注意力缺陷多动障碍(ADHD)中的基于学习的认知控制:一项多中心研究
《Journal of Child Psychology and Psychiatry》:Learning-based cognitive control in ADHD: a multicentric study
【字体:
大
中
小
】
时间:2026年05月07日
来源:Journal of Child Psychology and Psychiatry 7
编辑推荐:
摘要
背景
基于学习的认知控制(CC)是指根据情境规律调整控制策略的能力,这一能力在正常发育(TD)儿童中已有研究,但在注意力缺陷多动障碍(ADHD)儿童中仍较少被探讨。本研究旨在调查ADHD儿童是否具备这种基于学习的认知控制能力,以及这种能力如何受到认知需求增加的影响。
方
摘要
背景
基于学习的认知控制(CC)是指根据情境规律调整控制策略的能力,这一能力在正常发育(TD)儿童中已有研究,但在注意力缺陷多动障碍(ADHD)儿童中仍较少被探讨。本研究旨在调查ADHD儿童是否具备这种基于学习的认知控制能力,以及这种能力如何受到认知需求增加的影响。
方法
在一项多中心研究中,7至14岁的儿童(145名ADHD儿童[20名女性,平均年龄10.4±2.0岁],97名TD儿童[51名女性,平均年龄10.4±2.0岁])完成了两项实验任务:一项修改后的Flanker任务和一项提示性go-noGo任务。这两项任务都包含了列表范围比例一致性(LWPC)操作,以创建不同的情境可预测性(主要是一致/有效的块与部分一致/有效的块)。我们分析了不同块之间的反应时间(RTs)和准确性,并考察了任务适应性与神经心理学(NPS)测量结果以及基于问卷的认知控制测量结果(包括抑制能力、认知灵活性、工作记忆和行为困难)之间的关联。
结果
ADHD儿童在Flanker任务中的LWPC效应与TD儿童相似,表明他们在低需求情境下仍保持基于学习的认知控制能力。在涉及更高注意力和抑制需求的提示性go-noGo任务中,ADHD儿童在调整RTs和速度-准确性权衡方面的表现不如TD儿童。综合NPS得分可以预测任务适应情况。然而,与父母问卷的关联并未发现显著差异。
结论
在简单情境下,ADHD儿童的基于学习的认知控制能力似乎得到了保留,但在复杂、多需求的条件下则受到阻碍。神经心理学表现可能是这些群体差异的关键机制。这些发现强调了需要使用生态学上有效的范式,并针对ADHD中的复杂认知控制挑战制定个性化的干预措施。
引言
注意力缺陷多动障碍(ADHD)是一种神经发育障碍,其特征是注意力不集中和/或多动及冲动行为(APA,2013年)。此外,ADHD患者的认知控制(CC)表现也存在异质性(Castellanos, Sonuga-Barke, Milham, & Tannock, 2006; Sonuga-Barke & Sergeant, 2005; Willcutt, Doyle, Nigg, Faraone, & Pennington, 2005)。认知控制是指为了实现目标导向的行为而调节思想和行为的过程,这一过程依赖于执行功能(EFs),如抑制、工作记忆更新和任务转换(Diamond, 2013, 2020; Miyake & Friedman, 2012)。这些过程的异常被认为会导致ADHD患者的日常功能困难。尽管传统上认为认知控制是一个自上而下的系统(Baddeley & Hitch, 1974; Norman & Shallice, 1986),但越来越多的证据表明它也受到自下而上的学习机制的影响。表现可以根据近期经验和环境规律自动调整。经典的例子来自冲突适应效应(Gratton, Coles, & Donchin, 1992),展示了在干扰后试次间的调整。除了这些序列效应外,认知控制还可以通过隐式学习情境规律来调节,个体可以学习哪些情境更可能需要控制并相应地调整行为(Abrahamse, Braem, Notebaert, & Verguts, 2016; Braem & Egner, 2018; Egner, 2014)。研究这种基于学习的认知控制调节的一种常用方法是比例一致性(PC)操作,即在不同试验块中改变冲突的频率(例如,主要是一致或主要是不一致的情境)。