《Sleep Medicine》：A digital cognitive battery for sleep-disordered breathing: Test-retest reliability and practice effects
编辑推荐：
摘要：阻塞性睡眠呼吸暂停（obstructive sleep apnea, OSA）与认知困难及未来认知衰退风险增加相关，但其认知影响尚未完全阐明。既往研究多依赖横断面设计比较OSA患者与健康对照，而纵向观察对于监测疾病进展和治疗干预对认知健康的长期影响至关重
摘要：阻塞性睡眠呼吸暂停（obstructive sleep apnea, OSA）与认知困难及未来认知衰退风险增加相关，但其认知影响尚未完全阐明。既往研究多依赖横断面设计比较OSA患者与健康对照，而纵向观察对于监测疾病进展和治疗干预对认知健康的长期影响至关重要。纵向研究需要使用能够标准化并在重复评估中产生可靠、可解释结果的认知测量工具。然而，当前睡眠研究领域缺乏关于如何在不同研究中一致测量认知功能的共识，尤其在纵向评估方面。此外，用于横断面研究的认知测验未必适用于纵向设计的重复评估。因此，研究人员提出并评估了一套针对OSA患者的数字化认知测验电池，涵盖注意力、知觉运动技能、记忆与学习、执行功能及社会认知等多个认知域。研究人员考察了这些认知任务在重复施测中的潜力，重点关注重测信度（test-retest reliability）、练习效应（practice effects）以及地板和天花板效应（floor and ceiling effects）。共46名参与者（21名女性，25名男性，平均年龄49岁，范围19–79岁）完成了基线认知评估及约12周后的重复评估。组内相关系数（intraclass correlation coefficient, ICC）估计值从艾奥瓦赌博任务（Iowa Gambling Task, IGT）的0到精神运动警觉任务（Psychomotor Vigilance Task, PVT）平均反应时间（<500 ms）的0.92不等。经Bonferroni校正后，检查时间任务（Inspection Time Task, ITT）和定速听觉序列加法任务（Paced Auditory Serial Addition Task, PASAT）水平1表现出显著的练习效应，效应量较大。多项认知任务显示出潜在的地板或天花板效应。研究表明，所选数字化认知任务在OSA患者中的重测适用性存在差异，并据此提出了针对纵向认知评估的任务选择与调整建议。
论文解读
一、研究背景与现存问题
阻塞性睡眠呼吸暂停（obstructive sleep apnea, OSA）是一种常见的睡眠障碍，已被证实与广泛的认知功能损害及未来认知衰退风险升高密切相关。然而，OSA对认知功能的具体影响机制至今尚未被完全阐明。现有的大多数研究依赖于横断面设计，通过比较OSA患者与健康对照组来揭示认知差异，但这种设计无法追踪个体随疾病进展或接受治疗干预后认知功能的动态变化。因此，开展纵向研究以监测OSA病程演变及治疗效果对认知健康的长期影响显得尤为迫切。
纵向研究的有效性高度依赖于所使用的认知测量工具能否在多次重复评估中保持标准化、产生可靠且可解释的结果。然而，当前睡眠研究领域面临一个核心困境：不同研究之间缺乏统一的认知功能测量标准，尤其是在纵向评估情境下，这一矛盾更为突出。此前关于OSA认知功能的研究主要集中在警觉性、言语记忆和执行功能等少数领域，而视空间建构能力、非言语记忆、社会认知及基本知觉功能等则相对被忽视。更关键的是，同一认知测验在不同研究中可能被用于评估不同的认知构念，加之施测方式的差异，使得跨研究比较变得极为困难，从而难以形成对OSA认知影响的完整认识。
此外，适用于横断面研究中区分个体间差异的认知测验，并不必然适合纵向设计中用于检测个体内部随时间变化的真实改变。因此，专门评估认知测验在重复测量情境下的心理测量学特性（psychometric properties）至关重要。其中，重测信度（test-retest reliability）是衡量测量工具在相同条件下重复施测结果一致性和可重复性的关键指标。而练习效应（practice effects）——即因对测验内容的熟悉而非真实认知能力变化所导致的成绩提升——是影响重测信度的重要因素。系统性练习效应虽可能不影响重测信度，但会掩盖认知衰退或高估治疗效果；非系统性练习效应则会降低重测信度。同时，地板效应（floor effects）和天花板效应（ceiling effects）也会压缩分数分布的真实变异，导致对个体能力的错误估计并降低重测信度。因此，选择具有高重测信度、最小练习效应及适当难度的认知测验是纵向研究成功的前提。
近年来，数字化版本的认知测验因其能够精确呈现刺激、通过自动评分减少人为误差和主试者间变异性、以及精确记录反应时等优势而日益普及。然而，数字化本身并不能保证其适合纵向研究，上述有关重测信度、练习效应及地板/天花板效应的一般性考量依然适用。
二、关键技术方法
