精神病风险人群的自我异常体验量表(IPASE)稳定性研究：与 attenuated psychotic symptoms (APS)及症状缓解的关联分析

本研究针对精神病高危(UHR)人群，通过纵向追踪评估自我异常体验量表(IPASE)的稳定性及其与 attenuated psychotic symptoms (APS)的关联。发现IPASE具有中度稳定性(ICC=0.59)，与阳性症状存在弱相关性(ρ=0.27)，但无法预测症状缓解(R2 =0.05)。为临床评估提供了简便工具，同时揭示了自我异常体验与症状演变的复杂关系。

　　

研究背景与意义
精神病谱系障碍的核心特征——基本自我紊乱(basic self-disturbance)一直被视为早期识别的关键靶点。尽管临床金标准《异常自我体验检查量表》(EASE)具有高信效度，但其复杂的访谈形式限制了临床应用。为此，Cicero等人开发的《精神病样异常自我体验量表》(IPASE)作为自评工具应运而生，但其时间稳定性和症状预测价值始终缺乏实证证据。

澳大利亚Orygen青少年心理健康中心的研究团队在《Schizophrenia Research》发表的研究，首次对185名健康对照(HC)、超高风险(UHR)和首次发作精神病(FEP)参与者进行纵向追踪，通过12个月随访评估IPASE与《高危精神状态综合评估量表》(CAARMS)的关联。这项研究直击三大核心问题：自评量表能否稳定捕捉自我异常体验？这些体验与 attenuated psychotic symptoms (APS)如何动态关联？能否预测症状转归？

关键技术方法
研究采用横纵结合设计：基线纳入72名HC、66名UHR和47名FEP，其中29名UHR完成12个月随访。通过《韦氏简版智力量表》(WASI)筛选参与者(IQ≥80)，采用IPASE(57项5级评分)和CAARMS(7个症状域)评估症状。统计分析包括：Spearman相关分析IPASE与CAARMS的关联；组内相关系数(ICC)检验量表稳定性；逻辑/线性回归预测症状缓解(CAARMS总分变化)。

主要研究结果

1. 症状相关性呈现群体依赖性
基线数据显示，IPASE总分与CAARMS阳性症状总分在临床样本(UHR+FEP)仅呈弱相关(ρ=0.27)，但加入HC后相关性跃升至0.71。IPASE五个子量表与CAARMS四个阳性症状子量表的相关系数均低于0.27。值得注意的是，FEP组的相关性(ρ=0.36)显著高于UHR组(ρ=0.18)，提示疾病阶段可能影响自我体验与症状的关联模式。

2. 中度时间稳定性
12个月随访显示，IPASE总分ICC为0.59，四个子量表ICC介于0.54-0.64，但认知子量表稳定性较差(ICC=0.3)。与EASE研究相反， demarcation/transitivism子量表表现出最高稳定性(ICC=0.64)，这挑战了既往关于该维度具"状态性"特征的假设。

3. 有限的预测效能
基线IPASE总分既不能预测UHR状态缓解(OR=1.02, p=0.12)，也无法解释CAARMS分数变化(R²
=0.02)。相比之下，基线CAARMS分数对缓解的预测效能更高(R²
=0.30)，但模型总体解释力有限。纵向分析发现，尽管缓解组IPASE分数显著下降，但其变化与症状改善无显著关联(ρ=0.08)。

结论与讨论
该研究首次系统验证了IPASE作为自评工具的心理测量特性。三个关键发现值得关注：

1. 工具适用性：IPASE展现出与EASE相当的中度稳定性，支持其作为筛查工具的可靠性，但认知维度的低稳定性提示可能需要临床访谈补充。

2. 症状关联的复杂性：自我异常体验与阳性症状的弱相关，暗示二者可能代表精神病理学的不同维度。当包含健康人群时，群体差异主导了相关性，这警示研究设计对结果的影响。

3. 临床预测的局限性：IPASE未能复制EASE对症状演变的预测效能，可能反映自评工具在捕捉微妙自我体验方面的不足，或提示治疗干预改变了自然病程。

这项研究为精神病早期识别提供了重要启示：虽然IPASE可作为快速筛查工具，但对症状转归的预测仍需结合临床访谈。未来研究应扩大样本量，延长随访时间，并探索不同治疗方式对自我体验稳定性的影响。

（注：文中所有统计符号如ρ、R²
等均按原文格式呈现，专业术语首次出现时标注英文缩写）