武穎，申躍其，宋頌

（山西醫(yī)科大學(xué) 人文社會科學(xué)學(xué)院，山西 太原 030001）

近年來， 大學(xué)生的心理健康狀況引起了廣泛關(guān)注， 社會經(jīng)濟(jì)的快速發(fā)展和競爭壓力的增大等因素導(dǎo)致大學(xué)生心理問題明顯增多[1]。 本科護(hù)生作為大學(xué)生群體的組成部分， 除了面對大學(xué)生普遍的壓力外，還額外承受著未來護(hù)理職業(yè)帶來的特殊壓力：高風(fēng)險、高責(zé)任、社會認(rèn)同感低和作息不規(guī)律等[2-3]，導(dǎo)致其心理健康狀況更加不容樂觀。 印度的1 項針對某護(hù)理學(xué)院學(xué)生的調(diào)查顯示，63.9%的護(hù)生表現(xiàn)為輕度抑郁，一年級新生的情況更為顯著[4]。 澳大利亞某護(hù)理學(xué)院的本科護(hù)生普遍對職業(yè)前景感到焦慮[5]。在中國臺灣、中國香港地區(qū)，護(hù)生也有著較高的抑郁發(fā)生率[6-7]。只有深入了解護(hù)生異常心理的特點(diǎn)，才能為提高護(hù)生心理健康提供科學(xué)的干預(yù)策略， 進(jìn)而促進(jìn)其素質(zhì)的全面提高，為醫(yī)院培養(yǎng)優(yōu)秀護(hù)理人員。

我國很多高校在新生入學(xué)時都要進(jìn)行癥狀自評量表（Symptom Checklist 90，SCL-90）測試，初步了解學(xué)生可能存在的心理癥狀水平。 SCL-90 包含10個因子分別為軀體化、強(qiáng)迫癥狀、人際關(guān)系敏感、抑郁、焦慮、敵對、恐怖、偏執(zhí)、精神病性及其他項目（睡眠、飲食等），除第10 個因子外，其余9 個因子反映了受試者的9 方面的心理癥狀。 由于該量表簡便易懂，測查角度全面，所以常用作高校新生心理篩查的初級篩查工具。

傳統(tǒng)的量表統(tǒng)計和分析方法只能獲得心理數(shù)據(jù)的表層信息， 對數(shù)據(jù)的利用率和研究深度都有待加強(qiáng)。 數(shù)據(jù)挖掘是指對海量的數(shù)據(jù)信息進(jìn)行有目的性的提取、分揀、歸類，從而挖掘出隱含的有用信息，為各行各業(yè)的生存和發(fā)展提供決策支持。迄今為止，多種數(shù)據(jù)挖掘技術(shù)已經(jīng)應(yīng)用于學(xué)生心理問題的研究中。 有研究者討論并分析了決策樹算法在解決高職學(xué)生心理問題應(yīng)用中的可行性[8-9]；還有的研究者構(gòu)建了貝葉斯網(wǎng)絡(luò)預(yù)測模型， 分析預(yù)測學(xué)生屬性與心理測試數(shù)據(jù)之間的潛在聯(lián)系， 結(jié)果顯示模型有較好的預(yù)測能力[10]；另外，有的研究討論了聚類分析技術(shù)在預(yù)防心理危機(jī)中的作用[11]。 利用數(shù)據(jù)挖掘算法對護(hù)生群體的心理測試數(shù)據(jù)進(jìn)行綜合分析， 不僅可以更全面、更深入了解他們的心理狀態(tài)，還可以為心理健康工作提供更科學(xué)、更有效的決策支持。

