《Frontiers in Psychiatry》：Effects of exercise interventions on executive function in adolescents: a systematic review and three-level meta-analysis of randomized controlled trials
目的：评估持续至少4周的运动干预对青少年整体执行功能及其三个子域的影响，并探讨不同人群亚组间的差异。
方法：系统检索9个数据库。纳入针对10–19岁青少年的个体随机平行组试验，比较运动干预与无额外结构化运动的对照组。采用三水平模型对依赖的Hedges’ g估计值进行合成，并应用近似试验内协方差及试验聚类CR2推断。使用RoB 2和GRADE评估偏倚风险及证据确定性。
结果：22项独立试验（1,599名独立参与者）贡献了27项比较和86个效应量。整体执行功能的合并效应 favor 运动干预（g = 0.55，95% CI 0.33至0.77；p < 0.001），且存在显著的总异质性（I2 = 84.92%）。各子域估计值同样 favor 运动：抑制控制（17项试验；g = 0.56，95% CI 0.28至0.84）、工作记忆（10项试验；g = 0.51，95% CI 0.18至0.84）和认知灵活性（9项试验；g = 0.43，95% CI 0.30至0.57）。整体估计更多由抑制控制得分（47/86）而非工作记忆（25/86）或认知灵活性得分（14/86）所驱动。相关性、试验排除、偏倚风险及任务分类敏感性分析均保留了相同方向的效应。整体执行功能、抑制控制和工作记忆的证据确定性为低，认知灵活性为中等。
结论：持续运动可能改善青少年执行功能任务的表现，但干预措施与对照条件的异质性、任务构念的重叠以及多数低确定性证据，限制了合并效应的普遍性和现实世界解释。
系统综述注册：https://www.crd.york.ac.uk/PROSPERO/view/CRD420261475826，标识符CRD420261475826
1 引言
执行功能（Executive Function, EF）包含抑制控制、工作记忆和认知灵活性。这些高阶加工过程使个体能够维持目标、抵抗干扰、更新信息并在规则间灵活转换。青春期涉及额叶-纹状体和额叶-顶叶网络的持续重组，同时也是自我调节、学习行为和心理健康轨迹日益分化的敏感时期。儿童和青少年时期更好的自我控制与成年期的健康、经济和社会结局相关。然而，全球大多数青少年未达到推荐的身体活动水平。学业压力、久坐行为和心理健康风险进一步凸显了对具有身体和认知双重益处的可扩展、低污名化干预措施的需求。因此，明确长期运动是否能在各EF子域产生可靠益处，对发展认知科学具有相关性，也对学校体育教育、体重管理和青少年心理健康照护具有实践意义。
以往研究为此问题提供了坚实基础。机制研究表明，运动可能通过脑源性神经营养因子（Brain-Derived Neurotrophic Factor, BDNF）、血管生成、脑血流、突触可塑性和海马结构支持认知。认知参与度高的开放式技能或游戏类活动也可能训练注意分配、规则更新和运动抑制。系统综述和元分析普遍报告了运动与青少年EF、注意或学业结局之间的有利关联。更近期的综述考察了认知参与型运动、多水平效应结构及青少年特定人群。总体上，这些工作确立了运动不仅是健身干预，还可能作为一种可嵌入教育和临床环境的认知与心理策略。既往证据进一步提示，效应在EF子域、运动方式和健康状态之间存在真实变异。
尽管有上述进展，现有综述仍存在若干相互关联的方法学局限。第一，部分综述将儿童与青少年合并，或将急性运动与持续数周的训练项目混为一谈，这些发展阶段和暴露模式不完全可比。第二，单项试验常报告多个任务、条件、反应时结局和准确性结局。在传统两水平分析前选择单一结局或对结局取平均会丢失信息；反之，将每个结局视为独立则会高估精度。第三，运动方式、健康状态、对照条件和EF测量的差异常被压缩为单一I2估计，无法区分试验内与试验间异质性。第四，未经调整的整群随机试验可能低估标准误，在缺乏组内相关系数或设计效应的情况下，其纳入会引入不可量化的偏倚。这些关切并不否定早期发现，而是表明需要一项保留依赖效应并恰当表征不确定性的更新综述。
