents exposed to trauma: A network analysis.(1), 77–87.

Duek, O., Spiller, T. R., Pietrzak, R. H., Fried, E. I., & Harpaz- Rotem, I. (2021). Network analysis of PTSD and depressive symptoms in 158, 139 treatment-seeking veterans with PTSD.(5), 554–562.

Ehlers, A., & Clark, D. M. (2000). A cognitive model of posttraumatic stress disorder.(4), 319–345.

Ehlers, A., & Clark, D. M. (2008). Post-traumatic stress disorder: The development of effective psychological treatments., 11–18.

Eksi, A., Braun, K. L., Ertem-Vehid, H., Peykerli, G., Saydam, R., Toparlak, D., & Alyanak, B. (2007). Risk factors for the development of PTSD and depression among child and adolescent victims following a 7.4 magnitude earthquake.(3), 190–199.

Elhai, J. D., Grubaugh, A. L., Kashdan, T. B., & Frueh, B. C. (2008). Empirical examination of a proposed refinement to DSM-IV posttraumatic stress disorder symptom criteria using the National Comorbidity Survey Replication data.(4), 597–602.

Epskamp, S., Cramer, A. O. J., Waldorp, L. J., Schmittmann, V. D., & Borsboom, D. (2012). qgraph: Network visualizations of relationships in psychometric data.(4), 1–18.

Epskamp, S., & Fried, E. I. (2018). A tutorial on regularized partial correlation networks.(4), 617–634.

Fan, F., Zhang, Y., Yang, Y., Mo, L., & Liu, X. (2011). Symptoms of posttraumatic stress disorder, depression, and anxiety among adolescents following the 2008 Wenchuan earthquake in China.(1), 44–53.

Fendrich, M., Weissman, M. M., & Warner, V. (1990). Screening for depressive disorder in children and adolescents: Validating the center for epidemiologic studies depression scale for children.(3), 538–551.

Flory, J. D., & Yehuda, R. (2015). Comorbidity between post- traumatic stress disorder and major depressive disorder: Alternative explanations and treatment considerations.(2), 141–150.

Foa, E. B., Johnson, K. M., Feeny, N. C., & Treadwell, K. R. H. (2001). The child PTSD symptom scale: A Preliminary examination of its psychometric properties.(3), 376–384.

Foa, E. B., Stein, D. J., & McFarlane, A. C. (2006). Symptomatology and psychopathology of mental health problems after disaster., 15–25.

Fried, E. I., Eidhof, M. B., Palic, S., Costantini, G., Huisman- van Dijk, H. M., Bockting, C. L. H., ... Karstoft, K. I. (2018). Replicability and generalizability of posttraumatic stress disorder (PTSD) networks: A cross-cultural multisite study of PTSD symptoms in four trauma patient samples.(3), 335–351.

Fruchterman, T. M. J., & Reingold, E. M. (1991). Graph drawing by force-directed placement.(11), 1129–1164.

Garabiles, M. R., Lao, C. K., Wang, S., & Hall, B. J. (2020). The network structure of posttraumatic stress disorder among filipina migrant domestic workers: Comorbidity with depression.(1), 1765544.

Geng, F. L., Liang, Y. X., Li, Y. Y., Fang, Y., Pham, T. S., Liu, X. C., & Fan, F. (2019). Bidirectional associations between insomnia, posttraumatic stress disorder, and depressive symptoms among adolescent earthquake survivors: A longitudinal multiwave cohort study.(11), zsz162.

Gilbar, O. (2020). Examining the boundaries between ICD-11 PTSD/CPTSD and depression and anxiety symptoms: A network analysis perspective., 429–439.

Gootzeit, J., & Markon, K. (2011). Factors of PTSD: Differential specificity and external correlates.(6), 993–1003.

Gotlib, I. H., Lewinsohn, P. M., & Seeley, J. R. (1995). Symptoms versus a diagnosis of depression: Differences in psychosocial functioning.(1), 90–100.

Gros, D. F., Simms, L. J., & Acierno, R. (2010). Specificity of Posttraumatic Stress Disorder symptoms: An investigation of comorbidity between Posttraumatic Stress Disorder symptoms and depression in treatment-seeking veterans.(12), 885–890.

Grubaugh, A. L., Long, M. E., Elhai, J. D., Frueh, B. C., & Magruder, K. M. (2010). An examination of the construct validity of posttraumatic stress disorder with veterans using a revised criterion set.(9), 909–914.

