С момента первых сообщений в декабре 2019 г. о появлении случаев новой коронавирусной инфекции (COVID-19) в провинции г. Ухань (Китай) и до момента объявления Всемирной организацией здравоохранения (ВОЗ) пандемии в феврале 2020 г. прошло менее 3 мес, что указывает на стремительный характер распространения инфекции. По всему миру правительства стран одно за другим вводили жесткие меры (карантин) социальной изоляции населения. В период до осени 2020 г. мировое профессиональное сообщество не имело надежных клинических рекомендаций для лечения инфекции [1]. Возникшая на этом фоне волна инфодемии формировала образ новой неизученной смертельно опасной инфекции, коренным образом изменяющей уклад жизни и работы населения, а также требовавшей скоординированного ответа мирового сообщества, включая трансформацию и реадаптацию деятельности систем здравоохранения [2—4]. Таким образом, пандемия COVID-19 сформировала контекст воздействия так называемого глобального, непредвиденного и неизбежного, интенсивного стрессогенного фактора [5]. Важно отметить, что стрессогенные факторы с подобными характеристиками используются для моделирования тревожных состояний в эксперименте [6—8].

Многие факторы могут определять формирование тревожной реакции или тревожного состояния в условиях неминуемого по характеру возникновения и интенсивного по степени выраженности стрессового воздействия, в частности ряд этих факторов может быть предопределен генетическими механизмами, траекторией развития, а также другими детерминированными биологическими особенностями индивида и его прошлым опытом [9—12]. В то же время описаны патогенетические механизмы влияния некоторых дезадаптивных форм поведения на изменение эмоционального состояния [13]. Так, изменение паттерна цикла «сон—бодрствование», например у лиц, чья работа была связана с ночными сменами, приводило к изменениям в эмоциональной реактивности [14—17].

К повышению беспокойства, уровня тревоги, количества страхов, разнообразным психофизиологическим проявлениям реакции стресса организма и снижению работоспособности приводил также так называемый думскроллинг, или думсерфинг (doom-scrolling, doom-surfing), который обозначает чрезмерное и регулярное потребление негативного эмоционального контента в социальных сетях и новостных лентах в сети интернет [18, 19].

Стрессогенное воздействие условий, определявших контекст первых нескольких волн пандемии COVID-19, было комплексным и включало социальную изоляцию, изменение социальных ритмов, в том числе сна—бодрствования, привычных стереотипов поведения в повседневной жизни, взаимодействия с социальным окружением, учащение конфликтных ситуаций в семьях и воздействие инфодемии [5, 18—22]. И хотя характер применявшихся в данных исследованиях статистических подходов к анализу данных не позволяет судить о причинно-следственных взаимосвязях, выявленных в этих работах между стрессорами и показателями тревоги, некоторые из факторов риска, в частности паттерны нарушений сна, вклад просматриваемого в социальных сетях контента, изменения физической активности, потенциально модифицируемы (могут быть подвергнуты коррекции) и являются мишенью для психотерапевтического воздействия (например, в формате интерперсональной терапии, терапии социальных ритмов, когнитивно-поведенческой терапии) [23]. Анализ доступной литературы показал, что ранее не было опубликовано исследований, рассматривающих факторы риска тревоги с позиций указанной выше гипотезы о ранжировании именно модифицируемых поведенческих факторов риска развития тревоги в ответ на стресс пандемии COVID-19. В связи с этим знание о том, какие из модифицируемых дезадпаптивных поведенческих факторов вносят наибольший вклад в формирование тревоги в условиях пандемии, может позволить ограничить их негативное воздействие и последствия стресса, выступая профилактической мерой охраны психического здоровья населения.

Цель исследования — оценка модифицируемых дезадаптивных паттернов поведения, связанных с изменениями показателей тревоги в общей популяции взрослых лиц в период пандемии COVID-19.

Материал и методы

Наше исследование выполнено на выборке российской популяции (n=7777) в рамках международного мультицентрового квазиэпидемиологического проекта COMET-G (COVID-19 MEntal health inTernational for the General population), проводившегося в 40 странах (n=55 589). Дизайн, текст опросника и популяция исследования подробно описаны в предшествующих работах и детально раскрыты в приложениях к ним [20, 24—26]. В исследование включались все мужчины и женщины в возрасте 18 лет и старше.

Исследование было одобрено Этическим комитетом медицинского факультета Университета Аристотеля в Салониках (Греция) и проводилось в соответствии с принципами Хельсинкской декларации. Анкета была переведена на русский язык и дважды проверена путем обратного перевода на английский язык носителями двух языков. Данные российской выборки собирались анонимно с использованием онлайн-ссылки с автоматической записью ответов в период действия мер социальной изоляции с 30 апреля 2020 г. по 16 декабря 2020 г. Ссылка распространялась через личные и профессиональные контакты с помощью мессенджеров, групп в социальных сетях, веб-сайтов и мобильного приложения Appbonus. Первая страница онлайн-анкеты включала декларацию о добровольном согласии на участие в исследовании, поэтому респонденты могли перейти к основной анкете только после этапа своего информированного согласия.

