认知去分化在老年期的纵向证据：洛锡安1936出生队列揭示一般认知功能(g)结构随年龄的动态演变

为解决老年期认知能力是否变得更加相关（即认知去分化）这一关键问题，研究人员对洛锡安1936出生队列（LBC1936）开展了纵向研究。结果表明，从70岁到82岁，一般认知功能(g)解释的方差百分比从25%增至36%，且流体认知域（如处理速度、视觉空间技能）趋于收敛，而晶体能力对g结构的影响减弱。该发现表明g的构成随年龄变化，对 lifespan 认知建模具有重要方法论意义。

　　

随着年龄的增长，我们的大脑会发生什么变化？这是一个困扰着科学家和普通人的共同问题。在认知老化的研究中，一个长期存在的假设是“认知去分化”（cognitive dedifferentiation）——即随着年龄增长，不同的认知技能会变得更加相似，而不是保持各自的特异性。这就像一束原本色彩分明的光线，在穿过老化的棱镜后，光谱变得模糊而融合。然而，这一现象在纵向研究中的证据并不一致，部分原因是研究设计、样本特征和测试工具的差异。那么，在生命的第七个十年到第八个十年之间，认知能力结构究竟是如何演变的？为了回答这个问题，研究人员将目光投向了著名的洛锡安1936出生队列（Lothian Birth Cohort 1936, LBC1936）。

这项发表在《The Journals of Gerontology: Series B》的研究，利用了LBC1936这一独特资源。该队列由出生于1936年的个体组成，他们在11岁时参加了苏格兰心理调查，并在约70岁时自愿加入了这项纵向研究。研究人员分析了418名（49%为男性）在五个波次（年龄70、72、76、79和82岁）均提供了完整认知数据的参与者的数据。他们采用了13项涵盖四个认知领域（视觉空间技能、处理速度、言语记忆和晶体能力）的测试，并运用结构方程建模（SEM）来探究认知结构随时间的变化。

研究的关键技术方法包括：利用来自LBC1936队列的纵向认知数据（5个波次，13项测试）；构建单阶和分层结构方程模型（SEM）来估计潜在的一般认知功能(g)因子及其随时间的变化；通过验证性因子分析和测量不变性检验来评估模型；以及计算个体内分散度（dispersion）作为认知表现一致性的指标。

单阶模型（无域结构）

在单阶模型中，13项认知测试直接负载于一个潜在的一般认知功能(g)因子。结果显示，g所解释的方差百分比随着波次（年龄）的增加而显著上升：从wave 1的24.64%增至wave 5的35.92%（与波次平均年龄的相关性r = 0.971, p = .006）。这意味着，随着参与者年龄增长，这些不同的认知测试所共享的共性——即g——变得越来越重要，认知技能变得更加相互关联，支持了认知去分化的假设。

同时，g因子负载也呈现增加趋势，从wave 1的平均0.488上升到wave 5的0.593。此外，组水平的去分化速率（由g解释的方差百分比衡量）与组水平g估计值的下降呈现出极强的负相关（r = -0.991, p = .001），表明去分化与认知衰退紧密相连。

研究人员还发现，个体内分散度（即个体在不同认知测试得分上的变异性）随着时间推移而降低。这表明，个体在不同认知任务上的表现变得更加相似，这与组水平的去分化现象一致。

分层模型（包含域结构）

为了更深入地理解去分化发生的层次，研究人员构建了一个分层模型。在这个模型中，13项测试首先负载于四个认知域因子（视觉空间技能、处理速度、言语记忆、晶体能力），然后这些域因子再负载于一个高阶的g因子。

在域到测试的层次，域因子解释的方差比例随时间略有增加（从wave 1的45%到wave 5的54%），但单个测试的负载并未显示出显著的随时间变化模式。

在g到域的层次，分析揭示了去分化的具体模式。流体认知域（视觉空间技能和处理速度）在g上的负载随时间显著增加（视觉空间: r = 0.908, p = .033; 处理速度: r = .993, p = .0006），表明这些领域变得更加依赖于共同的g因子。相反，晶体能力（Crystallised Ability）在g上的负载则显著下降（r = -0.948, p = .014），意味着其对g结构的贡献减小。言语记忆的g负载则保持相对稳定。

域间相关性的分析进一步支持了这些发现。言语记忆与流体认知域（处理速度和视觉空间技能）的相关性随时间增强，而与晶体能力的相关性则减弱。这表明，认知去分化主要表现为流体认知功能的收敛，而晶体能力则在一定程度上保持了其独立性。

研究结论与意义

这项研究为老年期（70至82岁）存在认知去分化提供了强有力的纵向证据。结果表明，一般认知功能(g)的结构并非一成不变，其构成会随着衰老过程而发生动态变化。具体来说，流体认知能力（如处理新信息、解决新问题的能力）变得更加紧密地交织在一起，并日益成为g的核心；而晶体能力（如知识积累和语言技能）对g的贡献则相对减弱。

这些发现具有重要的理论和方法论意义。首先，它们挑战了在纵向建模中g结构保持不变的常见假设，强调未来研究需要考虑到g构成的年龄相关性变化。其次，认知去分化的现象与认知衰退的速率高度同步，提示它们可能共享某些潜在的生物学机制，例如与年龄相关的大脑神经特异性下降。尽管在排除痴呆患者后的敏感性分析中，去分化效应略有减弱但未达显著水平，这暗示病理性的衰老过程（如痴呆）可能会加速去分化，但这仍需未来研究进一步验证。

总之，这项研究利用高质量的纵向数据，清晰地描绘了认知老化的复杂图景之一——认知技能的融合。它告诉我们，衰老不仅意味着认知水平的下降，也意味着认知结构本身的重塑。理解这些变化对于区分正常老化和病理性老化、开发更敏感的早期生物标志物以及设计有效的认知干预策略都具有至关重要的意义。未来的研究需要继续探索认知去分化的决定因素、神经机制及其对老年人日常生活的实际影响。