共病障碍（Co-occurring Disorders, COD）是指个体同时患有精神疾病和物质使用障碍。COD患者在获取治疗、准确诊断以及有效治疗方面面临诸多挑战。研究表明，COD的交叉因素涉及种族/民族、年龄、性别身份、疫情年份以及行为健康需求和优势。本研究旨在通过决策树模型分析这些交叉因素对COD的预测作用。

本研究使用了一个中西部州的公共行为健康服务数据库，选取了2019年和2020年接受公共资助行为健康服务的22629名年龄在18岁及以上的成年人。所有参与者都完成了至少两次成人需求和优势评估（ANSA）。研究采用卡方自动交互检测（CHAID）决策树分析，以识别增加COD可能性的模式。预测变量包括种族/民族、年龄、性别、疫情年份、行为健康需求和优势等。在数据处理上，首先将参与者按照是否患有COD进行分组，然后使用CHAID决策树方法对各组数据进行分析。CHAID决策树能够处理大量预测变量，并通过递归分裂数据，识别出预测COD的重要因素。

图1. 预测共病障碍的CHAID决策树部分示意图

研究发现，参与康复是影响COD最关键的因素，具有最高的预测重要性值（PIV）为0.46。其他重要因素依次为法律参与（PIV=0.12）、决策能力（PIV=0.12）、父母/照顾者角色（PIV=0.11）、其他自我伤害行为（PIV=0.10）和犯罪行为（PIV=0.09）。年龄、性别、种族/民族和疫情年份未显示出与COD的统计显著关联。

CHAID决策树分析结果显示，法律参与在治疗参与中起到了关键作用，有法律问题的个体不太可能参与治疗。此外，与仅患有精神障碍的个体相比，COD患者表现出更复杂的行为健康需求，这显著影响了他们的功能。

在COD患者中，参与康复与COD的发生率有显著关联。具体来说，缺乏参与康复的个体更容易表现出COD。此外，法律问题、决策困难、父母/照顾者角色挑战和自我伤害行为在预测COD方面也表现出重要作用。

图2. 法律参与预测共病障碍的CHAID决策树部分示意图

本研究首次通过前瞻性数据分析了多种交叉因素对COD的预测作用。结果表明，参与康复是最关键的预测因素，强调了在治疗和自我管理中的主动参与的重要性。法律参与、决策困难、父母/照顾者角色和自我伤害行为也是COD的显著预测因素。这些发现为临床干预提供了重要的指导，提示需要针对这些关键因素进行针对性治疗和支持。

本研究的一个重要贡献在于通过CHAID决策树方法，揭示了多种因素在预测COD中的交互作用。这为理解和支持COD患者提供了新的视角和方法。未来的研究可以进一步探讨这些因素在不同人群中的作用，并开发更为有效的干预策略。

原始出处：

Hong, S., Kim, H. W., Walton, B., & Kaboi, M. "The Intersectionality of Factors Predicting Co-occurring Disorders: A Decision Tree Model." International Journal of Mental Health and Addiction, 2024. doi:10.1007/s11469-024-01358-1.