Heeren, A., Bernstein, E. E., & McNally, R. J. (2018). Deconstructing trait anxiety: A network perspective.(3), 262–276.

Horowitz, M. J. (1976).. New York: Aronson.

Janoff-Bulman, R. (1989). Assumptive worlds and the stress of traumatic events: Applications of the schema construct.(2), 113–1136.

Jones, P. J., Ma, R., & McNally, R. J. (2019). Bridge centrality: A network approach to understanding comorbidity.,(2), 353–367.

Krueger, R. F. (1999). The structure of common mental disorders.(10), 921–926.

Lazarov, A., Suarez-Jimenez, B., Levi, O., Coppersmith, D. D. L., Lubin, G., Pine, D. S., ... Neria, Y. (2020). Symptom structure of PTSD and co-morbid depressive symptoms - A network analysis of combat veteran patients.(13), 2154–2170.

Levinson, C. A., Brosof, L. C., Vanzhula, I., Christian, C., Jones, P., Rodebaugh, T. L., ... Fernandez, K. C. (2018). Social anxiety and eating disorder comorbidity and underlying vulnerabilities: Using network analysis to conceptualize comorbidity.(7), 693–709.

McNally, R. J., Mair, P., Mugno, B. L., & Riemann, B. C. (2017). Co-morbid obsessive-compulsive disorder and depression: A Bayesian network approach.(7), 1204–1214.

Meis, L. A., Erbes, C. R., Kaler, M. E., Arbisi, P. A., & Polusny, M. A. (2011). The structure of PTSD among two cohorts of returning soldiers: Before, during, and following deployment to Iraq.(4), 807–818.

Mitchell, K. S., Wolf, E. J., Bovin, M. J., Lee, L. O., Green, J. D., Rosen, R. C., ... Marx, B. P. (2017). Network models of DSM-5 posttraumatic stress disorder: Implications for ICD- 11.(3), 355–366.

Podsakoff, P. M., MacKenzie, S. B., Lee, J. Y., & Podsakoff, N. P. (2003). Common method biases in behavioral research: A critical review of the literature and recommended remedies.(5), 879–903.

Price, M., Legrand, A. C., Brier, Z. M. F., & Hébert-Dufresne, L. (2019). The symptoms at the center: Examining the comorbidity of posttraumatic stress disorder, generalized anxiety disorder, and depression with network analysis., 52–58.

Reichardt, J., & Bornholdt, S. (2006). Statistical mechanics of community detection.(1), 016110.

Robinaugh, D. J., Millner, A. J., & McNally, R. J. (2016). Identifying highly influential nodes in the complicated grief network.(6), 747–757.

Scutari, M. (2010). Learning Bayesian Networks with the bnlearn R Package.(3), 1–22.

Scutari, M., & Nagarajan, R. (2013). Identifying significant edges in graphical models of molecular networks.(3), 207–217.

Simms, L. J., Watson, D., & Doebbeling, B. N. (2002). Confirmatory factor analyses of posttraumatic stress symptoms in deployed and nondeployed veterans of the Gulf War.(4), 637–647.

Spitzer, R. L., First, M. B., & Wakefield, J. C. (2007). Saving PTSD from itself in DSM-V.(2), 233–241.

Tang, W. J., Lu, Y., & Xu, J. P. (2018). Post-traumatic stress disorder, anxiety and depression symptoms among adolescent earthquake victims: Comorbidity and associated sleep-disturbing factors.(11), 1241–1251.

van Borkulo, C. D., van Bork, R., Boschloo, L., Kossakowski, J., Tio, P., L., Schoevers, R. A., … Waldorp, L. J. (2022). Comparing network structures on three aspects: A permutation test.Advance online publication. https://doi.org/10.1037/met0000476

Wang, Y., Shi, H. S., Liu, W. H., Zheng, H., Wong, K. K., Cheung, E. F. C., & Chan, R. C. K. (2020). Applying network analysis to investigate the links between dimensional schizotypy and cognitive and affective empathy., 313–321.

Yarkoni, T., & Westfall, J. (2017). Choosing prediction over explanation in psychology: Lessons from machine learning.(6), 1100–1122.