1 對象

本研究的數(shù)據(jù)來自某醫(yī)科大學(xué)2021 級護(hù)理本科生心理普查問卷——90 項癥狀量表（SCL-90），共發(fā)出問卷698 份，收回問卷690 份，回收率為98.9%。按照全國常模結(jié)果，總分超過160 分，或陽性項目數(shù)超過43 項，或任一因子分＞2 分，考慮篩選陽性[12]。根據(jù)測評標(biāo)準(zhǔn)篩選出結(jié)果異常的問卷230 份， 因子異常發(fā)生率從高到低排列為：強(qiáng)迫、人際關(guān)系敏感、抑郁、焦慮、精神病性、偏執(zhí)、恐怖、敵對和軀體化。73份問卷為單一因子異常， 其余157 份問卷為多因子異常，占比68.3%。

2 方法

2.1 對SCL-90 結(jié)果重新分級 該量表每個條目均采用5 級評分制，評分越高則自覺癥狀越嚴(yán)重。因子分等于組成某一因子的各項總分與項目數(shù)的商。當(dāng)個體在某一因子的得分＞2 時，則個體存在該方面的異常心理癥狀。 為了便于分析， 根據(jù)各因子的得分，本研究將每個因子分為3 個等級，即因子分＜2為正常；因子分≥2～≤3 為輕；因子分＞3 為重。 3 個等級“正常、輕和重”用“1,2 和3”表示。 這樣，9 個因子離散化后可以得到27 種具體的心理癥狀因子，9種為正常，18 種為異常。 然后，230 份異常的問卷中異常的心理癥狀數(shù)據(jù)以矩陣形式保存起來， 作為關(guān)聯(lián)分析和聚類分析的研究對象，矩陣中的“1”和“0”表示某心理癥狀的存在與否，“1”表示存在，“0”表示不存在，見表1。 全部問卷的因子等級數(shù)據(jù)另加一個決策變量以事務(wù)表形式保存為TXT 文件，作為決策樹分析的數(shù)據(jù)集，見表2。

表1 異常心理癥狀因子的部分矩陣

表2 決策樹分析的部分?jǐn)?shù)據(jù)集

2.2 關(guān)聯(lián)分析 關(guān)聯(lián)分析是揭示數(shù)據(jù)內(nèi)在結(jié)構(gòu)特征的重要手段。關(guān)聯(lián)分析的目的就是基于已有數(shù)據(jù)，找到事物間的簡單關(guān)聯(lián)關(guān)系或序列關(guān)聯(lián)關(guān)系。 關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘中一個最活躍、最重要的技術(shù)，它發(fā)現(xiàn)一組對象同時發(fā)生或一個對象與另一個對象之間隱藏的相互關(guān)系規(guī)則， 完成已知事物對未知事物的推測[13]。 挖掘過程主要包含2 個階段：第1 階段必須先從數(shù)據(jù)集中找出所有的高頻項集， 第2 階段再由這些高頻項集中產(chǎn)生一定的關(guān)聯(lián)規(guī)則。 Apriori算法是關(guān)聯(lián)規(guī)則的經(jīng)典算法， 也是所有關(guān)聯(lián)挖掘算法的核心。 該算法涉及到3 個重要參數(shù)：支持度、置信度和提升度。 支持度測量了關(guān)聯(lián)規(guī)則應(yīng)用的普適性，支持度越高，說明該規(guī)則采用的越普遍；置信度反映了關(guān)聯(lián)規(guī)則的準(zhǔn)確性，置信度越高，說明在規(guī)則前項存在的條件下，后項出現(xiàn)的機(jī)會越大；提升度體現(xiàn)了關(guān)聯(lián)規(guī)則的實(shí)用性，只有提升度大于1 的規(guī)則才有實(shí)用價值。 本研究采用Apriori 算法對評測異常護(hù)生的18 種異常心理癥狀進(jìn)行關(guān)聯(lián)分析，通過R語言的“arules”程序包來實(shí)現(xiàn)。 將表1 作為事務(wù)表導(dǎo)入程序，設(shè)置最小支持度為0.2，最小置信度為0.8。

