文章來源于微信公眾號（茗創科技），歡迎有興趣的朋友搜索關注。

前言

精神分裂癥是一種使人衰弱的精神疾病，全世界約有?2000?萬人受其影響。精神分裂癥的主要特征有：如幻覺、妄想、動機減弱、情緒低落等癥狀。然而，精神分裂癥的另一個核心特征是認知能力受損。大多數精神分裂癥患者都有認知障礙，而且存在于許多認知領域，如注意、記憶、執行功能等。為了描述精神分裂癥影響的認知領域并鼓勵創新新的治療方法，改善精神分裂癥認知的測量和治療研究(MATRICS)將認知測量分為七個神經認知領域：加工速度、注意/警覺、工作記憶、語言學習和記憶、視覺學習和記憶、推理和問題解決以及社會認知。認知障礙出現于疾病早期，通常出現在許多臨床癥狀之前，甚至持續時間更久，因為認知障礙往往不能通過藥物治療得到補救。在高危人群中，認知障礙也獨立于其他共病預測精神病的發病，使其成為精神分裂癥的一個重要危險因素。與其他臨床癥狀相比，認知表現也被發現是精神分裂癥患者功能不佳的一個強有力的預測因子。這種精神分裂癥中持續存在的認知障礙，從前驅癥狀到首發癥狀再到持續性精神分裂癥，可能反映在大腦結構的變化中。

對精神分裂癥患者的結構成像研究一致表明，與健康對照組相比，其灰質體積普遍下降，特別是在額葉和內側顳葉區域，以及包括海馬和杏仁核在內的皮層下結構。有關表面積和皮層厚度的研究發現，精神分裂癥患者的皮層廣泛變薄，皮層外表面面積減少。考慮到精神分裂癥患者普遍存在的大腦和認知改變，大量文獻研究了大腦結構異常(如體積減少、皮層變薄、表面積減少)是否與精神分裂癥患者的認知缺陷有關，并最終發表了幾篇綜述和有針對性的?meta?分析。簡單來說，如加工速度的缺陷與顳葉體積的減少和心室體積的增加有關。注意障礙與額葉和顳葉的結構改變有關，也與皮層下區域體積普遍減少有關。工作記憶的減少與額葉和顳葉體積和皮層厚度的減少有關，而語言學習和記憶缺陷與海馬體積減小相關。視覺學習和記憶受損與海馬體積減小、額葉和初級視覺枕葉體積減小相關。推理和問題解決能力的缺陷，包括高級執行功能，也與額葉體積的減少有關，更具體地說，是背外側前額葉皮層。最后，受損的社會認知與杏仁核、前額葉皮層、顳葉和頂葉的一些結構缺陷有關，包括灰質和白質體積的減少。但值得注意的是，雖然這些綜述和元分析表明，精神分裂癥患者的大腦結構和認知之間存在明確的聯系，但個別研究的大腦結構-認知結果之間卻是模棱兩可的。

研究者借鑒了 Yeo 及其同事(2011)研究中的腦功能網絡分割。Yeo 等人對經典的 7 個網絡進行了命名，包括：在休息時活動的默認模式網絡(DMN)作為大腦的默認設置；背側注意網絡(DAN)用于將注意力外部導向任務；目標定向執行控制的額頂控制網絡(FPN)；處理情緒和情感的邊緣網絡；負責運動和軀體感覺的軀體網絡(SOM)；腹側注意網絡(VAN)負責對顯著刺激的注意和非自主行為；視覺網絡(VIS)負責空間視覺和方向。這樣分割可以幫助識別精神分裂癥復雜的結構異常以及精神分裂癥大腦結構與癥狀之間的聯系。但是，Kirschner 等人(2020)觀察到默認模式和視覺網絡之間的關聯，該網絡包含認知缺陷和負性癥狀，這是精神分裂癥的兩種穩定特征。這些發現揭示了精神分裂癥潛在的結構-功能關聯。因此，從腦功能結構的角度重新構建精神分裂癥的結構-認知，可能有助于闡明精神分裂癥腦結構-認知聯系的復雜性。

基本原理和目標

研究者首先進行了全腦元分析，以確認精神分裂癥患者的特定領域和整體大腦結構之間的關聯，并評估偏倚風險和研究質量。然后，使用?Yeo?等人(2011)定義的七個腦網絡來研究網絡-認知關聯。將腦結構-認知關聯置于功能網絡地形中，能夠更好地理解文獻中報道的認知域和大腦結構之間的復雜相互關系。

文獻檢索

研究者用OVID (MEDLINE、PsycInfo、Health and Instruments和EMBASE)和EBSCO (CINAHL)數據庫進行了全面的文獻檢索。搜索關鍵字為：(精神分裂*或精神病)、(認知*注意、警覺、加工速度、處理速度、推理、問題解決、執行功能、言語記憶、語言學習、視覺記憶、視覺學習、工作記憶)和(大腦結構*?形態學*或體素、皮層厚度、表面積)。

納入標準

①同行評審的文章；②診斷為精神分裂癥譜系障礙(精神分裂癥、分裂情感性障礙和分裂樣障礙)的患者；③使用結構磁共振成像(t1加權或t2加權MRI)包括認知和大腦結構(如體素、厚度、表面積)之間的直接關聯。

