跳到正文
Europe PMC · EEG 方法· Schermitzler BS; Preston TJ; Cannon MJ; Gorday JY; Solan S; Moeller SJ; Macatee RJ·· 8 天前精选AI 评分73

大麻使用障碍个体的神经生理情感反应分类及其稳定性

Neurophysiological affective reactivity classification and its stability in individuals with cannabis use disorder.

AI 导读

基于摘要分析。本研究考察大麻使用障碍(CUD)个体能否依据晚期正电位(LPP)形成神经情感反应分型,以及这些分型在一周间隔后是否稳定。研究复现并扩展了其他物质使用人群中的相关发现,同时比较群体聚类模式的重复出现与个体分类的重测信度。 研究以成瘾的诱因敏化模型为理论背景。44 名参与者在相隔一周的两次实验室访视中完成概率选择任务,并在观看大麻相关图片与情感图片时接受 EEG 记录;研究对所得 LPP 应用 k-means 聚类,构建神经情感反应分型。这里的分类是基于 ERP 特征的无监督分组,不应理解为已验证的诊断分类器或 BCI 解码系统。 作者报告,在两次访视中均出现两个聚类:一类的大麻图片 LPP 振幅高于愉悦图片 LPP,另一类则相反。然而,聚类之间的选择行为及其他问题性使用指标未呈现差异。作者还报告,虽然群体层面的分类模式可重复出现,个体分型的重测信度较低,其稳定性不及残差化 LPP 分数和原始 LPP;摘要未提供具体信度数值或效应量。 这些结果支持区分“群体结构可重复”与“同一个体持续属于同一分型”:前者不足以确立个体层面的临床应用价值。作者据此对分型的临床效用提出谨慎意见,依据包括尚未解决的可靠性问题,以及跨分析单位的聚合效度不足。该研究不能据此被解读为能够预测 CUD 治疗结局。 复现与进一步评价时,需核对 LPP 时间窗及电极选择、EEG 预处理、特征标准化、聚类拟合及两次访视间的标签匹配方式,以及残差化分数的计算方法和重测信度指标。上述实验协议、消融及统计信息尚未验证;全文未取得,不能判断个体分类不稳定的具体来源。

阅读价值

该研究值得阅读的具体原因是:作者报告群体层面可重复出现的 LPP 聚类模式并不等于个体分类稳定,提示将神经情感反应分型用于临床评估前,需要核对重测信度与聚合效度。

来源:Europe PMC · EEG 方法 · doi.org