抑郁症对个体和社会的影响不容小觑。城市塑造社会网络，社会网络影响个人心理健康。那么，到底是大城市还是小城市的患抑郁症的风险更高呢？近日 PNAS 上发表的一项研究表明，虽然大城市往往存在更大的生活压力和淡薄的人际关系，却也能提供更多社会激励和联系，从而使得大城市中的抑郁症患病率更低。
研究领域：城市科学，城市规模，心理学，社会网络
胡一冰 | 作者
梁金 | 审校
邓一雪 | 编辑
论文标题：
Evidence and theory for lower rates of depression in larger US urban areas
https://www.pnas.org/content/118/31/e2022472118
城市化对人们心理健康的影响是好是坏呢？一部分学者认为，城市中的生活压力会通过密集的建筑空间、多样的社会经济互动等方式影响人们的心理健康，尽管并没有为城市对心理的影响做定性的结论，但担忧者们认为，城市在精神上是抑制性的，会给居民带来精神疲劳、较低的主观幸福感（subjective well-being, SWB）。
图1. 全国各类精神疾病患者达1亿人以上，重症者超1600万人。其中抑郁症患者有大约3000万，抑郁症也是发病率最高的精神疾病。
当下一部分研究将目光转向城市中与抑郁症相关的环境因素。例如，一项面向瑞典全部人口的研究揭示了邻里人口密度与抑郁症住院治疗案例数呈正比关系。但是，由于研究的呈现形式、测量方式、城市定义与心理健康关注点的不同，目前关于主观幸福感与城市联系的研究较为混乱，且存在自相矛盾之处。
为弥补当前研究的不足，近日 PNAS 上的一项研究依据美国城市居民的抑郁现象建立了一个系统的研究框架，探究不同的城市化水平如何通过不同的指标对心理健康产生影响，结果表明，抑郁症患病率随着城市规模的增加而下降。
一般来说，大城市中的居民会有更多、更多样化的社会经济关系。从理论上讲，过多的社交关系接触会导致人们潜在的“精神过载”，但同时也会产生更多的激励与选择。社会经济网络的拓扑扩张离不开城市中规模经济和强大经济生产力的支持。
社会经济互动平均数k（average number of socioeconomic interactions）的变化是城市空间性质和社会经济变量的定量预测中的关键因素，它类似于网络中的度值（degree）。在之前的研究中，学者们得到在规模为N的城市中存在k(N)=k0Nδeξ的关系。指数
表城市人口每增加一个百分点后社会互动的增长百分比，类似于经济学中的“弹性”。k(N)整体可视作一个幂律表达式：k(N)～Nδ。社会经济互动对城市规模增大的比例规律符合日常认知，例如大城市中病毒传播更快、大城市拥有更高的人均经济生产率等。
这种关系对抑郁症的研究也很重要，因为已有研究证实，对于个体而言，社交圈子越小抑郁风险越高。为了把k(N)中的普适关系转换为抑郁风险与城市规模的关系，研究者们将不仅限于特定城市规模中社会经济互动平均数k和K(N)的具体表达式，更要侧重于城市中个体的异质性和其对抑郁症的影响。
通过建立统计数学模型，研究者们将社会经济网络结构与个人抑郁风险有效结合。图2为社会网络模型中抑郁的亚线性标度规律。图2A表示个体在城市基础设施网络上的活动。图2B中，若把个人与外界的互动视作是网络的度，那么随着城市规模增加，累积接触互动导致的社会网络度平均值也随之提升，即更大城市中的人均社会互动更多。图2C表示个体抑郁风险与社会连通程度成反比，并叠加于城市社会网络之上。
图2. 从“城市规模-社会经济互动”到“城市规模-抑郁病例数”的过程
城市塑造社会网络，社会网络影响个人心理健康。图2D展示了城市规模和抑郁症病例数之间的亚线性关系。基于前人研究结论，该抑郁症模型的出发点是考虑社会经济互动的分布服从对数偏态正态度分布。此外，研究者们假设抑郁是随时间累积互动的结果。对于每个规模为N的城市，先在104~107的对数标度上均匀采样，随后依据社会经济度分布完成N次抽样，便可得到所有规模为N的城市中居民的社交网络度信息。
个人表现出抑郁的概率pd与其和外界的互动程度呈反比：pd(k) ～ 1/k。基于此，研究者们可以社交网络度信息获得个体的抑郁风险或抑郁程度。研究观察到，抑郁病例与人口总数呈简单的比例关系：
