近日，北京大學心理與認知科學學院甘怡群課題組在Journal of Anxiety Disorders（中科院心理學分區(qū)一區(qū)）發(fā)表題為Personalized Stress Optimization Intervention to Reduce Adolescents’ Anxiety: A Randomized Controlled Trial Leveraging Machine Learning的論文，研究通過隨機對照實驗和機器學習的分析方法深入分析了應激優(yōu)化干預措施在緩解青少年焦慮癥狀中的適用性。
廣泛性焦慮障礙的特征是過度和無法控制的擔憂，以及高度易怒、不安、焦慮喚醒和軀體癥狀。在普通青少年樣本群體中，中、重度焦慮癥狀的全球發(fā)生率高達20.5%至26.9%。隨著青春期學業(yè)、人際壓力等各方面壓力的顯現(xiàn)，由壓力導致的焦慮癥狀也明顯增多。因此，有必要基于壓力這一核心因素，開發(fā)緩解青少年焦慮癥狀的有效干預措施。
傳統(tǒng)的壓力應對干預措施主要側重于消除壓力。應激優(yōu)化整合模型（stress optimization integration model）提供了一種新的壓力應對視角，通過結合應激重評和應激有利心態(tài)，提出對壓力的看法可以轉(zhuǎn)向壓力促進個人發(fā)展和成長的積極方面?；诖耍狙芯块_發(fā)設計了針對我國青少年的應激優(yōu)化干預方案，并進行了大規(guī)模隨機對照實驗（N = 1779, age = 12-17），采用基于機器學習的貝葉斯因果森林方法（BCF）驗證干預效果的有效性，并檢驗了個體干預效應的異質(zhì)性。
結果發(fā)現(xiàn)，不論是干預后立即對焦慮癥狀進行測量，還是在兩個月后的隨訪中，應激優(yōu)化干預均有效地減少了青少年的焦慮癥狀。以兩個月后的隨訪結果為例，干預使焦慮的癥狀水平相對于對照組平均降低了0.05個標準差（后驗概率為0.87）。進一步，在個體效應的異質(zhì)性分析中，我們發(fā)現(xiàn)在人口學水平上，如不同性別、年級與主客觀社會經(jīng)濟地位等特征中干預效果的分布均相似。而與壓力相關的特征，例如感知壓力（Figure 2）和焦慮癥狀較高（Figure 3）的青少年在干預后，焦慮癥狀的緩解最為顯著。由此可見，應激優(yōu)化干預具有較強的群體適用性，且尤其適用于感知壓力較強和焦慮癥狀較高的個體。
本研究綜合了應激有利心向干預措施、應激重評以及應激應對技能等多種應激優(yōu)化成分，從應激有利的積極視角，開發(fā)了適用于我國青少年群體的應激優(yōu)化單次干預，并通過隨機對照實驗和BCF的方法對干預效果及其異質(zhì)性進行了科學的效果驗證，為緩解青少年焦慮癥狀、促進其心理健康發(fā)展提供了科學支持。此外，單次干預措施具有較強的可及性、可擴展性和成本效益，本研究也為未來應激優(yōu)化干預措施的普及和大規(guī)模應用提供了實踐參考。
北京大學博雅博士后劉金夢為本論文的第一作者，甘怡群教授是本論文通訊作者。課題組博士生胡軍、吳雪冰和已畢業(yè)碩士齊玉雪為本研究做出重要貢獻。研究得到了國家自然科學基金項目，博士后面上項目和博士后資助計劃的支持。
參考文獻：Liu, J., Hu, J., Qi, Y., Wu, X., & Gan, Y. (2025). Personalized Stress Optimization Intervention to Reduce Adolescents’ Anxiety: A Randomized Controlled Trial Leveraging Machine Learning. Journal of Anxiety Disorders.
論文鏈接：https://doi.org/10.1016/j.janxdis.2024.102964
2025-01-06