逯笛言，楊惠淋，梁淑怡，李宇龍，王昕璐，張亞娟，黃玲巧，苗丹民

(1空軍軍醫(yī)大學軍事醫(yī)學心理學系航空航天心理學教研室，陜西 西安 710032；2解放軍西部戰(zhàn)區(qū)總醫(yī)院急診醫(yī)學科，四川 成都 610083)

精神病理學認為以間接測量方式進行自殺風險評估可能會起到更為準確的效果[1]。自陳式量表作為目前篩查自殺傾向者的主要手段[2]，一直存在篩查內容敏感和作答結果唯一性的兩個弊端[3-4]，而作答者對自殺傾向的瞞報漏報一直影響著心理工作的正常開展。常用的自殺傾向量表表面效度過高，影響檢測結果的正確性，為了提高個體的自殺傾向檢出的有效性應創(chuàng)建新的評估工具[5]。針對這一問題，美軍根據(jù)自殺的人際理論對心理檢測進行了變革，他們沒有把目光聚焦于理論中一旦習得即不可逆的自殺能力，而是嚴格控制影響自殺傾向的風險因素(如絕望感、歸屬感缺失和累贅感感知等)[6-7]，從而改善了自殺預防的效果[3，8]，這種通過不直接詢問自殺的間接手段取得了不錯的成效。該理論提出者JOINER認為，未來要更注重“內隱性的認知”和“語用學”在自殺研究上的應用。隱喻作為常用于表述復雜的思想或情感的強大語言手段[9-11]，能夠滿足這一設想，促使我們對自殺研究進行新視角的探索。

人類通過視覺能夠捕捉83%以上的外界刺激信息[12]，眼動與認知過程之間有著密切的關系[13]，比起其他的認知神經技術，它具有便攜、無創(chuàng)性等優(yōu)點。本研究使用眼動技術采集客觀的認知神經指標納入被試的檢測過程，使被試在特殊刺激下的主觀作答有了客觀的生理記錄，這將大大克服作答結果唯一性不足的缺點。

研究使用隱喻語言，結合自殺的人際理論，從而減少自殺篩查內容的敏感性，并加入眼動追蹤技術來彌補現(xiàn)有篩查形式的不足，以期提高自殺傾向者的正確檢出率。

1 對象與方法

1.1 對象

通過發(fā)放個人信息調查表和《自殺意念量表》結合的調查問卷，對某地區(qū)4 296名大學生進行自殺傾向篩選，發(fā)放問卷4 296份，回收問卷4 211份，其中有效問卷4 177份，有效回收率為97%。有效問卷的被試經過納入和排除篩查，最終采用目的抽樣的方法選取106名大學生作為原始自殺傾向人群進行訪談。同時，采用目的抽樣的方法選取110名作為對照組，并通過訪談確定其不存在自殺傾向。

納入標準：①《自殺意念量表》[14]得分按照高分降序排列，排在前27%納入自殺傾向組；排在后27%納入對照組；通過訪談確定各被試是否存在自殺傾向；②年齡18～25歲；③右利手；④符合眼動實驗標準者。

排除標準：①出于個人意愿拒絕參與訪談和實驗者；②生理原因眼動校準失敗人員；③色盲、斜視、色弱，顏色知覺異常；④視力或矯正視力異常(眼鏡度數(shù)大于300度)；⑤患精神類疾病者；⑥身體存在腦部、眼部器質性病變。

自殺傾向組因校準失敗及數(shù)據(jù)質量問題排除6人，共100人作為自殺傾向組完成眼動實驗。對照組因校準失敗及數(shù)據(jù)質量問題排除10人，最后保留100人眼動數(shù)據(jù)。本實驗已于中國臨床注冊中心注冊(注冊號：ChiCTR800019761)，獲得空軍軍醫(yī)大學西京醫(yī)院臨床試驗倫理委員會批準(許可證號：KY20182047-F-1)，所有被試皆簽署知情同意書。被試基本信息統(tǒng)計見表1。

表1 被試基本信息統(tǒng)計表 (n=200)