Для оценки тревоги использовалась шкала для оценки ситуативной тревожности Спилбергера (STAI-S, Модуль F в формате опросника) [27]. Методика состоит из 20 пунктов, оцениваемых в баллах от 1 до 4. Минимальная оценка 20 баллов, максимальная — 80. Значение уровня тревожности до 30 баллов считается низким, от 30 до 45 — умеренным, от 46 и выше — высоким. Кроме того, опросник базового исследования включал разделы для сбора социально-демографической информации (модуль A), информации об общем состоянии здоровья (модуль B), отношении респондентов к теме COVID-19 (модуль C) и предпринятым мерам сдерживания распространения инфекции (модуль D). Модули E, H, I, J, K, L, M, N и P оценивали семейные отношения в период пандемии и применение мер социальной изоляции, физическую активность, питание, конспирологические убеждения о происхождении пандемии, изменения поведения в социальных сетях и сети интернет, качество и характер сна, употребление психоактивных веществ, сексуальную жизнь и изменения религиозных воззрений респондентов соответственно [20].

Статистическая обработка данных. Характеристики популяции исследования оценивались с применением методов описательной статистики с расчетом средних значений и стандартных отклонений для оценки непрерывных переменных, частот и процентных соотношений для оценки категориальных и порядковых переменных. Для того чтобы упростить оценку выявляемых взаимосвязей между переменными, описывающими изменения привычного поведения, и показателями тревоги в формате суммарного балла по шкале STAI-S, более высоким значениям которой соответствует большая тяжесть тревоги, при обработке базы данных была применена трансформация порядковых переменных таким образом, чтобы их большим значениям соответствовала большая тяжесть или степень выраженности. В дальнейшем во всех видах анализа порядковые переменные принимались за непрерывные. На первом этапе нами был проведен скрининг переменных, обнаруживающих взаимосвязи с суммарным баллом по шкале STAI-S (модуль F). С этой целью в регрессионную модель LASSO с суммарным баллом по шкале STAI-S в качестве зависимой переменной были внесены переменные опросника из модулей A, B, C, D, E, H, I, K, L, M, P. LASSO-регрессия проводилась на основе обновления ковариат с десятикратной кросс-проверкой, где расчеты проводились при значениях альфа, равных 1, с минимизацией значения лямбда до 0,0001, при максимально возможном числе итераций 100. Определенные с помощью регрессионного анализа показатели с ненулевыми коэффициентами были рассмотрены с помощью экспертной оценки на предмет их потенциальной модифицируемости, после чего обнаруженные модифицируемые переменные были включены в анализ с помощью моделирования структурных уравнений методом частичных наименьших квадратов (PLS). Модифицируемыми с экспертной точки зрения считались те переменные, на которые можно потенциально повлиять в краткосрочной перспективе. Например, информация о COVID-19 и эффективности предпринятых мер профилактики (C2, D4, K1), сохранение рутинной бытовой активности (E5), опора на физическую активность как на средство совладания со стрессом (H1), проводимое в интернете время и просматриваемый в сети контент (K3, K4, K5), качество и продолжительность сна (L1, L2, L3, L4) считались модифицируемыми переменными, тогда как пол (A1), оценка собственного здоровья (C1), наличие уязвимых родственников с повышенным риском заболеть тяжелой формой инфекции (C3), оценка финансового благополучия (E7) — немодифицируемыми. Исходя из содержания оцениваемых параметров, показатели (манифестные переменные) были объединены в латентные переменные: «Тревога» (суммарный балл по шкале STAI-S), «Интернет, время» (K3), «Интернет, контент» (K1, K4, K5), «Информированность» (C2, D4), «Качество сна» (L1, L3, L4), «Поведение» (E5), «Отношения» (E4, E6), «Физическая активность» (H1). Стандартизация переменных не проводилась, так как для манифестных переменных использовалась единая система координат. Все взаимосвязи между латентными и манифестными переменными считались формирующими по своей характеристике (formative). Регрессионные уравнения рассчитывались в виде индивидуальных множественных регрессий методом обычных наименьших квадратов (OLS). По итогам анализа рассчитывались индивидуальные веса манифестных переменных в структуре латентной переменной (w) и стандартизованные регрессионные коэффициенты (Reg) с представлением моделируемых данных в виде диаграммы путей. Размер эффекта f² путей оценивался в соответствии с рекомендациями J. Cohen [28]: ≥0,02 — небольшой, ≥0,15 — средний и ≥0,35 — большой).

