大学生失眠症状的不同轨迹及其与非自杀性自伤行为的关联：抑郁症状的中介作用

《Journal of Affective Disorders》：Distinct trajectories of insomnia symptoms and their associations with non-suicidal self-injury among college students: the mediating role of depressive symptoms

　　该研究通过四波纵向调查（2023年10月-2025年4月）对5608名中国大学生失眠症状轨迹及其与非自杀性自我伤害（NSSI）的关系进行探讨，发现存在低加剧（62.6%）、中等稳定（30%）和高加剧（7.4%）三种轨迹，其中高、中轨迹群体在T4时NSSI发生率显著高于低轨迹群体（经协变量调整），且抑郁症状在失眠轨迹与NSSI间起完全中介作用。

　　失眠症状与个体心理健康之间存在紧密联系。本研究旨在探讨大学生群体中失眠症状的长期发展轨迹及其与非自杀性自伤（NSSI）之间的关系，同时分析抑郁症状在其中的中介作用。研究发现，大学生的失眠症状呈现出三种主要的发展轨迹：低-下降型（62.6%）、中-稳定型（30.0%）和高-上升型（7.4%）。与低-下降型轨迹的参与者相比，中-稳定型和高-上升型轨迹的个体在后续时间点更可能经历NSSI，这一结论在控制了样本特征和基线NSSI情况后依然成立。进一步的中介分析表明，抑郁症状在失眠症状轨迹与NSSI之间的关系中起到了显著的中介作用，其效应范围分别为0.03–0.08和0.06–0.16。这些发现强调了在大学生群体中，失眠症状的发展轨迹与心理健康问题之间存在复杂的相互作用，而抑郁症状可能是其中的关键中介变量。

非自杀性自伤是指个体在没有自杀意图的情况下，故意伤害自己的身体组织，如割伤、烧伤等。它被认为是预测未来自杀行为的最强独立因素之一。大学生时期是个体从青少年向成年早期过渡的关键阶段，这个阶段既带来了新的机遇，也伴随着心理问题和高风险行为的增加。近年来的研究显示，非自杀性自伤在大学生群体中较为常见。例如，一项文献综述指出，一年级大学生的终身患病率为17.7%，过去12个月的患病率为8.4%。在中国，有研究调查了1317名大学生，发现其中25.36%有非自杀性自伤的历史。另一项研究则使用了渥太华自伤量表，对18,723名大学生进行调查，发现其中6.5%在过去12个月中有自伤行为。这些数据表明，有必要深入探讨非自杀性自伤在大学生群体中的影响因素，以更好地理解其发展机制，并为预防自杀行为提供参考。

随着社会的发展，大学生面临越来越大的学业和生活压力，这导致睡眠问题显著增加，失眠尤为普遍。失眠通常包括入睡困难、维持睡眠困难以及早醒等问题，其在中国大学生中的患病率约为23.6%。已有研究表明，失眠症状可能是青少年群体中非自杀性自伤的风险因素。然而，大多数相关研究基于横断面数据，缺乏对长期发展关系的探讨。此外，个体的睡眠问题可能会随时间波动，并呈现出不同的发展轨迹。例如，先前研究发现，那些出现新发或持续睡眠问题的青少年更容易出现自杀意念。虽然有研究指出，持续或加重的睡眠问题可能增加非自杀性自伤的风险，但这些结论可能受到样本特征的影响，因此需要进一步验证。

抑郁症状包括多种表现，其中缺乏愉悦感、动机下降和情绪低落是诊断标准中的关键特征。已有综述指出，抑郁症状在大学生群体中非常常见，其合并患病率约为33.6%。根据一些关于非自杀性自伤的功能模型，个体在面对强烈负面情绪时，可能会采用自伤作为应对策略来缓解或消除这种情绪状态。因此，失眠症状可能被视为一种压力源，进而增加抑郁症状和冲动行为的发生概率，最终导致非自杀性自伤的出现。最近的研究支持了抑郁症状在昼夜节律和睡眠相关特征与风险行为之间的解释作用。此外，也有研究指出抑郁症状在睡眠障碍与非自杀性自伤之间的中介作用。然而，关于抑郁症状在失眠症状轨迹与非自杀性自伤之间中介作用的研究仍较为有限。