1.2 方法

1.2.1 隱喻性語料的形成 根據(jù)自殺的人際理論，通過《貝克絕望量表》[15]《人際需求問卷》[16]和《心理痛苦》[17]三個量表篩選出95名被試(三個量表得分同時排在前27%的被試)進行心理訪談，根據(jù)半結構化訪談提綱(如“你感覺這種感受像什么”“具體描繪下這種感受嗎”等提綱問題)收集自殺傾向者的隱喻性語料(表2)。采用解釋現(xiàn)象學分析質性研究，通過整體文本概覽階段、主題細分階段和冷卻匯總階段三個階段完成資料分析，得到自殺傾向者隱喻性語料[18-20]。經專家評定過的語料再次返還給來訪者，根據(jù)反饋意見進行修改，同時對所得到的隱喻語料進行評估，剔除喚醒度過低的條目，最后共保留81條隱喻性自殺傾向語料。

表2 隱喻性自殺傾向語料示例

1.2.2 高表面效度語料形成 研究發(fā)現(xiàn)，社交網(wǎng)絡上關于自殺話題的宣揚和討論，可能使更多的人感染負性情緒[21]，發(fā)布自殺意念的用戶之間往往會形成緊密的虛擬社區(qū)。采用爬蟲算法[22]對某已自殺死亡的微博博主遺言微博下的評論進行隨機選擇，共獲取留言4 067條。根據(jù)相關主題研究的結果，以“想死”“殺”“死了”“自殺”這些高頻的自殺關鍵詞為標準選取評論，采用專家評議法進行下一步的評估，確定篩中的高表面效度語料在一定程度上可以表達自殺傾向(表3)。根據(jù)隱喻性自殺傾向語料，由研究者對評估過后的爬蟲語料進行最后一步篩選，構建條目數(shù)相同總字數(shù)一致的高表面效度自殺傾向語料。將隱喻性自殺傾向語料和高表面效度自殺傾向語料結合在一起，構成自殺傾向語料，隨機排列呈現(xiàn)于眼動實驗程序，通過閱讀任務獲取實驗對象的眼動指標。

表3 高表面效度自殺傾向語料示例

1.2.3 問卷篩查 本研究采用國內學者王學志翻譯后矯正的《自殺意念量表》的修訂版本，共14個條目，包括積極自殺意念和消極自殺意念兩個維度。采用5點評分(“從未如此”記1分到“一直如此”記5分)，總分越高表明個體的自殺意念越強烈。本量表具有良好的信效度，其內部一致性系數(shù)為0.92，兩個維度的Cronbach’s α系數(shù)分別為0.95和0.81[23]。

1.2.4 實驗設計 本實驗采用2(材料類型：隱喻性語料/高表面效度語料)×2(組別：自殺傾向組/對照組)混合設計，組間變量為組別，組內變量為刺激語料。

1.2.5 實驗程序 本研究采用的眼動設備為北京博潤視動科技有限公司生產的Eyelink Portable Duo便攜式眼動儀，使用聯(lián)想Y700筆記本與其連接，采樣率為2 000 Hz。眼動程序通過SR Research的Experiment Builder來設計呈現(xiàn)，將實驗指導語和自殺傾向語料導入Experiment Builder中，本研究將每個條目劃分出一個興趣區(qū)(areas of interest，AOI)，即題干AOI(圖1)。

圖1 興趣區(qū)劃分

實驗使用聯(lián)想Y700筆記本屏幕呈現(xiàn)，在實驗開始前，首先調整座椅和腮托高度，以保證頭部中軸線對準屏幕正中央，并告知被試在實驗過程中避免頭部移動，眼睛距屏幕的垂直距離約為65 cm。其次進入實驗程序，首先呈現(xiàn)指導語，待被試閱讀完畢后確保被試正確理解指導語，隨后開始眼動校準：包括啟動主試機、被試機和眼動儀，連接成功后進行九點眼動校準、驗證，實驗程序見圖2。在此過程中排除因生理原因眼動校準不合格者，校準合格者將進入正式實驗。