这些操作会引发渐进的、基于经验的控制调整:当冲突更可能发生时,个体通常会采取更强的控制措施,并表现出更少的干扰(Bugg & Crump, 2012)。PC效应已在成人和正常发育(TD)儿童中得到验证(Gonthier, Ambrosi, & Blaye, 2021; Gonthier & Blaye, 2021),表明儿童可以利用隐式学习的情境信息来调节控制。这些效应通常在提出控制通过反应性和主动性两种模式运作的框架内进行解释(双重控制机制;Braver, 2012)。反应性控制是在干扰发生时暂时调用的,而主动性控制则是在预期冲突时预先维护与目标相关的信息。情境规律,如PC操作所引起的规律,被认为会影响这两种模式之间的平衡:当冲突频繁时,更倾向于主动性控制;当冲突罕见时,则更倾向于反应性控制(Chiu & Egner, 2019; Gonthier et al., 2021)。重要的是,已有研究表明ADHD患者在认知控制和隐式学习方面存在异常。研究指出他们在使用情境信息和隐式学习形式上存在差异(Luman, Tripp, & Scheres, 2010; Nigg, 2017; Barnes, Howard, Howard, Kenealy, & Vaidya, 2010; Huang-Pollock, Maddox, & Tam, 2014; Laasonen et al., 2014),这表明ADHD儿童可能在基于学习的控制调节上表现出改变。关于ADHD中的主动性和反应性控制的研究结果不一,有些报告指出存在主动性控制缺陷,有些报告指出存在反应性控制缺陷,或者两者都有(Cai et al., 2023; Sidlauskaite, Dhar, Sonuga-Barke, & Wiersema, 2020; van Hulst et al., 2018)。然而,之前的研究尚未直接测试ADHD儿童是否利用隐式学习的情境规律来调整他们的控制水平。本研究(“CALM-1”;见附录S1中的图S1)通过比较ADHD儿童和TD儿童(7-14岁)的基于学习的认知控制能力来填补这一空白。为了操作化基于学习的控制,我们在两项对控制过程有不同要求的任务中使用了列表范围PC操作。首先,修改后的Flanker任务要求儿童对中心箭头作出反应,同时忽略一致或不一致的侧翼箭头。在这里,PC操作改变了不同块中的干扰频率,使我们能够评估基于学习的干扰控制调节。其次,提示性go/noGo任务要求儿童根据提示准备反应,并在noGo试验中抑制反应。PC操作改变了有效提示与无效提示之间的关系可预测性,使我们能够在更高认知需求下测试基于学习的注意力准备和运动抑制的调整。通过使用这两项任务,我们能够检查不同组别之间的PC驱动适应是否存在差异,以及这些效应是否受到任务复杂性的影响。根据以往的研究,我们预计TD儿童会在两项任务中都利用隐式规律来调节认知控制,无论年龄如何。具体来说,我们预计在Flanker任务中会出现PC效应(即在部分一致块中的一致性效应更大;Gonthier et al., 2021),以及在Addy任务中有效性效应的调节(即在部分有效块中有效性效应更大;Mento et al., 2022)。换句话说,与一致/有效试验相比,部分一致(50-50)条件下不一致/无效试验的反应时间成本应该更小,同时准确性不会下降。尽管这些效应在所有年龄段都预期存在,但我们预计随着年龄的增长,基于学习的认知控制能力可能会有所提高,因为年龄较大的儿童可能更擅长识别规律或实施控制。鉴于文献中的证据不一,这种发展变化的方向尚不明确。对于ADHD组,由于之前没有研究过PC操作,我们提出了探索性假设。基于ADHD中隐式学习和认知控制异常的证据,可能的结果包括PC效应减弱或消失,或者仅在Flanker任务中保留PC效应,因为后者涉及更多的认知需求。
伦理声明
所有家长均提供了书面同意书,儿童在了解程序后也给予了口头同意,符合意大利心理学协会(Associazione Italiana di Psicologia, 2022)的研究伦理指南。所有实验程序均获得了伦理委员会(帕多瓦大学心理学学院,协议编号4920,2022年8月8日)的批准,并遵循了《赫尔辛基宣言》中表达的原则。