因此，研究人员系统综述了英文发表的、针对青少年的、持续至少四周的个体随机运动试验，估计了运动对整体执行功能、抑制控制、工作记忆和认知灵活性的效应。三水平随机效应模型容纳了试验内的多重结局，并区分了试验内与试验间异质性。探索性分析考察了参与者健康状态、平均年龄、干预持续时间、每周频率和单次时长。敏感性分析评估了单项试验、高风险结果、任务分类和假定相关性的影响。漏斗图分析和GRADE评估为小样本效应和证据确定性提供了判断依据。该方法区分了独立试验与依赖效应量，支持对合并估计的谨慎解释，而不暗示某种更优的运动处方。
2 方法
2.1 研究设计、报告指南与注册
本系统综述和三水平元分析遵循PRISMA 2020声明，方法亦参考Cochrane干预系统综述手册。方案注册于
https://www.crd.york.ac.uk/PROSPERO/view/CRD420261475826 。
2.2 纳入标准
纳入标准依据PICOS框架定义：（1）参与者：10–19岁青少年，与世界卫生组织（World Health Organization, WHO）对青春期的定义一致，不限健康状态。（2）干预：结构化运动项目，持续至少4周，不限运动方式。（3）对照：研究者未规定额外结构化运动；允许常规活动、等待名单、非运动健康教育或常规学校活动（含体育课）。（4）结局：至少一项三大核心执行功能子域（抑制控制、工作记忆或认知灵活性）的测量指标，且有足够数据计算标准化效应量。（5）研究设计：同行评审、英文、平行组随机对照试验。排除标准包括：急性或短于4周的运动干预、交叉或非随机设计、参与者年龄超出10–19岁且无法单独提取青少年数据、对照组接受研究者规定的额外结构化干预、结局与三大核心EF子域无关、重复报告、统计数据不足。上述决定及全文排除理由记录于图1和补充表S2。
2.3 检索策略
检索PubMed、Web of Science、Embase、Cochrane Library、Scopus、CINAHL、SPORTDiscus、PsycINFO和ERIC，时间从建库至2026年9月29日。数据库特定检索策略见补充表S1。两名评审员独立筛选标题/摘要和全文，通过讨论或仲裁解决分歧。记录和报告在PRISMA流程图中分别追踪；报告可能因首个适用原因在全文阶段被排除。
2.4 研究筛选与数据提取
两名评审员（DL和LN）独立去重、筛选标题摘要并评估全文。分歧通过讨论或由第三名评审员（SL）仲裁解决。预设表格捕获作者、年份、国家或地区、健康状态、年龄、随机样本量和对照条件，同时捕获运动方式、频率、强度、单次时长、总周数、EF任务、结局方向和干预前后均值及标准差。当一项研究包含多个合格运动组时，每个比较作为独立研究组保留。共享对照组参与者在独立参与者总数中仅计数一次，其完整报告样本量保留用于效应量计算；对照组不进行拆分。比较内的多个任务贡献了不同的、统计上依赖的效应量。各EF子域的参与者计数可能重叠，不得相加。
2.5 执行功能子域与结局编码
研究人员将每个提取得分分配给其任务和评分指标最直接对应的EF子域，并统一得分方向使正g favor运动。Stroop、flanker、Go/No-Go及相关冲突得分编码为抑制控制；N-back、Sternberg和广度得分编码为工作记忆；定势转换、任务切换、威斯康星卡片分类测验（Wisconsin Card Sorting Test, WCST）和连线测验B（Trail Making Test B, TMT-B）得分编码为认知灵活性。该务实分类并非声称任何任务是构念纯粹的。补充表S10提供了全部86个效应的任务、精确提取得分、编码依据和模糊标记。由于Posner线索得分亦反映空间注意、数字广度总分可能反映存储而非操作、原始TMT-B时间包含视觉搜索和运动速度，研究人员在排除仅这11个受影响得分（分别为6、3和2个）后重复了合成分析，同时保留其试验中的其他合格结果。