圖2 實驗程序圖

1.2.6 數(shù)據(jù)處理

1.2.6.1 數(shù)據(jù)選擇 根據(jù)實驗目的，考慮到被試閱讀條目時僅為信息輸入的過程，不會有其他的加工，而作答按鍵時可能存在掩飾漏報的認知加工過程，這部分加工過程會被眼動數(shù)據(jù)記錄下來，可能存在認知加工的數(shù)據(jù)污染，因此僅分析條目區(qū)域記錄的眼動數(shù)據(jù)，確保人群區(qū)分的準確有效。依照前人的研究和實驗目的，選取具有心理意義的眼動指標，進行描述性統(tǒng)計分析、方差分析，以對不同人群在不同刺激語料下的眼動特征進行研究。

1.2.6.2 眼動指標處理 眼動原始數(shù)據(jù)經SR Research的Data Viewer導出，利用SPSS 20.0版本軟件進行分析整理。Eyelink眼動儀采集的眼動指標分為三類，分別是注視類相關指標、眼跳類相關指標及瞳孔類相關指標。在本部分研究中，根據(jù)漢語閱讀的眼動研究[24]對眼動特征提取了四種代表性的指標，分別為注視時間持續(xù)之和、總注視次數(shù)、回視時間和平均瞳孔大小。

1.2.7 統(tǒng)計學分析 使用SPSS 20.0對數(shù)據(jù)進行整理和分析，具體包括描述性統(tǒng)計、方差分析，并使用Bonferroni方法對多重比較的P值結果進行校正。P<0.05表示差異有統(tǒng)計學意義。

2 結果

2.1 描述性統(tǒng)計分析

對照組與自殺傾向組在閱讀不同性質自殺傾向語料的眼動指標描述性統(tǒng)計結果顯示(表4)，兩組被試在閱讀隱喻語料的過程中所產生的眼動指標均多于高表面效度語料，其中自殺傾向組在閱讀隱喻語料時產生的四個眼動指標皆多于高表面效度語料。

表4 不同語料下不同眼動指標的描述性統(tǒng)計

2.2 方差分析

采用方差分析對四個眼動指標(平均瞳孔大小、注視時間持續(xù)之和、總注視次數(shù)、回視時間)進行分析(表5)，重復測量方差結果顯示四個眼動指標的交互作用皆顯著，故進行簡單效應分析。

表5 四個眼動特征指標重復測量方差分析結果

2.2.1 注視時間持續(xù)之和 注視時間持續(xù)之和是指落在所有AOI內的注視時間的總和。方差分析結果表明，材料類型主效應顯著[F(1，198)=385.954，P<0.001，ηp2=0.661]，隱喻材料的注視時間持續(xù)之和顯著高于高表面效度材料的注視時間持續(xù)之和；組別主效應顯著[F(1，98)=904.556，P<0.001，ηp2=0.82]，自殺傾向組的注視時間持續(xù)之和顯著高于對照組的注視時間持續(xù)之和；材料類型×組別交互作用顯著[F(1，198)=13.364，P<0.01，ηp2=0.063]，簡單效應分析結果表明，在隱喻材料上實驗組的注視時間持續(xù)之和與對照組的注視時間持續(xù)之和的差異顯著高于高表面效度材料上二者注視時間持續(xù)之和的差異(圖3)。

圖3 兩組人群在閱讀語料上的注視時間持續(xù)之和

2.2.2 總注視次數(shù) 總注視次數(shù)是指被試在AOI閱讀上的總的注視次數(shù)。方差分析結果表明，材料類型主效應顯著[F(1，198)=490.354，P<0.001，ηp2=0.712]，隱喻材料的總注視次數(shù)顯著高于高表面效度材料的總注視次數(shù)；組別主效應顯著[F(1，198)=22.701，P<0.001，ηp2=0.103]，自殺傾向組的總注視次數(shù)顯著高于對照組的總注視次數(shù)；材料類型×組別交互作用顯著[F(1，198)=13.633，P<0.001，ηp2=0.064]，簡單效應分析結果表明，在隱喻材料上實驗組的總注視次數(shù)與對照組的總注視次數(shù)差異顯著高于高表面效度材料上二者的總注視次數(shù)差異(圖4)。

