最新进展 | 基于街景数据的老年人视觉绿地与抑郁的关系研究

绿地作为一种自然解决方案，对健康有积极作用，因此越来越多的研究关注绿地与抑郁症之间的联系。多项横断面和纵向研究报告了绿地与抑郁症之间的负相关关系。从环境老年学的角度看(图1)，邻里环境如绿地可以通过健康相关行为影响健康老龄化。环境流行病学和心理学的研究综述了多条将绿地与心理健康联系起来的途径，包括减少环境危害和建立与恢复能力。视觉暴露于绿地对于心理健康至关重要，尤其从心理学角度看。视觉绿地首先需要被看到，才能发挥其恢复性特征，从而缓解压力。

图1 从老年环境学的角度将绿色空间与晚年抑郁联系起来的概念框架

现有研究主要基于遥感绿地指标，鲜有关注视觉绿地的影响。现有文献仅探讨了绿地数量与心理健康之间的途径，对于绿地质量的重要性尚不清楚。绿地数量指客观的绿地元素体积（如植被），而绿地质量反映人们对绿地的主观感受。传统的绿地质量评估方法（如现场审计）效率低下，近年来，研究人员发现结合街景数据和机器学习方法可以评估人们对城市环境的感知，从而进一步用于评估绿地质量。此外，现有证据主要基于一般人群，针对老年人群的研究不足。有研究表明，老年人日常活动范围较小，可能由于功能限制更多地在住宅区活动，因此更易受住宅区环境影响。因此，老年人比年轻人更重视绿地，这也使得绿地对他们来说尤为重要。

我们旨在通过上海的代表性老年人群样本，了解以下几个问题：视觉绿地数量和质量如何影响老年人的抑郁症；这些关系是否以及如何通过感知压力、社会凝聚力、身体活动和PM2.5等因素进行中介；视觉绿地数量和质量在这些中介途径中是否存在差异。通过以上研究，我们希望为改善老年人心理健康和推动健康老龄化提供科学依据和实践指导。

• WHO全球老龄化和成人健康研究 (SAGE) 在中国上海的研究

这项研究基于2010年在中国上海进行的SAGE研究。研究团队使用多阶段随机聚类抽样方法选择了上海50岁以上的受访者样本。根据抽样概率（由人口和区域的大小决定），在每条街道/乡镇内选择社区。对于抽样的社区，进行了家庭的随机选择，并将所有来自所选家庭且年龄在50岁以上的居民纳入个人样本。采用‘Kish网格’抽样技术，根据家庭人数划分所选家庭，以确保所有家庭在此阶段均有平等的抽样机会。参与者包括来自五个区（卢湾区、虹口区、青浦区、闵行区和南汇区）40个社区（居委会）的9524名居民。剔除数据不完整和65岁以下的受访者后，我们得到的有效样本量为2969人。

• 抑郁症

抑郁症的评估基于两项自我报告的问题。SAGE参与者被问到“你是否曾被诊断为抑郁症？”和“你是否正在服用任何药物或接受其他治疗抑郁症的治疗（其他治疗可以包括参加治疗或咨询会）？”。这两个问题的回答为“0=否”或“1=是”。对上述任何一个问题回答“1=是”的受访者被视为患有抑郁症。

• 视觉绿地的数量和质量

本研究使用街景图像量化街景绿地的数量（SVG数量）和质量（SVG质量）。我们从腾讯地图收集街景图像，该地图可以为中国的商业和学术用途提供地图服务（Wang等，2021）。然后我们使用OpenStreetMap构建采样点（100米间隔）以收集街景图像。共收集了152956张图像，并在每个采样点获取了四张图像（0度、90度、180度和270度）。我们使用ADE20K训练数据和完全卷积网络（FCN-8s）计算SVG数量。每张街景图像的SVG数量通过计算图像中绿地像素的比例得出。每个社区的SVG数量通过计算1000米半径内所有街景图像的平均SVG数量获得。对于SVG质量，我们随机选择了2000张图像来建立训练数据库，并根据10个标准（包括自然度、维护情况、垃圾缺失、安全性、变化性、色彩丰富度、可达性、清晰的排列、总体印象和遮蔽性）对其进行评分，评分范围为0到10（Cronbach's alpha > 0.80）。然后，我们采用随机森林算法（Breiman，2001）来训练评分系统，将上述分割过程中的151个地面物体与每个绿地质量属性的分数联系起来。一旦随机森林模型通过验证，它就被用于为每个152956张图像的绿地质量特征分配分数。所有属性的平均分数用于衡量每张图像的绿地质量。每个社区的SVG质量通过计算1000米缓冲区内所有图像的平均分数来确定。

