识别抑郁症状发展轨迹
识别具有相似抑郁症状发展轨迹的参与者亚组。
使用潜在类别混合模型(LCMM)对四次时间点(年龄9-20岁)的抑郁症状自我报告数据(CDI-S)进行建模,评估了一至五类模型,并基于BIC、熵、成员数量和实质意义选择最佳拟合模型。
Depressive Symptoms Are Associated with Altered Development of Amygdala-Ventrolateral Prefrontal Connectivity During Implicit Emotion Regulation Across Adolescence
纵向队列研究,结合症状轨迹建模和任务态功能连接分析,包含多时间点数据,但缺乏功能验证或机制验证。
193名青少年队列(9-20岁) 情绪标记任务(fMRI)
抑郁症状组识别(低症状组 vs 高症状组) 内隐情绪调节(情绪标记)任务,负性情绪条件 右侧杏仁核-左侧VLPFC功能连接(PPI分析) 年龄(9-20岁)与抑郁症状组的交互作用
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
识别具有相似抑郁症状发展轨迹的参与者亚组。
使用潜在类别混合模型(LCMM)对四次时间点(年龄9-20岁)的抑郁症状自我报告数据(CDI-S)进行建模,评估了一至五类模型,并基于BIC、熵、成员数量和实质意义选择最佳拟合模型。
检验不同抑郁症状组的参与者在青少年期内隐调节负性情绪过程中杏仁核-VLPFC连接的发育轨迹是否存在差异。
使用广义加性混合模型(GAMM)对右侧杏仁核-左侧VLPFC连接(来自PPI分析)进行建模,以年龄和年龄与症状组的交互作用作为平滑项,并控制头动、性别、早期生活压力和社会经济劣势。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 症状评估 | 儿童抑郁量表简版(CDI-S) | -- | -- |
| fMRI数据预处理 | FreeSurfer (v. 6.0.1) | -- | -- |
| fMRIPrep (v. 20.2.1) | -- | -- | |
| fMRI数据分析 | FSL (v. 6.0.1) | -- | -- |
| 统计分析 | R (v. 4.5.1) | -- | -- |
| R包lcmm (v.2.2.1) | -- | -- | |
| R包mgcv (v.1.9-3) | -- | -- | |
| R包marginaleffects (v.0.28.0) | -- | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 参与者纳入 | 年龄范围(9-13岁)、英语流利度、无MRI禁忌症、无重大疾病或严重学习障碍 阅读提示:Methods - Participants |
| 抑郁症状分组 | CDI-S总分、LCMM模型选择标准(BIC、熵、类别成员数) 阅读提示:Methods - Statistical Analyses, Results - Figure 1 |
| fMRI任务 | 情绪标记任务参数(刺激时间、试次、条件)、负性情绪条件(恐惧、愤怒、悲伤) 阅读提示:Methods - Implicit Emotion Regulation (Affect Labeling) Task |
| 功能连接分析 | 种子区(右杏仁核)、目标区(左VLPFC坐标)、PPI对比(负性标记>负性匹配)、扫描仪协调方法(纵向ComBat) 阅读提示:Methods - Amygdala-VLPFC Functional Connectivity |
| 统计模型 | GAMM公式(平滑项、协变量)、随机截距、REML平滑参数估计 阅读提示:Methods - Statistical Analyses |