圖4 兩組人群在閱讀語料上的總注視次數(shù)

2.2.3 回視時間 回視時間是指所有回視到當前AOI的注視時間之和。方差分析結果表明，材料類型主效應顯著[F(1，198)=509.577，P<0.001，ηp2=0.72]，隱喻材料的回視時間顯著長于高表面效度材料的回視時間；組別主效應顯著[F(1，198)=24.453，P<0.001，ηp2=0.11]，自殺傾向組的回視時間顯著長于對照組的回視時間；材料類型×組別交互效應顯著[F(1，98)=16.986，P<0.001，ηp2=0.079]，簡單效應分析結果表明，在隱喻材料上實驗組的回視時間與對照組的回視時間的差異顯著高于高表面效度材料上二者回視時間的差異(圖5)。

圖5 兩組人群在兩種語料上的回視時間

2.2.4 平均瞳孔大小 平均瞳孔大小指被試在閱讀條目時記錄的平均瞳孔值。方差分析結果表明，材料類型主效應顯著[F(1，198)=12.484，P<0.001，ηp2=0.059]，隱喻材料的平均瞳孔大小顯著大于高表面效度材料的平均瞳孔大??；組別主效應不顯著；材料類型×組別交互效應顯著[F(1，98)=7.879，P<0.01，ηp2=0.038]，簡單效應分析結果表明，在隱喻語料條件下，自殺傾向組的平均瞳孔大小大于對照組的平均瞳孔大小，差異無統(tǒng)計學意義；在高表面效度語料條件下，自殺傾向組的平均瞳孔大小小于對照組的平均瞳孔大小，差異無統(tǒng)計學意義。在自殺傾向組中，隱喻語料的平均瞳孔大小顯著大于高表面效度語料的平均瞳孔大小(P<0.001)；在對照組中，隱喻語料的平均瞳孔大小與高表面效度語料的平均瞳孔大小無統(tǒng)計學差異(圖6)。

圖6 兩組人群在兩種語料上的平均瞳孔大小

2.3 機器學習模型預測結果

研究通過機器學習的方法，提取高表面效度語料和隱喻性語料的相應眼動指標，使用三種不同的分類器，分別檢測兩種語料對自殺傾向人群的分類能力，進而建立一個自殺傾向人群識別模型，為優(yōu)化心理檢測系統(tǒng)進行探索。

本研究中，隨機選取數(shù)據(jù)集中80%的數(shù)據(jù)作為訓練集，剩余20%的數(shù)據(jù)作為測試集，訓練集使用十折交叉驗證的方法自動劃分為訓練集和驗證集，然后選取邏輯回歸、樸素貝葉斯和支持向量機三種模型進行訓練。兩種語料在三個模型測試集上的準確率如下：隱喻性語料的準確率分別為0.85、0.79和0.82，高表面效度語料的準確率分別為0.77、0.68和0.77。在三個分類器的準確率均是隱喻材料的預測效果高于高表面效度材料，且預測效果最好的是邏輯回歸模型(識別準確率為0.85)。

3 討論

隱喻是表達復雜的思想或情感的一種常用而強大的語言手段[11]。盡管個體的情感有著直接和具體的體驗，但將內部感受傳達給外界時，使用語言的方式往往是非字面意義上的[25]。隱喻語言主要是以隱喻的方式來理解事物，尤其是抽象個體主觀性極強的情感表達，所以隱喻不僅在認知語用領域使用廣泛，其在心理治療中的應用也非常普遍[10]。經質性研究發(fā)現(xiàn)，自殺傾向者在心理訪談中會更多地使用隱喻性語言，對于同一情感，即便產生原因不同，不同的人也會產出相似的隱喻語言來進行描繪，以期更準確地傳遞自身感受和尋求幫助。語言學家萊考夫等[26]認為特定的隱喻可能是突顯連貫組織經驗的唯一方法，隱喻作為人構建認知的基礎影響著行為的產生，此部分隱喻與行為的內在關系，可能成為研究自殺與死亡的新視角。目前，關于隱喻語言結合眼動追蹤技術記錄被試眼睛活動的實驗已逐漸出現(xiàn)[27]，很多研究者開始借此分析受試者理解隱喻語言時的認知加工過程[28]。