Статистическая обработка проводилась с помощью программы TIBCO Statistica 13.5 («TIBCO Software Inc.» (2018). Statistica (data analysis software system), version 13. https://tibco.com.), а моделирование структурных уравнений методом PLS — в программе XLSTAT («Lumivero», 2023).

Результаты

Проанализированы данные 7777 респондентов (средний возраст 32,96±11,94 года), их описательная характеристика приведена в табл. 1. Средний суммарный балл по шкале STAI-S в изученной нами выборке был равен 44,75±11,64. Число лиц с низкими уровнями тревоги (<30 баллов) составило 647 (8,32%), с умеренными (от 30 до 45 баллов включительно) — 3345 (43,01%), с высокой ситуативной тревогой (>45 баллов) — 3785 (48,67%).

Таблица 1. Социально-демографические характеристики российской популяции проекта COMET-G (n=7777)

Результаты регрессионного анализа методом LASSO приведены на рис. 1 на цв. вклейке. По его результатам в модели осталась 21 переменная, продемонстрировавшая наиболее высокую значимость при прогнозировании значения суммарного балла ситуативной тревожности по шкале STAI-S. Ранжированный перечень переменных в порядке снижения показателей статистической значимости представляет следующую последовательность: B1, K1, L1, C1, L4, E5, E7, C3, K5, C4, D4, E3, K4, E6, L3, E4, E2, K3, H1, C2, A1 (мужской пол). Полученная модель объясняет 48,4% вариабельности показателя суммарного балла ситуативной тревожности по шкале STAI-S (R²=0,484, df=62, RMSE=8,439).

Рис. 1. Зависимость величины регрессионных коэффициентов, характеризующих социально-демографические переменные и показатели повседневной поведенческой активности, от снижения значения показателя лямбда на каждой их последующих итераций при моделировании суммарного балла ситуативной тревоги по шкале STAI-S с применением метода регрессии LASSO.

После рассмотрения переменных на предмет модифицируемости (управляемости) с помощью экспертной оценки (ТС, ДС) в финальную PLS-модель анализа путей (взаимосвязей) были отобраны переменные C2, D4, E4, E5, E6, H1, K1, K3, K4, K5, L1, L3, L4 (табл. 2). Структура PLS-модели в виде диаграммы путей приведена на рис. 2. Показатель адекватности (goodness-of-fit) для внешней модели составил 0,618, а для внутренней модели — 0,989, что подтверждает приемлемое качество внешней модели и высокое — внутренней модели. Полученный коэффициент детерминации R² модели для показателя ситуативной тревоги равен 0,303, что соответствует умеренным значениям. Вместе с тем размеры эффекта для каждого из путей были небольшими. Наиболее выраженные размеры эффекта были обнаружены для путей (I) от интернет-контента к тревоге (f²=0,099), (II) от качества сна к тревоге (f²=0,088) и (III) от поведения к тревоге (f²=0,019) (табл. 3).

Таблица 2. Характеристики переменных, отобранных для включения в PLS-модель анализа путей с целью выявления модифицируемых факторов риска развития тревоги

Рис. 2. Диаграмма путей-взаимосвязей модели структурных уравнений для управляемых (модифицируемых) факторов риска развития ситуативной тревоги в условиях стресса пандемии COVID-19 и применения мер социальной изоляции.

Латентные переменные указаны в овалах, манифестные переменные приведены в прямоугольниках. Серым цветом выделены элементы внутренней модели, серым и белым — внешней модели.

Таблица 3. Пути-взаимосвязи факторов риска развития тревоги и уровня ситуативной тревожности, ранжированные в порядке убывания величины размера эффекта (f²) при моделировании методом PLS-регрессии

Обсуждение

В ходе исследования были подробно изучены факторы, оказывающие влияние на показатели ситуативной тревоги у представителей российской популяции в условиях воздействия глобального интенсивного стрессогенного фактора пандемии COVID-19 и связанных с ней мер социальной изоляции. Из выявленных факторов на основании экспертной оценки был определен перечень тех, которые могут быть потенциально управляемы (модифицированы) в краткосрочной перспективе. К ним отнесены такие переменные, как (I) время, проводимое в интернете, и реакция на просматриваемый в сети негативный информационный контент, (II) изменение режима и качества сна, (III) поддержание привычной, рутинной бытовой активности, (IV) доступ к информации о происхождении и распространении инфекции и эффективности мер предосторожности.

