📄 social_science

Social Network Factors Associated with the Intention to Use Digital Mental Health Interventions Among AANHPI Emerging Adults: Application and Integration of the Network Episode Model

这项针对1,577名亚裔美国、原住民及太平洋岛民（AANHPI）新兴成年人的研究表明，社交网络因素，特别是对同伴使用数字心理健康干预措施的知晓程度以及当前的治疗参与情况，显著预测了使用此类干预措施的意向并与公众污名化发生相互作用，从而支持了一个结合个人与网络层面策略以应对心理健康差异的综合框架。

原作者： John Bunyi, Shinyi Wu, Angel Hsing-Chi Hwang, Hans Oh

发布于 2026-06-30

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： John Bunyi, Shinyi Wu, Angel Hsing-Chi Hwang, Hans Oh

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

大局观：为什么人们不寻求帮助？

想象一下，你感到心情低落，就像汽车仪表盘上亮起了“检查发动机”的警告灯。你知道自己需要修理工，但你害怕去维修店。也许你担心别人会因为你的车坏了而对你指指点点，或者你只是不知道哪位修理工比较靠谱。

这正是亚裔美国人、原住民夏威夷人及太平洋岛民（AANHPI）青年群体在面对心理健康问题时的真实写照。尽管许多人正处于挣扎之中，但他们很少去传统的医生或心理治疗师那里就诊。相反，研究人员正在探究：如果有一种“数字修理工”（如 App、网站、在线心理治疗）可用，他们是否愿意使用它？

这项研究试图弄清楚，是什么因素促使这些年轻人决定点击那个“确定”键。

两套视角：“独行司机” vs. “交通拥堵”

研究人员使用了两张不同的地图来理解这一决策过程：

“独行司机”地图（个体因素）： 这关注的是人本身。你是否感到不适？你了解心理健康吗？你会担心被他人评判吗？
- 论文发现： 是的，这些因素很重要。如果你感到需要帮助、了解问题所在，或者担心他人的看法，你更有可能想要使用一款 App。
“交通拥堵”地图（社交网络因素）： 这关注的是你周围的人。你的朋友们是谁？他们在做什么？他们会谈论心理健康吗？
- 论文发现： 这是本研究的新颖之处。事实证明，你认识谁以及他们在做什么，与你内在的感觉同样重要。

核心发现（“顿悟时刻”）

1. “我看到他们做了”效应（社会建模）

想象一下，你对尝试一家新开的奇特餐厅犹豫不决。但随后，你看到最好的朋友正在那儿吃得津津有味，还说：“味道棒极了！”突然间，你变得勇敢起来，也想去试试。

研究发现，如果一个年轻人知道有一位朋友或家人使用过数字心理健康 App，他们也会更有可能想要尝试使用。这就像看到朋友成功通过了一场交通拥堵，这给了你驾驶自己车辆的信心。

转折点： 如果他们不知道有人使用过，他们就不太可能尝试。但这里有一个转折……

2. “秘密俱乐部”效应（污名化与不确定性）

这是最有趣的部分。研究人员发现，对评判的恐惧（污名化）与不知道朋友是否使用这些 App 之间存在一种奇特的联系。

场景 A： 你知道你的朋友们在使用 App。你觉得使用 App 也是安全的。
场景 B： 你非常害怕因为心理健康问题而被评判，并且你完全不知道你的朋友们是否使用这些 App（你处于“不确定”状态）。
- 结果： 在场景 B 中，对评判的恐惧反而推动人们走向 App。为什么？因为 App 是私密的。如果你担心亲友发现你在为心理问题挣扎，那么数字 App 就像是一条秘密隧道。它让你可以在不被任何人看见的情况下获得帮助。

3. 规模并不重要（网络规模 vs. 行为）

你可能会想：“如果我有 50 个好友组成的庞大圈子，我更有可能寻求帮助。”

论文发现： 不一定。拥有一个庞大的朋友或家人网络并不会产生差异。
关键在于： 重要的不是人数，而是身边人的行为。知道你圈子里的某个人实际使用了这个工具才是关键。这不在于有多少人围观，而在于是否有一个朋友真的买了票。

4. “症状”的迷思

通常我们认为：“我病得越重，我就越需要帮助。”

论文发现： 出人意料的是，症状的“严重程度”（抑郁或焦虑有多严重）并不能预测他们是否想要使用 App。
类比： 这就像轮胎没气了。轮胎是稍微有点瘪，还是完全没气了，其实并不如“你是否知道自己需要备胎”以及“是否有一个朋友告诉你去哪里买备胎”那么重要。这种“需求”和“社会信号”比问题的实际规模更重要。

底线结论

这项研究告诉我们，对于 AANHPI 青年群体来说，决定是否使用心理健康 App 不仅仅是在真空中做出的个人决策。这是一场社交舞蹈。

如果他们看到朋友在做，他们也会跟着做。
如果他们害怕被评判且不知道朋友们的动向，他们会将 App 作为一种私密的逃避方式。
拥有庞大的家庭或众多朋友并不能提供帮助，除非这些人实际上在谈论或使用这些工具。

研究人员总结道，为了让更多人使用这些数字工具，我们不能仅仅告诉他们“你生病了，去寻求帮助”。我们需要改变社会环境——让朋友和家人开始讨论这件事，并让他们看到使用这些工具是正常的、安全的，并且是他们的同龄人已经在做的事情。