2.3 系統(tǒng)聚類分析 聚類分析是實(shí)現(xiàn)對數(shù)據(jù)全方位自動分組的一類數(shù)據(jù)挖掘方法。若將全部數(shù)據(jù)看成一個大類，這個大類很可能是由若干個包含一定數(shù)量的小類組成的。聚類分析的目的就是找到這些隱藏于數(shù)據(jù)中的客觀存在的小類，并通過刻畫小類體現(xiàn)數(shù)據(jù)的內(nèi)在結(jié)構(gòu)。 系統(tǒng)聚類也稱層次聚類，從距離和聯(lián)通性角度設(shè)計算法。空間中距離較近的多個觀測點(diǎn)為一個類， 得到的聚類結(jié)果一般為確定性的且具有層次關(guān)系。 系統(tǒng)聚類過程是將各觀測點(diǎn)逐步合并成小類，小類合并成中類乃至大類。聯(lián)通性測度適用于小類之間距離的測度，離差平方和法是一種常用的聯(lián)通性測度方法。 本研究的系統(tǒng)聚類分析通過R 語言的“hclust”程序包實(shí)現(xiàn)，分析對象為異常心理癥狀矩陣（表1），測度方法設(shè)置為“ward”，即離差平方和法。

2.4 決策樹分析 決策樹算法是數(shù)據(jù)預(yù)測建模中非常經(jīng)典的算法，包括分類和回歸預(yù)測方法，具有很好的預(yù)測效果，其結(jié)果模型也具有很好的解釋功能。決策樹是由根節(jié)點(diǎn)、 中間節(jié)點(diǎn)和葉節(jié)點(diǎn)組成的樹形數(shù)據(jù)結(jié)構(gòu)。一個節(jié)點(diǎn)可以確定一個實(shí)例所屬的類別，而節(jié)點(diǎn)的作用則是通過比較屬性值決定測試用例該如何選擇下一個節(jié)點(diǎn)。 目前來說常用的決策樹算法有ID3、C4.5 和分類回歸樹（CART）等。 其中，CART算法采用與傳統(tǒng)統(tǒng)計學(xué)完全不同的方式構(gòu)建預(yù)測準(zhǔn)則，生成的模型是結(jié)構(gòu)簡潔的二叉樹，易于理解、使用和解釋，預(yù)測結(jié)果常比統(tǒng)計方法構(gòu)建的預(yù)測準(zhǔn)則更加準(zhǔn)確[14]。 影響CART 模型的異質(zhì)性測度指標(biāo)主要為Gini 系數(shù)和信息增益。決策樹剪枝則是通過制定一些控制參數(shù)在決策樹生長時進(jìn)行預(yù)修剪和后修剪。

本研究采用CART 算法來構(gòu)建數(shù)據(jù)預(yù)測模型。從預(yù)處理后得到的護(hù)生心理等級數(shù)據(jù)集（表2）中隨機(jī)抽取2/3， 即460 條記錄作為訓(xùn)練集進(jìn)行預(yù)測模型的構(gòu)建。 另外1/3,即230 條記錄作為測試集進(jìn)行預(yù)測模型的測試。決策樹預(yù)測模型通過R 語言的“rpart”程序包實(shí)現(xiàn)， 將數(shù)據(jù)集中各心理癥狀因子設(shè)置為輸入變量，輸出變量為決策結(jié)果（0 為正常，1 為異常），異質(zhì)性指標(biāo)采用Gini 系數(shù)，未設(shè)置特定參數(shù)進(jìn)行剪枝。

決策樹評估方法選用了混淆矩陣法。 首先通過R 語言 “predict” 函數(shù)完成測試集對預(yù)測模型的測試，然后通過“table”函數(shù)將測試結(jié)果以混淆矩陣形式輸出進(jìn)行評估。