参与者
初始队列包括303名5至14岁的儿童和青少年(154名ADHD儿童,149名TD儿童)。参与者的数量并非通过正式的功率分析确定,而是基于我们对资源的可行性评估(Lakens, 2022)。ADHD组的纳入标准是根据DSM-5标准和ICD-10代码分配的临床心理学家或神经精神病学家的现有正式诊断。TD组仅包括没有报告神经发育或神经/精神疾病正式诊断的儿童,这是通过家长报告筛查调查评估的(见附录S2),该调查评估了发育和医学诊断、药物使用情况、发育障碍家族史和围产期历史。所有参与者的视力均正常或经过矫正。Flanker任务和Addy任务的样本均来自同一初始队列。然而,由于应用了排除标准,最终样本量在两项任务中有所不同(见附录S1中的表S1)。最终的Flanker样本包括132名ADHD儿童(16名女性,平均年龄9.8±2.0岁)和83名TD儿童(41名女性,平均年龄9.7±2.0岁)。Addy任务的样本包括122名ADHD儿童(19名女性,平均年龄9.9±1.9岁)和91名TD儿童(48名女性,平均年龄9.8±2.0岁)(见附录S1中的图S2)。ADHD组中男性比例较高,这在分析中得到了控制(Davidovitch, Koren, Fund, Shrem, & Porath, 2017; G. Polanczyk, De Lima, Horta, Biederman, & Rohde, 2007; Xu, Strathearn, Liu, Yang, & Bao, 2018)。
材料
Flanker任务
试验结构
在初始的注视间隔(850毫秒)后,一个视觉刺激出现并保持在屏幕上,直到参与者作出反应或最多持续3000毫秒。该刺激显示五个箭头,分别指向左、右、上或下。在一致试验中,目标箭头(即中心箭头)与侧翼箭头(即侧边箭头)指向相同的方向(例如,<<<<<);而在不一致试验中,目标箭头和侧翼箭头指向不同的方向(例如,<<> < <)。指令要求参与者尽可能快且准确地按下按钮(左或右),同时忽略干扰性的侧翼箭头。试验列表是随机排列的。
列表范围比例一致性
根据目标箭头与侧翼箭头的对应关系,定义了两种试验类型:一致(目标箭头和侧翼箭头指向相同方向)和不一致(目标箭头和侧翼箭头指向不同方向;见图1A)。通过列表范围比例一致性(LWPC)操作创建了主要是一致(MC,83%一致试验;96次试验:80次一致,16次不一致)和部分一致(50-50,50%一致试验;64次试验:32次一致,32次不一致)的块。这种操作旨在减少从MC块过渡到50-50块时不一致试验的反应时间成本,同时不降低准确性。图1在图查看器中打开。
Flanker任务。A面板:在注视间隔(ITI)(850毫秒)后,目标刺激出现在屏幕中央。目标由一个指向左或右的中心箭头和侧边箭头(即侧翼箭头)组成,侧边箭头指向相同(即一致)或相反(即不一致)的方向。B面板:使用列表范围比例一致性操作创建了主要是一致(MC,83%一致试验)和部分一致(50-50,50%一致试验)的块。在MC块中,诱导项(粉色)100%一致;在50-50块中,诱导项50%一致。相反,诊断项(紫色)在两个块中都50%一致。为了激励儿童,给出了以下口头和书面指令:“你想帮助Maty成为射箭冠军吗?你会看到屏幕中央出现一个目标标志。然后你会看到五个箭头,但你需要专注于中央的那个,同时忽略其他的:那是Maty获胜需要使用的正确箭头!如果中心箭头指向左,按左键;如果中心箭头指向右,按右键。”儿童完成了12次试验的练习,期间有视觉(“很好”,“哦不……错误答案!”和“更快!”)和听觉反馈(正确时高音调,错误或慢速时低音调)。在试验32、64和112后安排了三次休息,以减少疲劳并保持动机,通过口头评估来支持。使用E-prime软件(版本2.08.90;Schneider, Eschman, & Zuccolotto, 2002)创建和执行Flanker任务(Gonthier et al., 2021)。
