跳到正文
原文
Journal of Child Psychology and Psychiatry· Daniela G. Juarez, Katherine E. Jennings, Arielle S. Keller 等 4 人
· 12 天前精选AI 评分67

预测与解释青少年精神病理:环境数据可预测,脑测量调节效应

Prediction versus explanation of preadolescents' psychopathology: environmental data predict while brain measures moderate effects

AI 导读

研究想弄清环境风险、脑特征及其交互对精神病理的作用在预测与解释两类目标下是否不同。作者使用 ABCD 研究第 5.1 版中最多 9,370 名被试的基线数据,以儿童行为量表评估症状,把家长报告、青少年报告和地理编码数据合成一般暴露组因子及六个子因子,并纳入结构、静息态功能连接和弥散磁共振指标,用嵌套交叉验证比较预测效力,再用弹性网络在非预测分析中识别脑与环境的交互。结果显示环境数据在未见数据上的预测远优于脑影像,交互项未提升预测准确率,但海马、杏仁核、突显网络和注意网络相关指标在调节变量中占比较高。

推荐理由

基于 ABCD 研究 9,370 名青少年的环境、脑影像与精神病理数据,用嵌套交叉验证比较环境与脑指标的预测力,并以弹性网络找出脑与环境的交互。

摘要 · AI 翻译

背景 脑特征、环境风险及其交互作用被认为促成了精神病理学的发展。然而,目前尚不清楚这些因素在预测性目标与解释性目标中的效用是否不同;很少有预测性研究将神经影像与环境特征结合起来并加以比较,而针对解释性过程的脑×环境研究也尚未采用全面的、数据驱动的方法。在此,我们整合了神经影像与环境数据,以预测青少年的精神病理学,并探索基于脑的环境影响敏感性指标。方法 利用青少年脑认知发展(ABCD)研究(5.1 版),我们对多达 9,370 名具有完整基线环境、神经影像和精神病理学数据的参与者进行了分析。症状采用儿童行为量表进行评估。从家长报告、青少年报告和地理编码数据中测得的环境暴露被用于构建一个一般暴露组因子和六个特定子因子。解剖、静息态功能连接和扩散 MRI 数据被作为基于脑的预测因子纳入。嵌套交叉验证模型评估了环境数据、神经影像数据及其交互作用的预测效用。弹性网络模型在非预测性分析中识别出脑×环境交互作用。结果 在预测未见数据中的精神病理学方面,环境数据远远优于神经影像。尽管脑×环境交互作用并未提高预测准确性,但它们在非预测模型中揭示了环境效应的神经调节因子。涉及海马、杏仁核、突显网络和注意网络的指标在神经调节因子中占比过高。某些脑特征赋予了对支持性和不良环境敏感性升高或降低。结论 我们的发现不仅凸显了环境数据在预测青春期前精神病理学方面的价值,还表明神经影像数据在支持情境神经敏感性解释模型方面发挥作用。

中文由 AI 翻译,仅供参考,以原文为准。

来源:Journal of Child Psychology and Psychiatry · acamh.onlinelibrary.wiley.com

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。