研究人员在冰岛雷克雅未克大学招募了46名参与者（21名女性，25名男性，平均年龄49岁，范围19–79岁），包括疑似或确诊OSA患者及健康志愿者，排除标准包括不稳定的终末期疾病、不可矫正的听视觉障碍以及正在接受OSA治疗（如持续气道正压通气治疗）。所有参与者首先完成基线认知评估，随后进行为期三晚的家用自我应用多导睡眠监测（polysomnography, PSG；设备来源：Nox Medical, A1s, Reykjavík, Iceland）以评估OSA严重程度。约12周后（平均间隔93天，范围76–154天），参与者返回实验室重复相同的认知评估。两次认知评估均安排在上午10点或中午12点以控制日间效应。认知评估采用一套包含14项任务的数字化认知测验电池，基于Inquisit软件（Version 6.5.1）施测，主要来源于Millisecond测验库并根据需要进行修改，平均耗时96分钟。统计分析方面，研究人员使用Wilcoxon符号秩检验比较两次评估间的得分差异，并计算效应量；采用组内相关系数（intraclass correlation coefficient, ICC，双向混合效应模型，单次测量，绝对一致性）评估重测信度；通过多元线性回归分析检验重测间隔和年龄对练习效应的影响；使用线性混合模型分析休息感变化。
三、研究结果
3.1 重测信度
认知任务的重测信度差异显著，大多数任务的95%置信区间较宽。ICC估计值范围从艾奥瓦赌博任务（Iowa Gambling Task, IGT）的0到精神运动警觉任务（Psychomotor Vigilance Task, PVT）平均反应时间（<500 ms）的0.92。达到良好信度（ICC ≥ 0.70）的任务包括：定速听觉序列加法任务（Paced Auditory Serial Addition Task, PASAT）水平2正确数、听觉词语学习任务（Auditory Verbal Learning Task, AVLT）回忆得分、PVT的平均反应时间和平均反应时间（<500 ms）、符号数字模态任务（Symbol Digit Modalities Task, SDMT）正确数、以及伦敦塔任务（Tower of London, ToL）平均解决时间。信度满意（ICC 0.60–0.69）的任务包括：任务转换范式（Task Switching Paradigm, TSP）的反应时转换代价（交叉试验与非交叉试验）、ToL首次移动潜伏期、PASAT水平1正确数、以及AVLT延迟回忆得分。信度较低（ICC < 0.59）的任务包括：科西块敲击任务（Corsi Block Tapping Task, CBTT）顺背版和倒背版的块跨度、视觉设计学习任务（Visual Design Learning Task, VDLT）命中率、AVLT平均侵入数、PVT失误次数、简单反应时任务（Simple Reaction Time Task, SRTT）平均反应时、线角度和位置判断任务（Judgment of Line Angle and Position, JLAP-15）总正确数、检查时间任务（Inspection Time Task, ITT）平均正确比例、ToL总分、宾夕法尼亚情绪识别任务（Penn Emotional Recognition Task, ER-40）正确比例、IGT赢得硬币数、以及TSP的准确性转换代价。
3.2 练习效应
多项认知任务在两次施测间表现出显著差异。参与者在CBTT顺背版（块跨度提高0.76）、ITT（正确比例提高6%）、IGT（赢得硬币数增加427）、PASAT（水平1正确数增加7.3，水平2增加3.8）、VDLT（命中率提高4%）、ToL（平均解决时间加快0.93秒，总分提高2.0）以及AVLT（回忆得分增加3.3）上表现显著改善。相反，PVT（平均反应时间和平均反应时间<500 ms分别恶化12 ms和7 ms）以及TSP（准确性转换代价，非交叉试验恶化3%）的表现下降。经Bonferroni校正后，ITT（平均正确比例，r=0.52）和PASAT水平1（正确数，r=0.63）仍保持显著，且效应量较大。关于重测间隔和年龄对练习效应影响的多元线性回归在所有认知任务上均不显著。
3.3 地板与天花板效应
散点图的视觉检查显示，多项认知任务存在潜在的地板或天花板效应。AVLT（平均侵入数）和PVT（失误次数）在下限处有明显的聚类现象，表明可能存在地板效应。相反，ITT（正确比例）和ToL（总分）在上限处出现聚类，提示可能存在天花板效应。
四、讨论与结论
本研究系统评估了一套针对OSA患者的数字化认知测验电池的心理测量学特性。结果表明，不同认知任务在重测信度、练习效应及地板/天花板效应方面存在显著差异，提示并非所有任务都同等适合纵向重复评估。具有良好重测信度且练习效应可控的任务（如PASAT、PVT的部分指标、SDMT、ToL的解决时间、AVLT的回忆得分）被认为是纵向研究中较为可靠的候选工具。而信度较低或受练习效应影响较大的任务（如IGT、CBTT、VDLT、ITT、TSP的部分指标）则需要谨慎使用，可能需要通过增加备选版本、延长重测间隔或使用统计校正方法来优化。研究人员特别指出，ITT和PASAT表现出的显著练习效应在纵向研究中必须予以考虑，否则可能掩盖真实的认知衰退或高估治疗效果。此外，地板效应（如AVLT侵入数和PVT失误数）和天花板效应（如ITT正确比例和ToL总分）的存在进一步限制了这些指标的敏感性。
研究结论：本研究所提出的数字化认知测验电池在OSA患者中的重测适用性存在显著差异。研究人员据此提供了针对性的任务选择和调整建议，旨在推动开发一套适用于OSA患者认知功能重复评估的综合数字化工具。该研究强调了在特定临床人群中独立验证认知测验心理测量学特性的必要性，并为未来纵向研究的设计提供了实证依据和具体指导。