为了区分隐式学习和适应性控制(Braem et al., 2019; Gonthier et al., 2021),两个块都包含了诱导项和诊断项。在MC块中,诱导项(即指向上或下的侧翼箭头)100%一致(N试验=64次一致),在50-50块中,诱导项50%一致(N试验=16次一致和16次不一致);诊断项(即指向左或右的侧翼箭头)在MC块和50-50块中都50%一致(N试验=16次一致和16次不一致),使这两个块可以相互比较(见图1B)。块顺序是固定的(即先MC块,然后是50-50块),任务持续约10分钟。在实验过程中,每次试验都提供了听觉反馈,以复制Gonthier et al.(2021)的方法论,并在任务的单调性下维持动机。**Addy任务**
在初始注视间隔(800–1,200毫秒)之后,试验开始时会出现一个视觉提示,该提示以指向左或右的箭头形式显示,持续500毫秒。随后在1,500毫秒的间隔后,会出现一个代表男性或女性宇航员的卡通图像作为目标,并在屏幕上保持显示,直到参与者做出反应或最多持续3,000毫秒。屏幕的左右底部会持续显示两个宇航员图标。指令要求参与者根据目标与下方宇航员图标的对应关系,尽可能快且准确地按下相应的按钮(左或右)。最后,当宇航员的宇航服上出现外星生物时,参与者需要不按任何按钮(noGo试验)。宇航员图标的位置以及试验列表在参与者之间进行了平衡处理。
**试验结构**
定义了两种类型的试验:有效试验(箭头方向正确预测了所需反应)和无效试验(箭头方向未预测所需反应;见图2A)。通过LWPC操作创建了MV块(78%的有效试验;72次试验:56次有效,16次无效)和半有效块(50%的有效试验;72次试验:36次有效,36次无效,50%的有效性)。与Flanker任务类似,这种操作旨在减少从MC块过渡到50–50块时无效试验的反应时间(RT)成本,同时不降低准确性。此外,两个块中都包含了相同比例的noGo试验(17%;每个块12次试验,有效和无效各半),以评估预测性情境对反应抑制的影响(见图2B)。试验块的顺序是固定的(即先MV块,然后是50–50块),整个任务持续约10分钟。在实验过程中,没有提供逐次试验的反馈,因为预计任务的认知要求足以维持参与者的兴趣,无需外部强化。
**认知和神经心理学测量**
非言语推理能力通过彩色渐进矩阵(CPM,Raven,1990)进行评估。抑制控制和认知灵活性通过多种标准化的神经心理学(NPS)任务进行测量,包括数字Stroop任务(BIA-R,Marzocchi, Re, & Cornoldi,2010)、NEPSY-II抑制子测试(Korkman, Kirk, & Kemp,2007)以及威斯康星卡片分类测试(WCST,Grant & Berg,1948;Heaton,1981),这些测试采用PEBL软件(版本2.1;Mueller & Piper,2014)的64张卡片计算机化版本进行。任务描述和描述性统计数据见附录S2的表S2。
**家长问卷**
为了评估儿童的日常行为和执行功能,家长完成了Conners' Parent Rating Scale-Revised(CPRS-R,Conners, Sitarenios, Parker, & Epstein,1998;Nobile, Alberti, & Zuddas,2007)、Child Behavior Checklist(CBCL,Achenbach & Edelbrock,1991)、Behavior Rating Inventory of Executive Function-第二版(BRIEF-2,Gioia, Isquith, Guy, & Kenworthy,2015)以及Intolerance of Uncertainty Scale-Parent Version(IUS-P,Bottesi, Noventa, Freeston, & Ghisi,2019;Comer等人,2009)。问卷的描述和描述性统计数据见附录S2的表S3。
