焦虑中的心理僵化与心理韧性:基于机器学习与稳健中介模型的洞察

时间:2026年5月19日
来源:Frontiers in Psychiatry

编辑推荐:

摘要 引言:心理僵化(Psychological Inflexibility, PI)与焦虑症状存在关联,而心理韧性(Resilience)则是一种保护性因素;然而,二者的作用及其相互关系仍知之甚少。本研究旨在探讨PI对焦虑相关症状的作用,同时评估心理韧性的中

广告
   X   

摘要 引言:心理僵化(Psychological Inflexibility, PI)与焦虑症状存在关联,而心理韧性(Resilience)则是一种保护性因素;然而,二者的作用及其相互关系仍知之甚少。本研究旨在探讨PI对焦虑相关症状的作用,同时评估心理韧性的中介作用,并检验性别与精神病史的调节作用。 方法:2021年4月至7月,研究人员采用在线协议收集自我报告数据,使用接纳与行动问卷(Acceptance and Action Questionnaire, AAQ-2)评估PI,使用成人心理韧性量表(Resilience Scale for Adults, RSA)评估心理韧性各维度,并使用广泛性焦虑障碍量表(Generalized Anxiety Disorder Scale, GAD-7)及抑郁、焦虑、压力量表(Depression, Anxiety, and Stress Scales, DASS-21)评估焦虑相关症状。研究采用模型生成方法,结合机器学习(Machine Learning, ML)与稳健中介模型,探究这些构念之间的关系。 结果:在313名成年人(72.20%为女性;年龄39.29 ± 11.81岁)的样本中,随机森林(Random Forest)分析表明,PI以及心理韧性维度中的自我感知(Perception of Self, R-PS)和规划未来(Planned Future, R-PF)是焦虑相关症状最强的预测因子。PI与GAD、焦虑及压力呈显著正直接关联(分别为β = 0.28, β = 0.07, β = 0.20, p ≤ 0.001)。显著的间接关联表现为:PI通过R-PS对压力产生影响(β = 0.08, p = 0.004);PI通过R-PF对焦虑产生影响(β = 0.03; p = 0.03);PI通过R-PS和R-PF共同对GAD(β = 0.08, p = 0.001)及压力(β = 0.11, p < 0.001)产生影响。 讨论:这些发现强调了PI和心理韧性作为潜在心理健康结局的相互关联过程的重要性。此外,这表明针对PI并结合心理韧性的心理干预项目,可促进应对焦虑相关症状的更健康策略。
论文解读:焦虑中认知僵化与心理韧性的交互机制及临床启示
研究背景
焦虑是全球最常见的心理健康问题,常表现为认知、情感、生理及行为的多维症状,且与压力反应紧密相关。广泛性焦虑障碍(Generalized Anxiety Disorder, GAD)作为代表性亚型,具有高患病率与高致残率。既往研究表明,心理僵化(Psychological Inflexibility, PI)是多种精神障碍的共同病理机制,而心理韧性(Resilience)则是缓解焦虑的关键保护因素。尽管两者在概念上存在对立,但关于它们在焦虑症状中的具体交互模式、相对预测权重以及特定人口学变量的调节效应,尚缺乏系统的实证证据。特别是针对社区人群的多变量交互研究,以及利用先进统计方法解析其内在机制的探索尤为不足。因此,研究人员旨在通过结合机器学习与稳健中介模型,深入解析PI与心理韧性各维度对焦虑相关症状的预测作用及中介路径。
技术方法
本研究为一项横断面观察性在线调查,于2021年4月至7月在葡萄牙开展,共纳入313名成年社区居民。研究采用方便抽样法,通过神经康复平台Neurohab收集数据。核心评估工具包括:接纳与行动问卷第二版(AAQ-2)测量PI;成人心理韧性量表(RSA)测量包含自我感知、规划未来在内的六个维度;GAD-7及DASS-21分别评估GAD症状及焦虑、压力症状。统计分析首先采用Boruta算法进行特征筛选,随后构建四种回归机器学习模型(随机森林、弹性网络、梯度提升、极端梯度提升)以确定关键预测因子。鉴于数据非正态分布,研究人员采用基于MM估计量与快速稳健自助法的稳健中介模型(Robust Mediation Models)检验RSA维度的中介效应,并使用倾向得分匹配(Propensity Score Matching)后的调节中介模型分析性别与精神病史的调节作用。样本量计算显示本研究统计效力充足。
