研究人群与数据来源
建立分析的横断面样本
使用ABCD研究6.0数据发布第4年(2020-2022年收集)的9739名参与者数据,经筛选后纳入5686名有完整游戏行为、协变量和通过质控的sMRI数据的青少年。
Associations between video gaming behaviors and cortical morphology in adolescents
横断面观察性分析,使用3T MRI和Desikan-Killiany图谱,采用广义相加混合效应模型和FEMA顶点分析,无功能或机制验证。
ABCD研究第4年横断面数据(N=5686) 青少年3T结构性MRI扫描
样本量N=5686,平均年龄14.2岁,53.4%男性 游戏时间通过ABCD青少年屏幕时间调查自报,单人/多人游戏时间按工作日和周末加权平均并截尾至16小时/天 成人分级游戏频率评分0-3 协变量包括年龄、性别、种族、遗传祖先主成分、社会经济地位、非游戏屏幕时间、青春期阶段、BMI百分位、扫描仪特征等 采用Benjamini-Hochberg FDR校正
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。
建立分析的横断面样本
使用ABCD研究6.0数据发布第4年(2020-2022年收集)的9739名参与者数据,经筛选后纳入5686名有完整游戏行为、协变量和通过质控的sMRI数据的青少年。
量化总游戏时间、单人/多人游戏时间及成人分级游戏频率
通过ABCD青少年屏幕时间调查自报典型工作日和周末的单人及多人游戏时间,计算加权平均每日游戏时间,总游戏时间为二者之和;成人分级游戏频率按0-3评分。
获取皮质形态指标
使用3T扫描仪采集T1加权图像,经梯度解扭曲、配准、强度不均匀校正和前瞻性运动校正,FreeSurfer 7.1.1分割和皮质表面重建,获取Desikan-Killiany图谱区域的皮质表面积、厚度和体积。
评估游戏行为与各脑区皮质形态的关联
使用广义相加混合效应模型,分别以总游戏时间、单人和多人游戏时间(同时纳入模型)、成人分级游戏频率为自变量,以各脑区皮质形态为因变量,调整协变量,家庭ID作为随机效应。
提供更高空间分辨率的全脑关联分析
使用快速高效混合效应算法(FEMA)在每个顶点估计预测因子的线性效应,调整固定和混合效应,输入为ABCD 6.0数据发布的顶点数据(20,484个顶点)。
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 |
|---|---|---|---|
| sMRI图像采集 | Siemens Prisma 3T扫描仪 | Siemens | -- |
| sMRI图像处理 | FreeSurfer 7.1.1 | -- | -- |
| 统计分析 | gamm4 R包 | -- | -- |
| 顶点分析 | MATLAB 2025a | -- | -- |
| 遗传 ancestry 分析 | GENESIS包 | -- | -- |
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 |
|---|---|
| 研究人群与数据来源 | ABCD 6.0数据发布第4年横断面数据;样本量N=5686;纳入排除标准;影像质控标准 阅读提示:Methods 2.1 Study population 和 2.2 Exclusion criteria |
| 游戏行为评估 | ABCD青少年屏幕时间调查的自报条目;单人/多人游戏时间的加权平均公式;截尾至16小时/天的处理;成人分级游戏频率评分0-3 阅读提示:Methods 2.3 Independent variables: video gaming behaviors |
| sMRI图像采集与处理 | 3T扫描仪型号及线圈;T1加权序列参数(TR、TE、FA、TI、FOV、层数、扫描时间);FreeSurfer版本7.1.1;Desikan-Killiany图谱 阅读提示:Methods 2.4 Dependent variables: sMRI image acquisition and processing |
| ROI分析 | 广义相加混合效应模型设定;自变量组合(总游戏时间、单人和多人游戏时间同时纳入、成人分级频率);协变量列表;家庭ID随机效应;FDR校正方法;性别交互项分析 阅读提示:Methods 2.6.1 Region-of-Interest (ROI) analysis |
| 顶点分析 | FEMA算法实现;MATLAB版本;输入顶点数据(20,484个顶点);协变量结构 阅读提示:Methods 2.6.2 Vertexwise analysis |