• 中介变量

根据以往研究，我们纳入了四个潜在的中介变量。首先，身体活动（PA）通过自我报告的每周中等强度和高强度PA时间（分钟）来测量。其次，社会凝聚力通过九个5级项目（表S1）进行评估，我们计算了这些项目的平均得分（Cronbach's alpha > 0.85）。第三，使用感知压力量表的2项版本量化受访者的感知压力。我们计算了这些项目的平均得分。得分越高，受访者的感知压力水平越高。最后，我们从NASA SEDAC获取了2010年全球年度PM2.5（颗粒物）数据，分辨率为1公里×1公里。我们通过平均研究区域中心1000米半径内的像素值来确定2010年的年均PM2.5水平（µg/m³）。

• 协变量

为了探讨SVG（视觉绿地）与抑郁症之间的联系是如何通过中介变量（包括身体活动、社会凝聚力、感知压力和PM2.5）来解释的，我们遵循了多步骤中介分析程序。我们拟合了多层次逻辑回归模型和多层次线性回归模型，并为每个社区设置了随机截距。方差膨胀因子（VIF < 3）的计算结果表明预测变量之间没有严重的多重共线性。

首先，我们确定了SVG与参与者报告抑郁症的几率之间的关系（模型1）。其次，在模型2到模型5中，我们对每个中介变量（身体活动、社会凝聚力、感知压力和PM2.5）进行了回归分析，以了解SVG与中介变量之间的关系。然后，模型6到模型9在包括中介变量的情况下，确定了SVG与参与者报告抑郁症几率之间的关联，并一次只包含一个中介变量。最后，我们使用稀疏组合中介模型对抑郁症（二元结果）进行了检验，以测试中介效应的显著性。我们将p < 0.05定义为统计显著性。

此外，我们将分析分层到75岁以上和75岁以下的人群，以测试绿地-抑郁症关联是否在不同年龄组间有所差异（模型S1到S18）。该分析是基于STATA 15.1 (StataCorp, College Station, TX, USA)进行的。

• SVG（视觉绿地）与抑郁症的关联

表2 SVG（视觉绿地）与抑郁症的关联

• SVG与潜在中介因素之间的相关性

表3显示了SVG与潜在中介变量之间的相关性。模型2展示了SVG与体育活动（PA）之间的关系。SVG数量（Coef. = 74.39; SE = 13.91）与PA呈正相关，但没有证据表明SVG质量（Coef. = -40.75; SE = 22.53）与PA相关。模型3展示了SVG与社会凝聚力之间的联系。SVG质量与社会凝聚力呈正相关（Coef. = 0.13; SE = 0.04），但没有证据表明SVG数量（Coef. = -0.04; SE = 0.03）与社会凝聚力相关。模型4展示了SVG与感知压力之间的关联。SVG质量与感知压力呈负相关（Coef. = -0.18; SE = 0.05），但没有证据表明SVG数量（Coef. = 0.03; SE = 0.13）与感知压力相关。模型5展示了SVG与PM2.5之间的关系。SVG质量与PM2.5呈正相关（Coef. = 1.22; SE = 0.12），但没有证据表明SVG数量（Coef. = -0.04; SE = 0.08）与PM2.5相关。

表3 SVG与中介因素之间的关联

• 介导因素、SVG 和抑郁之间的相关性

表4展示了关于SVG与抑郁之间关系如何通过中介作用的结果，而表5总结了通过不同中介的直接和间接效应。模型6和表5的结果表明，没有证据表明体育活动（PA）在SVG数量与抑郁之间或SVG质量与抑郁之间的关系中起到了中介作用。模型7和表5的结果表明，虽然社会凝聚力在SVG质量与抑郁之间的关系中起到了中介作用，但没有证据表明社会凝聚力在SVG数量与抑郁之间的关系中起到了中介作用。模型8和表5的结果显示，感知压力在SVG质量与抑郁之间的关系中起到了中介作用。然而，没有证据表明感知压力在SVG数量与抑郁之间的关系中起到了中介作用。模型9和表5的结果表明，没有证据表明PM2.5在SVG数量与抑郁之间或SVG质量与抑郁之间的关系中起到了中介作用。分层分析（模型S1到S18）表明，尽管在不同年龄组中的几率比或系数存在一些差异，但绿地与抑郁之间的关联在不同年龄组间保持一致。

