各位小伙伴大家好呀，你们的大麦来了，在这个学术圈内卷的时代，想发一篇好文章真是难啊！不仅需要好的选题，吸引眼球，更需要多种方法结合，丰富文章内容。听到这些小伙伴们可能会头痛，大家不要慌，先来和大麦一起看看这篇文章，读完之后也许你会灵感爆发！
1. 课题选择具有现实意义和创新性。精神健康障碍的高发病率和负担日益成为全球公共卫生问题，而不良童年经历作为其预测因素的研究还不够全面和系统。
2. 研究设计合理统计方法先进全面。该研究基于CHARLS这一全国代表性大样本人群队列数据，样本量大，质量高。并且研究采用了多种统计方法来全方位评估不良童年经历与精神健康障碍的关系，提高了结果的可靠性。
3. 研究内容丰富系统研究结果明确。不仅考察了综合的不良童年经历，还分别评估了6大类别和20个指标，提供了更丰富的信息。研究发现不良童年经历与中老年精神健康障碍存在剂量－反应关系，提出了≥4个事件的切点，具有应用价值。PS：这篇文章思路清晰内容完整，如果你也想写出这种水平的文章但不知道从何下手，那就抓紧联系大麦！只有你想不到的，没有大麦做不到的，快call我！
定制生信分析
云服务器租赁
(加微信备注99领取试用)
题目：中国的儿童不良经历和精神健康障碍：来自CHARLS的一项全国性研究
杂志：Journal of Affective Disorders
影响因子：IF=4.9
发表时间：2024年6月
公众号回复“123”领取原文PDF，文献编号：20241121
研究背景
精神健康障碍在全球范围内高度流行，导致其发生的影响因素目前还没有明确。越来越多的证据表明，不良童年经历（ACEs），包括言语、身体或性虐待以及家庭功能不全，与未来精神疾病和危险健康行为的发展有关。当前，ACEs比以前认为的更为普遍。美国全国调查数据表明，63.9%的成年人至少有一个ACEs，17.3%的人有四个或更多的ACEs。许多研究评估了文献中ACEs与精神健康障碍的关联。但大多数的研究仅关注一种或几种类型的ACEs与精神健康障碍的关联，而忽视了个体ACEs的累积影响。因此作者使用了CHARLS数据，目的是探索广泛的ACEs与2018年流行的精神健康障碍的关联。
研究思路
研究最初筛选的人数包括2014年CHARLS生命史调查的20948名参与者和2018年CHARLS调查的20813名参与者，排除调查中没有日期的人数，确定CHARLS参与者人数为17708人，再剔除年龄小于45岁及精神健康结果不完整的人数。最终，共有10961名符合条件的参与者被纳入最终分析。
统计方法
1. 类别变量使用卡方检验或Fisher确切检验进行组间比较。
2. 单变量和多变量Logistic回归分析用于评估ACEs与精神健康障碍之间的关联，累积调整混杂因素。
3. 使用限制性立方样条方法检查剂量－反应关系。
4. 除了连续和分类的ACEs，分析还扩展到6个类别和20个指标。
5. 效应大小估计以优势比（OR）及其95%置信区间（CI）表达。
6. 研究进行分层分析。
7. 使用E值评估未测量的混杂因素的影响。
8. 进行中介分析以检验混杂因素的中介作用。
研究结果
1.研究参与者的特征
在10961名可评估的参与者中，有3652人（33.32%）被报告患有精神健康障碍。患有精神健康障碍的参与者比例高于未患组在以下人口统计学特征：女性、农村居民、教育程度较低、已婚但分居、BMI≥28 kg/m2、个人资产较少、生活满意度较低、无养老金、生活标准较低、睡眠时间非7-8小时、从不吸烟。患有精神健康障碍的参与者ACEs积分显著高于未患组（P<0.001）。患组在所有6类ACEs的不良暴露比例均显著高于未患组（P<0.001）。在20个ACEs指标中，除父母死亡、父母离婚、父母抚养、父母依赖、父母关系不好、虐待儿童、儿童健康和儿童犯罪外，患组在其余所有指标的不良暴露比例均显著高于未患组（P<0.001）。
表1：本研究中10961名可评估参与者的特征（部分）
2.对伴有心理健康障碍的不良童年经历（ACEs）的总体分析
研究发现在模型3（最全面调整后），每增加1个ACEs积分，精神健康障碍的风险增加1.163倍。以0个ACEs事件为参考组，1到4个事件的精神健康障碍风险增加20.7%,4个或更多事件增加102.7%。在6个ACEs类别中，与精神健康障碍的不良暴露相关的风险差异显著，范围从儿童家庭虐待的1.228增加到儿童不良个人情况的1.759。在20个ACEs指标中，除父母死亡、父母离婚、父母抚养、父母依赖、父母关系不好、虐待儿童、儿童健康和儿童犯罪外，其他所有指标在调整混杂因素前后均与精神健康障碍存在显著相关性。