В целом полученные нами результаты подтверждают выводы предыдущих работ. Расстройства сна с поздним засыпанием, прерывистым ночным сном и кошмарными сновидениями, по данным нескольких систематических обзоров и метаанализов, являлись распространенными нарушениями, наблюдаемыми в период пандемии COVID-19 [29—31]. Однако в этих работах изменения паттерна сна рассматривались не как фактор риска развития тревоги, а как переменная интереса среди спектра изучаемых психических и поведенческих расстройств, ассоциированных со стрессом пандемии и мер социальной изоляции. По результатам опроса населения, проведенного в период с 9 по 16 февраля 2020 г. в нескольких муниципалитетах Китая, было показано, что вероятность формирования тревоги в значительной мере ассоциировалась с фактором времени, затрачиваемого на просмотр новостей о COVID-19 [32]. В двух работах, проведенных в Латвии, было показано, что доверие к информации о COVID-19 в интернете играет одну из ключевых ролей в вопросах следования мерам профилактики инфекции [33, 34]. При моделировании факторов, определяющих тревожные реакции у учащихся высших учебных заведений на самых начальных этапах пандемии в Китае, наибольший вклад имел показатель медицинской грамотности, который оказывал влияние на отношение к информации о вирусе и пандемии COVID-19 [35]. Среди модифицируемых факторов риска развития тревоги в обобщенном анализе популяции 40 стран исследования COMET-G был выделен только показатель поддержания привычного уклада бытовой жизни и повседневной деятельности (переменная E5), однако при этом в модель не включались показатели изменения характеристик сна и активности в сети интернет [20]. По результатам нашего исследования, сохранение привычной, рутинной бытовой активности также явилось значимым защитным фактором, сдерживающим повышение ситуативной тревоги в ответ на стресс пандемии.

Несмотря на то что в качестве наиболее значимого фактора риска развития тревоги в нашей работе был определен показатель субъективной оценки состояния соматического здоровья, который в свою очередь был расценен как немодифицируемый фактор, именно управляемые (модифицируемые) факторы в своей совокупности объясняли большую часть вариабельности уровня тревоги в контексте стресса пандемии. Об этом свидетельствует то, что коэффициент детерминации модели, включающей все переменные, равен R²=0,484, а у модели, включающей только модифицируемые факторы, — R²=0,303. Анализ путей-взаимосвязей показал, что латентные переменные, сформированные показателями, характеризующими влияние интернет-контента, а также оценивающими нарушения режима и качество ночного сна, обладают приблизительно одинаковым влиянием на суммарный балл по шкале STAI-S (как и фактор сохранения паттерна поведения в рамках поддержания привычной бытовой активности) и представляют собой три основных фактора, вносящих вклад в динамику показателей ситуативной тревоги в контексте стресса пандемии, демонстрируя в модели стандартизованный коэффициент регрессии >1.

Полученные сведения могут указывать на то, что упреждающее применение терапевтических и психогигиенических мероприятий, направленных на поддержание качества ночного сна, ограничение потребления негативного информационного контента и сохранение привычной повседневной активности, может обладать протективным действием в отношении развития ситуативной тревоги у населения в контексте и на примере изучаемого нами стрессогенного фактора пандемии.

Ограничением данной работы является то, что оцениваемые модели рассматривают факторы, ассоциированные с ситуацией дистресса в контексте пандемии COVID-19 и связанных с ней ограничительных мер, в качестве определяющих динамику показателей тревоги. В то же время возможны и другие интерпретации, например объясняющая изменения поведения и качества ночного сна как следствие тревожной реакции на стрессовые события пандемии, или как часть функционирующего порочного круга: «информация → тревога → поиск информации», «поиск информации → нарушения режима и качества сна → тревога → усугубление расстройств сна». Тем не менее в ряде работ, прослеживающих динамику поведения на разных этапах пандемии, было показано, что поведенческая реакция в плане поиска информации в интернете и изменение привычек сна могут являться первичной реакцией на угрозу пандемии, поэтому данный вопрос должен быть корректно изучен в будущих исследованиях.

Заключение

Принимая в расчет выявленные ключевые управляемые или модифицируемые факторы риска развития ситуативной тревоги в ответ на стресс пандемии и мер социальной изоляции, в частности (1) нарушения режима и качества сна, (2) «думскроллинг», «думсерфинг» или потребление негативной информации о вирусе и пандемии в сети интернет, и управляемый протективный фактор для сдерживания тревоги в форме (3) поддержания привычной бытовой активности, можно сделать вывод, что меры по информированию населения и терапевтические рекомендации, указывающие на необходимость (I) контроля объема затрачиваемого времени и мониторинга содержания просматриваемого в интернете контента, (II) регуляции режима «сон—бодрствование» и (III) сохранения привычного поведения в бытовых аспектах жизни, могут снизить вероятность развития тревожных расстройств в контексте воздействия глобального хронического стрессогенного фактора, которым выступили пандемия COVID-19 и ассоциированные с ней меры социальной изоляции.

Авторы заявляют об отсутствии конфликта интересов.