技术摘要：与 AANHPI 青年使用数字心理健康干预意向相关的社交网络因素

问题陈述
亚裔、原住民、夏威夷原住民及太平洋岛民（AANHPI）青年（18–29 岁）的心理疾病发病率与美国总体人口相当甚至更高，但其正式心理健康服务的利用率却持续偏低。虽然数字心理健康干预（DMHIs）被提议作为解决污名化和缺乏具有文化响应性提供者等障碍的解决方案，但在这一高度集体主义的人群中，驱动使用 DMHIs “意向”的因素仍未得到充分理解。以往的研究利用“寻求心理健康护理”（SMHC）模型，确定了个人层面因素（感知需求、心理健康素养和污名化）可以预测 DMHI 的使用意向。然而，这些模型将求助视为一种离散的个人决策，忽略了社交语境。本研究旨在填补理解社交网络特征如何影响 DMHI 意向的空白，并探讨这些特征是否调节了既有的个人层面关联，特别是在 AANHPI 群体中。

方法论
本研究采用横断面调查设计，利用 2024 年 7 月至 9 月期间通过 Qualtrics 面板收集的个性化规范反馈（PNF）项目数据。分析样本包括 1,577 名居住在美国的自认 AANHPI 青年（18–29 岁），招募过程确保了七个主要族裔亚群体的代表性（华裔、菲律宾裔、印度裔、日裔、韩裔、夏威夷原住民/太平洋岛民、越南裔）以及“自我描述”和多民族/种族类别。

分析整合了两个理论框架：

寻求心理健康护理 (SMHC) 模型： 测量个人层面的预测因子，包括对支持的感知需求、心理健康素养 (MHL)、感知公众污名和自我污名。
网络事件模型 (NEM)： 测量社交网络特征，包括对亲友使用 DMHI 的知晓程度、结构性网络规模（用于衡量家人和朋友的 Lubben 社交网络量表-6）以及感知的社会支持可用性（医疗结果研究社会支持调查）和当前的正式心理治疗参与情况。

统计分析使用 Stata 19 进行嵌套多变量逻辑回归。建模过程分为三个阶段：

模型 1： 复现仅包含 SMHC 的设定。
模型 2： 加入 NEM 变量以评估其独立贡献。
模型 3a–3c： 测试具有理论依据的交互项（感知需求 × 家庭网络规模；MHL × 亲友 DMHI 使用情况；公众污名 × 亲友 DMHI 使用情况）。针对交互测试应用了 Bonferroni 校正后的显著性阈值 ( $\alpha = .017$ )。协变量包括社会人口统计学特征、症状严重程度（按 PHQ-9 和 GAD-7 分数分类）以及供应商来源。

关键结果

模型拟合与网络变量： 将 NEM 变量添加到 SMHC 模型中（模型 2）显著改善了模型拟合度 ( $\Delta \chi^2 = 39.96, p < .001$ )。
显著的网络预测因子： 知晓亲友使用 DMHIs 与 DMHI 意向强相关（AOR = 1.79, $p < .001$ ）。目前的正式治疗参与也是一个强有力的预测因子（AOR = 1.84, $p < .001$ ）。
非显著的网络预测因子： 结构性网络规模（家人和朋友子量表）以及感知的社会支持可用性在预测 DMHI 意向方面未达到统计学显著性。
个人层面的稳健性： 在纳入网络变量后，所有 SMHC 预测因子（感知需求、MHL、公众污名、自我污名）依然保持显著。症状严重程度在所有模型中均保持不显著。
交互效应： 在经过 Bonferroni 校正后，只有一个交互项达到了显著水平：亲友 DMHI 使用情况 × 公众污名。具体而言，在那些对亲友是否使用 DMHIs “不确定”（“未知”）的参与者中，较高的公众污名与显著更高的 DMHI 意向相关（AOR = 3.12, $p = .003$ ）。对于那些已知其网络使用 DMHIs 的人，并未观察到这种效应。
族裔异质性： 显著差异在不同族裔亚群之间持续存在，与华裔相比，菲律宾裔、印度裔、日裔和“自我描述”类 AANHPI 参与者表现出更高的 DMHI 意向概率。

主要贡献
本文的主要贡献在于通过整合 SMHC 和 NEM 框架，证明了 DMHI 意向不仅仅是一个个人的认知过程，而是受到社交网络动态的显著影响。

社会建模： 本研究证实了“经验同质性”（即知晓他人使用 DMHIs）是一种强大的社会建模机制，增加了使用数字工具的意向。
网络构念的精细化： 研究结果表明，网络的内容和行为（例如，知晓某人正在使用某种工具）比网络的结构（例如，网络规模）或一般的社会支持可用性更能预测 DMHI 意向。
污名动态： 显著的交互作用揭示了一种微妙的关系，即公众污名会抑制关于数字求助的社交对话。对于那些不了解同伴使用 DMHIs 的人，高公众污名反而会增加其使用意向，这可能是因为个体倾向于转向私密、匿名的数字渠道，以避免社会暴露。
症状严重程度： 与之前的研究一致，症状严重程度本身并不预测 DMHI 意向；相反，对症状的社会和态度处理（感知需求、素养、污名）才是求助意向的关键前因。

意义与主张
作者声称，本研究通过超越个人层面因素，纳入社交协商和网络影响，为理解数字求助提供了一个更全面的框架。研究结果强调，旨在增加 AANHPI 社群中 DMHI 参与度的干预措施必须超越个人教育，扩展到网络层面的策略。具体而言，作者建议：

同伴和家庭教育计划可以利用社会建模来使 DMHI 的使用常态化。
针对缺乏同伴接触 DMHIs 的个体的干预措施，应解决公众污名驱动个体依赖私密数字工具这一特定动态。
心理健康素养计划应侧重于识别对支持的需求，而非仅仅针对症状严重程度，因为后者在这一背景下并不是求助意向的直接预测因子。

文章得出结论，尽管横断面设计限制了因果推断，但个人模型与网络模型的整合为未来的研究以及为 AANHPI 青年开发具有文化针对性和网络信息的数字心理健康干预提供了坚实的理论基础。