Ying, L. H., Wu, X. C., Lin, C. D., & Chen, C. S. (2013). Prevalence and predictors of posttraumatic stress disorder and depressive symptoms among child survivors 1 year following the Wenchuan earthquake in China.(9), 567–575.

Zhen, R., Zhou, X., & Wu, X. C. (2019). Patterns of posttraumatic stress disorder and depression among adolescents following an earthquake: A latent profile analysis.(6), 2173–2187.

Zhou, X., & Wu, X. C. (2019). Temporal transitions in patterns of posttraumatic stress disorder and depression among adolescents following the Wenchuan earthquake.(3), 494–504.

網絡版附表1 各題項的基本信息

標簽縮寫題項量表 B1噩夢會做噩夢CPSS B2想法侵入和地震有關的令人難過的想法或畫面, 會突然闖進我的腦海中CPSS B3情感反應當我想起或聽別人說到地震的時候, 會感到難過CPSS B4閃回我的行為或情緒反應好像不斷經歷地震一樣CPSS B5生理反應當我想起或聽別人說到地震的時候, 會有一些身體上的反應CPSS C1興趣減退對過去經常做的事明顯失去興趣CPSS C2未來受限感覺我未來的計劃或希望不會實現CPSS C3回避線索試圖躲避那些會讓我想起地震的活動、人物或地點CPSS C4情緒麻木情緒麻木(比如, 哭不出來, 或高興不起來)CPSS C5失憶無法記起這次地震的一些重要經歷CPSS C6疏離感覺與周圍的人親近不起來CPSS C7回避想法試圖不去回憶、談論或感受地震這件事CPSS D1注意力問題_D很難集中注意力CPSS D2睡眠問題_D很難入睡或容易驚醒CPSS D3驚跳反應感覺緊張或很容易受到驚嚇CPSS D4高警覺過分警覺CPSS D5煩躁易怒感覺焦躁不安或容易發火CPSS A1感到困擾我為一些以前并沒有困擾我的事而覺得困擾CES-DC A2食欲不振我不想吃東西, 也不怎么覺得餓CES-DC A3外部支持無用即使家人和朋友努力使我好受點, 我也無法快樂起來CES-DC A4自我認可我覺得我和其他孩子一樣好CES-DC A5注意力問題_A我覺得我無法集中精力做事CES-DC A6情緒低落我覺得情緒低落不開心CES-DC A7精疲力竭我覺得太累了, 不能做事情了CES-DC A8樂觀我覺得有好事要發生CES-DC A9挫敗無用我覺得自己以前做的事沒有起作用CES-DC A10恐懼我覺得恐懼CES-DC A11睡眠問題_A我睡得沒有以前好CES-DC A12開心我覺得開心CES-DC A13活力降低我比以前安靜多了CES-DC A14孤獨我覺得孤獨, 好像我沒有任何朋友似的CES-DC A15被排斥我覺得我認識的小孩對我不友好, 他們不想和我在一起CES-DC A16享受生活我過得很好CES-DC A17哭泣我想哭CES-DC A18悲傷我覺得悲傷CES-DC A19不被喜愛我覺得人們不喜歡我CES-DC A20難以開始對我來說, 很難開始著手做一些事情CES-DC

網絡版附表2 各題項的描述性統計結果

題項汶川雅安 平均數標準差偏度峰度平均數標準差偏度峰度 B10.800.740.780.550.840.770.850.69 B20.980.850.61–0.220.800.810.930.49 B31.190.900.37–0.620.880.870.830.07 B40.820.830.830.100.710.790.900.16 B50.680.821.040.420.630.821.240.88 C10.840.670.681.170.860.730.730.68 C20.500.751.471.600.740.861.000.23 C30.790.830.850.080.660.831.090.37 C40.720.810.940.240.660.851.200.71 C50.700.891.160.440.680.871.170.53 C60.670.851.160.580.690.811.030.40 C70.860.860.80–0.010.800.951.030.05 D11.050.850.60–0.151.240.920.43–0.59 D20.800.820.830.090.790.850.920.23 D30.950.830.690.000.920.870.73–0.11 D40.780.850.890.090.870.910.83–0.17 D50.980.900.62–0.431.100.910.52–0.51 A10.770.700.680.440.820.750.660.12 A20.830.850.850.090.850.860.74–0.24 A30.530.761.441.600.470.721.602.25 A51.000.930.66–0.441.110.940.57–0.52 A60.900.850.71–0.130.920.870.77–0.02 A70.830.890.86–0.070.870.940.83–0.29 A90.740.830.960.280.850.890.870.02 A100.780.890.960.080.760.901.090.37 A110.950.970.69–0.590.911.040.82–0.63 A131.110.960.42–0.821.231.000.34–0.95 A140.760.941.050.080.760.961.070.06 A150.680.881.170.500.770.911.020.13 A170.920.940.79–0.300.880.940.88–0.16 A180.920.900.76–0.190.910.930.84–0.15 A190.710.881.130.430.810.911.030.27 A200.800.860.890.110.91`0.920.82–0.17 A41.511.090.02–1.291.591.07–0.08–1.24 A80.890.890.83–0.021.030.900.63–0.34 A121.460.980.06–1.011.610.99–0.11–1.02 A161.581.04–0.10–1.171.731.01–0.20–1.09

