译言·译眼看世界
近几年，抑郁症已经成为大家很熟悉的一个话题了。根据世界卫生组织2017年的估算，全世界患有抑郁症的人群在2005年到2015年增长了18.4%，超过3.2亿。2019年，我国抑郁症发病率达到2.1%，并呈现逐年上升的趋势。
针对现状，今年两会期间， 全国人大代表建议加强抑郁症防治工作，健全社会心理服务体系。其中特别提到，要细化社会保障措施，将抑郁症及心理咨询纳入医保门诊慢性病病种。
在社会快节奏发展和压力骤增的今天，不仅在国内，世界各国都是如此，越来越多的人意识到正视和了解抑郁症才能更好地预防和治疗。那么，哪些因素可能会引发或加重抑郁症？关于抑郁症，有没有更好的诊疗方法呢？
01
债务和严苛的完美主义影响抑郁症
波士顿大学研究人员面向美国近33,000名大学生进行的一项调查显示，年轻人的抑郁症和焦虑症患病率持续上升，现已达到最高水平，这与新冠疫情，政治动荡以及系统性的种族主义和不平等所引发的压力增加有关。
在2021年2月11日发布的调查中，波士顿大学心理健康研究员莎拉·凯奇·利普森说：“学生通常只会在遇到精神健康危机时寻求帮助，而这需要更多紧急的资源。因此所有学生都应该接受心理健康教育，最好将其作为必修课程的一部分。”
同样重要的是，不断上升的心理健康挑战并非大学环境所独有的。相反，调查结果与青少年和年轻人的心理健康状况下降的大趋势一致。利普森说：“我认为（美国人整体）心理健康状况正在恶化，最重要的是，关于这些去世，我们现在正在收集更多的数据。我们对心理健康的耻感程度在下降，这是我们能够收集更多数据的最大原因之一。人们变得更加开放，愿意进行更多对话，而且我们能够认识到人们正在苦苦挣扎。”
利普森说：“更广泛地讲，美国人日益恶化的心理健康状况可能是由于多种因素的综合影响：疫情的传播，社交媒体的影响以及不断变化的社会价值观，这些动机外在地激发了人们去追求成功的职业，赚更多的钱，吸引更多的追随者和喜欢；而不是出于内在动机，想要成为一个更好的人。”
历史性金融压力是一个额外的负担。利普森说：“学生的债务压力很大。负债越多，越容易感到焦虑。研究表明，自杀倾向与财务状况直接相关。”
这项调查的一个潜在亮点是，围绕心理健康的污名正在不断消失。结果显示，94％的学生认为说他们不会就某人是否寻求心理健康帮助做出评判，利普森说，这是一个指标，也与那些在个人危机期间可能会寻求帮助的学生相关（尽管如此，令人奇怪的是，几乎一半的学生认为如果自己寻求帮助，其他人对自己的看法可能会更糟）。
利普森说：“与其他人相比，我们对自己更严厉，也更挑剔。学生需要意识到，你的同龄人并不会对你指手画脚。”
02
社交媒体使用时间的增加可能会加大抑郁症的患病率
阿肯色州教育与卫生专业学院院长，大学公共卫生学教授布莱恩·普里马克发表的一项针对美国的研究表明，如果年轻人更频繁地使用社交媒体，他们患抑郁症的可能性也会大大增加。
例如，相比于每天使用社交媒体的时间少于120分钟的参与者，每天使用时间超过300分钟的年轻人在六个月内变得沮丧的可能性是前者的2.8倍。
普里马克说；“抑郁症和社交媒体的使用往往会并存，但很难弄清楚哪一个先出现。因为大量的社交媒体使用会导致抑郁症的患病率上升。但是，抑郁症并没有导致社交媒体使用发生任何变化。”
在2018年，普里马克及其同事对18至30岁之间的1,000多名美国成年人进行了抽样调查。他们使用经过验证的9项患者健康问卷对抑郁症进行了测量，并询问参与者使用社交媒体的时间。
匹兹堡大学精神病学助理教授，该研究的合著者塞萨尔·埃斯科瓦尔·维埃拉博士说：“可能是社交媒体占用了很多时间，社交媒体上的时间过长可能会影响大家建立更重要的亲密关系，实现个人或职业目标，甚至仅仅是有价值的反思时刻。”作者认为，社会比较也可能是抑郁症的原因。
匹兹堡大学医学助理教授，该研究的合著者斯达尼说：“社交媒体经常被设计来强调正面形象，对于正处在身份形成的关键节点的年轻人来说，影响尤其严重。社交媒体塑造的理想形象会与他们自己的现状形成对比，让他们对现状束手无措。”
世界卫生组织最近宣布抑郁症是导致全球残疾的主要原因。相比其他所有精神障碍，抑郁症对伤残调整寿命年（一个定量的计算因各种疾病造成的早死与残疾对健康寿命年损失的综合指标）的影响更多，鉴于这些问题，以上的研究发现尤为重要。
普里马克说：“在疫情背景下，这些发现也特别重要。现在，与人进行社交变得更加困难，我们正在使用更多技术，例如社交媒体。这些技术肯定是有价值的，但我也鼓励人们思考哪些技术经验对他们真正有用，哪些让他们感到空虚。”
03
关于诊断抑郁症患者的研究也在不断推进
伯明翰大学的研究人员已经开发出一种使用机器学习来更准确地识别患有精神病和抑郁症状的患者的方法。
患有抑郁症或精神病的患者很少会经历单纯的一种或另一种疾病的症状。从历史上看，这意味着心理健康临床医生可以诊断出“原发性”疾病。但对于有继发性症状的患者，临床医生做出准确的诊断是一个巨大的挑战，诊断通常不能准确反映出个人经验的复杂性，甚至不能准确反映出神经生物学的复杂性。
例如，诊断精神病的临床医生通常会将抑郁症视为继发性疾病，这会影响治疗决策，而治疗决策则更侧重于精神病症状（例如幻觉或妄想）。
伯明翰大学心理健康研究所和人脑健康中心的一个团队与PRONIA的研究人员合作，希望探索使用机器学习来创建高度精确的“纯”疾病模型的可能性，并研究了一组混合症状患者的诊断准确性。
研究小组发现，对于患有原发性抑郁症的患者，更容易做出准确的诊断。但患有抑郁症的精神病患者的症状更倾向于抑郁症。这可能表明抑郁症在疾病中的作用比以前认为的要大。
“在未来，我们认为机器学习可能成为准确诊断疾病的关键工具。我们确实有机会开发数据驱动的诊断方法，这是精神健康与身体健康保持同步的领域，保持这一势头非常重要。”
原文链接：
https://www.sciencedaily.com/releases/2021/02/210219190939.htm
https://www.sciencedaily.com/releases/2020/12/201210074722.htm
https://www.sciencedaily.com/releases/2021/02/210208114230.htm
原作者：Boston University University of Arkansas University of Birmingham
联系客服
