论著|儿童青少年霸凌与精神病理症状的交叉滞后网络分析

摘 要

目的  探究霸凌的实施和受害与儿童青少年精神病理症状的双向动态关联。

方法  使用美国青少年大脑认知发展（Adolescent Brain Cognitive Development，ABCD）研究公共数据集。以8413名儿童青少年为研究对象，通过同伴经历问卷和简明问题监测问卷分别收集霸凌的实施和受害情况以及评估儿童青少年精神病理症状的3个维度（注意力、外化和内化），采用交叉滞后网络分析霸凌和儿童青少年精神病理症状之间的双向动态关联。

结果  霸凌的实施到外化问题是显著的交叉滞后边缘（OR=2.36），冲动既是预期外影响（out-expected influence，OEI）最强的节点（OEI=5.21），又是桥预期影响（bridge-expected influence，BEI）最强的节点（BEI=4.35），预期内影响（in-expected influence，IEI）最强的节点是暴力威胁（IEI=5.61）。

结论  霸凌和儿童青少年病理症状之间相互影响。霸凌实施会加重后续的外化问题，冲动是最容易影响霸凌实施和外化、内化问题的精神病理症状，同样也是连接两者的桥接症状。

关键词 

霸凌；精神病理症状；网络分析；儿童青少年；交叉滞后分析；内化问题；外化问题

儿童青少年期的霸凌在全球范围内普遍存在，全球发生率高达到9%~32%^[1-2]，已成为一个重要的公共卫生难题^[3]。霸凌包括施暴和受害两种形式，通常表现为权力不对等情况下的持续性侵害^[4]，可分为公开霸凌、关系霸凌或名誉霸凌。儿童精神病理学症状包括注意力障碍、外化和内化症状。研究表明，霸凌与精神病理学症状密切相关^[5-6]。霸凌受害者更易有内化症状^[7-8]，而施暴者则可能出现外化问题，后发展为犯罪和药物滥用^[9]。同时，另一些研究表明有外化和内化症状的儿童青少年更容易成为霸凌实施者或受害者^[10-12]。最新meta分析证明精神疾病和霸凌呈现双向相关，但该分析纳入的均为横断面研究^[13]。为进一步探究二者的动态关联，本研究使用纵向数据进行网络分析，计算核心症状的中心性和桥梁指标，以识别可能预测霸凌行为或精神病理症状的关键因素。

1 对象与方法

1.1 研究对象 本研究使用美国大型儿童青少年队列，即青少年大脑认知发展（Adolescent Brain Cognitive Development，ABCD）研究（数据发布5.0）的随访第2年（T1）和第3年（T2）跟踪评估中收集的数据。ABCD研究由具有全美国代表性的样本组成，样本纳入约1万人，参与者从21个研究地点的小学随机招募。此外，在整个招募过程中，对累积样本的人口统计学数据进行监测，并调整招募策略以减少与人口统计学目标的偏差。ABCD研究的设计和招募方法在既往文献已有详细描述^[14]。本研究排除在任意一条目有缺失值的参与者，共纳入8413名儿童青少年，其中男性4402名，女性4009名。所有参与者签署书面知情同意，参与者的权益受到当地机构审查委员会的保护。

1.2 研究方法

1.2.1 同伴经历问卷 本研究使用同伴经历问卷（peer experiences questionnaire，PEQ）来评估儿童既往12个月中是否对同伴实施过霸凌，或者儿童是否经历过来自同伴的霸凌，包括孤立、排挤、损害名誉和躯体攻击等^[15]。PEQ量表共有18个条目，可分为霸凌实施者（节点A）和被霸凌受害者（节点B）两个维度，其中每个维度各有9个条目。所有条目采用5分量表进行评分，分值1表示“从不”，2表示“一两次”，3表示“几次”，4表示“大约每周一次”，以及5表示“一周几次”。本研究对各条目数据进行二值化处理，其中1表示“没有”霸凌，2、3、4、5表示“有”霸凌。

1.2.2 简明问题监测问卷 本研究使用青少年报告的简明问题监测问卷（brief problem monitor，BPM）^[16]评估精神病理学症状。该量表使用19个条目来评估过去1周的症状，回答评级0为“不真实”，1为“有点真实”，2为“非常真实”。其中低服从性和注意力不集中2个症状，分别由2个条目进行评估，因此结局变量共纳入17个症状。症状共分为3个领域，分别为注意力（节点C）、外化（节点D）、内化（节点E）。本文按照儿童行为核对表（children behaviour checklist，CBCL）的常见做法^[17]，将回答进行二值化处理，其中1表示“有点真实”和“非常真实”，0表示“不真实”。