網絡版附表3 各網絡中權重較大的邊

網絡PTSD子網絡抑郁子網絡PTSD與抑郁的直連邊 邊權重[95% CI]邊權重[95% CI]邊權重[95% CI] 汶川網絡1B1—D20.18[0.12～0.20]A17—A180.46[0.40～0.47]A5—D10.29[0.24～0.32] B3—B50.17[0.11～0.19]A14—A150.26[0.19～0.27]D2—A110.22[0.16～0.24] B2—B30.17[0.14～0.21]A15—A190.26[0.21～0.29]C6—A140.14[0.10～0.17] B2—B40.17[0.12～0.19]A6—A70.14[0.09～0.17]B1—A100.14[0.10～0.17] B4—B50.16[0.12～0.20]A14—A190.14[0.09～0.17]C4—A30.13[0.08～0.16] 雅安網絡1B1—D20.18[0.09～0.23]A17—A180.46[0.37～0.49]A5—D10.29[0.20～0.34] B3—B50.17[0.15～0.29]A14—A150.26[0.21～0.36]D2—A110.22[0.20～0.34] B2—B30.17[0.06～0.20]A15—A190.26[0.15～0.28]C6—A140.14[0.05～0.19] B2—B40.17[0.11～0.25]A6—A70.14[0.08～0.22]B1—A100.14[0.04～0.17] B4—B50.16[0.05～0.19]A14—A190.14[0.10～0.23]C4—A30.13[0.07～0.21] 汶川網絡2B2—B30.17[0.14～0.21]A17—A180.46[0.41～0.48]A10—A180.11[0.07～0.14] B3—B50.17[0.11～0.19]A14—A150.26[0.19～0.28]A10—A90.09[0.06～0.13] B2—B40.17[0.12～0.19]A15—A190.26[0.21～0.29]B3—A180.07[0.04～0.11] B1—A100.16[0.12～0.19]A6—A70.16[0.11～0.19]D4—A10.08[0.05～0.12] B4—B50.16[0.12～0.20]C6—A140.14[0.10～0.18]C4—B40.07[0.04～0.11] 雅安網絡2B3—B50.18[0.15～0.29]A17—A180.46[0.37～0.49]A10—A180.11[0.02～0.15] B2—B30.17[0.06～0.20]A14—A150.26[0.21～0.36]A10—A90.09[0.00～0.10] B2—B40.17[0.11～0.26]A15—A190.26[0.15～0.29]B3—A180.07[0.00～0.08] B1—A100.16[0.06～0.19]A6—A70.18[0.10～0.25]C5—C70.06[0.00～0.14] B4—B50.16[0.05～0.19]A1—A200.16[0.11～0.25]C7—A30.06[0.00～0.10]

網絡版附表6 汶川樣本隨機抽樣100次后網絡比較的局部不變性顯著情況

項目邊/節點顯著次數 邊權重 B4—C33 B1—C41 B2—D11 C7—D11 D1—D21 B5—D32 D4—A11 D5—A11 B3—A25 A1—A31 D1—A101 D2—A111 C4—A132 B2—A192 D1—A41 D3—A42 A10—A81 B4—A121 C5—A161 A13—A163 A18—A161 節點EI值 D13 A83 A122 A161