本研究采用了一项四波的纵向调查，以更全面地分析大学生群体中失眠症状的发展轨迹及其与非自杀性自伤之间的关系。首先，我们使用潜变量增长混合模型（LGMM）来识别失眠症状的发展轨迹，这种以个体为中心的方法能够有效捕捉不同发展模式的异质性。其次，我们分析了这些轨迹对未来非自杀性自伤的影响，并测试了抑郁症状是否在其中起到中介作用。由于已有研究表明，失眠症状、抑郁症状和非自杀性自伤可能受到样本特征的影响，例如年龄、家庭状况、教育水平等，因此在本研究中，我们特别关注这些变量对结果的潜在干扰。同时，考虑到女性在失眠症状、抑郁症状和非自杀性自伤频率方面通常比男性更高，我们还对男性和女性群体分别进行了分析，以评估这些差异对研究结果的影响。

本研究进一步验证了抑郁症状作为失眠症状与非自杀性自伤之间中介变量的作用。基于之前的理论和实证研究，我们提出了三个假设：（1）大学生的失眠症状呈现出不同水平的风险特征，如低-下降型、中-稳定型或高-上升型；（2）处于高风险失眠轨迹的个体（如高-上升型）可能比处于低风险轨迹的个体（如低-下降型）更容易出现非自杀性自伤；（3）抑郁症状在这些不同的失眠症状轨迹与非自杀性自伤之间的关系中起到中介作用。这些假设为理解大学生群体中失眠症状的发展轨迹及其对非自杀性自伤的影响提供了理论基础，并为未来的干预措施提供了方向。

本研究使用了潜变量增长混合模型（LGMM）对失眠症状的发展轨迹进行了识别。该模型能够有效捕捉不同个体在时间维度上的变化趋势，从而揭示失眠症状的异质性。通过分析不同轨迹的特征，我们发现，中-稳定型和高-上升型轨迹的个体在后续时间点中表现出更高的非自杀性自伤风险。这一发现表明，失眠症状的发展轨迹可能对非自杀性自伤的发生具有重要影响，而抑郁症状可能在其中起到了关键作用。此外，本研究还发现，样本特征对研究结果具有显著影响，因此在分析中对这些变量进行了控制。这不仅提高了研究结果的准确性，也为后续研究提供了参考。

在探讨非自杀性自伤的影响因素时，我们还关注了不同性别群体之间的差异。女性在失眠症状、抑郁症状和非自杀性自伤频率方面通常比男性更高，这可能与社会文化、心理特质和应对方式有关。因此，在本研究中，我们对男性和女性群体分别进行了分析，以评估这些差异是否会影响研究结果。这种性别差异的分析不仅有助于更全面地理解非自杀性自伤的发生机制，也为制定性别特异性的干预措施提供了依据。

本研究的发现具有重要的现实意义。首先，它揭示了大学生群体中失眠症状的发展轨迹与非自杀性自伤之间的复杂关系，强调了及时评估和干预的重要性。其次，它提供了关于抑郁症状在这一关系中的中介作用的实证支持，为未来的干预策略提供了理论依据。此外，研究还指出样本特征可能对结果产生干扰，因此在分析中对这些变量进行了控制，以提高研究结果的可靠性。最后，研究还强调了性别差异在非自杀性自伤发生中的作用，为制定针对性的干预措施提供了参考。

本研究的实施过程包括多个阶段。首先，我们收集了来自山西和湖南两省大学的心理学调查数据，这些数据分别在2023年10月17日至29日（T1）、2024年4月15日至24日（T2）、2024年10月15日至29日（T3）以及2025年4月14日至27日（T4）进行收集。每个阶段的数据均通过便利抽样方法获得。在T1阶段，共有19,149名大学生参与了调查。随后，我们对数据进行了严格的筛选，排除了不符合条件的样本。例如，对回答时间过短的样本进行了剔除。最终，我们收集了5608名符合要求的大学生样本，用于后续分析。这些样本涵盖了不同性别、年龄和家庭背景的大学生，以确保研究结果的广泛适用性。

在数据收集过程中，我们还使用了多种心理评估工具，以确保测量的准确性和可靠性。例如，我们使用了非自杀性自伤问卷（NSSI Questionnaire）和渥太华自伤量表（Ottawa Self-Injury Inventory）来评估非自杀性自伤的发生情况。此外，我们还使用了相关的量表来评估抑郁症状和失眠症状的严重程度。这些工具的选择基于其在心理学研究中的广泛应用和良好的信效度。通过使用这些工具，我们能够更全面地了解大学生群体中失眠症状的发展轨迹及其与非自杀性自伤之间的关系。

