综述：不同虚拟现实技术在自闭症谱系障碍儿童社交与沟通技能培养中的有效性：当前证据的系统性回顾与网络荟萃分析及未来研究方向

《JMIR Pediatrics and Parenting》：Effectiveness of Different Virtual Reality Technologies for Social and Communication Skills in Children With Autism Spectrum Disorder: Systematic Review and Network Meta-Analysis of Current Evidence and Future Directions

　　林王|徐光军|李丹|高秀燕|赵瑾|何亚军|刘少林|郭宏|布秀梅
辽宁中医药大学
中国辽宁省沈阳市黄?区崇山路79号

**背景**
虚拟现实（VR）技术为自闭症谱系障碍（ASD）儿童的社交沟通技能干预提供了一种新方法，但不同形式VR技术的比较效果仍不明确。

**目的**
本研究旨在基于现有的随机对照试验（RCTs）进行系统评价和网络荟萃分析（NMA），初步探索并比较不同VR技术在改善ASD儿童社交和沟通技能方面的效果。

**方法**
我们系统地检索了1990年1月至2025年2月期间中文和英文数据库中的相关RCTs。使用修订后的Cochrane偏倚风险评估工具（RoB-2）对文献质量进行了评估，并使用STATA 18.0软件在频率主义框架下进行了NMA。证据质量通过Confidence in Network Meta-Analysis框架进行评估。

**结果**
共纳入11项RCTs（718名儿童），评估了8种VR技术。证据网络极为稀疏，大多数干预措施仅由单一研究连接。成对荟萃分析显示存在显著的异质性（I2=91.9%，P<.001），表明临床和方法学存在显著差异。由于这种异质性和网络稀疏性，NMA模型无法产生稳定或具有临床解释性的效应估计。使用Confidence in Network Meta-Analysis框架的正式评估认为所有比较的置信度都非常低。

**结论**
现有证据不足以支持对VR技术在ASD社交技能方面的比较效果做出结论或排名。主要发现是当前证据过于异质且不成熟，无法进行有效的定量综合。未来的研究必须优先考虑方法学标准化，才能有意义地进行头对头试验。

**试验注册**
PROSPERO CRD420250654696；https://www.crd.york.ac.uk/PROSPERO/view/CRD420250654696

**引言**
自闭症谱系障碍（ASD），通常称为自闭症，是一种起源于幼儿期的神经发育障碍。其主要特征包括社交互动和沟通能力受损、行为模式重复以及兴趣或活动受限[1]。全球自闭症的患病率正在上升[2]。根据美国疾病控制与预防中心2023年的报告，到2020年，8岁儿童中ASD的患病率约为1/36（男孩为4%，女孩为1%），高于2000年至2018年自闭症和发育障碍监测网络的估计[3]。一项在中国进行的多阶段便利性集群抽样研究表明，6至12岁儿童中ASD的估计患病率为0.70%，相当于约70万名儿童[4]。ASD的核心症状之一是社交障碍，表现为与同龄人相比缺乏早期社交兴趣和动机，最终影响其社交能力[5]。即使他们表现出社交兴趣，也常常缺乏与他人适当互动所需的社交技能[6]。这导致他们难以有效沟通和互动，进而影响其语言能力和心理健康[7]。因此，找到有效且可持续的措施来提高ASD个体的社交和沟通技能至关重要。

尽管当前的医学研究取得了一定进展，但该疾病的确切原因尚未完全明确。现有研究表明，该障碍可能是由多种因素相互作用引起的，如遗传易感性[8]、环境暴露[9]以及神经发育过程中的异常变化[10]。由于其发病机制的复杂性，目前尚无针对病因的特定治疗策略[10]。目前，临床实践主要采用综合治疗方法，包括药物治疗、行为矫正、教育培训和物理治疗[11,12]。然而，传统治疗方法仍存在一些局限性。例如，行为训练严重依赖于治疗室环境，在现实世界的社交场景中缺乏生态有效性，难以转移技能[13]。第二代抗精神病药物（如利培酮）可以缓解攻击性行为，但无法改善核心症状，并且存在代谢综合征的风险[14]。此外，自闭症具有较高的残疾率，目前尚无有效的治疗方法。其管理主要涉及长期、密集的专业康复干预，旨在提高自闭症儿童的整体能力。然而，这些干预措施带来了沉重的经济负担，需要护理者投入大量时间，并造成相当大的心理压力[15]。此外，它们在分配社会公共资源、建立专业服务系统以及确保其长期可持续性方面也面临巨大挑战[16]。

