抑郁症作为青少年群体高发的精神障碍疾病，已成为威胁青少年身心健康的重要公共卫生问题。世界卫生组织2023年报告显示，全球12~18岁青少年抑郁症发病率达15.3%，中国同期数据为12.8%，且呈逐年上升趋势^[1-2]。该疾病不仅导致青少年出现情绪持续低落、兴趣显著减退、认知功能受损等核心症状，还严重干扰其学业进展与社交功能，部分患者甚至出现自伤、自杀等极端行为，给家庭与社会带来沉重负担^[3]。在临床护理实践中，传统护理模式多聚焦于患者住院期间的症状控制与基础照护，出院后仅依赖患者主动复诊获取病情信息，普遍存在干预连续性不足、危机事件响应滞后等问题。青少年处于身心发展关键阶段，对护理服务的个性化、持续性需求更为突出，传统护理模式已难以满足其长期康复需求^[4]。大数据技术已在精神卫生护理领域展现应用潜力，例如国外学者通过整合电子健康记录(EHR)、可穿戴设备数据构建精神疾病随访模型，但针对青少年抑郁症的专项延续性护理研究较少，且多聚焦于单一症状监测，缺乏个性化分型干预体系^[5]；国内相关研究尚处于起步阶段，现有延续性护理多依赖人工随访，存在数据采集滞后、干预针对性不足、医家校协同脱节等问题，尚未形成基于大数据的全周期闭环护理模式。当前国内外研究表明，构建适配青少年身心发展特点的大数据延续性护理体系具有明确的必要性，这也是本研究的核心创新切入点。延续性护理通过整合多维度患者数据、实现精准化干预与动态监测，有望突破传统护理局限，为青少年抑郁症患者提供更优质的护理服务。基于此，本研究构建“多模态数据整合-精准分型干预-高危预警闭环”的延续性护理模式，将大数据技术与青少年抑郁症护理深度融合，旨在系统验证该模式对患者心理状况、生活质量及应对方式的改善效果，为临床制定科学可行的护理方案提供依据。

选取2022年1月至2024年1月本院收治的100例青少年抑郁症患者作为研究对象，采用随机数字表法分为对照组与观察组，每组各50例。纳入标准: 1)符合《精神障碍诊断与统计手册(第五版)》中抑郁症诊断标准^[6]，且经2名副主任医师及以上职称精神科医生联合确诊；2)年龄12~18岁；3)病程≥1个月；4)具备基本沟通能力，能配合完成为期12个月的随访与评估；5)患者及家属均知情同意并签署书面同意书。排除标准: 1)合并精神分裂症、双相情感障碍等其他严重精神疾病；2)患有癫痫、恶性肿瘤、心功能衰竭等严重躯体疾病或神经系统疾病；3)存在智力低下(智商＜70)、痴呆等认知功能障碍；4)有药物滥用史或酗酒史(每周饮酒≥3次，每次酒精摄入量≥15 g)；5)近1个月内接受过重复经颅磁刺激、电抽搐治疗等特殊干预或参与其他临床试验。所有患者及监护人在无胁迫、自愿参与的前提下签署《知情同意书》。本研究已通过山东省戴庄医院伦理委员会审批(2025科研第25号-202511KS-1)。两组患者性别、年龄、病程、教育年限，抑郁症严重程度(HAMD-17评分分级)、抗抑郁药物服用情况、家族遗传史(一级亲属是否有抑郁或精神疾病史)等一般资料比较，差异均无统计学意义(P＞0.05)，具有可比性。见表 1。

表 1

表 1 两组患者一般资料比较(n=50) 组别 性别(例，男/女) 年龄(岁，x±s) 病程(年，x±s) 教育年限(年，x±s) 抑郁症严重程度(例，轻/中/重) 抗抑郁药物服用(例，是/否) 家族遗传史(例，有/无) 对照组 22/28 15.63±1.26 1.56±0.62 8.37±1.52 18/25/7 21/29 9/41 观察组 23/27 15.87±1.42 1.68±0.52 8.59±1.43 19/24/7 23/27 10/40 χ2/t值 0.040 0.897 1.056 0.703 0.182 0.085 0.124 P值 0.842 0.372 0.294 0.483 0.913 0.771 0.726

表 1 两组患者一般资料比较(n=50)

