几个月前，我开始了一个研究助理的职位，致力于一个项目，其最终目标是构建一个数字工具(例如，一个应用程序)，以检测防止年轻人患上抑郁症的最相关因素。由于研究的性质、目的和数据的丰富性，这个项目在每个阶段都非常令人满意。作为一名博士研究生，我的研究是关于有患精神疾病风险的年轻人群，我真的相信早期干预研究，这仍然是精神卫生保健的盲点。

抑郁症是导致终生残疾的主要因素。它在青春期和成年早期发病，发病有许多生物学、社会心理、环境和临床原因。在我看来，了解导致精神健康障碍发展的因素的最好方法是使用纵向数据。这就是为什么，雅芳父母和孩子纵向研究(ALSPAC)出生队列中关于抑郁症的保护因素和风险因素(即有效成分)的丰富而详细的数据非常适合我们的研究。我们能够分析许多不同时间点的数据，早在3个月大的时候。数据的深度和数量让我们看到了威康信托基金会推荐的许多风险和保护因素，以及关于抑郁症的大量文献，如睡眠障碍、孤独、养育、认知技能(如注意力)、学校联系和享受、友谊、体育活动、智商、童年虐待或饮食等等。总的来说，这是一个很好的机会，可以了解哪些因素会增加或减少年轻人在晚年患抑郁症的风险，并改进初级预防策略。

然而，我发现使用这种类型的纵向队列数据也存在一些挑战，尤其是第一次。其中之一是，数据可能无法在您希望的程度上回答您的特定问题，因为数据是以特定的方式收集的，以回答其他特定的问题。例如，在某些情况下，一个单一的项目被用来描述一个特定的变量(例如，宗教)，这可能不是很准确地捕捉某些变量的复杂性质。此外，由于我们没有收集数据，我们最终无法控制次要数据集包含什么或如何测量它。例如，童年虐待、育儿、婴儿互动和欺凌都是父母报告的，与我们的预期相反，这些变量都与年轻人的抑郁无关。我们认为，这可能部分是因为问卷是由家长完成的，而不是由孩子完成的。最有可能的是，父母可能倾向于少报孩子正在经历的不良经历，因此更准确的方法是直接询问孩子和/或老师。事实上，当我们看到其他关于儿童虐待的研究报告时，儿童虐待似乎始终与一系列心理健康问题有关(例如，抑郁症，边缘性人格障碍，精神病症状)。此外，我们感兴趣的一些因素是在13岁之后测量的，这超过了我们为研究设定的年龄限制，因此，我们无法包括这些变量。最后，使用纵向队列的另一个挑战是，起初数据非常大，难以处理和理解，特别是因为我不熟悉ALSPAC的测量方法(例如，如何评估和评分)。因此，这需要花几周的时间来熟悉数据集，并更详细地了解这个队列数据的具体特征。

总的来说，我在这个过程中了解到的是，尽管利用二手数据有一些缺点，如果你不熟悉数据集，一开始可能会有些不知所措，但在了解精神健康障碍的病因时，对大型队列进行纵向研究是最好的方法之一。使用ALSPAC这样的大型数据集为我们创造了很多机会，比如发现年轻人抑郁症的模式，以及开发数字工具。我相信这是研究具有这些特征的队列数据的众多优势之一。最后，我还希望，通过强调哪些培训和能力建设最有助于确保这些有价值的队列研究得到尽可能多的利用，这些结果还可以促进纵向数据在心理卫生领域的使用。

作者:busse Durdurak

伯明翰大学PREVENTA研究的副研究员

注：本文由院校官方新闻直译，仅供参考，不代表指南者留学态度观点。