自20世纪90年代以来，许多实证研究系统地探讨了利用虚拟现实（VR）对ASD个体进行培训和干预的可行性和有效性[16]。VR技术能够整合现实世界和虚拟世界，通过算法复制多样化的场景，生成沉浸式体验，并通过控制器实现人机交互，从而具备沉浸性、交互性和想象力的特点[17]。在过去20年中，VR在医学领域得到了广泛应用，并在临床认知康复中受到了越来越多的关注[18]。相关研究表明，VR不仅提高了ASD个体的生活技能[19]，还改善了他们的认知能力[20]、情绪调节和识别能力[21]以及社交和沟通能力[22]。研究表明，VR技术通过神经可塑性重塑、行为强化学习和多模态补偿等机制，在解决ASD儿童的核心症状方面具有独特优势[23]。

当前的VR干预研究包括基于桌面的、增强现实的、沉浸式的和混合技术[24]，干预内容涵盖社交沟通和情绪认知等领域[25]。然而，证据基础在干预方案、结果测量工具和参与者特征方面存在显著异质性。此外，不同VR模式之间的头对头比较几乎不存在，现有研究主要将每种主动干预措施与异质性对照条件进行比较。这种碎片化的证据格局使得传统的成对荟萃分析不足以回答比较效果问题，同时也引发了关于更复杂的网络荟萃分析（NMA）是否能够有效应用的基本疑问。

虽然NMA提供了一个理论框架，可以在缺乏头对头试验的情况下整合直接和间接证据并得出比较效果估计，但其有效性严重依赖于传递性和一致性的假设。鉴于这一新兴领域中研究的临床和方法学多样性，这些假设很可能被违反。因此，我们的目标是：（1）系统地绘制现有关于ASD儿童社交和沟通技能VR干预的RCT证据图谱；（2）正式评估当前证据基础是否满足有效NMA所需的假设；（3）评估这些假设是否被严重违反，进行详细的方法学“解剖”，以确定异质性的来源和程度、网络稀疏性和证据缺口；（4）为未来的研究提出具体的、优先级的建议，以解决已识别的方法学障碍。通过将分析从假设验证转变为假设生成，从比较效果评估转变为证据准备度评估，本研究旨在为未来比较效果试验的设计以及VR技术最终应用于临床实践提供严格的基础。

**方法**
本系统评价遵循PRISMA（系统评价和荟萃分析的优先报告项目）和NMA扩展指南[26]，详细信息见检查表1。本研究已在PROSPERO（国际系统评价注册平台）注册（CRD420250654696）。

**搜索策略和纳入及排除标准**
符合条件的研究的选择和搜索策略基于PICOS（人群/患者、干预措施、对照组、结果和研究设计）框架构建。我们系统地从1990年1月至2025年2月26日的8个电子数据库（PubMed、Embase、Cochrane Library、Web of Science、EBSCOhost、CNKI、VIP和Wanfang）中检索数据。为确保不遗漏任何符合条件的文献，我们还检查了早期系统评价的参考文献列表[23,27-30]以及纳入的研究作为补充来源。由于获取专业资源的限制，仅纳入了中文和英文发表的文献。详细的搜索策略见多媒体附录1。在彻底搜索多个数据库后，删除了重复的出版物。然后筛选标题和摘要，并根据纳入和排除标准评估全文。筛选和选择过程由两名评估者（L.W和XG）独立完成。任何差异通过第三名评估者（XB）的协商确定。

**表1**显示了具体的选择标准。总体而言，如果一项研究满足以下条件，则被认为是符合条件的：（1）试验设计是旨在评估任何VR干预对自闭症儿童效果的RCT；（2）招募的儿童是根据DSM-5（精神疾病诊断与统计手册第五版）或其他公认的诊断标准（如自闭症诊断观察量表第二版或国际疾病分类第十版）进行临床评估的；（3）对照组的参与者接受了非VR干预、非药物治疗或常规护理，而实验组的参与者接受了VR干预；（4）结果指标中至少报告了一个与社交或沟通功能相关的结果。如果研究满足以下条件，则将被排除：（1）是重新发表的文章；（2）无法提供全文或存在高偏倚风险（如试验设计不严谨、缺乏参与者数据等）；（3）是综述、观察性研究、病例报告、致编辑的信件或会议摘要。

**表1. PICOS（人群/患者、干预措施、对照组、结果和研究设计）纳入标准**

| 参数 | 标准 |
|------------|------------------------------|
| 人群 | 18岁以下被诊断为ASD的儿童和青少年 |
| 干预措施 | 任何类型的虚拟现实干预 |
| 对照组 | 除VR干预外的无限制，如不治疗、等待名单对照、传统护理等 |
| 结果 | 可测量的任何与社交和沟通技能相关的结果 |
| 研究设计 | 随机对照试验 |