表4 SVG与抑郁症之间的关系：PA、社会凝聚力、感知压力和PM2.5的中介效应

表5 中介分析的中介效应

在本研究中，我们系统地调查了视觉绿色空间数量和质量与老年人抑郁症之间的关系路径，利用街景图像和机器学习方法。研究有以下几个贡献。首先，我们评估了视觉绿色空间，而不是遥感绿色空间测量。其次，我们考虑了视觉绿色空间的数量和质量测量，这两者对心理健康都很重要。第三，我们关注老年人的抑郁症，这有助于环境老年学领域的发展。最后，基于“环境-行为-健康老龄化”的概念框架（图1），我们包含了多个中介变量，以提供绿色空间与抑郁症之间机制的更全面理解，进一步丰富了环境老年学的现有知识。

研究结果表明，社会凝聚力和感知压力可能在SVG质量与老年人抑郁症之间起中介作用。来自西方国家的现有文献也指出，通过改善邻里社会凝聚力，邻里绿色空间与减少抑郁水平相关。然而，这一路径在中国的老龄人口中很少被探索。本研究的发现证实了绿色空间可能为老年人提供一个与邻居接触的愉悦环境的假设。此外，先前的研究表明，生活在社会凝聚力较强的社区中的老年人通常具有更好的心理健康，因为他们可以在这样的社区中获得更多的社会支持和健康相关知识。先前的研究主要将感知压力视为绿色空间暴露的直接结果，而只有少数研究探索了感知压力在绿色空间与抑郁症关系中的中介作用。关于感知压力的关联，压力减少理论和注意力恢复理论都强调了绿色空间在缓解心理压力负面影响中的作用。第一种理论认为，观看自然元素如绿色空间可以为人们提供安全感并减轻压力，因为它们在进化过程中是人类祖先的重要资源；而第二种理论则认为，绿色空间可以帮助大脑从抑制过程的中断中得到休息，从而缓解注意力疲劳的症状。因此，每日感知压力的积累与抑郁症的较高风险有关，因为它可以增加不健康的应对方式，破坏关系，并进一步产生更严重的压力。

研究结果表明，没有证据显示通过增加身体活动或减轻PM2.5，邻里绿色空间可以预防抑郁症，这与之前的发现相矛盾。在中国背景下，这一发现有几种解释。首先，较高水平的植被质量不一定意味着较高水平的绿色空间数量或可用性，这反映了绿色空间容纳用户的能力。当绿色空间不足时，人们更可能在绿色空间中感到拥挤，从而可能阻碍他们进行更多的身体活动。其次，我们没有关于老年人身体活动类型及其他细节的信息，因此我们采样的老年人可能更愿意进行室内身体活动，而不是在绿色空间中进行身体活动。关于空气污染的非显著中介效应，一个可能的解释是目标邻里之间PM2.5水平的差异有限。本研究的40个样本社区主要位于上海市的内环，因此这些社区之间PM2.5水平的差异可能相对较小，这可能减少了中介分析的统计效力。

尽管SVG质量与老年人抑郁症相关，但没有证据表明SVG数量也与抑郁症相关。我们必须承认，本研究无法得出SVG数量不减少抑郁症的结论。我们已经指出了在本研究中未能找到SVG数量与抑郁症关系的证据的几个潜在原因。首先，更多的绿色空间数量也可能与较低的安全感相关，因为绿色空间可能因其作为帮派掩护的潜在功能而导致更多犯罪。其次，先前的研究表明，绿色空间数量与其恢复功能之间可能存在剂量反应关系，因此本研究区域中的SVG数量可能不足以对老年人的抑郁症产生影响。第三，现有研究发现某些植物种类与过敏症状相关，因此我们研究区域中的某些植被可能与老年人不愉快的体验有关。最后，我们没有全年参与者的流动性信息，他们的户外活动可能在冬季更加频繁，而此时的绿化水平相对较低。

这项全国性研究的重点是视觉绿地的数量和质量与老年人抑郁症之间的关系。我们的研究结果证明，视觉绿地的数量和质量代表了自然环境的不同方面。我们的分析表明，视觉绿地的数量和质量与中国老年人的抑郁呈负相关。此外，社会凝聚力和感知压力在一定程度上介导了 SVG 质量与抑郁之间的关联，但没有证据表明任何中介因素促成了这种关联。总之，视觉绿地的数量和质量可能通过不同的机制导致老年人抑郁。因此，决策者需要改善城市中视觉绿地的数量和质量。

参考文献

点击推送最下方“阅读原文”直达UrbanComp团队官网下载论文。