基于焦虑障碍患者及高危人群的脑电图研究

目的探讨焦虑障碍患者及高危人群脑电特征,为军队征兵心理选拔及多质融合理论提供客观支持。方法招募焦虑障碍患者(焦虑障碍组,n=38)、焦虑障碍高危者(焦虑高危组,n=39)及健康人(正常组,n=38)并收集其脑电数据,使用eeglab软件对3组被试的多质融合指标[功率谱密度(PSD)、时频幅值、功能连接)进行分析,考察PSD、加权相位延迟指数(wPLI)能否用作评估焦虑障碍的脑异常指标;采用Python 2.0 Scikit-Learn包的支持向量机与K近邻分类器对3组被试进行二分类。结果在δ、θ和α低频频段,3组被试PSD差异显著。PSD在δ频段组间主效应差异有统计学意义(F=97.55,P<0.001),焦虑障碍组(6.16±0.61)>焦虑高危组(5.22±0.73)>正常组(3.36±0.06);PSD在θ频段组间主效应差异有统计学意义(F=65.87,P<0.001),焦虑障碍组(2.25±0.07)>焦虑高危组(2.23±0.08)>正常组(1.34±0.39);PSD在α频段组间主效应差异有统计学意义(F=178.73,P<0.001),焦虑障碍组(2.02±0.45)>焦虑高危组(1.94±0.57)>正常组(0.98±0.02)。在β1、β2及γ高频频段,焦虑高危组前额叶(FP1、FP2)和颞叶(T3、T4)区PSD有上升波动。在β1频段焦虑障碍组与正常组的wPLI分别在TP7-FC3电极对(t=2.45,P<0.05)与T5-FC3电极对(t=-3.01,P<0.05)的差异有统计学意义。结合行为学、频域、时频和功能连接4种特征筛选指标应用于机器学习,多质融合指标较单纯行为学指标识别焦虑高危者与正常人的准确率从75.00%提高到82.61%。结论利用机器学习对脑电指标进行分类,结合多质融合理论可作为提高区分焦虑障碍人群的潜在特征,在未来征兵心理选拔与临床评估中具有前瞻性意义。

基于脑电特征的焦虑障碍患者人群机器学习分类研究

目的探讨焦虑障碍患者在问卷作答、睁眼闭眼时的脑电(EEG)特征指标,为军队心理选拔及多质融合理论提供技术支持。方法收集被试54人,分为焦虑障碍组(24人)和正常组(30人)。通过对两组人群频域分析,发现功率谱密度(PSD)可以用于评估焦虑障碍患者的脑异常情况。结果①低频段两组人群PSD幅值差异显著,焦虑障碍组高于正常组。②在睁眼状态下全频段显著,且在alpha频段出现睁眼抑制效应。③通过机器学习的方法对人群进行分类,在识别率上多质融合指标比单一行为学指标提高了5%。结论焦虑障碍组高危人群不满足诊断为焦虑障碍的标准,但在临床上易诱发为焦虑障碍,利用机器学习对EEG频域指标进行特征提取及人群分类,可以提高对焦虑障碍人群的识别力,在未来人员选拔与临床评估中具有前瞻意义。

医护人员积极心理健康网络分析

目的 以医护人员为研究对象,探究其积极心理健康的网络特征,确认核心项目,为提升医护人员积极心理健康提供重要的潜在干预靶点。方法 对420名医护人员的中文版沃里克-爱丁堡积极心理健康量表(Warwick-Edinburgh mental well-being scale, WEMWBS)项目进行正则化偏相关网络分析,关注网络中各项目的预期影响和可预测性。使用软件R对网络进行统计分析和可视化。结果 在积极心理健康网络中,项目“面对未来我很乐观”和“我感觉自己很有用”之间、“我能很好地处理问题”和“我的头脑一直都很清醒”之间以及“我一直都自我感觉良好”和“我一直都很自信”之间存在最强关联,其正则化偏相关系数分别为0.41、 0.39和0.39。项目“我感觉很愉快”的中心性程度最高,其预期影响为1.62(Z分数)。项目预期影响的相关稳定性系数为0.67,表明其具有足够的稳定性。结论 本研究结果表明积极情绪(愉快)是医护人员积极心理健康网络中的核心项目。以积极情绪(愉快)为优先的干预措施可能会更大程度地提升医护人员整体积极心理健康水平。

青少年核心自我评价的网络分析

目的探索青少年核心自我评价的网络结构以及确认核心条目内容。方法2019年10月,采用整体抽样方法,调查陕西省6所中学初一到初三的学生。使用网络模型分析青少年核心自我评价各条目间的关系,尤其关注网络中各条目的强度中心性和可预测性。使用软件R进行统计分析和可视化分析。结果在核心自我评价网络中,条目“我怀疑自己的能力”和“我觉得自己对事业上的成功没有把握“”我觉得自己对学习没有把握”和“我觉得自己对事业上的成功没有把握”以及“我经常感到情绪低落”和“失败时,我感觉自己很没用”之间存在最强的关联,其非正则化偏相关系数分别为0.262、0.258和0.257。强度中心性结果表明,条目“我怀疑自己的能力”是网络中心性程度最高的条目,其强度中心性为1.25(Z分数)。节点强度中心性的相关稳定性系数为0.59。结论首次运用网络分析法分析青少年核心自我评价的网络结构,发现“我怀疑自己的能力”是网络中最为中心的条目。以“我怀疑自己的能力”为干预靶点,可能会最大程度地提升青少年核心自我评价的总体水平。