**数据分析**
数据提取由两名独立评估者（XG和SL）以标准方式完成，包括文献数据（作者、出版年份和国家/地区）、参与者特征（年龄、性别和样本量）、干预组成部分（类别、频率和持续时间）以及干预后的主要结果指标。如果研究对同一结果指标使用了2种或更多测量方法，则包含最常用的方法。如果单一方法有多个原始分数，则优先选择质量较高的结果。当数据未完全报告时，使用Cochrane手册中的公式计算相对于基线的变化[31]。如果数据缺失，我们通过电子邮件联系相应作者以获取更多信息。使用Cochrane偏倚风险工具[32]评估纳入RCT的方法学质量。社交和沟通能力的证据质量在CINeMA（Confidence in Network Meta-Analysis）框架内进行评估[33]。

对于本次NMA，根据原始研究中报告的主要技术接口对干预措施进行分组。鉴于同一广泛类别内具体硬件、软件和干预方案的显著差异以及对照条件的多样性，我们明确承认这些操作组可能包含显著的临床和方法学异质性。在解释NMA的传递性假设和汇总结果时，这种异质性是一个关键考虑因素，详见“局限性”部分。

**数据分析**
数据分析由两名研究人员（LW和DL）共同完成。鉴于纳入研究在人群特征、干预方案、结果测量方面的显著临床和方法学差异以及初步证据网络的稀疏性，本研究采用分层分析策略。首先，我们将进行详细的描述性综合，系统地展示和比较每项研究的关键特征和主要发现。随后，我们将进行探索性NMA，以可视化证据结构并生成初步的假设性比较结果。必须强调的是，由于上述限制，NMA的点估计和排名结果具有很高的不确定性，应将其视为未来研究方向的提示，而不是确定的疗效结论或临床推荐依据。所有数据分析均使用STATA 18.0（StataCorp LLC）软件进行，遵循以下协议。所有结果均为连续变量。为了减少基线差异，通过干预前后的均值和标准差变化来合并效应量。鉴于各研究中评估工具和单位的差异，采用标准化平均差异（SMD）作为效应指标。首先，使用“metan”命令进行了传统的成对荟萃分析，计算所有VR干预与常规护理之间比较的合并SMD及其95%置信区间（CI），并生成了森林图以进行可视化。采用随机效应模型来解释研究间的异质性，使用I2统计量进行量化：I2≤50%表示低异质性，而I2>50%表示高异质性。通过比较干预比较对之间的研究特征分布来评估传递性——具体来说，检查是否所有通过共同比较器连接的干预对的特征都是平衡的。特征分布的系统差异可能表明传递性假设被违反。我们比较了可能影响直接比较中组间治疗效果的关键协变量的分布，未发现明显的系统不平衡。这为网络分析中的传递性提供了初步基础。然而，由于研究数量有限，评估这一假设仍需谨慎。实际上，鉴于各研究中参与者、干预措施和结果的临床多样性，我们预计这些假设可能会被违反。因此，所有NMA结果均作为探索性估计呈现，干预措施的排名也应谨慎解读，强调为未来研究生成假设，而不是得出确定的临床结论。

在描述性分析的基础上，进行了探索性NMA。使用“network”命令可视化证据网络，以说明不同VR技术之间的直接和间接比较。对于网络中的闭环，进行了节点分割以测试一致性；在不一致的情况下，应用了不一致性模型[34]。分析模型在频率主义框架下使用“mvmeta”命令拟合，允许在比较之间共享一个共同的异质性参数。使用“sucra”命令计算累积排名曲线下的表面，以生成干预措施的初步排名[35]。使用“netleague”命令生成了总结所有成对干预比较的SMD和95% CI的联赛表。通过“metafunnel”命令生成漏斗图，并使用“metabias”命令实施的Egger测试来定量评估小样本效应[36]。使用“metaninf”命令进行了留一法敏感性分析，通过依次排除每项研究来评估合并效应量的稳定性。为了探索潜在的异质性来源，基于预定义因素（例如，干预模式、地理区域和干预持续时间）进行了亚组分析。此外，使用“metareg”命令进行了元回归，以检查连续变量（例如，样本量和总干预时间）与效应量之间的关联。所有分析均使用双尾检验进行，显著性水平α设为0.05。

**结果总结**
系统检索了电子数据库中的1198条记录。消除重复项后，审查了条目的标题和摘要，获得了125篇全文文章以评估其资格。从相关系统综述的参考列表中还筛选出134条记录作为合格项。文献筛选的方法如图1所示。最终，共有11项研究[37-47]被纳入本综述，涉及718名ASD儿童。

然而，直接比较证据的初步综合显示研究之间存在极高的异质性（I2=91.9%，P<.001）。这一结果表明，各种研究在干预方案、参与者特征和结果测量工具方面存在根本性差异，这使得传统的合并效应量在解释总体疗效时不够稳健和具有临床意义。因此，以下分析将重点描述当前的证据状况和探索性发现。