1.3 统计学方法 使用R数据包tableone进行数据统计描述，年龄和受教育年限用均数±标准差描述，性别和种族用构成比描述。所有构建交叉滞后网络模型和可视化分析的统计分析使用R（4.3.1）。模型使用一系列节点logistic回归估计交叉滞后网络（cross-lagged panel network，CLPN）以计算自回归（即在控制T1时的所有其他症状和协变量后，T1时症状的系数可预测T2时的自身症状）和交叉滞后效应（即在控制T1时的所有其他症状和协变量后，T1时症状的系数可预测T2时的不同症状）。T1时的年龄、性别、种族、年级和采集地纳入为协变量。之后使用LASSO对回归系数进行正则化，并使用10倍交叉验证调整参数选择，将回归系数缩小到恰好为零。为了提高可解释性，本研究对系数进行指数运算，将logistic回归的系数（即边权重）从对数几率比值转换为比值比（odds ratio，OR）。因此，边权重大于1表示正相关，边权重小于1表示负相关，边权重接近1表示没有关系。使用R中的glmnet包计算正则化回归^[18]。qgraph包^[19]用于绘制网络，并使用一种将连接更强的节点放置得更近的算法来确定节点位置。每个网络图都采用相同的布局和边权重的最大值，以便于跨网络进行视觉比较。

对T1和T2的症状及节点中心性进行估计：本研究估算预期影响力（expected influence，EI）以确定哪些症状在前瞻性预测其他症状和被其他症状预测方面最为核心，EI是节点和其他节点边缘的值之和。由于CLPN是根据纵向数据估计的有向网络，本文通过计算预期外影响（out-expected influence，OEI）（即连接到症状的传出边的值的总和）和预期内影响（in-expected influence，IEI）（即连接到症状的传入边的值的总和）来解析关系的方向性，计算桥预期影响（bridge-expected influence，BEI）来识别桥症状。

稳定性和准确性评估：通过非参数自助法计算边权值的95%置信区间（confidence interval，CI），从而评估边权值的准确性，CI越窄提示边权值稳定性越好，并采用自助法对不同节点对之间的边权值进行差异性检验。采用样本下降自助法计算相关稳定性系数，来评估节点强度中心性的稳定性。根据以往研究^[20]，稳定性系数大于0.5表示网络节点的中心性指标具有良好的稳定性，0.25~0.5视为可接受，而小于0.25则表明稳定性较差。

2 结果

2.1 一般人口学特征 本研究共纳入8413名参与者，其中52.3%为男性、47.7%为女性（另有2名跨性别者），年龄为（12.03±0.67）岁，受教育年限为（6.35±0.01）年，56.7%为白人。见表1。

Tab.1  Basic characteristics of the study population (n=8 413)

表1   纳入人群基本特征（n=8 413）

2.2 霸凌和精神病理学症状的网络分析

2.2.1 网络模型构建 图1显示从T1到T2，PEQ中18个条目和BPM中17个症状构成的CLPN网络模型。PEQ-攻击他人（A9）到PEQ-威胁他人（A7）（OR=2.21）、PEQ-威胁他人（A7）到BPM-暴力威胁（D6）（OR=2.36）、BPM-暴力威胁（D6）到BPM-破坏性（D2）（OR=2.38）是3条OR值最大的交叉滞后边缘。

Fig.1  Network structure model of bullying experience and psychopathological symptoms

图1霸凌和精神病理学症状的网络结构模型 　节点的颜色代表其所属的领域，蓝色实线表示正向预测，橘色黄线表示负向预测，箭头的方向代表预测和被预测的关系，线条越粗表示预测的系数越大；各节点代表内容如右侧图标所示。

2.2.2 中心性指标分析 如图2所示，3个OEI最强的节点分别是BPM-冲动（C5）（OEI=5.21）、PEQ-被孤立（B1）（OEI=5.09）和BPM-注意力不集中（C3）（OEI=4.97），提示其有较强的预测其他节点的能力。3个IEI最强的节点分别是BPM-暴力威胁（D6）（IEI=5.61）、PEQ-造谣他人（A3）（IEI=5.17）和PEQ-威胁他人（A7）（IEI=4.85），提示其较容易被其他节点预测。IEI最低的症状是BPM-固执（D4）（IEI=1.27），其IEI显著低于其他节点，表明其几乎不能被其他症状预测。