2.6 偏倚风险评估
两名评审员（DL和LN）使用Cochrane RoB 2工具独立评估偏倚风险。判断涉及分配干预的效果，涵盖随机化、偏离预期干预、结局数据缺失、结局测量和选择性报告。总体风险分为低风险、存在一定担忧或高风险。分歧通过讨论或由第三名评审员（SL）仲裁解决。
2.7 效应量计算
对于每个组和结局，变化定义为干预后均值减去干预前均值。当变化得分标准差未报告时，按公式估计，其中r = 0.50用于主要分析。Hedges’ g为运动组与对照组均值变化之间的小样本校正标准化差异，以合并变化得分标准差标准化。抽样方差使用metafor中标准化均数差的实现。因此，本分析使用合并变化标准差作为分母，而非前测标准差标准化的Morris dppc2估计量。越低越好的量表在合成前已反向。
研究人员使用metafor::vcalc在每个独立试验内构建近似分块对角抽样协方差矩阵，指定试验、任务/得分标识符、运动组标识符、对照组标识符、完整组样本量及假定的试验内结局相关性ρ = 0.50。该表示法允许同一参与者的多个得分之间以及共享对照的比较之间存在协方差，但不能恢复未知的经验相关性。三水平随机效应模型（rma.mv，REML；效应量嵌套于试验内）随后估计合并均值及水平2和水平3方差分量。置信区间和p值使用以独立试验为聚类的CR2聚类稳健推断，以减少在试验数量有限时对完全正确的工作协方差矩阵的依赖。研究人员呈现了水平特异性τ2和I2及总I2；接近零边界的方差估计并非结局真正同质的证据。
整体模型合并了所有合格EF得分。由于各子域提取的得分数量不同，这是对观测任务组合的结局加权平均值，不得解读为三个EF子域的等量改善。对抑制控制、工作记忆和认知灵活性分别拟合了独立模型。所有分析均在R中使用metafor和clubSandwich完成；分析代码可向通讯作者合理索取。
2.8 次要与敏感性分析
研究人员通过每次仅改变一个参数来评估假定相关性的敏感性。试验内结局相关性设为ρ = 0.30或0.70，同时前测-后测相关性保持r = 0.50。随后前测-后测相关性设为r = 0.30或0.70，同时ρ保持0.50。额外分析每次移除一个独立试验的所有效应量、排除RoB 2对相应结局评定为总体高风险的結果，并排除11个EF子域归属模糊的得分。
探索性亚组分析分别考察健康青少年、超重或肥胖青少年及注意缺陷多动障碍（Attention-Deficit/Hyperactivity Disorder, ADHD）青少年。涉及阈下抑郁或自杀风险升高的试验未与ADHD合并为单一临床亚组。四项独立的单变量元回归考察了试验水平平均年龄、干预持续时间（周）、每周运动频率和单次时长。研究人员报告了这四项调节变量检验的未调整和Benjamini–Hochberg调整后p值。为评估小样本效应，相关得分在漏斗图构建前先聚合为每项独立试验一个估计值，并进行探索性Egger型和Begg检验。这些检验被谨慎解读，尤其在少于十项试验贡献结局时。
2.9 证据确定性
使用GRADE方法评估整体执行功能及各EF子域的证据确定性。随机试验证据初始评为高确定性，并酌情因偏倚风险、不一致性、间接性、不精确性或发表偏倚而降级。最终证据确定性分为高、中、低或极低。GRADE评级反映对估计效应的总体置信度，不应仅依据统计显著性或单一p值解读。
3 结果
3.1 研究筛选
更新后的检索识别出8,522条记录。去除3,889条重复后，4,633条记录接受标题/摘要筛选，4,552条被排除。81篇报告中6篇无法获取；75篇全文接受评估，53篇被排除（设计不符，n = 16；急性或短于4周干预，n = 14；无可用调整的整群随机化，8；不合格的主动运动对照，7；EF数据不足，4；年龄不符，3；重复报告，1）。最终纳入22项研究（图1；补充表S2）。
