此研究对象为山东省某市所有地铁列车驾驶员，在2023年10月8日至11月21日以机房上机答卷的形式收集1024位驾驶员测评答卷。比较对象分别为2010年童辉杰提出的常模( 童辉杰，2010 )，2020年Dang W等提出的体检中心人群的常模( Dang et al., 2021 )，2019年昆明地铁列车驾驶员的常模( 何静，刘宇，2019 ) "> 以及2023年西安铁路局乘务员的常模( 杨少华等，2023 )。

为收集一般人口学信息，此研究制定一般情况自制量表，该量表由年龄情况、工作时长、睡眠时长、婚姻状况、家庭人数、工作年限、运动习惯、抗压能力、面对困难、有人倾诉、财务情况11个问题组成，每个问题均包含三个选项，得分范围为0~2 (严重程度0分最低，2分最高)。11个项目全部回答者界定为有效问卷( 罗丹等，2018 )。

采用症状自评量表SCL-90，其中包括躯体化、强迫症状、人际敏感关系、焦虑、敌意、恐怖、抑郁、偏执、精神病性、其他10个因子，90个条目，每个项目得分为1分(“从来没有”)至5分(“很重”)。90例项目全部回答者界定为有效问卷。各因子均分 = 因子相应题目的总分/题目数，总量表总分为90题得分求和( 王姿欢等，2017 )。

使用SPSS统计软件包对数据进行统计分析。计数资料经正态性检验符合正态分布，以 $\bar{x}\pm s$描述。样本量较大，SCL-90因子得分情况使用Z检验做对比分析，p < 0.05为差异有统计学意义；使用R对数据从网络估计、网络准确性和网络稳定性等方面进行网络分析( Wasserman & Faust, 1994 )；通过R语言中“pcor”包进行高斯图形模型来估计网络；“bootnet”使用扩展贝叶斯信息准则；使用“qgraph”包中的“中心性图”函数来完成网络准确性分析，使用“case dropping bootstrap procedure”估计网络稳定性。

1024位列车驾驶员11项核心内容中，除婚姻状况及工作年限外，0分人数均最高，且年龄状况、面对困难和有人倾诉的0分人数占到87%以上，有人倾诉0分人数最高，为930人；1分人数及2分人数大致呈递减趋势，最少人数为2分的婚姻状况，仅有2人。见 表1 。

1024位列车驾驶员10项因子得分平均分范围为1.15~1.83，标准差为0.29~0.59，强迫症状平均分最高，恐怖因子平均分最低；10个因子最高得分为强迫症状4.1分，最低得分为精神病性2.9分。见 表2 。

此研究中，某市驾驶员SCL-90各因子分均显著低于2020年国内常模(p < 0.05)；躯体化、强迫症状因子分均显著高于2010年常模(p < 0.05)，人际敏感、焦虑因子分与2010年常模相比没有显著差异(p > 0.05)，抑郁、敌对、恐怖、偏执、精神病性因子分均显著低于2010年常模(p < 0.05)。见 表3 。

注：“其他”维度得分比较意义较小，全国常模未将其纳入比较范围。^*代表p < 0.05。

经对比发现，某市驾驶员总人数介于其余两单位总人数之间，SCL-90各项因子得分均低于2019年昆明地铁常模和2021年西北某铁路(p < 0.05)。此测试分值接近2019年昆明地铁的常模，而相比2023年西北某铁路相差较大，但整体因子得分趋势一致，所有数据强迫症状因子得分均最高，恐怖因子得分均最低。见 表4 。

注：“其他”维度得分比较意义较小，两单位常模未将其纳入比较范围。^*代表p < 0.05。

网络估计图中，对于边缘权重连接更强的症状节点彼此之间的距离更近，节点之间的线(边)绿色表示正相关，红色表示负相关，边缘的宽度与症状节点之间的关联强度成正比( Belvederi et al., 2018 )。如 图1 所示，图中显示了十大因子症状和相关影响因素的正相关与负相关关系，大多数节点以正相关关系为主。在十大因子症状中，抑郁状态与焦虑状态、人际关系敏感表现出最强的联系，抑郁状态处于图中心位置，与其他节点关联性最强，人际关系敏感与强迫症状也表现出较高的正相关性，但与躯体化状态成负相关；在相关影响因素中，年龄情况与工作时长的中心性最高，并且年龄情况与工作年限两节点几乎重合，联系最紧密，婚姻状态作为边缘节点，展现十分显著的负相关性；在十大因子症状与相关因素中，图中心节点焦虑状态、抑郁状态、其他状态与年龄情况、工作时长、工作年限相比于其他节点关系更为紧密，偏执状态和结婚状态的全局负相关较强，且边缘节点多数呈现较差的影响力。

由 表5 可知，罗列的部分相关节点权值清晰展现节点间影响力( Wang et al., 2020 )，主要节点如抑郁状态，与焦虑状态权值为0.83，与人际关系敏感为0.79，在所有节点中表现最高数值，抑郁状态对其余节点权值总数最高。年龄情况和工作年限是相关影响因素中呈现权值较高的，彼此间权值为0.60。结婚状态是所有节点中权值总和唯一为负值的，与年龄情况和工作年限权值最高，分别达到−0.38和−0.47。

网络分析为每个节点提供定量中心性指数，该指数取决于网络的独特配置( Zhu et al., 2022 )。研究报告了十大因子及影响因素中强度(Strength)、紧密性(Closeness)和中介性(Betweenness)的网络中心性测量，如 图2 所示。强度是衡量节点在网络中与其他节点之间连接的总权重或强度的指标，年龄状况和工作年龄表现出最高值；接近度反映了一个节点与网络结构中所有其他节点的接近程度，年龄状况与抑郁状态以及工作年龄显示了最高估计值；中介性衡量了一个节点在网络中所有最短路径中出现的频率( Zagaria et al., 2023 )，整个网络中，节点频率指数差距相对明显，遇到困难与抑郁状态以及年龄状况远超其他节点；在网络中心性的三个指数中，财务状况均为最低得分，年龄状况和工作年龄均保持较高数值。

网络结构稳定性是通过逐步删除子集观察节点在强度、紧密性及中介性方面与原始样本的平均相关性指标是否稳定以确定中心性指数的稳定状态( Hevey, 2018 )。x轴表示每个步骤中的案例百分比。y轴描述了网络与原始样本的中心性指数与重新估计后样本中心性指数之间的平均相关性。该检验依赖于95%置信区间，以确定两个边缘权重或两个节点中心性指数是否彼此显著差异( 刘昕等，2024 )。由 图3 可知，强度和紧密性在逐渐减少抽样案例的情况下保持了极高的稳定性，而中介性的稳定性较差，在抽样案例达到5%时，与原始样本的评价相关性指数下降至最低。