Fig.2  Centrality measures of core symptoms in T1-T2 CLPN

图2T1~T2交叉滞后网络中节点的中心性估计 　黑色点表示对应节点的预期影响值，图中的横坐标为标准化后的Z值。

2.2.3 桥中心性分析 霸凌的实施和受害与精神病理学症状的桥预期影响值见图3。结果表明，BMP-冲动（C5）（BEI=4.35）、BPM-固执（D4）（BEI=3.76）和BPM-注意力不集中（C3）（BEI=4.35）的桥预期影响值在各自社团中最高，且显著大于网络中其他节点。从图1中可以看到，上述3个节点是连接内化和霸凌受害两个领域与霸凌实施和外化两个领域的重要桥节点。

Fig.3  Bridge centrality estimates in T1-T2 CLPN

图 3T1~T2 交叉滞后网络中社团网络桥预期影响 　黑色点表示对应节点的桥预期影响值，图中的横坐标为标准化后的Z值。

2.2.4 网络准确性分析 图4显示自助法评估得到的每个边缘权重值的自举95%CI比较窄，提示本研究中边缘权重值较为准确。

Fig.4  Bootstrap 95%CIfor the weights of the edges in T1-T2 CLPN

图4T1~T2交叉滞后网络中各边缘权重的自举95%CI　黑色线条和灰色区域分别表示使用自助法得到的平均边权值及其95%CI，红色线条表示本研究中样本的边权值。横坐标是节点间的边缘权重，纵坐标是症状网络中的边（根据连边的边权值大小，从上到下排列）。

2.2.5 中心性指标稳定性 症状网络的中心性和桥梁症状的稳定性检验结果见图5，网络中预期内影响和桥预期影响的相关稳定性系数为0.75，预期外影响的相关稳定系数为0.44，表明核心和桥梁症状的中心性指标都具有足够稳定性。

Fig.5  Stability of T1-T2 CLPN centrality metrics

图5T1~T2交叉滞后网络中心性度量指标的稳定性 　本图旨在评价中心估计的稳定性，即删除一定比例的样本后，剩余样本与原样本的相关性。

3 讨论

本研究是首个尝试从纵向网络视角同时探讨同伴霸凌实施与受害和精神病理学症状之间双向动态关系的大型网络分析。通过构建CLPN模型，本研究揭示了霸凌与精神病理症状之间动态且复杂的内在关联，为未来校园霸凌的识别、干预及青少年心理健康的改善提供了重要线索。

本研究的交叉滞后网络模型提供了一条从霸凌行为到外化症状的显著路径。典型的霸凌实施者属于外化类别，并表现出外化问题^[21]，有研究表明霸凌实施者的外化风险高于中立组（没有被霸凌也没有实施霸凌的对照组）^[22]。针对霸凌实施者的干预不仅可以有效地缓解校园霸凌情况，还可以进一步缓解其外化症状的发展。

冲动不仅是显著影响霸凌和被霸凌情况的关键节点，也是连接内化和外化症状的桥梁症状。在本研究的网络中心性估计中，对其他症状影响最大的是BPM-冲动（C5）这个节点。这一结果与之前使用横截面网络探索霸凌的受害和实施与注意力缺陷多动障碍（attention-deficit/hyperactivity disorder，ADHD）关系研究发现的结果相似，研究发现，患有ADHD的青少年成为同伴霸凌的受害者和实施者的风险更高^[10-11]，ADHD患者在遭受霸凌后，更容易产生抑郁情绪和自杀等内化症状^[23]。冲动是ADHD中常见的症状^[2]，其特点是低估伤害，反应缺乏反思，欲望难以控制，以及为获得快乐和满足而重复行为^[24]。社会学研究表明，高冲动显著地介导了霸凌的实施和受害^[25]。冲动也是网络结构中最重要的桥梁节点。既往的横断面网络研究结果表明，内化和外化在症状层面通过桥接症状同时相关^[26]，即内化和外化可能由共同的风险因素驱动。冲动攻击行为可能是内化和外化共同的普遍风险因素^[27]。以往的研究并没有提供两个群体之间关系的方向性，提供的干预线索也只是通过横断面的回顾性分析获得，缺乏症状之间具体的路径和方向。

在本研究的网络中对其他症状敏感的节点是BPM-暴力威胁（D6）、PEQ-造谣他人（A3）和PEQ-威胁他人（A7），其中对其他症状最敏感的节点是D6。了解外化症状背后的原因非常重要，因为青少年的外化症状与成年不良结局有关，包括犯罪、吸毒和心理健康状况不佳^[28]。外化特征背后重要因素为霸凌，近期一项研究发现，被霸凌的频率与受害者外化症状的严重程度呈正相关^[29]。本研究结果与既往发现一致，即外化症状最容易被其他的因素影响。