3.2 研究特征
22项独立随机对照试验发表于2015至2026年间，涵盖9个国家。11项在中国开展：6项在中国内地，4项在中国台湾，1项在中国香港。4项在韩国开展。突尼斯、西班牙、印度、巴西、比利时、土耳其和丹麦各1项。试验共纳入1,599名独立分析参与者：运动组866人，对照组733人。共享对照参与者仅计数一次。12项试验涉及一般健康青少年，5项涉及超重或肥胖青少年，3项涉及ADHD青少年，1项涉及阈下抑郁青少年，1项涉及自杀风险升高青少年。干预持续8–78周，包括高强度间歇训练（High-Intensity Interval Training, HIIT）、中等强度持续训练、有氧和抗阻运动及认知参与型运动游戏。其他项目涉及篮球、羽毛球、跑步、跳绳、跆拳道、游泳、足球颠球、瑜伽、小场地比赛、协调训练或课堂骑行。22项随机对照试验产生27项运动-对照比较和86个EF得分。详细试验和组特征见补充表S3。
3.3 偏倚风险
RoB 2评估覆盖45项试验组-子域结果。8项（17.8%）评为低风险，33项（73.3%）存在一定担忧，4项（8.9%）评为高风险。一定担忧在随机化过程和结果选择方面最为常见，而结局测量主要评为低风险。高风险子域判断出现在偏离预期干预方面（图2、3）。
3.4 整体与子域三水平元分析
整体EF分析得出g = 0.55（95% CI 0.33至0.77；p < 0.001），涵盖22项随机对照试验、27项比较和86个效应量。水平2和水平3方差估计分别为0.05和0.16；其I2分量分别为20.03%和64.89%（总I2 = 84.92%）。这一显著异质性意味着该均值并非对每种情境下获益的预测。
抑制控制模型包含17项随机对照试验、21项比较和47个效应量（g = 0.56，95% CI 0.28至0.84；p < 0.001；总I2 = 84.93%）。工作记忆包含10项随机对照试验、13项比较和25个效应量（g = 0.51，95% CI 0.18至0.84；p = 0.007；总I2 = 80.67%）。认知灵活性包含9项随机对照试验、11项比较和14个效应量（g = 0.43，95% CI 0.30至0.57；p < 0.001）；其拟合方差分量接近零边界，不应过度解读为无异质性的证据。47、25和14个效应量之和为整体86个效应量，但各子域的得分计数和参与者计数并不平衡。结果见表1及补充图S1–S4。
3.5 按健康状态的亚组分析
健康亚组包含12项随机对照试验和36个效应量（g = 0.46，95% CI 0.23至0.69；p = 0.001）；超重/肥胖亚组包含5项随机对照试验和26个效应量（g = 0.72，95% CI 0.16至1.27；p = 0.023）；ADHD亚组包含3项随机对照试验和10个效应量（g = 1.14，95% CI ?1.41至3.70；p = 0.192）。三组差异未获统计支持（CR2/HTZ p = 0.530），且ADHD估计极不精确。阈下抑郁和自杀风险升高试验对整体EF有贡献，但未纳入这三个亚组。这些分析为描述性和探索性，并非某一人群或运动处方更优的证据（补充表S4；补充图S5）。
3.6 敏感性分析
每次排除一项独立随机对照试验的所有效应量，整体g估计范围为0.49至0.58；对应范围为抑制控制0.48–0.60、工作记忆0.42–0.59、认知灵活性0.41–0.47。所有估计均保持相同方向和统计显著性（补充表S5–S8；补充图S6–S9）。排除结局特异性高风险结果后，整体EF保持g = 0.55（95% CI 0.32至0.78；20项随机对照试验），工作记忆g = 0.59（0.29至0.89；9项随机对照试验），认知灵活性g = 0.44（0.29至0.59；7项随机对照试验）；抑制控制亦保持阳性（g = 0.56，0.26至0.87；16项随机对照试验）（补充表S9；补充图S10–S13）。