，β=1-δ<1。当β=1时，抑郁症病例与人口成比例增加，因此不会有城市规模效应。对于β<1，在较大城市中更小比例的人口表现出抑郁症。
该研究对每个城市进行百余次迭代后得到模型参数β=0.859，在该模型的假设下，较大城市的人均抑郁症发生率将大幅降低。
为证明数学模型的有效性，研究者们利用美国四组、两大类独立的真实数据集来验证抑郁症和城市规模的关系。
第一大类数据为真实调查数据，具体为国家药物研究与健康调查（National Survey on Drug Use and Health , HSDUH）和行为风险因素检测系统（Behavioral Risk Factor Surveillance System , BRFSS）中对抑郁症患病数量的估计值。前者询问受访者在过去一年内是否经历严重的抑郁发作，后者询问受访者是否被告知患有抑郁症。在这两项社会调查中，调查者和受访者之间通过电话或者面谈的方式，因此可以排除调查方法对结论有影响的可能性。
第二类数据为被动测试数据集——推特数据集。该类数据集包括来自2010和2019年的两组数据，增加被动观察数据可以增强数据的丰富性，也可以避免由于抑郁症污名化带来的偏差。这些数据包含了不同城市的个人信息、抑郁症症状信息和部分地理位置信息。
此前已经有不少利用推特数据的类似研究，例如发现人的幸福感随人均发推数量下降、用户数量与城市规模呈超线性关系、幸福感地域化区域等现象，但是尚未被用来研究心理健康与城市规模之间的联系。该项研究采用机器学习相关技术从推特数据中识别抑郁症状态，并模拟临床医生常用的患者健康问卷9（Patient Health Questionnair-9 , PHQ-9）测评用户抑郁程度。
通过对总抑郁病例数和人口规模对数之间的普通最小二乘线性回归，可以得到各数据集的比例指数β近似值。若忽略数据类型与年份，如图3所示可得到整体的拟合指数β=0.868（95% CI=[0.843,0.892]），抑郁症病例与城市规模呈亚线性关系，该结果和之前理论预测的 β=0.859 一致。图4为分别为各类数据集独立拟合图和拟合结果。
图3. 抑郁症病例与城市规模呈亚线性关系。城市层面的抑郁患病率测度来自两个基于调查的数据集(NSDUH和BRFSS)和两个被动观察数据集(twitter100和Twitter190)。
此外，研究人员针对种族、收入、受教育水平和人口迁徙率等因素进行敏感度分析。如表1所示，收入和受教育程度由低到高分别划分6个、5个水平，种族变量分别对应白人、黑人、亚洲人和其他/多种族。结果表明城市人口自然对数增加1单位的平均比值为β=0.89（95% CI=[0.87,0.93]）。这说明即使是在不同种族、教育、收入和移民的条件下，大城市能有效降低抑郁症风险。
表1. 逐年BRFSS数据的logistic回归模型结果，除了城市的自然人口和人口变化率，研究者们还考虑了收入、种族和教育因素。
虽然城市化和心理健康之间的联系是社会科学和公共卫生的基础，但它的定量评估仍具有挑战。世界上几乎每个国家都在持续城市化，并且抑郁症越来越影响全球心理健康和经济发展。仅从规模来看，大城市在抑郁症的社会和经济负担方面首当其冲。该研究的理论模型和数据实证结果表明：抑郁症患病率和城市规模的统计关系在所有数据（不同年份、不同调查类型）中都是一致的，小城市居民的心理健康问题更不容乐观。
抑郁往往来自负面情感，大城市中更多的社会联系总体上可能为那些最脆弱（社交圈最小的人）的负面情感形成社会缓冲。尽管在大城市中生活的人往往感受来自生活的压力和负担，所谓更淡薄的社会交往会让人们主观幸福感下降。但是与此同时，它们也能通过减少消极情感来有效缓解个体的抑郁。
将城市科学与心理健康研究理论相结合，可以更好地理解城市的心理健康发展。在美国大城市中，抑郁症总病例与人口规模的亚线性标度出人意料。总的来说，更大的城市环境和城市化提供更多的社会激励和联系，从而有助于缓解抑郁症。尽管城市规模理论已被推广到不同文化和人类历史中，但未来仍有必要将城市规模理论和抑郁症的关系推广到较小城市，或是其他国家和文化中去。
集智斑图顶刊论文速递栏目上线以来，持续收录来自Nature、Science等顶刊的最新论文，追踪复杂系统、网络科学、计算社会科学等领域的前沿进展。现在正式推出订阅功能，每周通过微信服务号「集智斑图」推送论文信息。扫描下方二维码即可一键订阅：
点击“阅读原文”，追踪复杂科学顶刊论文
