【均值加减标准差】文献解读｜缺陷和非缺陷型精神分裂症脑网络功能紊乱的共性和异性

资料来源：馅饼集团

#指南

精神分裂症是一种高度异质性的疾病，缺陷型精神分裂症(DS)和非秘密型精神分裂症患者(NDS)在症状上存在差异。

精神分裂症不是单一神经回路异常，而是多个神经回路连通性障碍（如额叶纹状体和额颞叶通路）。相较于结构网络，功能网络可以捕获动态交流信息。精神分裂症的全脑功能连接研究已广泛应用静息态功能性MRI（R-fMRI）来测量自发的内在脑活动。已有R-fMRI研究发现阳性和阴性症状为主的精神分裂症患者之间的功能连接存在差异，表明精神分裂症中不同症状和（或）疾病亚型间具有不同的神经学基础。因此，探索阴性症状显著且持久的的DS患者脑功能网络特征具有一定价值。

*缺陷型精神分裂症(Deficit Schizophrenia,DS)

*非缺陷型精神分裂症(Non-Deficit Schizophrenia,NDS)

缺陷和非缺陷型精神分裂症脑网络功能紊乱的共性和异性

作者：Miao Yu, Zhengjia Dai, Xiaowei Tang, et al.

# 回答什么问题

本文提出了三个研究假设：

1. 在全脑水平上，DS和NDS患者组存在的共同特征为功能分离的减少（就局部网络效率而言），而全局网络整合存在差异（就全局效率而言）；
2. 在节点水平上，DS患者有特定的脑区改变，主要位于颞叶；
3. 这些网络异常可能与患者的精神症状或神经认知变量有关；

# 如何回答

1. 被试：中国江苏省扬州五台山医院精神病康复科招募的20-65岁之间的精神分裂症男性患者，其中包括40例DS和44例NDS患者；以及根据年龄、右利手情况匹配的健康对照组HCs。评估头部运动情况（即平移超过3 mm或旋转3度）或图像质量后，排除了14名受试者。最终有33例DS患者、41例NDS患者和40例HCs纳入功能磁共振成像分析。
2. 临床评估：精神分裂症症状的严重程度通过简明精神病评定量表（BPRS），阴性症状评估量表（SANS）和阳性症状评估量表（SAPS）进行评估。根据对18个项目BPRS的进行全面因子分析，分为阳性、阴性、紊乱、情感症状。探索性分析使用4个SANS成分：19项总分（SANS1），表达减少（SANS2），社交缺乏（SANS3）和表达和动机缺乏（SANS4）。
3. 神经认知评估：通过一系列经典的神经认知测试对参与者进行评估，其中包括数字警觉测试（DVT）、动物命名测试（ANT）、受控口头词语联想测试（COWAT），模块设计（韦氏成人智力测验中文修订版[WAIS-RC ]）、连线测试A，B（TMT-A，B），Stroop色词测验（SCWT）和空间处理（模块设计）。根据先前关于认知评估的结果，这些认知测试分为四个维度：持续的警惕/注意（以下标记为持续注意）、思维流畅、认知灵活性和视觉空间记忆。
4. 图像采集：使用3T MR系统（GE HDx）和8通道相控头颅线圈，为了最大程度地减少头动，在扫描过程中，将每个对象头部固定在线圈内部的缓冲垫上。R-fMRI采用梯度回波-平面回波成像（GRE-EPI）序列，扫描参数为重复时间（TR）= 2000毫秒，回波时间（TE）= 25毫秒，翻转角= 90°，层数= 35，视野（FOV）=240×240 mm2，层厚=4 mm，无间隔，矩阵=64×64，体素大小=4×4×4 mm 3。
5. 图像处理：使用SPM8软件包和图论网络分析工具箱（GRETNA）进行了数据预处理。为了保证磁场均匀性，将前10个体素丢弃，剩余的230个体素先进行时间层校正，然后进行头动校正和空间标准化。消除了时程的线性趋势后，对所得图像进行了进一步滤波（0.01–0.08 Hz），以减少低频漂移和高频噪声的影响。最后，进行协变量回归，降低头动、脑脊液信号、白质信号和全局平均信号的影响。
6. 网络构建：建立由节点和连接节点的边组成的脑网络。节点代表脑区，边代表脑区间的功能连接。采用了自动解剖标记（AAL）图集将大脑分成90个感兴趣区域（ROI）（每个半球为45个）。通过平均该区域内所有体素的剩余时间序列来估算每个ROI的时间序列。为了测量区域之间的功能连接，计算了所有可能脑区之间时间序列的Pearson相关系数，每个受试者产生了一个相关矩阵（90×90）。将每个相关矩阵（Pearson相关系数）阈值化为具有固定稀疏度或密度值（定义为网络中现有边数除以最大可能边数）的无向二值化矩阵。设置具体稀疏度阈值确保3组中的网络具有相同数量的边或布线成本。以0.01的间隔计算了广泛的网络稀疏度或网络密度（8％≤s≤50％）的大脑网络属性，其中小世界属性反映了功能分离和功能整合之间的最佳平衡，并减少了虚假边的数量。通过该阈值处理，每个被试获得了一组90×90的二值化矩阵。
7. 网络分析：分别计算了全局和局部网络度量以表征其全脑结构和节点中心性。全局度量包括：（1）功能分离度量：聚类系数（Cp）、标准化聚类系数（γ）和局部效率（Eloc）；（2）功能整合度量：特征路径长度（Lp）、标准化特征路径长度（λ）和全局效率（Eglob）；（3）小世界属性：σ（σ=γ/λ）。对于局部节点网络指标，采用了2个节点中心度，即节点度（knodal）和节点效率（E nodal）。为每个网络指标计算了曲线下的面积（AUC）。
8. 统计分析：