**研究特征**
表2总结了每项纳入研究的详细信息。在11项研究中，所有研究都采用了公认的诊断标准来识别参与者。参与者的年龄从学龄前儿童到青少年不等。实验干预措施包括8种不同的虚拟技术，分类为数字平台、头戴式显示器（HMD）、VR眼镜、混合现实、CAVE（洞穴自动虚拟环境）、Half-CAVE、桌面VR和基于计算机的魔法技能训练。HMD是最常评估的技术（n=3），其次是数字平台。对照条件各不相同，包括常规康复护理、等待名单对照或其他主动非VR疗法。

**图1. PRISMA（系统综述和荟萃分析的优先报告项目）研究选择流程图。**

然而，直接比较证据的初步综合显示研究之间的异质性极高（I2=91.9%，P<.001）。这一结果表明，各种研究在干预方案、参与者特征和结果测量工具方面存在根本性差异，这使得传统的合并效应量在解释总体疗效时不够稳健和具有临床意义。因此，以下分析将重点描述当前的证据状况和探索性发现。

**探索性NMA**
在描述性分析的基础上，进行了探索性NMA。使用“network”命令可视化证据网络，以说明不同VR技术之间的直接和间接比较。对于网络中的闭环，进行了节点分割以测试一致性；在不一致的情况下，应用了不一致性模型[34]。分析模型在频率主义框架下使用“mvmeta”命令拟合，允许在比较之间共享一个共同的异质性参数。使用“sucra”命令计算累积排名曲线下的表面，以生成干预措施的初步排名[35]。使用“netleague”命令生成了总结所有成对干预比较的SMD和95% CI的联赛表。通过“metafunnel”命令生成漏斗图，并使用“metabias”命令实施的Egger测试来定量评估小样本效应[36]。使用“metaninf”命令进行了留一法敏感性分析，通过依次排除每项研究来评估合并效应量的稳定性。

**结果**
系统从电子数据库中检索到1198条记录。消除重复项后，审查了条目的标题和摘要，并获得了125篇全文文章以评估其资格。从相关系统综述的参考列表中还筛选出134条记录作为合格项。文献筛选的方法如图1所示。最终，共有11项研究[37-47]被纳入本综述，涉及718名ASD儿童。

**研究特征**
表2总结了每项纳入研究的详细信息。在11项研究中，所有研究都采用了公认的诊断标准来识别参与者。参与者的年龄从学龄前儿童到青少年不等。实验干预措施包括8种不同的虚拟技术，分类为数字平台、头戴式显示器（HMD）、VR眼镜、混合现实、CAVE（洞穴自动虚拟环境）、Half-CAVE、桌面VR和基于计算机的魔法技能训练。HMD是最常评估的技术（n=3），其次是数字平台。对照条件各不相同，包括常规康复护理、等待名单对照或其他主动非VR疗法。

**图1. PRISMA（系统综述和荟萃分析的优先报告项目）研究选择流程图。**

然而，直接比较证据的初步综合显示研究之间的异质性极高（I2=91.9%，P<.001）。这一结果表明，各种研究在干预方案、参与者特征和结果测量工具方面存在根本性差异，这使得传统的合并效应量在解释总体疗效时不够稳健和具有临床意义。因此，以下分析将重点描述当前的证据状况和探索性发现。

**探索性NMA**
在描述性分析的基础上，进行了探索性NMA。使用“network”命令可视化证据网络，以说明不同VR技术之间的直接和间接比较。对于网络中的闭环，进行了节点分割以测试一致性；在不一致的情况下，应用了不一致性模型[34]。分析模型在频率主义框架下使用“mvmeta”命令拟合，允许在比较之间共享一个共同的异质性参数。使用“sucra”命令计算累积排名曲线下的表面，以生成干预措施的初步排名[35]。使用“netleague”命令生成了总结所有成对干预比较的SMD和95% CI的联赛表。通过“metafunnel”命令生成漏斗图，并使用“metabias”命令实施的Egger测试来定量评估小样本效应[36]。使用“metaninf”命令进行了留一法敏感性分析，通过依次排除每项研究来评估合并效应量的稳定性。

**结果**
系统从电子数据库中检索到1198条记录。消除重复项后，审查了条目的标题和摘要，并获得了125篇全文文章以评估其资格。从相关系统综述的参考列表中还筛选出134条记录作为合格项。文献筛选的方法如图1所示。最终，共有11项研究[37-47]被纳入本综述，涉及718名ASD儿童。

**研究特征**
表2总结了每项纳入研究的详细信息。在11项研究中，所有研究都采用了公认的诊断标准来识别参与者。参与者的年龄从学龄前儿童到青少年不等。实验干预措施包括8种不同的虚拟技术，分类为数字平台、头戴式显示器（HMD）、VR眼镜、混合现实、CAVE（洞穴自动虚拟环境）、Half-CAVE、桌面VR和基于计算机的魔法技能训练。HMD是最常评估的技术（n=3），其次是数字平台。对照条件各不相同，包括常规康复护理、等待名单对照或其他主动非VR疗法。