本研究是首个同时考虑霸凌实施和受害，并探究霸凌和精神病理症状双向关系的纵向研究。青少年精神健康的影响因素复杂多样，而且这些影响因素之间可能同时呈现动态的相互影响关联模式。本研究使用交叉滞后网络分析方法，旨在应用网络方法同时检查纵向数据中网络模型假设的症状之间的所有复杂关系^[30]，同时考虑症状之间的时间先后性^[31]。

然而，本研究依旧存在一些局限性。首先，本研究的调查问卷是自我报告形式，这种方法不可避免地存在信息遗漏或偏倚，并不一定代表被试长期存在的心理状况，不一定能准确反映受试者是否存在精神疾病。此外，本研究的样本均收集于美国，文化差异可能影响研究结果的普适性。最后，两次评估时间点间隔1年，儿童青少年的抑郁症状和霸凌状况可能比这个时间变化得更迅速，结果与实际情况可能有出入。

综上所述，本研究揭示了霸凌的实施和受害与精神病理学症状两者的发展顺序以及其中的关键症状，为未来干预校园霸凌及改善青少年心理健康提供了新的线索。

参考文献：

1. GILETTA M, PRINSTEIN M J, ABELA J R, et al. Trajectories of suicide ideation and nonsuicidal self-injury among adolescents in China: Peer predictors, joint development, and risk for suicide attempts[J]. J Consult Clin Psychol, 2015, 83(2): 265-279.

2. American Psychiatric Association. Diagnostic and statistical manual of mental disorders: DSM-5[M]. Washington, DC: American Psychiatric Association, 2013.

3. CARD N A, HODGES E V. Peer victimization among schoolchildren: Correlations, causes, consequences, and considerations in assessment and intervention[J]. Sch Psychol, 2008, 23(4): 451.

4. GLADDEN R, VIVOLO-KANTOR A, HAMBURGER M, et al. Bullying surveillance among youths: Uniform definitions for public health and recommended data elements, version 1.0[M]. Atlanta, Georgia: National Center for Injury Prevention and Control, Centers for Disease Control and Prevention, 2014.

5. COSTELLO E J, MUSTILLO S, ERKANLI A, et al. Prevalence and development of psychiatric disorders in childhood and adolescence[J]. Arch Gen Psychiatry, 2003, 60(8): 837-844.

6. HALTIGAN J D, AITKEN M, SKILLING T, et al. “P” and “DP:” Examining symptom-level bifactor models of psychopathology and dysregulation in clinically referred children and adolescents[J]. J Am Acad Child Adolesc Psychiatry, 2018, 57(6): 384-396.

7. KLOMEK A B, SOURANDER A, ELONHEIMO H. Bullying by peers in childhood and effects on psychopathology, suicidality, and criminality in adulthood[J]. Lancet Psychiatry, 2015, 2(10): 930-941.

8. MOORE S E, NORMAN R E, SUETANI S, et al. Consequences of bullying victimization in childhood and adolescence: A systematic review and meta-analysis[J]. World J Psychiatry, 2017, 7(1): 60-76.

9. LIM L, RUBIA K, LUKITO S. Common neural correlates of disgust processing in childhood maltreatment and peer victimisation[J]. BJPsych Open, 2024, 10(6): e185.

10. PARK I, GONG J, LYONS G L, et al. Prevalence of and factors associated with school bullying in students with autism spectrum disorder: A cross-cultural meta-analysis[J]. Yonsei Med J, 2020, 61(11): 909-922.

11. THOMAS H J, CONNOR J P, LAWRENCE D M, et al. Prevalence and correlates of bullying victimisation and perpetration in a nationally representative sample of Australian youth[J]. Aust N Z J Psychiatry, 2017, 51(9): 909-920.

12. VALENTE J Y, FERREIRA-JUNIOR V, PAIVA DE OLIVEIRA GALVÃO P, et al. Psychiatric symptoms as predictors of latent classes of bullying victimization and perpetration among early adolescents[J]. Curr Psychol, 2024, 43(1): 204-213.

13. ABREGÚ-CRESPO R, GARRIZ-LUIS A, AYORA M, et al. School bullying in children and adolescents with neurodevelopmental and psychiatric conditions: A systematic review and meta-analysis[J]. Lancet Child Adolesc Health, 2024, 8(2): 122-134.