研究结果
  • 3.1 参与者
    样本共313人,平均年龄39.29岁,女性占72.20%,21.41%的参与者有既往或现患精神疾病史(主要为抑郁与焦虑障碍)。描述性统计显示,女性及有精神病史者的PI水平与焦虑相关症状评分均显著高于男性及无病史者,而心理韧性总分及自我感知维度得分则较低。
  • 3.2 基于机器学习的模型
    随机森林模型表现最优。结果显示,在所有焦虑相关症状(GAD、焦虑、压力)的预测中,PI均为最重要的预测因子,其次为心理韧性的自我感知(R-PS)与规划未来(R-PF)维度。具体而言,PI与症状呈正相关,而R-PS与R-PF呈负相关。社会人口学变量中,年龄对GAD预测重要性较高,精神病史对焦虑症状预测重要性最高,性别与精神病史对压力症状预测重要性相当。
  • 3.3 稳健中介模型
    • 3.3.1 广泛性焦虑障碍症状:PI对GAD症状存在显著直接正效应(β = 0.28, p < 0.001)。R-PS与R-PF共同发挥显著的间接中介作用(β = 0.08, p = 0.001),但单一维度中介效应不显著。表明PI通过削弱个体的自我感知与未来规划能力,进而增加GAD风险。
    • 3.3.2 焦虑症状:PI对焦虑症状存在显著直接正效应(β = 0.07, p = 0.001)。规划未来(R-PF)维度发挥显著的单独中介作用(β = 0.03, p = 0.03)。PI负向预测R-PF,进而正向预测焦虑症状,表明对未来规划的缺失是PI引发焦虑的关键路径。
    • 3.3.3 压力症状:PI对压力症状存在显著直接正效应(β = 0.20, p < 0.001)。自我感知(R-PS)维度发挥显著的单独中介作用(β = 0.08, p = 0.004),且R-PS与R-PF共同发挥显著的间接中介作用(β = 0.11, p < 0.001)。表明PI通过降低个体对自我能力的信心来加剧压力体验。
  • 3.4 调节中介模型
    针对性别与精神病史的调节效应分析显示,所有模型的平均因果中介效应(Average Causal Mediation Effect, ACME)均无统计学意义(p > 0.05)。这表明PI通过R-PS影响心理健康的中介路径在不同性别及有无精神病史的人群中保持一致,未表现出显著的组间差异。
讨论与结论
本研究证实PI是焦虑相关症状的核心风险因素,且其预测效力优于心理韧性各维度。机制上,PI主要通过削弱个体的自我效能感(自我感知)与未来规划能力(规划未来)来增加焦虑易感性,这一中介效应具有跨诊断的稳定性,不受性别或既往精神病史的影响。
从理论层面看,这支持了接纳承诺疗法(Acceptance and Commitment Therapy, ACT)的理论框架,即心理病理源于PI,而健康源于心理灵活性(Psychological Flexibility, PF)。研究发现RSA中的自我感知与规划未来维度分别对应ACT理论中“概念化的自我”与“概念化的过去/恐惧的未来”两个僵化过程,揭示了认知融合的具体靶点。
从实践层面看,研究结果强调针对PI的干预应结合对自我认知和未来导向思维的重构。未来的ACT干预方案可设计专门模块,重点提升个体在面对困难内部体验时的心理开放性,特别是在自我效能感与适应性规划方面。
本研究的局限性在于横断面设计无法推断因果关系,且样本集中于葡萄牙人群及疫情期间,可能限制结果的普适性。未来需通过纵向研究及随机对照试验在非疫情背景下进一步验证。该研究发表于《Frontiers in Psychiatry》,为理解焦虑的认知行为机制提供了新的量化证据,对优化基于ACT的精准心理干预具有重要指导意义。

生物通微信公众号
微信
新浪微博


生物通 版权所有