**图1. PRISMA（系统综述和荟萃分析的优先报告项目）研究选择流程图。**

然而，直接比较证据的初步综合显示研究之间的异质性极高（I2=91.9%，P<.001）。这一结果表明，各种研究在干预方案、参与者特征和结果测量工具方面存在根本性差异，这使得传统的合并效应量在解释总体疗效时不够稳健和具有临床意义。因此，以下分析将重点描述当前的证据状况和探索性发现。

**探索性NMA**
在描述性分析的基础上，进行了探索性NMA。使用“network”命令可视化证据网络，以说明不同VR技术之间的直接和间接比较。对于网络中的闭环，进行了节点分割以测试一致性；在不一致的情况下，应用了不一致性模型[34]。分析模型在频率主义框架下使用“mvmeta”命令拟合，允许在比较之间共享一个共同的异质性参数。使用“sucra”命令计算累积排名曲线下的表面，以生成干预措施的初步排名[35]。使用“netleague”命令生成了总结所有成对干预比较的SMD和95% CI的联赛表。通过“metafunnel”命令生成漏斗图，并使用“metabias”命令实施的Egger测试来定量评估小样本效应[36]。使用“metaninf”命令进行了留一法敏感性分析，通过依次排除每项研究来评估合并效应量的稳定性。

**结果**
系统从电子数据库中检索到1198条记录。消除重复项后，审查了条目的标题和摘要，并获得了125篇全文文章以评估其资格。从相关系统综述的参考列表中还筛选出134条记录作为合格项。文献筛选的方法如图1所示。最终，共有11项研究[37-47]被纳入本综述，涉及718名ASD儿童。

**研究特征**
表2总结了每项纳入研究的详细信息。在11项研究中，所有研究都采用了公认的诊断标准来识别参与者。参与者的年龄从学龄前儿童到青少年不等。实验干预措施包括8种不同的虚拟技术，分类为数字平台、头戴式显示器（HMD）、VR眼镜、混合现实、CAVE（洞穴自动虚拟环境）、Half-CAVE、桌面VR和基于计算机的魔法技能训练。HMD是最常评估的技术（n=3），其次是数字平台。对照条件各不相同，包括常规康复护理、等待名单对照或其他主动非VR疗法。

**图1. PRISMA（系统综述和荟萃分析的优先报告项目）研究选择流程图。**

然而，直接比较证据的初步综合显示研究之间的异质性极高（I2=91.9%，P<.001）。这一结果表明，各种研究在干预方案、参与者特征和结果测量工具方面存在根本性差异，这使得传统的合并效应量在解释总体疗效时不够稳健和具有临床意义。因此，以下分析将重点描述当前的证据状况和探索性发现。

**探索性NMA**
在描述性分析的基础上，进行了探索性NMA。使用“network”命令可视化证据网络，以说明不同VR技术之间的直接和间接比较。对于网络中的闭环，进行了节点分割以测试一致性；在不一致的情况下，应用了不一致性模型[34]。分析模型在频率主义框架下使用“mvmeta”命令拟合，允许在比较之间共享一个共同的异质性参数。使用“sucra”命令计算累积排名曲线下的表面，以生成干预措施的初步排名[35]。使用“netleague”命令生成了总结所有成对干预比较的SMD和95% CI的联赛表。通过“metafunnel”命令生成漏斗图，并使用“metabias”命令实施的Egger测试来定量评估小样本效应[36]。使用“metaninf”命令进行了留一法敏感性分析，通过依次排除每项研究来评估合并效应量的稳定性。

**结果**
系统从电子数据库中检索到1198条记录。消除重复项后，审查了条目的标题和摘要，并获得了125篇全文文章以评估其资格。从相关系统综述的参考列表中还筛选出134条记录作为合格项。文献筛选的方法如图1所示。最终，共有11项研究[37-47]被纳入本综述，涉及718名ASD儿童。

**研究特征**
表2总结了每项纳入研究的详细信息。在11项研究中，所有研究都采用了公认的诊断标准来识别参与者。参与者的年龄从学龄前儿童到青少年不等。实验干预措施包括8种不同的虚拟技术，分类为数字平台、头戴式显示器（HMD）、VR眼镜、混合现实、CAVE（洞穴自动虚拟环境）、Half-CAVE、桌面VR和基于计算机的魔法技能训练。HMD是最常评估的技术（n=3），其次是数字平台。对照条件各不相同，包括常规康复护理、等待名单对照或其他主动非VR疗法。

**图1. PRISMA（系统综述和荟萃分析的优先报告项目）研究选择流程图。**

然而，直接比较证据的初步综合显示研究之间的异质性极高（I2=91.9%，P<.001）。这一结果表明，各种研究在干预方案、参与者特征和结果测量工具方面存在根本性差异，这使得传统的合并效应量在解释总体疗效时不够稳健和具有临床意义。因此，以下分析将重点描述当前的证据状况和探索性发现。