1) 住院期间护理。护理人员密切监测患者生命体征，严格遵医嘱实施药物治疗，实时观察病情变化及药物不良反应(如恶心、头晕、嗜睡等)；通过一对一讲解、发放健康手册开展抑郁症健康教育，内容涵盖疾病病因、治疗流程、饮食建议(清淡饮食、避免过量摄入咖啡因)及作息指导(规律作息、避免熬夜)。2)出院指导。患者出院时，护理人员详细告知服药剂量、频次及漏服补服方法，提醒出院后1个月首次复诊，并提供纸质版出院指导资料。该模式无出院后的系统性随访与干预措施。

构建多维度、个性化、全程化护理干预体系，具体实施：1)多模态数据整合与动态监测，为患者配置经专业校准的智能手环，实时采集睡眠结构、每日活动量等客观生理数据；依托专属APP收集情绪自评结果，护理团队每周推送标准化问卷，涵盖抑郁焦虑症状、学业压力、家庭支持满意度等维度。所有数据经清洗、特征提取后实时上传大数据平台，预设风险阈值(如学业压力型患者考前1周情绪评分连续升高≥3分)，实现潜在风险早期识别。2)精准临床分型，以2名副主任医师及以上临床诊断为金标准，最终分为学业压力型、睡眠障碍型、社交回避型3类。3)分型差异化干预，学业压力型患者每周1次认知行为取向心理疏导，采用任务分解法优化学习目标，情绪异常时频次增至2次/周；睡眠障碍型患者每日推送15~20 min渐进式肌肉放松训练视频，家属协助记录睡眠日志，每月动态调整方案；社交回避型患者每月2次线上社交技能团体训练，通过角色扮演提升沟通效能，搭建匿名分享平台并给予正向反馈。

所有观察指标均在干预前及干预12个月后完成评估，评估工作由经过统一培训且不知晓患者分组情况的专职研究人员完成(评估者盲法)，确保结果客观公正。

采用贝克抑郁量表(Beck Depression Inventory, BDI)与汉密尔顿焦虑量表(Hamilton Anxiety Scale, HAMA)量表^[7]进行评估。BDI量表包含21个条目，每个条目计0~3分，总分0~63分，评分越高提示抑郁程度越重。根据总分分为4个等级：0~13分、14~19分、20~28分、29~63分；HAMA量表包含14个条目，每个条目计0~4分，总分0~56分，评分越高提示焦虑程度越重。根据总分分为5个等级：0~7分、8~14分、15~21分、22~28分、29~56分。为控制评估偏倚，由2名经过专项培训的精神科护士独立完成评分，若两人评分差值＞3分，由第三方国家二级心理咨询师进行复核，最终确定统一评分。

采用WHOQOL-BREF评估患者的生活质量，该量表涵盖4个核心领域：生理领域包含身体疼痛、睡眠质量、精力水平、日常活动能力等条目^[8]；心理领域包含情绪状态、自我认知、学习与注意力、自尊水平等条目；社会关系领域包含人际关系、家庭支持、社交参与度、亲密关系等条目；环境领域包含生活环境安全性、医疗资源获取便利性、经济状况、住房条件等条目。

采用CSQ^[9]评估患者面对应激事件时的应对倾向，该问卷包含积极应对维度：解决问题、求助；消极应对维度：退避、自责、幻想、忍耐。每个条目采用“是”“否”二分类计分，“是”计1分，“否”计0分，某一维度得分越高，提示患者越倾向于采用该种应对方式。

复学率：以“每日在校时长≥6 h且连续在校≥2 w”为复学标准，统计两组干预12个月后的复学人数及复学率。

记录两组干预期间药物不良反应(如恶心、头晕、嗜睡、便秘等)、平台使用不良事件(如APP操作困难导致数据漏传、手环设备故障)及干预相关不良事件(如线上心理疏导引发的情绪波动、随访沟通冲突)，计算不良事件发生率并比较。

采用SPSS26.0统计软件分析。符合正态分布计量资料以x±s表示；两组干预前基线数据比较采用独立样本t检验；两组干预前后各指标差值(干预后-干预前)比较采用独立样本差值t检验；计数资料以[n(%)]表示，组间比较采用χ²检验(其中复学率比较采用校正χ²检验，因部分单元格理论频数＜5)。以P＜0.05为差异具有统计学意义。