• 人口统计学、临床和认知数据等连续变量：均值±标准差、一般线性模型（GLM）分析。分类变量：卡方检验。
• 比较DS和NDS组间的精神病症状：双样本t检验。
• 两个精神分裂症亚组之间认知域综合得分：效应量（Cohen’s d）估计。
• 为了确定全局网络指标和局部节点特征的组差异，对三组中每个网络指标（功能分离和整合、小世界指标和节点中心度指标）的AUC：单变量协方差分析（ANCOVA）。
• 节点中心性分析的多重比较：FDR校正。采用线性模型进行两两比较。
• 头动（FD）是静息态功能混杂因素。为了去除头动的可能影响，在统计模型中加入FD均值、年龄和教育程度作为协变量来分析所有网络指标。
• 评估氯丙嗪（CPZ）等效日剂量和病程对网络指标的影响，以进行DS和NDS间的两两比较。显著性水平为P＜0.05。
• 在任何网络指标中观察到群体差异时，评估这些指标与临床和认知变量（认知域的综合评分）之间的关系：

1. 与HCs相比，对于DS和NDS患者共享的异常网络指标，通过多元线性回归分析（因变量：网络指标的AUC显示组间差异；自变量：临床/认知变量，将组效应、平均FD、年龄、教育程度、药物剂量和病程作为协变量，进行多元线性回归分析。
2. 对于DS和NDS患者中不同的异常网络指标，使用多元线性回归（均值FD、年龄、教育程度、药物剂量和病程为协变量）探索这些指标与特定组内临床和认知变量间的相关关系。

# 用什么证据回答

• 功能脑网络的全球拓扑结构：DS组的平均FC强度显著低于HC组（P= .002），且FC强度稍低于NDS组（P= .091）（图1A）。

*图1A

这3组在0.08至0.50稀疏度范围内展示了典型的小世界特征，即功能脑网络具有更大的聚类系数（γ> 1）和相似的特征路径长度（λ≈1），3组小世界指标σ> 1（图1B）。

*图1B

与HC组相比，NDS与DS组脑网络的Eloc、Cp呈均降低，而DS组Lp和λ降低，而Eglob增高；与NDS组相比，DS组在大脑网络中的λ值显着降低，并且具有较低的Lp和较高的Eglob趋势（表2）。

*表2

• 功能脑网络的局部拓扑结构：节点度的差异主要在额叶、颞叶、枕叶和皮质下（表2和图2A）。

*图2A

与HC组相比，NDS和DS组在左额下回（眶部，ORBinf）和右海马中的结点度增高，而右枕下回（IOG）、右舌回（LING）、右壳核和右苍白球的结点度降低；与NDS组相比，DS组右颞下回（ITG）的节点度更高（图2C）。

*图2C

• 网络指标与临床变量之间的关系：对于全局网络指标：DS组中较低的Lp和较高的Eglob与BPRS总分具有相关性（图3A）；DS特征性降低的λ与BPRS总分呈负相关。对于节点度指标：精神分裂症患者右海马的较高节点度与SANS1和SANS3因子呈正相关（图3B）。精神分裂症组中右苍白球的节点度与SANS4因子呈负相关（图3C）。精神分裂症组右壳核的低结节度与视觉空间记忆呈正相关，与SANS1，SANS2，SANS3和SANS4因子呈负相关（图3D）。NDS组右海马的节点度与SANS3因子呈正相关。NDS组中右苍白球的节点度与SANS1，SANS2和SANS4因子呈负相关。

*图3

# 结论

本研究比较了DS和NDS患者之间网络功能障碍的共同及差异脑区，表明处理视觉情感和社交功能神经回路的受损是DS患者的特征脑区。

# 主要问题

1. 所有患者都接受了抗精神病药物治疗，可能会由于多巴胺或其他受体的拮抗作用，导致功能连接性和网络参数的改变；尽管控制了抗精神分裂症药物的用量，但是研究也应考虑药物的长期使用产生的混杂因素；
2. 本研究招募了慢性精神分裂症患者，精神分裂症患者的病程可能会为神经影像分析带来潜在的混杂因素；
3. 本研究中应用了样本相对较小的探索性分析，需要多模态神经影像学来补偿单模态神经影像学技术的相对低准确率和低灵敏度。

# 有什么启发

本研究详细研究DS和NDS的网络共同性及异同性，未来研究中可以进行阴性症状因子的研究。

# 原文链接

主讲&翻译：蒯新平

编辑&排版：金书玉、李嘉琳

审校：PHI group

文字：PHI group