**探索性NMA**
在描述性分析的基础上，进行了探索性NMA。使用“network”命令可视化证据网络，以说明不同VR技术之间的直接和间接比较。对于网络中的闭环，进行了节点分割以测试一致性；在不一致的情况下，应用了不一致性模型[34]。分析模型在频率主义框架下使用“mvmeta”命令拟合，允许在比较之间共享一个共同的异质性参数。使用“sucra”命令计算累积排名曲线下的表面，以生成干预措施的初步排名[35]。使用“netleague”命令生成了总结所有成对干预比较的SMD和95% CI的联赛表。通过“metafunnel”命令生成漏斗图，并使用“metabias”命令实施的Egger测试来定量评估小样本效应[36]。使用“metaninf”命令进行了留一法敏感性分析，通过依次排除每项研究来评估合并效应量的稳定性。

**结果**
系统从电子数据库中检索到1198条记录。消除重复项后，审查了条目的标题和摘要，并获得了125篇全文文章以评估其资格。从相关系统综述的参考列表中还筛选出134条记录作为合格项。文献筛选的方法如图1所示。最终，共有11项研究[37-47]被纳入本综述，涉及718名ASD儿童。

**研究特征**
表2总结了每项纳入研究的详细信息。在11项研究中，所有研究都采用了公认的诊断标准来识别参与者。参与者的年龄从学龄前儿童到青少年不等。实验干预措施包括8种不同的虚拟技术，分类为数字平台、头戴式显示器（HMD）、VR眼镜、混合现实、CAVE（洞穴自动虚拟环境）、Half-CAVE、桌面VR和基于计算机的魔法技能训练。HMD是最常评估的技术（n=3），其次是数字平台。对照条件各不相同，包括常规康复护理、等待名单对照或其他主动非VR疗法。

**图1. PRISMA（系统综述和荟萃分析的优先报告项目）研究选择流程图。**

然而，直接比较证据的初步综合显示研究之间的异质性极高（I2=91.9%，P<.001）。这一结果表明，各种研究在干预方案、参与者特征和结果测量工具方面存在根本性差异，这使得传统的合并效应量在解释总体疗效时不够稳健和具有临床意义。因此，以下分析将重点描述当前的证据状况和探索性发现。

**探索性NMA**
在描述性分析的基础上，进行了探索性NMA。使用“network”命令可视化证据网络，以说明不同VR技术之间的直接和间接比较。对于网络中的闭环，进行了节点分割以测试一致性；在不一致的情况下，应用了不一致性模型[34]。分析模型在频率主义框架下使用“mvmeta”命令拟合，允许在比较之间共享一个共同的异质性参数。使用“sucra”命令计算累积排名曲线下的表面，以生成干预措施的初步排名[35]。使用“netleague”命令生成了总结所有成对干预比较的SMD和95% CI的联赛表。通过“metafunnel”命令生成漏斗图，并使用“metabias”命令实施的Egger测试来定量评估小样本效应[36]。使用“metaninf”命令进行了留一法敏感性分析，通过依次排除每项研究来评估合并效应量的稳定性。

**结果**
系统从电子数据库中检索到1198条记录。消除重复项后，审查了条目的标题和摘要，并获得了125篇全文文章以评估其资格。从相关系统综述的参考列表中还筛选出134条记录作为合格项。文献筛选的方法如图1所示。最终，共有11项研究[37-47]被纳入本综述，涉及718名ASD儿童。

**研究特征**
表2总结了每项纳入研究的详细信息。在11项研究中，所有研究都采用了公认的诊断标准来识别参与者。参与者的年龄从学龄前儿童到青少年不等。实验干预措施包括8种不同的虚拟相比之下，结果测量和缺失结果数据方面的风险相对较低，评估结果主要为“低风险”，仅有少数情况下存在“一些问题”，这表明这些方面得到了较好的控制。此外，我们使用了CINeMA框架来评估社交和沟通技能的NMA证据的可靠性，但在所有比较中都显示为非常低。详细结果见多媒体附录1。这一评级是由于对研究内偏倚（纳入试验的偏倚风险中等）、非传递性（临床和方法学异质性）、不精确性（置信区间非常宽）以及数据稀疏（构成网络的研究数量较少）的严重担忧。这种非常低的可靠性评级正式强调了定量估计和排名的高不确定性。