干预前，两组患者BDI评分、HAMA评分比较，差异均无统计学意义(P＞0.05)；两组两项评分差值，差异有统计学意义(P＜0.05)。见表 2。

表 2

表 2 两组患者干预前后心理状况比较(分，x±s) 组别 例数 BDI评分 BDI差值 HAMA评分 HAMA差值 干预前 干预12个月后 干预前 干预12个月后 对照组 50 32.15±4.28 28.36±3.72 -3.79±2.14 24.57±3.12 22.34±2.89 -2.23±1.87 观察组 50 32.08±4.17 18.79±2.45 -13.29±3.05 24.63±3.05 15.28±1.98 -9.35±2.56 组间t值 0.113 12.343 - 0.097 13.215 - 差值t值 - - 16.892 - - 15.327 P值 0.916 ＜0.001 ＜0.001 0.934 ＜0.001 ＜0.001

表 2 两组患者干预前后心理状况比较(分，x±s)

干预前，两组患者生活质量各领域(生理、心理、社会关系、环境)评分比较，差异均无统计学意义(P＞0.05)；干预12个月后，两组各领域评分差值，差异有统计学意义(P＜0.05)。见表 3。

表 3

表 3 两组患者干预前后生活质量比较(分，x±s) 组别 例数 生理领域 差值 心理领域 差值 干预前 干预12个月后 干预前 干预12个月后 对照组 50 45.27±5.13 48.36±4.87 3.09±2.03 42.18±4.76 45.63±4.32 3.45±1.98 观察组 50 45.32±5.08 55.67±4.62 10.35±2.31 42.25±4.68 53.42±4.15 11.17±2.24 组间t值 0.046 7.864 - 0.065 8.973 - 差值t值 - - 15.628 - - 18.345 P值 0.979 ＜0.001 ＜0.001 0.957 ＜0.001 ＜0.001 组别 例数 社会关系领域 差值 环境领域 差值 干预前 干预12个月后 干预前 干预12个月后 对照组 50 40.56±4.21 43.27±3.98 2.71±1.85 44.32±4.56 47.89±4.23 3.57±2.11 观察组 50 40.63±4.17 51.28±3.87 10.65±2.09 44.41±4.49 56.78±4.02 12.37±2.26 组间t值 0.124 8.432 - 0.134 9.218 - 差值t值 - - 17.982 - - 19.236 P值 0.906 ＜0.001 ＜0.001 0.896 ＜0.001 ＜0.001

表 3 两组患者干预前后生活质量比较(分，x±s)

干预前，两组患者应对方式各维度评分比较，差异均无统计学意义(P＞0.05)；观察组解决问题、求助维度评分显著高于对照组，退避、自责、幻想、忍耐维度评分显著低于对照组，差异有统计学意义(P＜0.05)。见表 4。

表 4

表 4 两组患者干预前后应对方式比较(分，x±s) 组别 例数 解决问题 差值 求助 差值 干预前 干预12个月 干预前 干预12个月 对照组 50 12.34±2.15 13.27±2.08 0.93±1.05 10.56±1.87 11.23±1.76 0.67±0.98 观察组 50 12.41±2.11 17.89±2.36 5.48±1.23 10.62±1.83 16.54±2.17 5.92±1.31 组间t值 0.184 9.873 - 0.215 12.344 - 差值t值 - - 18.765 - - 20.123 P值 0.866 ＜0.001 ＜0.001 0.848 ＜0.001 ＜0.001 组别 例数 退避 差值 自责 差值 干预前 干预12个月 干预前 干预12个月 对照组 50 15.67±2.34 14.89±2.12 -0.78±1.12 14.23±2.45 13.87±2.36 -0.36±1.03 观察组 50 15.72±2.28 10.23±1.89 -5.49±1.42 14.31±2.41 10.12±1.98 -4.19±1.26 组间t值 0.256 12.126 - 0.193 9.568 - 差值t值 - - 19.874 - - 17.652 P值 0.809 ＜0.001 ＜0.001 0.855 ＜0.001 ＜0.001 组别 例数 幻想 差值 忍耐 差值 干预前 干预12个月 干预前 干预12个月 对照组 50 13.56±2.12 13.28±2.07 -0.28±0.95 16.78±2.56 16.54±2.43 -0.24±1.01 观察组 50 13.62±2.08 9.87±1.89 -3.75±1.18 16.85±2.52 12.34±2.15 -4.51±1.32 组间t值 0.237 9.239 - 0.175 9.874 - 差值t值 - - 16.983 - - 18.345 P值 0.824 ＜0.001 ＜0.001 0.878 ＜0.001 ＜0.001

