成人身体表征的计算机化评估：基于人口学变量的标准化研究及其临床应用价值

这篇研究通过计算机化任务（HLT和FBET）评估成人动作导向（aBR）与非动作导向身体表征（NaBR），建立考虑年龄、性别和教育水平的校正网格与百分位分布，并验证实验室与网络版本的强相关性（r≤0.888），为临床识别身体表征障碍提供标准化工具。

　　

1 引言

身体表征是人类自我认知的核心组成部分，其异常与多种神经精神疾病密切相关，如身体畸形障碍（BDD）、进食障碍、躯体失认症等。传统评估工具常混淆不同维度的身体表征（如动作导向aBR与非动作导向NaBR），且缺乏人口学校正数据。本研究首次整合计算机化的手侧化任务（HLT）和正面身体唤起任务（FBET），分别评估aBR和NaBR，并引入对照任务（物体侧化任务OLT和圣诞树任务CTT）以排除一般认知功能的干扰。

2 材料与方法

样本：366名健康成人（18-80岁）完成实验室评估，305人参与网络版本，其中30人完成双版本测试。采用蒙特利尔认知评估（MoCA）和瑞文推理测验（RCPM）排除认知障碍。

任务设计：

• •

  HLT：通过心理旋转判断手部侧向性，评估aBR；

• •

  FBET：基于视觉定位身体部位，测量NaBR；

• •

  对照任务：OLT（非身体物体旋转）和CTT（圣诞树部件定位）。

数据分析：通过多元线性回归分析人口学变量（年龄、性别、教育）的影响，建立校正方程和百分位分布，并计算实验室与网络版本的相关性。

3 结果

人口学影响：

• •

  aBR（HLT）：年龄（β=-0.32）、女性性别（β=-1.87）和低教育水平（β=0.21）显著降低准确性（p<0.001），反应时间随年龄增长延长；

• •

  NaBR（FBET）：仅年龄显著增加定位偏差（β=0.45，p<0.01），而CTT表现同时受年龄和教育影响。

校正工具：提供按10岁年龄段、教育分层的校正网格（如60岁女性：HLT需+3.2分），并绘制百分位曲线（如FBET偏差<15mm为前5%优绩）。

跨版本一致性：实验室与网络版本的HLT（r_s=0.842）、FBET（r_s=-0.835）呈强相关，支持远程评估可行性。

4 讨论

本研究填补了身体表征标准化评估的空白，其创新性体现在：

1. 1.

   特异性分离：通过对照任务区分身体表征缺陷与一般认知衰退；

2. 2.

   临床实用性：校正网格可直接用于脑卒中患者（37.5%存在选择性缺陷）或老龄化人群的个体化评估；

3. 3.

   技术适配：网络版本的高效性为行动不便患者提供便捷筛查途径。

局限性包括网络样本的教育偏倚和未验证临床敏感性。未来需结合fMRI或经颅磁刺激（TMS）探索神经机制，并扩展至儿童脑瘫等发育性疾病。

5 结论

计算机化任务为身体表征障碍的精准诊断提供可靠工具，其标准化数据与远程适配性将推动神经康复领域的个性化干预发展。