其他探索性分析显示，元回归没有表明地区、干预形式、干预持续时间和干预周期对社交和沟通技能有显著影响。同时，亚组分析显示不同地区和不同干预形式组之间存在显著异质性。研究结果见多媒体附录1。这种异质性的来源可能是由于纳入的原始研究样本量不足。此外，在单一干预中，超过40分钟的治疗过程显示出显著异质性，这可能归因于方法学差异、参与者个体差异、出版偏倚等因素。多媒体附录1中的敏感性分析表明，排除偏倚风险较高的研究后，得到的结果与原始发现一致。多媒体附录1中的漏斗图显示，散点主要位于漏斗顶部，并且具有对称性，表明使用社交功能评估量表作为结果测量的研究具有最小的出版偏倚。然而，有3项研究位于漏斗之外且分布较为分散，这可能表明存在一定程度的出版偏倚，这可能是由于样本量小和准确性低所致。

**讨论**

**主要发现**
这是首次应用NMA来比较用于自闭症儿童社交技能的VR技术的研究。然而，最显著的发现并不是比较效应估计或排名，而是一个负面结论：现有的证据基础过于异质、数据稀疏且方法学上不一致，无法支持任何有效的定量综合。关键发现不是比较效应大小或干预排名，而是：（1）极端的、不可减少的统计异质性（I2=91.9%，P<.001），反映了深刻的临床和方法学多样性；（2）证据网络稀疏且不连贯，大多数干预节点仅由单一研究支持，大多数成对比较缺乏直接证据；（3）明显违反了NMA所需的传递性和一致性假设；（4）根据CINeMA框架的评级，所有比较估计的“可靠性都非常低”。本质上，进行NMA的尝试“失败”了——而这种失败本身是这项研究最可靠和最具临床意义的结果。因此，本次讨论将首先批判性地审视这些局限性，然后在此基础上谨慎探索不同VR技术的潜在价值和挑战，并指出未来研究的方向。

**NMA为何失败？现有证据的局限性和异质性来源**
尽管NMA为比较多种干预提供了理论框架，但其结果的可靠性取决于证据基础的内部一致性[48]。本研究中观察到的极端异质性（I2=91.9%）并非偶然，而是源于多个层面根本性的、不可调和的差异，这些差异直接违反了NMA的传递性和一致性假设。首先，在结果测量工具方面，各种研究使用了不同的工具，如自闭症行为检查表、心理教育档案和Vineland适应性行为量表等，这些工具从不同维度评估社交功能，且敏感度和评分方法各不相同。直接合并这些数据假设了概念上的等价性，但这种假设并不成立，这使得任何汇总的效应大小都无法解释[49]。其次，在干预协议方面，即使在“头戴式显示器”这一类别内，核心要素也存在显著差异，例如虚拟场景的具体内容、交互逻辑、每次会话的持续时间以及是否包含治疗师的指导，使它们本质上是不同的“干预包”。第三，在研究对象方面，关键特征（如儿童年龄范围、ASD的严重程度和认知功能水平）也各不相同。这些临床和方法学上的多样性使得直接比较研究结果变得困难，也是观察到的效应大小范围广泛的主要原因。这些临床和方法学上的多样性不仅仅是需要统计调整的麻烦因素；它们代表了研究足够相似以进行比较推断的基本假设的违反。因此，这项定量分析的主要可靠结论是现有数据根本无法支持使用NMA得出稳定或可信的比较效应估计。

**不同VR技术的潜在价值和实施考虑**
尽管存在上述局限性，但对现有研究的描述性综合仍能提供有价值的见解。各种形式的VR技术，包括头戴式显示器（HMDs）、桌面VR和增强现实（AR），都在各自的研究中报告了社交技能的积极改善[50]。其中，HMDs在多项研究中显示出卓越的潜力，因为它们能够提供高度沉浸式、可控且可定制的虚拟社交环境[51]。这种沉浸感可能有助于吸引自闭症儿童的注意力，并允许他们在安全且高度重复的环境中练习社交互动，这与Bradley和Newbutt的系统评价中的观点一致[52]。然而，这并不意味着HMDs优于其他模式；它们只是迄今为止研究最深入的技术。例如，桌面VR由于其较低的感觉负荷和较高的操作便利性，可能更适合某些敏感个体或作为初始适应工具[53]。同时，CAVE系统虽然受限于固定位置，但提供了独特的共享空间体验，适合需要治疗师密切指导的团体训练[23]。

**对未来研究的启示**
鉴于当前证据基础薄弱且不一致，该领域的研究迫切需要从探索可行性转向构建高质量的证据。然而，通往高质量证据的路径并不始于头对头试验；它始于方法学的标准化。首先，方法学的标准化是一个不可或缺的前提。我们强烈建议未来的研究采用基于共识的核心结果集，并详细报告干预方案的具体参数，以提高研究之间的可比性。没有这一步基础，即使是大规模的比较试验也无法进行综合，也无法推动该领域的发展。其次，在实现上述标准化之后，需要设计和实施头对头的随机对照试验（RCT），这些试验应直接比较不同VR技术在相同人群中的有效性，并使用相同的测量工具，而不仅仅是与被动对照组进行比较。然而，在结果测量和干预描述符统一之前，此类试验的结果将仍然受限于特定情境，难以复制或推广。第三，研究视角需要超越即时效果，纳入长期随访评估，以检查技能在现实世界中的保持和泛化情况，并系统地监测和报告不良事件。最后，探索基于个体特征的个性化干预匹配将是实现精准康复的必然途径。