表2：对伴有心理健康障碍的不良童年经历（ACEs）的总体分析
3.儿童不良经历（ACEs）与心理健康障碍之间的剂量－反应关联
下图展示了连续ACEs积分与精神健康障碍的剂量－反应关系。随着ACEs积分的增加，2018年流行的精神健康障碍风险逐渐增加，优化的ACEs积分cutoff值为4。这意味着使用基于这个cutoff值的简单工具来预测精神功能障碍的存在将有助于提高中老年人群的精神健康障碍筛查。总之， ACEs，特别是4个或更多事件，可以预测精神健康障碍的显著风险。ACEs与生活条件较好的参与者的精神健康障碍似乎无关。混杂因素不太可能会影响结果。睡眠时间部分中介了ACEs与精神健康障碍的关联。基于ACEs的精神疾病筛查应该是公共卫生优先事项。
图2：儿童不良经历（ACEs）与心理健康障碍之间的剂量－反应关联
4.分层分析
分层分析可以看出不论是连续还是分类的ACEs，其与精神健康障碍的关联在居住地、婚姻状况、个人资产、生活满意度和生活水平的亚组之间存在显著差异。对于6个类别的ACEs，与精神健康障碍的关联在农村居民中一致显著，而在城市居民中不显著。此外，在未婚状态、个人资产>10万元人民币和高生活水平的参与者中均未见显著性。
表3：对伴有心理健康障碍的不良童年经历（ACEs）的总体分析
5.评估与心理健康障碍相关的不良童年经历（ACEs）的未测量的混杂因素
研究使用E值评估了未测量的混杂因素对ACEs与精神健康障碍关联的影响。相对于有利组，分类ACEs中4个或更多个事件的E值是2.35，这意味着如果存在某些未测量的混杂因素，它们的效应大小估计必须至少为2.35，才能解释分类ACEs与精神健康障碍的观察到的关联。对于6个类别的ACEs,E值范围在1.45到1.98之间，整体上大于报告的关联估计。这表明未测量的混杂因素不太可能会影响本研究的发现。
表4：评估与心理健康障碍相关的不良童年经历（ACEs）的未测量的混杂因素
6.中介分析
研究发现在所有混杂因素中，睡眠时间对ACEs与精神健康障碍关联的中介效应最明显。对于连续的ACEs，消除的比例是5.1%(P<0.001)；对于分类的ACEs，消除的比例是6.1%(P<0.001)；对于6个类别，消除的比例在2.9%到9.3%之间。这表明睡眠时间部分中介了ACEs与精神健康障碍的关联。
表5：睡眠时间对童年不良经历（ACEs）与心理健康障碍相关性的中介作用
文章小结
这篇文章是一项基于中国CHARLS数据的横断面研究，探索了广泛的ACEs与中老年人群流行的精神健康障碍的关联。研究发现ACEs，特别是≥4个事件，可以预测精神健康障碍的显著风险增加（OR:2.027）。儿童不良家庭和个人情况，特别是父母抑郁或焦虑，与老年精神健康障碍风险最高（OR:1.872和1.956）。ACEs与生活条件较好的参与者的精神健康障碍似乎无关。睡眠时间部分中介了ACEs与精神健康障碍的关联（消除比例5.1%～6.1%）。E值（2.35）表明混杂因素不太可能影响结果。基于ACEs的筛查可用于提高中老年人群的精神健康障碍早期识别。改善工作和生活条件可能有助于预防老年精神健康障碍。总之，这项全面研究表明儿童ACEs是预测中老年精神健康障碍的重要预测因素，值得公共卫生关注。整篇文章清晰明白，让人读起来心情舒畅，这样的文章谁能不爱呢！如果你也对这个热点和研究思路感兴趣，就来联系大麦吧！大麦可以帮助你，下一个大佬也许就是你哦！
大麦有话说
大麦还提供服务器租赁、思路设计、定制生信分析、文献思路复现、临床数据库挖掘；有需要的小伙伴欢迎直接扫码咨询大麦，竭诚为您的科研助力！
推荐阅读
国产数据库强势崛起！中国人发文就要用自己的数据库！暨南大学团队：CHARLS+CFPS数据库“双剑合璧”，3图拿下1区11+！
NHANES数据库愈战越勇！Redox Biol 审稿快到飞起！恭喜广州医科大白岩森团队纯分析斩获10分+SCI，1个月就接收~
大麦有话说
大麦还提供服务器租赁、思路设计、定制生信分析、文献思路复现、临床数据库挖掘；有需要的小伙伴欢迎直接扫码咨询大麦，竭诚为您的科研助力！