排除11个构念模糊得分（而非其来源试验）后，保留20项试验的75个效应量，整体估计为g = 0.53（95% CI 0.30至0.75；p < 0.001）。子域估计保持阳性：抑制控制g = 0.59（0.29至0.90），工作记忆g = 0.42（0.12至0.71），认知灵活性g = 0.45（0.28至0.62）（补充表S10；补充图S14–S17）。
在固定r = 0.50时，假定试验内结局相关性ρ从0.30变为0.70，整体g仅从0.56（0.33至0.78）变为0.55（0.34至0.76）。在固定ρ = 0.50时，假定前测-后测相关性r从0.30变为0.70，整体g从0.47（0.29至0.66）变为0.69（0.42至0.96）。所有整体p值均<0.001，但后一范围表明估计幅度实质依赖于r。各子域对应分析见补充表S11；补充图S18–S21。
3.7 小样本效应与发表偏倚
试验水平聚合漏斗图和探索性检验未检测到整体EF的不对称性（22项随机对照试验；Egger型p = 0.823；Begg p = 0.288）或三个子域的不对称性。抑制控制检验p值分别为0.417和0.440；工作记忆p值分别为0.484和0.381；认知灵活性p值分别为0.770和0.477（补充图S22–S25）。鉴于两个子域仅有十项或更少试验且效应异质，这些非显著性检验不能排除发表偏倚或小样本效应。
3.8 单变量元回归
在单变量模型中，平均年龄的未调整斜率为β = ?0.102 Hedges’ g/年（95% CI ?0.190至?0.015；p = 0.028），但其Benjamini–Hochberg调整后p值为0.111。干预周数（β = 0.023；调整后p = 0.330）、每周频率（β = ?0.032；调整后p = 0.987）和单次时长（β约0.000；调整后p = 0.987）的斜率未获支持。四项调节变量在调整后均无统计学显著性。这些聚合数据分析对中等效应而言统计功效不足，不能确立因果剂量-反应关系（补充表S12；补充图S26）。
3.9 证据确定性
GRADE确定性对整体EF和抑制控制评为低，原因是严重的偏倚风险和不一致性；工作记忆亦因相同原因评为低。认知灵活性在因偏倚风险降级后评为中等。这些评级限定了对每个估计效应的置信度，无论其p值如何（表2）。
4 讨论
在22项独立随机对照试验中，运动干预与优于对照条件的平均整体EF任务表现相关（Hedges’ g = 0.55）。抑制控制、工作记忆和认知灵活性的合并估计亦为阳性。然而，整体EF（I2 = 84.92%）、抑制控制（84.93%）和工作记忆（80.67%）的总异质性显著。GRADE确定性对这三项结局为低，对认知灵活性为中等。因此，合并估计应解读为纳入试验间的平均效应，而非青少年或各种情境下均获益的证据。
显著异质性可能有多个来源。对整体EF而言，水平3分量占总变异的64.89%，表明试验间存在显著差异。试验在参与者健康状态和基线特征、运动内容和认知需求、干预剂量、对照条件及EF评估方面各不相同。探索性分析未能可靠解释该变异性：健康、超重/肥胖和ADHD亚组间差异未获统计支持（p = 0.530），四项元回归调节变量在多重检验调整后均不显著。ADHD估计因仅基于三项试验而极不精确。这些发现不应解读为各人群反应相同的证据，也不确立某种更优的运动方式、强度、频率或时长。对照条件从非运动活动到常规体育教育不等。在一些学校试验中，两组均继续常规体育教育，仅干预组接受额外结构化运动。该变异可能促成了异质性，但对照类型未作为独立调节变量进行检验。
阳性方向与早期关于青少年身体活动与认知的综述大体一致。但合并幅度的直接比较仍困难，因为综述在年龄范围、干预时长、合格任务、参与者健康状态及多重结局处理方面存在差异。本研究的子域估计也不应视为EF成分的排序。运动活动可能涉及停止反应、维持指令、更新信息或转换规则，但纳入试验并未在实验上分离这些需求。子域估计间的差异可能反映干预内容、任务属性或各模型贡献的试验集差异，而非某一EF成分具有更强的生物学敏感性。