3 結(jié)果

3.1 關(guān)聯(lián)分析結(jié)果 經(jīng)過運(yùn)算，得到3 條提升度＞1的關(guān)聯(lián)規(guī)則（圖1）。 圖中，圓圈越大代表支持度越大，顏色越深代表提升度越大。 其中，支持度最大的關(guān)聯(lián)規(guī)則是{人際關(guān)系敏感2,焦慮2}=＞{強(qiáng)迫2}，支持度為0.213；提升度最大的是{人際關(guān)系敏感2,精神病性2} =＞{偏執(zhí)2}，提升度為2.33。

圖1 異常心理癥狀的關(guān)聯(lián)規(guī)則

3.2 系統(tǒng)聚類結(jié)果 聚類過程把18 種異常心理癥狀按照距離從近到遠(yuǎn)不斷從小類聚集成更大的類，類內(nèi)的相似性逐漸降低（圖2）。 以距離20 為界線將異常心理癥狀分為2 類。第1 類：包含全部9 種等級為重的異常心理癥狀。第2 類：包含全部9 種等級為輕的異常心理癥狀。

圖2 異常心理癥狀的聚類樹形圖

3.3 決策樹結(jié)果 最終決策樹從上到下生長，包括了1 個根節(jié)點(diǎn)，1 個中間節(jié)點(diǎn)，3 個葉節(jié)點(diǎn)（圖3）。 每個圓角矩形代表一個節(jié)點(diǎn)，節(jié)點(diǎn)中包括3 行數(shù)字，第1 行的數(shù)字代表了輸出的預(yù)測結(jié)果 （0 表示正常，1表示異常），第2 行的數(shù)字從左到右分別代表了預(yù)測為0 和1 的概率， 第3 行數(shù)字代表了該節(jié)點(diǎn)占總?cè)藬?shù)的百分比。決策樹只包含了2 個因子，強(qiáng)迫和人際關(guān)系敏感。3 個葉節(jié)點(diǎn)對應(yīng)3 條推理規(guī)則：強(qiáng)迫等級為2 或3，35%的護(hù)生預(yù)測為心理狀態(tài)異常； 強(qiáng)迫等級為1 且人際關(guān)系敏感等級為2 或3，2%的護(hù)生預(yù)測為心理狀態(tài)異常； 強(qiáng)迫等級為1 且人際關(guān)系敏感等級為1，63%的護(hù)生預(yù)測為心理狀態(tài)正常。

圖3 異常心理癥狀的決策樹

表3 為用于模型評估的混淆矩陣， 矩陣的行代表實(shí)際值，列代表預(yù)測值。 可以看到，測試集230 條記錄中，210 條是正確分類的，20 條是錯誤分類的，預(yù)測準(zhǔn)確率91.3%。

表3 決策樹測試集的混淆矩陣

4 討論

4.1 本科護(hù)生異常心理癥狀間關(guān)系分析 護(hù)生學(xué)習(xí)壓力、生活規(guī)律的改變和未來的職業(yè)困惑更易于引發(fā)心理問題，從而產(chǎn)生異常心理癥狀。 很多研究者采用SCL-90 對護(hù)生的心理健康狀況進(jìn)行測量。結(jié)果顯示，護(hù)生與其他專業(yè)學(xué)生相比，心理癥狀水平較低，抑郁、恐怖和強(qiáng)迫等癥狀檢出率較高[15]；還有研究顯示：護(hù)生同時患有多個異常的心理癥狀， 前4 位分別為強(qiáng)迫、抑郁、焦慮和敵對[16]。 某地區(qū)在校護(hù)生SCL-90 問卷結(jié)果中，強(qiáng)迫、抑郁、焦慮、恐怖和精神病性各因子分均顯著高于國內(nèi)常模[17]。 因此，影響護(hù)生的心理健康的異常心理癥狀復(fù)雜多樣，很難用單一因素解釋。

本研究評測結(jié)果顯示，在篩選陽性的護(hù)生中，半數(shù)以上存在多因子異常， 多個異常心理癥狀間存在共現(xiàn)關(guān)系。 只有著力于挖掘異常心理癥狀之間內(nèi)在的聯(lián)系，才能更好地把握護(hù)生心理異常的特點(diǎn)，發(fā)現(xiàn)異常心理癥狀產(chǎn)生的規(guī)律。

