一种认知网络方法：用于探索焦虑与抑郁叙事中的语义与情感模式

《Cognitive Therapy and Research》：A Cognitive Network Approach to Exploring Semantic and Emotional Patterns in Anxiety and Depression Narratives

焦虑抑郁共病症状的语义情感网络分析显示：焦虑抑郁组网络密度高但碎片化，情感以负面为主；共病组网络密度最高但情感平衡最低，反映情绪冲突；无症状组网络结构简洁且情感平衡最佳。该方法通过整合网络拓扑、情感平衡和语义框架分析，为个性化治疗监测提供新工具。

　　

摘要

背景

焦虑和抑郁是最常见的精神障碍之一，它们经常同时出现，给诊断和治疗带来了挑战。理解其背后的认知和情感机制对于开发准确有效的干预措施至关重要。

方法

本研究采用认知网络科学方法，分析了报告焦虑、抑郁症状、共病症状以及无症状（无症状）个体的叙述中的语义和情感模式。通过使用共现和相关性估计方法，构建了包含和不包含停用词的网络，以研究它们之间的结构差异。主要分析内容包括结构特性、情感平衡以及中心词的语义框架，以识别各组之间的特定模式。

结果

研究发现了不同的认知和情感特征。焦虑组和抑郁组的网络更为密集但结构较为碎片化，且以负面情感内容为主。抑郁组的叙述中还出现了较多的与身体相关的概念，并表现出较高的情感平衡，这反映了在同一语义结构中正面和负面概念的共存。共病组的网络密度相对较高，但情感平衡最低，表明其情感紧张程度更高，语义组织也更为矛盾。相比之下，无症状组的网络虽然较为稀疏，但组织更为连贯和高效，同时具有最高的情感平衡，表明其认知-情感状态更为稳定和调节良好。

结论

这些发现证明了认知网络分析在捕捉与焦虑和抑郁症状相关的语义和情感组织差异方面的实用性。通过整合网络拓扑结构、情感平衡和语义框架，这种方法提供了一个细致的框架，用于研究超出单个词汇使用的认知和情感过程，对个性化治疗干预和治疗效果监测具有潜在意义。