14. GARAVAN H, BARTSCH H, CONWAY K, et al. Recruiting the ABCD sample: Design considerations and procedures[J]. Dev Cogn Neurosci, 2018, 32: 16-22.

15. PRINSTEIN M J, BOERGERS J, VERNBERG E M. Overt and relational aggression in adolescents: Social-psychological adjustment of aggressors and victims[J]. J Clin Child Psychol, 2001, 30(4): 479-491.

16. SCOPEL HOFFMANN M, MOORE T M, KVITKO AXELRUD L, et al. Reliability and validity of bifactor models of dimensional psychopathology in youth[J]. J Psychopathol Clin Sci, 2022, 131(4): 407-421.

17. ARIAS A A, REA M M, ADLER E J, et al. Utilizing the child behavior checklist (CBCL) as an autism spectrum disorder preliminary screener and outcome measure for the PEERS^® Intervention for autistic adolescents[J]. J Autism Dev Disord, 2022, 52(5): 2061-2074.

18. FRIEDMAN J, HASTIE T, TIBSHIRANI R. Regularization paths for generalized linear models via coordinate descent[J]. J Stat Softw, 2010, 33(1): 1-22.

19. EPSKAMP S, CRAMER A O, WALDORP L J, et al. qgraph: Network visualizations of relationships in psychometric data[J]. J Stat Softw, 2012, 48: 1-18.

20. EPSKAMP S, BORSBOOM D, FRIED E I. Estimating psychological networks and their accuracy: A tutorial paper[J]. Behav Res Methods, 2018, 50(1): 195-212.

21. KALTIALA-HEINO R, RIMPELÄ M, RANTANEN P, et al. Bullying at school—an indicator of adolescents at risk for mental disorders[J]. J Adolesc, 2000, 23(6): 661-674.

22. YEN C F, KO C H, YEN J Y, et al. Internalizing and externalizing problems in adolescent aggression perpetrators, victims, and perpetrator-victims[J]. Compr Psychiatry, 2010, 51(1): 42-48.

23. HU H F, CHOU W J, YEN C F. Anxiety and depression among adolescents with attention-deficit/hyperactivity disorder: The roles of behavioral temperamental traits, comorbid autism spectrum disorder, and bullying involvement[J]. Kaohsiung J Med Sci, 2016, 32(2): 103-109.

24. LI C S, CHEN S H. Obsessive–compulsiveness and impulsivity in a non-clinical population of adolescent males and females[J]. Psychiatry Res, 2007, 149(1-3): 129-138.

25. GEORGIOU S N, CHARALAMBOUS K, STAVRINIDES P. Mindfulness, impulsivity, and moral disengagement as parameters of bullying and victimization at school[J]. Aggress Behav, 2020, 46(1): 107-115.

26. MASTEN A S, CICCHETTI D. Developmental cascades[J]. Dev Psychopathol, 2010, 22(3): 491-495.

27. HUBER L, PLÖTNER M, SCHMITZ J. Social competence and psychopathology in early childhood: A systematic review[J]. Eur Child Adolesc Psychiatry, 2019, 28(4): 443-459.

28. CHAMPION LA, GOODALL G, RUTTER M. Behaviour problems in childhood and stressors in early adult life. I. A 20 year follow-up of London school children[J]. Psychol Med, 1995, 25(2): 231-246.

29. CHAMPION K M, CLAY D L. Individual differences in responses to provocation and frequent victimization by peers[J]. Child Psychiatry Hum Dev, 2007, 37(3): 205-220.

30. ZHANG X, LI Y, WANG H, et al. Relationship between bullying victimization and murderous behaviors and impulsivity’s mediating role: Evidence from Chinese early adolescents[J]. J Affect Disord, 2024, 364: 20-27.

31. LI Y, KANG Y, ZHU L, et al. Longitudinal correlates of bullying victimization among Chinese early adolescents: A cross-lagged panel network analysis[J]. J Affect Disord, 2023, 339: 203-210.

【引用格式】马千淑，谢敏，邓伟利 ，等. 儿童青少年霸凌与精神病理症状的交叉滞后网络分析[J]. 中国神经精神疾病杂志，2025，51（2）：82-88.

【Cite this article】MA Q S,XIE M,DENG W L,et al.The cross-lagged panel network analysis of bullying and psychopathological symptoms among adolescents[J]. Chin J Nervous Mental Dis，2025，51(2）：82-88.

DOI：10.3969/j.issn.1002-0152.2025.02.003