“整体EF”的解读亦取决于可用任务组合。在86个提取得分中，47个评估抑制控制，25个工作记忆，14个认知灵活性。因此整体估计是对观测得分的平均，而非三种潜在能力的等权测量。个体任务并非构念纯粹：Posner线索亦反映注意定向，数字广度总分可能强调存储，TMT-B时间包含视觉搜索和运动速度。排除11个子域归属特别不确定的得分后，整体估计仍为阳性（g = 0.53），表明这些得分本身并非主要发现的成因。然而，该敏感性分析和子域编码均不能消除测量重叠。此外，实验室EF任务的改善本身并不证明学业成绩、课堂行为、自我调节或日常功能的改善，尽管这些功能与青少年发展相关。
保留同一参与者的多个得分避免了任意选择单一结局，但需要明确处理依赖性。三水平模型分离了试验内和试验间变异性，近似抽样协方差矩阵则表征了共享参与者和共享对照。试验聚类CR2推断减少了对完全正确工作协方差矩阵的依赖。这些程序无法恢复原始试验未报告的相关性。改变假定结局间相关性对整体估计影响甚微，而将假定前测-后测相关性从0.30变为0.70使g从0.47移至0.69。发现方向稳定，但精确幅度仍依赖假设。留一试验排除、高风险结果排除和任务编码分析均保留阳性估计；这些分析不能消除显著异质性或偏倚风险关切。
多种相互作用的通路可能将持续运动与EF表现联系起来，包括认知参与、社会互动、情绪、体能和神经生物学适应。这些机制在纳入试验中未被分离，本元分析亦无法确立。多数RoB 2结果至少存在一定担忧，非显著性漏斗图检验不能排除小样本效应，尤其在较小的子域证据集中。综合来看，证据支持在所研究条件下额外运动可能对测量的EF任务表现产生平均获益。但尚不支持特定运动处方，也未证明观测的测验得分变化能转化为青少年日常功能中有意义、持久的改善。
5 优势与局限
本综述具有若干方法学优势。合成分析区分了独立试验、运动-对照比较和依赖效应量。偏倚风险针对每项试验组-EF子域结果进行评估，任务到子域的分配有文档记录。三水平模型纳入近似抽样协方差结构，并采用试验聚类CR2推断。敏感性分析考察了单项试验、高风险结果、任务分类及前测-后测和跨结局相关性假设的影响。
若干局限需谨慎对待。将纳入限制为英文、同行评审全文报告可能排除了相关证据。四篇无可用EF数据的报告和八项缺乏足够信息以处理聚类的整群随机试验无法合成。经验性前测-后测和跨结局相关性通常不可得，需采用假定值。改变假定前测-后测相关性会改变合并效应幅度，近似协方差结构和CR2推断亦无法消除依赖结局带来的所有不确定性。
部分EF子域和亚组分析仅包含少量独立试验，限制了估计精度和检测差异的功效。单变量试验水平元回归仍易受混杂和生态学偏倚影响。EF任务间认知需求重叠使子域特异性解读复杂化，实验室任务得分变化可能不转化为日常获益。对照条件各异，包括非运动活动和常规体育教育；对照类型未在单独定量分析中考察。连同显著异质性和多数低GRADE确定性，这些局限排除了对特定运动处方的推荐或普遍获益的主张。
6 未来研究方向
未来个体随机试验应预先注册每个子域一个明确定义的主要EF得分；报告随机化和分配隐藏、流失、依从性、分析组样本量及前测/后测和变化得分离散度；并提供多结局合成所需的相关性。共享对照多臂研究应明确识别组重叠。试验应区分额外运动与背景体育教育，一致测量运动剂量，并在任务测量之外纳入直接的学业、自我调节或日常功能结局。更大、报告更完善的试验将支持更可信的调节变量和对照特异性分析。
7 结论
持续运动与22项青少年随机试验中纳入的EF得分表现更好相关。整体合并估计为阳性，抑制控制、工作记忆和认知灵活性估计亦为阳性，但整体估计受可用任务组合加权，不应解读为各子域均衡获益。显著异质性、结局依赖性、不同对照条件及多数低确定性证据要求谨慎解读。现有数据不能确立普遍有效或更优的运动处方，也未显示测验得分变化能转化为有意义的日常改善。