在護(hù)生異常心理癥狀的關(guān)聯(lián)分析中，支持度最大的關(guān)聯(lián)規(guī)則提示：出現(xiàn)了人際關(guān)系敏感輕癥和焦慮輕癥很可能同時并發(fā)強(qiáng)迫輕癥；提升度最大的關(guān)聯(lián)規(guī)則提示出現(xiàn)了人際關(guān)系敏感輕癥和精神病性輕癥則再出現(xiàn)偏執(zhí)輕癥是最具有實(shí)際意義的。 因此，人際關(guān)系敏感、焦慮和強(qiáng)迫；人際關(guān)系敏感、精神病性和偏執(zhí)這2 組因子的輕癥之間的關(guān)聯(lián)關(guān)系需要重點(diǎn)關(guān)注。

從系統(tǒng)聚類的結(jié)果看， 癥狀的重和輕之間分界明顯。所有重癥分成一類，提示存在某一癥狀等級為重的護(hù)生，合并其他癥狀等級很可能也是重，應(yīng)盡早開展全面的心理干預(yù)；所有輕癥分成一類，提示存在輕癥的護(hù)生， 若有其他合并癥狀， 等級很可能也是輕，心理異常不會很嚴(yán)重。另外，我們可以觀察到，強(qiáng)迫重癥與人際關(guān)系敏感重癥優(yōu)先聚類， 而強(qiáng)迫輕癥和人際關(guān)系敏感輕癥同樣優(yōu)先聚類， 說明強(qiáng)迫癥狀和人際關(guān)系敏感癥狀之間存在更為密切的關(guān)系。

4.2 本科護(hù)生心理癥狀預(yù)測模型分析 本研究采用了決策樹算法建立了護(hù)生心理癥狀的預(yù)測模型。經(jīng)過混淆矩陣評估，該模型預(yù)測準(zhǔn)確率為91.3%，可信程度較高。 模型中只包含了強(qiáng)迫和人際關(guān)系敏感2 個因子，而且從決策順序來看，強(qiáng)迫比人際關(guān)系敏感更為重要。3 條推理規(guī)則提示，強(qiáng)迫和人際關(guān)系敏感這2 個因子中，只要有一個因子異常，無論等級是輕還是重，均會導(dǎo)致心理健康測試判定為異常；只有強(qiáng)迫和人際關(guān)系敏感都正常， 才能判定心理健康測試正常。 這個結(jié)果突出了強(qiáng)迫和人際關(guān)系敏感這2個因子的重要性。也就是說，強(qiáng)迫和人際關(guān)系敏感這2 個因子對護(hù)生的心理癥狀影響最大， 應(yīng)當(dāng)被優(yōu)先關(guān)注，在之后的心理干預(yù)中也應(yīng)向這兩方面?zhèn)戎亍?/p>

護(hù)生強(qiáng)迫癥狀的形成可能與其課程多， 學(xué)業(yè)壓力大， 而且由于專業(yè)的特殊性造成的學(xué)習(xí)和工作制度更為嚴(yán)格有關(guān)。同時，社會對護(hù)生的固有認(rèn)識也是嚴(yán)謹(jǐn)，細(xì)致，不能出錯，這無形之中增強(qiáng)了護(hù)生的責(zé)任壓力， 使得護(hù)生們更加容易反復(fù)關(guān)注一些細(xì)枝末節(jié)的問題。這些因素可能導(dǎo)致其出現(xiàn)強(qiáng)迫癥狀，使得心理癥狀問題日益加重[18]。