網絡版附表7 子網絡探測結果

標簽縮寫汶川樣本雅安樣本 B1噩夢11 B2想法侵入11 B3情感反應11 B4閃回11 B5生理反應11 C2未來受限22 C3回避線索11 C4情緒麻木22 C5失憶22 C6疏離22 C7回避想法11 D3驚跳反應11 D4高警覺11 A1感到困擾22 A2食欲不振22 A3外部支持無用22 A6情緒低落22 A7精疲力竭22 A9挫敗無用22 A10恐懼11 A13活力降低22 A14孤獨22 A15被排斥22 A17哭泣22 A18悲傷22 A19不被喜愛22 A20難以開始22 A4自我認可33 A8樂觀33 A12開心33 A16享受生活33 頻次564938

注：數字相同即代表處于一同個子網絡中

網絡版附圖1 汶川樣本和雅安樣本的全癥狀網絡

網絡版附圖2 汶川樣本和雅安樣本剔除重疊癥狀后的網絡

網絡版附圖3 汶川網絡1和雅安網絡1中各邊權重的95% CI

注：紅線表示樣本邊權重的估計值, 黑線表示1000次BootStrap得到的邊權重均值, 灰色區域表示95% CI, 左側為汶川樣本各邊權重的95% CI, 右側為雅安樣本各邊權重的95%C

網絡版附圖4 汶川網絡1和雅安網絡1的穩定性檢驗圖

網絡版附圖5 汶川網絡1和雅安網絡1各邊權重的差異性檢驗

網絡版附圖6 汶川網絡1和雅安網絡1各節點EI的差異性檢驗

網絡版附圖7 汶川網絡1和雅安網絡1各節點BEI的差異性檢

Co-morbidity patterns of posttraumatic stress disorder and depressive symptoms:A network analysis of post-earthquake primary and secondary school students

WANG Wenchao1, YUAN Hao2,1, WU Xinchun1

(1Beijing Key Laboratory of Applied Experimental Psychology; National Demonstration Center for Experimental Psychology Education (Beijing Normal University); Faculty of Psychology, Beijing Normal University, Beijing 100875, China) (2Pingshan Foreign Languages School, Shenzhen 518118, China)

Post-traumatic stress disorder (PTSD) and depression have high rates of co-morbidity among primary and secondary school students who have experienced a major natural disaster. Some researchers have suggested that overlapping symptoms and dysphoria symptoms of PTSD contribute to co-morbidity, while others have attempted to explain the co-morbidity through a causal relationship between them. However, most of these studies have been based on the hypothesis of common causes, explaining co-morbidity at level of disorders or dimensions, while few studies have investigated patterns of the co-morbidity from the perspective of symptoms.

The Child PTSD Symptoms Scale (CPSS) and Center for Epidemiologic Studies Depression Scale for Children (CES-DC) were administered to two samples of primary and secondary school students one year after the earthquake (Wenchuan earthquake,= 2530, 47.0% males,M= 12.86,= 1.96; Ya'an earthquake,= 723, 47.7% males,M= 13.40,= 2.29). Gaussian graphical models (GGM) and Bayesian hill climbing algorithms were used to describe patterns of the co-morbidity between PTSD and depression.

Overlapping symptoms and emotional numbness were the bridging symptoms. Detachment and future- limited symptoms were bridge symptoms in, were not bridge symptoms in the absence of, and fear, startle response and hypervigilance symptom were bridge symptoms.inaccurately defines the boundaries of PTSD, while intrusion and avoidance symptoms are core symptoms of PTSD. Depressive symptoms were more likely to trigger PTSD symptoms, while intrusive symptoms triggered avoidance symptoms.

The above findings were cross-validated in both Wenchuan and Ya'an samples, enhancing the generalizability of the findings and responding to the reproducibility crisis of psychological research. This enlightens clinical practitioners to prioritize the identification of bridging symptoms in the early assessment of clients who have suffered from traumatic events, in order to screen out clients at high-risk of co-morbid with depression. Secondly, the bridge symptoms should also be used as a breakthrough in the intervention process to develop intervention strategies. Finally, during the prognostic process, special attention should be paid to the recurrence of bridging symptoms to prevent the re-emergence of co-morbidity.

PTSD, depression, network analysis, primary and secondary school students

B844; R395

2021-09-26

* 教育部人文社會科學研究青年基金項目(22YJC190023); 國家自然科學基金面上項目(32071085); 中央高校基本科研業務費專項資金項目(2020NTSS02); 南京未成年人心理健康研究院重點課題(2021ZK-WY01)資助。

伍新春, E-mail: xcwu@bnu.edu.cn