數據提取

檢索所選文章的全文，由兩位獨立審查人(MK，PH)提取數據。由獨立審查人(CL)對大約45%完全提取后的文章進行質量控制。另外兩名獨立審查員(DRC，KML)審查所有報告結果的認知領域和網絡分類。提取的信息包括人口統計學信息(樣本量，診斷，性別比例，患者和對照組的年齡，適用與否)，結構MRI指標(例如，體素，皮層厚度，表面積)，結構MRI腦覆蓋(例如，頂點，感興趣區域(ROI)，全腦)，認知測量(認知測試，認知得分)，以及結構與認知指標之間的直接聯系(分析技術、效應值、統計類型和顯著性)。

認知測試被分為8個領域，包括7個矩陣域：加工速度(SP)、注意和警覺(ATT)、工作記憶(WM)、語言學習和記憶(VM)、視覺學習和記憶(VisM)、推理和問題解決和社會認知(SC)。語言流暢性(VF)被添加為第八個領域，因為其在處理速度中的作用受到質疑。此外，MATRICS領域推理和問題解決被重新命名為推理和執行功能。

元分析

使用?CMA 2.2.021?進行?meta?分析，計算每篇研究的?Fisher’s Z，因為主要結果涉及大腦區域和認知之間的相關性。采用隨機效應模型進行?meta?分析，該模型假設每項研究的真實效應大小是不同的。此外，根據樣本量對研究進行加權，這對于控制少數可能異質性患者的研究來說是很重要的。首先對每個認知領域和所有大腦結構之間的相關性進行元分析。

元分析示意圖

從數據庫搜索確定了7259篇文章。除去4931份復本、書籍和會議摘要后，剩余2330份被隨機分配給三名評估者。有199篇文章標記為全文篩選，另有13篇文章來自參考文獻列表。在系統回顧115篇文章中，有27篇文章由于沒有報告相關值的效應，無法聯系到作者，或使用分析技術與研究者所使用的軟件不兼容。因此，最終納入了88篇原始研究文章。

圖1.根據?PRISMA?標準選擇文獻的流程圖。

全腦與認知領域元分析

研究者對認知領域中的八個方面都進行了元分析，以確定它們是否與包括所有結構指標在內的整體大腦結構相關。這八個方面的?Fisher’s?Z?值均為?0.087 (VF) ~ 0.669 (SC)（見圖2；隨機森林圖）。

圖2

?隨機森林圖

注：橫線代表研究結果的可信區間，即該研究真值存在的范圍。橫線越長，表示樣本量越小，結果越不可靠；橫線越短，表示樣本量越大，結果越可靠。圓點的位置代表單個研究的效應量。圓點的大小代表研究的權重，即該研究對meta分析的貢獻度。菱形代表合并后的結果。豎著的虛線叫無效線，若某個研究置信區間橫跨無效豎線，表明該研究無統計學意義，如果不相交就有統計學意義。

偏倚檢驗

研究者采用羅森塔爾檢驗中的?Egger’s?不對稱性檢驗和 Fail-Safe N 失安全系數，來評估發表性偏倚。Egger’s 不對稱性檢驗表明 R&EF、SC和VF存在潛在的發表性偏倚(p＜0.05)；然而，失安全系數N沒有發現存在偏倚。此外，所有認知版塊的 Cochran’s Q 檢驗 p?值低于?0.1，表明研究之間存在異質性。同樣，I2指數在所有認知版塊中顯示出中度至高度的異質性，但VF顯示出低至中度的異質性。

網絡子群分析

使用腦網絡地形圖(圖3)發現，在精神分裂癥患者的特定網絡和認知域之間存在顯著(以彩色顯示的連接)和不顯著(以灰色顯示的連接)的相關性。此外，能夠觀察到每個網絡中的哪些大腦結構與特定的認知領域存在顯著的相關性(圖4)。

圖3

圖4

子群結構分析

選擇杏仁核、小腦、海馬區域進行分析(圖5)。從下圖可以看出，SP與海馬和杏仁核的相關性顯著；ATT只與小腦的相關性顯著；WM與這三個結構體均呈顯著相關；VM與海馬顯著相關；VisM與小腦和海馬顯著相關；R&EF與海馬和杏仁核顯著相關；SC與海馬和杏仁核顯著相關；VF與小腦顯著相關。

圖5

元分析結果表明，精神分裂癥患者最常被評估的認知版塊和大腦結構之間存在著強烈的聯系，與這些認知版塊相關聯的網絡數量通常表明了該版塊的復雜性。研究者還確定了精神分裂癥患者的杏仁核、海馬體和小腦與認知的多重關聯。此外，結構上定義的大腦網絡是否映射到功能網絡的問題值得進一步研究。未來研究可以側重于確定哪些皮層厚度或表面積使得文中所提到的體素發生了變化。這一領域還需要對首發精神病或高危人群進行更多研究，以確定這些與認知有關的結構和網絡聯系是否存在于精神病的早期階段，這將有助于對該障礙的神經發育方面的更深層次理解。

原文：Structural brain correlates of cognitive function in schizophrenia: A meta-analysis.

https://doi.org/10.1016/j.neubiorev.2021.11.034

總結

以上是生活随笔為你收集整理的元分析 | 精神分裂症患者认知功能的脑结构相关的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。