表 4 两组患者干预前后应对方式比较(分，x±s)

干预12个月后，观察组41例休学者，38例恢复正常上学(复学率92.7%，38/41)，对照组18例休学者中仅10例复学(复学率55.6%，10/18)。两组复学率比较，差异均有统计学意义(校正χ²=8.63，P＜0.05)。见表 5。

表 5

表 5 两组患者临床结局比较[n(%)] 组别 例数 休学人数 复学人数 对照组 50 18 10(55.6) 观察组 50 41 38(92.7) χ2值 8.63 P值 ＜0.001

表 5 两组患者临床结局比较[n(%)]

干预期间，对照组共发生药物不良反应3例(恶心2例、头晕1例)，不良反应发生率6.0%(3/50)；观察组发生药物不良反应2例(恶心1例)、APP操作困难导致数据漏传1例(2周内通过远程指导自行缓解)，总不良事件发生率6.0%(3/50)。两组不良事件发生率比较，差异无统计学意义(χ²＜0.001，P＞0.999)；所有不良事件经对症处理(如调整服药时间至餐后、远程指导APP操作步骤)后均缓解，无严重不良事件(如药物过敏、自杀行为、设备损伤)发生。

本研究基于大数据平台构建延续性护理模式，通过动态监测、精准分型、闭环管理及协同支持，实现青少年抑郁症患者多维度康复改善，其核心机制与临床价值如下。

干预后观察组护理前后BDI、HAMA评分差值较对照组差值比较均有统计学意义。该结果印证了大数据技术在病情监测中的优势：通过智能设备与APP整合多维度数据，可提前捕捉学业压力、睡眠障碍等风险信号，结合K-means聚类算法实现精准分型，使干预措施更具针对性^[10-11]。大数据平台对生理数据(睡眠结构、活动量)与心理数据(情绪自评、学业压力)的融合挖掘，构建了个体化风险预测模型，可提前3~7 d预判情绪波动峰值，使干预从传统护理的被动响应转向主动预防；同时，精准分型后的差异化干预方案可匹配不同患者的核心致病诱因(如学业压力型聚焦认知行为疏导、睡眠障碍型侧重放松训练)，避免了传统护理“一刀切”的弊端，“预测-匹配-干预”的精准机制是观察组心理症状显著改善的关键^[12-13]。

观察组生活质量各领域评分均高于对照组，睡眠时长、每日活动步数均达标。充足睡眠与规律运动可促进内啡肽、血清素分泌，辅助缓解抑郁情绪，为生活质量提升奠定基础^[14]。机制层面分析，多维度支持体系构建生理调节-心理赋能-社会融入的闭环作用路径：生理层面，智能手环监测与个性化作息指导形成正向反馈；心理层面，家庭高质量互动通过增强情感联结，降低患者孤独感与被抛弃感，激活安全感需求的满足，缓解情绪调节中枢的过度敏感；社会层面，医-家-校协同机制填补了传统护理中社会支持断裂的缺口，学校的学业调整与同伴帮扶减少了患者的社交压力源，而持续的专业护理支持则为患者提供了稳定的心理依托，三者形成的合力有效破解症状缓解-社会功能滞后的康复瓶颈，最终实现生活质量与社会功能的同步提升。

观察组积极应对维度(解决问题、求助)评分显著升高，消极应对维度(退避、自责等)显著降低，差值比较差异有统计学意义。该效应源于干预设计契合青少年心理发展特点：匿名微信群降低求助门槛(78%患者反馈分享更放松)，情绪日记强化认知重构，康复案例分享提供实践参考(63%患者认可其借鉴价值)，通过认知引导+实践强化模式，帮助患者建立长期心理调适能力，符合Erikson青少年自我认同理论^[15]。

本研究为单中心研究，样本代表性有限；未纳入家属心理状态、治疗依从性等指标，且随访时长仅12个月，远期效果待验证

利益冲突：所有作者均申明不存在利益冲突。