在分析过程中，我们首先进行了变量之间的相关性分析。结果显示，非自杀性自伤与失眠症状和抑郁症状之间存在显著的正相关关系。同时，失眠症状与抑郁症状之间也存在显著的正相关关系。这些相关性分析为后续的轨迹识别和中介效应分析提供了基础。接下来，我们使用潜变量增长混合模型（LGMM）对失眠症状的发展轨迹进行了识别。该模型能够有效捕捉不同个体在时间维度上的变化趋势，并识别出不同的轨迹类型。通过分析模型的拟合指标，我们发现，二到五类模型均能较好地拟合数据，但某些类别在四类和五类模型中占比不足5%。因此，我们选择了三类模型作为最终的轨迹分类，以确保研究结果的代表性。

在识别出三种失眠症状轨迹后，我们进一步分析了这些轨迹与非自杀性自伤之间的关系。结果显示，中-稳定型和高-上升型轨迹的个体在后续时间点中表现出更高的非自杀性自伤风险。这一发现表明，失眠症状的发展轨迹可能对非自杀性自伤的发生具有重要影响。同时，我们也进行了中介效应分析，以探讨抑郁症状是否在这一关系中起到了中介作用。结果显示，抑郁症状在失眠症状轨迹与非自杀性自伤之间的关系中起到了显著的中介作用，其效应范围分别为0.03–0.08和0.06–0.16。这些发现进一步支持了抑郁症状在这一关系中的关键作用。

本研究的讨论部分强调了其在大学生群体中研究失眠症状发展轨迹与非自杀性自伤关系的重要性。通过使用潜变量增长混合模型（LGMM），我们不仅识别出了三种主要的失眠症状轨迹，还发现这些轨迹与非自杀性自伤之间存在显著的关联。同时，我们也验证了抑郁症状在这一关系中的中介作用。这些发现为理解大学生群体中非自杀性自伤的发生机制提供了新的视角，并为未来的干预措施提供了理论依据。此外，研究还指出样本特征可能对结果产生干扰，因此在分析中对这些变量进行了控制，以提高研究结果的可靠性。

本研究的结论表明，大学生群体中的失眠症状发展轨迹与非自杀性自伤之间存在显著关联，而这一关系可能受到抑郁症状的中介影响。因此，及时评估和针对特定失眠症状的干预措施可能是降低非自杀性自伤风险的关键。这些结论不仅有助于更深入地理解大学生群体中的心理健康问题，也为制定有效的预防和干预策略提供了参考。同时，研究还强调了性别差异在非自杀性自伤发生中的作用，这可能为未来的性别特异性研究提供方向。

本研究的作者贡献部分表明，所有作者在研究的不同阶段都发挥了重要作用。例如，王东芳负责研究的初稿撰写、调查和数据分析、概念化；杨佳平负责研究的审阅和编辑、验证和数据分析；吴晨静和郭佳雨负责调查和数据分析；谢琴玲也参与了调查和数据分析；周然则负责研究的审阅和编辑、监督、资金获取和概念化。这些贡献确保了研究的全面性和科学性。

本研究的资金来源包括多个项目。其中，一项由教育部（MOE）资助的哲学社会科学重大研究项目（2025JZDZ024），另一项由广东省教育科学规划项目（2024JKDY110）资助，还有两项来自广州市政府资助的心理服务和咨询基地项目，以及华南师范大学重点学科建设项目“力争第一、改进薄弱、突出特色”（SIH）。这些资金支持确保了研究的顺利进行，并为数据收集和分析提供了必要的资源。

本研究声明不存在任何竞争利益。这意味着研究的发现和结论不受任何外部利益的影响，从而确保了研究的客观性和科学性。此外，研究的致谢部分表达了对所有参与者的衷心感谢。这些参与者的贡献是研究成功的基础，他们的参与不仅提供了宝贵的数据，也体现了对心理健康研究的支持和关注。

总体而言，本研究通过使用潜变量增长混合模型（LGMM）对大学生群体中的失眠症状发展轨迹进行了识别，并分析了这些轨迹与非自杀性自伤之间的关系。研究发现，抑郁症状在这一关系中起到了显著的中介作用，这为理解非自杀性自伤的发生机制提供了新的视角。此外，研究还强调了样本特征和性别差异在非自杀性自伤发生中的作用，这为未来的干预措施提供了参考。这些发现不仅有助于更深入地理解大学生群体中的心理健康问题，也为制定有效的预防和干预策略提供了科学依据。