心理學(xué)專家認(rèn)為，大學(xué)生的心理行為問題大多與人際關(guān)系失調(diào)有關(guān)，改善大學(xué)生的人際關(guān)系有助于提高心理健康水平[19]。 護(hù)生的人際關(guān)系敏感癥狀可能源于其性格，或者與護(hù)理專業(yè)的社會地位較低有關(guān)[20]，進(jìn)入大學(xué)后，護(hù)生感到無所適從，或?qū)I(yè)不理想而陷入迷茫，導(dǎo)致心理失調(diào)及與人交往方面的困擾。 實(shí)習(xí)期間，護(hù)生還要學(xué)會處理自己與帶教老師間的關(guān)系、同學(xué)間的關(guān)系以及復(fù)雜的醫(yī)患關(guān)系，都會引起人際關(guān)系壓力[21]。 這些因素可能導(dǎo)致護(hù)生患有人際關(guān)系敏感癥狀，進(jìn)而影響了自身的心理癥狀水平。

4.3 本科護(hù)生心理健康工作對策分析 綜合3 種算法的結(jié)果， 本研究發(fā)現(xiàn)護(hù)生幾種異常心理癥狀的輕癥之間存在密切的關(guān)系。同時，如果護(hù)生存在多種異常心理癥狀，則其等級往往相同。這就要求護(hù)理院校應(yīng)該廣泛、及時的開展心理健康教育工作。 如：設(shè)置符合護(hù)理專業(yè)特點(diǎn)的課程，明確學(xué)習(xí)任務(wù)，提高護(hù)生的學(xué)習(xí)興趣和職業(yè)自信；開設(shè)相關(guān)心理學(xué)課程，舉辦心理健康活動并定期進(jìn)行心理輔導(dǎo)， 全面提升護(hù)生的心理素質(zhì)；建立護(hù)生的心理健康檔案，對其心理健康狀況進(jìn)行動態(tài)管理，發(fā)現(xiàn)異常及時干預(yù)，防止心理癥狀由輕轉(zhuǎn)重。

另外， 強(qiáng)迫和人際關(guān)系敏感是導(dǎo)致護(hù)生心理異常的核心因子，強(qiáng)迫更為重要。這2 個因子很大程度上決定了某個學(xué)生心理健康的與否， 而且他們之間存在密切的關(guān)系。 因此，在心理健康工作中，應(yīng)該優(yōu)先考慮這2 個因子。 如可有針對性的開展心理素質(zhì)課程，將課堂授課與戶外心理素質(zhì)拓展結(jié)合起來，通過豐富多彩的活動和團(tuán)隊成員之間的交流與合作來改善護(hù)生猶豫不決，思維混亂等強(qiáng)迫癥狀[22]。 以積極心理學(xué)為基礎(chǔ)開展團(tuán)體輔導(dǎo)的心理干預(yù)課程， 可以幫助護(hù)生認(rèn)識到積極主動與人交往的重要性， 并在活動中引導(dǎo)成員探討人際交往的小技巧，不僅能改善人際關(guān)系，還有助于減輕負(fù)性情緒，促進(jìn)身心健康。

本研究應(yīng)用數(shù)據(jù)挖掘技術(shù)， 挖掘了本科護(hù)生的心理測試數(shù)據(jù)，分析了各異常心理癥狀之間的關(guān)系，找出了影響心理健康測試結(jié)果的核心因子。研究結(jié)果對護(hù)生的心理健康工作有重要的參考價值，并為制定針對性的心理干預(yù)措施提供了重要的理論依據(jù)。

5 本研究的不足

本研究數(shù)據(jù)來源單一， 只選擇了1 所大學(xué)護(hù)生的心理測試數(shù)據(jù)， 結(jié)論的外推性受到一定局限。 同時，未進(jìn)行縱向?qū)Ρ?，僅選取同一年護(hù)生的數(shù)據(jù)進(jìn)行了橫斷面研究。下一步研究將擴(kuò)大數(shù)據(jù)來源，在不同地區(qū)和不同等級院校的護(hù)生中抽取數(shù)據(jù)。另外，考慮開展縱向調(diào)查， 對護(hù)生心理健康水平隨年級的變化趨勢加以分析。