**结论**
总之，VR为自闭症儿童的社交技能干预提供了有前景的新工具。本综述表明，各种形式的VR技术都具有潜力，但目前的研究仍处于早期阶段，证据质量有限且异质性强。我们不能也不应该根据现有数据声称任何特定技术是“最佳”选择。未来的努力应集中在加强证据基础、改进技术解决方案以及促进VR与多模态ASD干预系统的安全、有效和公平整合上。

**局限性**
本研究有几个重要的局限性，在解释其结果时必须充分考虑。首先，证据网络的稀疏性是限制该NMA解释能力的基本因素。尽管纳入了11项研究，但比较了多达8种干预措施，导致许多比较节点仅由单一研究支持。这种“广泛但浅层”的证据结构意味着，对于大多数技术之间的比较，效应估计高度依赖于间接证据，从而增加了结果的不稳定性和不确定性。在这种稀疏网络下生成的排名概率结果应被视为极其初步的探索性提示，而非决定性的效果排名。其次，本研究观察到了显著且无法解释的异质性。尽管我们试图通过亚组分析和元回归探索异质性的来源，但在人群特征、干预细节和核心结果测量工具方面的临床和方法学多样性构成了不可减少的系统性差异。特别是，基于不同理论构建和测量单位的量表分数的标准化和组合，虽然是一种方法学惯例，但可能掩盖了干预对不同社交功能维度的具体影响。因此，较大的效应大小区间和综合估计的波动主要反映了这种根本性的异质性，表明简单的定量综合可能无法准确描述复杂的现实情况。相比之下，敏感性分析证实，极端的效应估计是证据结构的内在产物，而非个别异常值的结果。因此，这项研究的核心价值不在于它生成的数值结果，而在于它清楚地揭示了现有证据不足以进行可靠的定量比较。此外，干预和比较对象的分类虽然对于定量综合是必要的，但本身引入了异质性的来源。这种临床和方法学上的多样性直接挑战了进行稳健NMA所需的相似性假设，也是观察到的高统计异质性和效应估计宽置信区间的主要原因。第三，可能存在语言和搜索偏见。为了确保搜索的可行性，本综述中的文献语言仅限于中文和英文，这可能导致遗漏了用其他语言发表的相关研究，从而影响了证据基础的全面性。第四，结果测量的深度和广度不足。所有纳入的研究都集中在干预后的即时效果上，通常缺乏中期和长期随访数据，因此无法评估VR干预效果的可持续性和其在现实生活中的泛化情况。此外，对于对感官刺激敏感的ASD人群，只有少数研究系统地报告了不良反应或退出原因，这留下了VR技术（尤其是沉浸式设备）安全性的全面评估空白。最后，应对纳入研究中的偏倚风险保持谨慎。近一半的研究在随机化过程或盲法实施方面存在“一些问题”或“高风险”，这可能在一定程度上影响了效应估计的内部有效性。尽管敏感性分析表明，在排除高风险研究后主要结论的方向没有改变，但这种风险表明未来需要更多方法学上严格的研究来加强证据基础。

**结论**
这是首次定量比较用于改善自闭症儿童社交和沟通技能的多种VR技术的NMA。最显著的发现并不在于任何特定技术的优越性，而在于现有证据基础的状况：该证据基础过于有限、不均匀且在方法上存在不一致性，因此无法支持关于治疗效果比较的可靠结论。这项研究的核心价值在于系统地回顾现有证据，指出需要解决的关键空白，并表明目前的证据尚不足以进行综合比较。未来的研究必须在以下领域取得突破：首先，应开展更多高质量、大样本的随机对照试验（RCT），特别是直接比较不同虚拟现实（VR）技术的试验，以提供更可靠的治疗效果数据；其次，应努力标准化结果测量工具，并使用基于共识的核心指标集来提高研究间的可比性和证据积累；第三，必须重视技术的长期疗效和安全性，包括对技能保持能力、泛化能力以及使用技术可能带来的风险的评估；第四，应探索基于个人特征的个性化干预方案，以确定哪些技术最适合不同类型的自闭症儿童。

总之，虚拟现实作为一种干预工具展现出广阔的潜力，但其证据基础仍处于起步阶段。目前的研究结果应被视为提出需要进一步研究的假设，而非对其治疗效果进行验证的结论。我们呼吁学术界共同努力，推进方法论的统一化，这将是所有后续比较性研究的基础。