综述：不同方法测量心智游移亚型的相对准确性：系统评价

这篇系统评价创新性地提出了多维心智游移评估框架（MAMW），通过整合问卷、经验取样法（ESM）、神经影像技术（fMRI/EEG）、行为任务和生理测量等多元方法，全面解析心智游移（MW）的神经机制（涉及默认模式网络DMN与执行网络EN的交互），为ADHD、抑郁症等疾病的临床评估提供了新范式。

　　

ABSTRACT

心智游移（Mind Wandering, MW）作为注意力从主要任务转移到无关想法的认知现象，对认知、情绪和行为具有重要影响。本文系统评价了555项研究，发现问卷和经验取样法（ESM）虽具生态效度但易受自我报告偏差影响；神经影像技术（如fMRI、EEG）能客观揭示MW与默认模式网络（DMN）的神经关联，但成本高且生态效度低；行为任务可检测任务相关注意力 lapse，但对自发MW不敏感。基于此，提出整合多维方法的MAMW框架。

1 Introduction

1.1 Background and Context

MW在清醒时间中占比约50%，其亚型按时间导向（未来/过去）、功能（适应性/适应不良）和调控（自发/刻意）划分。临床研究发现，MW过度与ADHD核心症状相关（Kooij et al., 2019），并可能介导焦虑和抑郁（Kande?er et al., 2023）。神经机制上，自发MW与DMN激活相关，而刻意MW涉及执行网络（Pavlova, 2024）。

1.2 Rationale for the Review

现有研究存在方法学碎片化问题：自评工具（如MEWS量表）易受回忆偏差影响，而神经影像缺乏实时性。MAMW框架通过融合主观报告（如ESM）与客观指标（如EEG微状态），弥补单一方法局限。

1.3 Theoretical Foundations

比较Smallwood的DMN理论、Christoff的动态框架和Seli的"家族相似"模型（表1），MAMW的创新性体现在：

• •

  临床适用性：直接关联ADHD诊断标准（ENAA共识）

• •

  方法整合：同步捕捉行为（如SART任务错误率）与神经活动（如P300振幅）

• •

  亚型特异性：区分自发MW（theta波增强）与刻意MW（alpha波抑制）

2 Methods

PRISMA指南筛选4076篇文献，最终纳入555项研究。质量控制采用Cohen's kappa（κ=0.85）确保筛选一致性。研究涵盖健康成人（18-65岁）和临床人群（如PD患者），方法学权重显示：

• •

  神经影像：DMN功能连接预测MW频率（Philippi et al., 2021）

• •

  眼动追踪：瞳孔扩张率与MW深度正相关（Pelagatti et al., 2018）

• •

  生理指标：HRV降低标志适应不良MW（Bortolla et al., 2021）

3 Results

3.1 Study Characteristics

关键发现包括：

1. 1.

   ADHD群体：MW-S（自发亚型）与ASRS量表得分显著相关（Seli et al., 2018）

2. 2.

   衰老影响：老年组MW频率降低但内容更消极（Maillet et al., 2019）

3. 3.

   干预效果：正念训练使军人群体SART错误率降低37%（Jha et al., 2015）

Graphical Abstract

图示比较五类方法：自评工具（便捷性^▲/偏差^▼）、神经影像（精度^▲/成本^▼）、行为任务（敏感性^▲/局限^▼）。MAMW框架通过算法融合（如机器学习分类器）提升预测效度，在驾驶模拟器中MW检测准确率达89%（Walker & Trick, 2018）。

未来方向

需开发标准化工具（如4FMW问卷），加强纵向设计验证MW与认知衰退的因果关系，并探索tDCS调控右侧顶下小叶（IPL）对MW频率的干预效果（Coulborn et al., 2020）。