眼動技術對自殺傾向者的分辨提供了一種“直接”的測量方法。自殺傾向者在閱讀刺激語料時的眼動軌跡不受決策或產出任務時的加工，確保即時記錄的生理指標不受策略的影響，沒有多余加工的污染，這保證了結果的客觀準確。研究表明，對于自殺風險的干預主要在于預防和識別[29]，兩種自殺傾向語料經心理學專家的評議和語言學家的校對能夠顯著對比兩者的差異，還保留了原有的負性刺激，使得自殺傾向者和對照組在閱讀的加工過程中有了明顯的區(qū)分刺激。在第二部分眼動研究中，對照組在兩種語料的眼動數(shù)據(jù)總體都低于自殺傾向組，這表示我們有可能通過閱讀這種針對性的自殺傾向語言進行人群識別。注視時間持續(xù)之和是衡量一個AOI最初的提取和隨后的整合指標[30-31]，可能不會反映純粹的詞匯原因，而是更多地顯示所讀內容的特性，無論是自殺傾向組還是對照組在隱喻性語料的總閱讀時間都比高表面效度材料長，這正是證明了個體面對隱喻語言的閱讀需要更深的加工?？傋⒁暣螖?shù)是代表眼動加工的晚期指標[13]，在隱喻材料上實驗組的總注視次數(shù)與對照組的差異顯著高于高表面材料上二者的差異(F=13.633，P<0.001)，結合注視時間之和的統(tǒng)計結果(F=13.364，P<0.01)，這兩者共同反映了注視水平，個體的注視水平越高，其對輸入信息的認知加工水平也越高，自殺傾向組在閱讀隱喻性語料時有更多的注視次數(shù)和更長的注視時間，這表示認知加工的程度更深刻?；匾晻r間是代表詞匯后期加工過程的指標[31]，大腦對此類信息輸入的加工處理時間越長，則代表首次遇到一個項目時在理解上存在困難以及隨后克服困難所需的時間越長，研究中較長的回視時間反映出隱喻性語料對自殺傾向組具有吸引力(F=16.986，P<0.001)。瞳孔大小的變化可以作為心理加工的強度指標[32]，其往往被用來推測認知負荷的大小和反應情緒變化，自殺傾向組在閱讀隱喻材料時的平均瞳孔直徑顯著大于對照組(F=7.879，P<0.01)，這證明了輸入閱讀隱喻性語料的心理加工強度明顯增大并引起一些有關情緒的變化，加工復雜句子時的瞳孔直徑變化明顯大于加工簡單句子，可看作該指標即時反映了言語加工過程中認知負荷變化。對于自殺傾向者而言，在瀏覽隱喻語料上產生了更長的注視時間持續(xù)之和、回視時間、更多的注視次數(shù)以及更大的平均瞳孔值，這說明隱喻性語料生動形象的描述對自殺傾向者的喚醒更強，閱讀語料過程中復雜的刺激導致了更深刻的認知加工[33]，這機器學習模型也得到不錯的預測效果，這為我們日后進行自殺傾向篩查的改良提供了一些實踐證據(jù)。

本研究基于自殺的人際理論結合隱喻語言，探究自殺傾向者閱讀有針對性自殺傾向語料的眼動特征，結果發(fā)現(xiàn)兩組被試在不同刺激下產生了不同的眼動模式，在控制其他變量下，隱喻性語料使自殺傾向者產生了更深刻的加工，為識別自殺傾向人群提供了一種手段。不足之處在于實驗對象較為單一，應擴大被試群體，納入更多的人群，以及加入面部表情分析、皮膚電等測量手段，結合機器學習技術[34]，可能更利于自殺傾向者的識別與檢出。