**实验程序**
本研究是在帕多瓦大学NeuroDev实验室领导的一个大型意大利多中心项目框架下进行的,与威尼托、利古里亚和艾米利亚-罗马涅地区的10个临床中心合作(CALM-1团队)。通过该网络招募了ADHD儿童的家庭:家庭从他们的临床医生那里获得了研究信息,如果感兴趣,则提供书面知情同意书同意参与。TD参与者来自马尔凯大区(AN)的幼儿园、小学和中学(‘Maria Montessori’和‘Raffaello Sanzio’)以及西西里岛(PA)的幼儿园、小学和中学(‘Antonio Gramsci’和‘Giovanni Falcone’)。教师向家庭介绍了研究信息,所有父母提供书面知情同意书的儿童都被纳入研究。数据收集时间为2022年12月至2023年6月,包括两个实验任务(Flanker和Addy)和一个非言语推理测试(CPM;Raven,1990)。参与者在安静、光线充足的房间内单独接受测试,房间内没有干扰因素,测试地点可以在学校或临床中心进行。在整个实验过程中,有一名培训人员在场陪伴参与者。参与者与笔记本电脑(12.5英寸,分辨率为1,536 × 1,024像素)的距离约为60厘米。除了CPM外,NPS测试仅针对ADHD组的儿童进行。这些NPS测试在实验当天或分多次进行(通常为2次),具体取决于临床中心的安排。每次实验持续约60分钟,期间会安排休息时间以防止参与者疲劳。实验结束后,参与者会收到一张“年轻科学家证书”以感谢他们的参与。没有提供其他形式的补偿。TD儿童和ADHD儿童的家长通过在线平台Qualtrics(Qualtrics,2019)完成了问卷调查,提供了关于他们孩子表现的额外信息。
**统计分析**
分析使用了广义线性混合模型(GLMMs)来处理反应时间(RT)和准确性。在去除过早(即目标出现前<150毫秒)、延迟(即目标出现后>2,500毫秒)和错误(即遗漏或失误)的响应后,分析了反应时间(RT,以秒为单位)。关于准确性,我们分析了150毫秒到2,500毫秒之间的所有响应(同时包括无响应的noGo试验,RT = 0毫秒)。对于Flanker任务,研究设计为2(被试内,试验类型:一致,不一致)× 2(被试内,块:MC,50–50)× 2(被试间,组:ADHD,TD)。对于Addy任务,研究设计为3(被试内,试验类型:有效,无效)× 2(被试内,块:MV,50–50)× 2(被试间,组:ADHD,TD)。GLMM模型(见表1)包括了随机截距和按被试划分的试验类型、块的随机斜率及其交互作用。
**拟合模型**
- **Mod_commissions_Flanker & Mod_commissions_Addy**:因变量 = 准确性(正确响应和失误)
固定效应 = 1 + 块 × 试验类型 × 组 × 年龄 + 性别
随机截距和按被试划分的随机斜率 = 1 + 块 × 试验类型
家族分布 = 二项分布,使用logit链接函数
- **Mod_RT_Flanker & Mod_RT_Addy**:因变量 = RT(秒)
固定效应 = 1 + 块 × 试验类型 + 块 × 试验类型 × 组 × 年龄 + preRT + Acc(n?1)
随机截距和按被试划分的随机斜率 = 1 + 块 × 试验类型
家族分布 = 倒高斯分布,使用对数链接函数
- **Mod_quest_Addy**:因变量 = 有效试验的RT变化量与无效试验的RT变化量
固定效应 = 问卷综合得分 + 组 + 年龄
家族分布 = 高斯分布,使用恒等链接函数
- **Mod_NPS_Addy**:因变量 = 有效试验的RT变化量与无效试验的RT变化量
固定效应 = NPS综合得分 + 年龄
家族分布 = 高斯分布,使用恒等链接函数
**结果**
模型包括准确性(Mod_commissions)、反应时间(Mod_RT)以及表现适应与问卷/神经心理学测试之间关联的模型(Mod_quest_Addy & Mod_NPS_Addy)。在两种情况下,都包含了年龄(以月为单位)作为交互因素,以检查不同组之间PC效应的潜在发展变化。此外,性别作为组内协变量被纳入所有分析中,以控制基线差异,因为预计性别不会影响PC效应。为了处理可能的逐次试验顺序效应或疲劳效应,模型包括了以下协变量:(1)前一个试验的反应时间(preRT,连续数值变量,已缩放),以解释反应时间的时间依赖性(Baayen & Milin,2010);(2)前一个试验的准确性(Acc(n ? 1);0 = 错误,1 = 正确),以解释错误后的反应延迟(Rabbitt,1966);(3)前一个试验的试验类型(Trial(n ? 1);0 = 一致/有效,1 = 不一致/无效或noGo),以解释顺序效应(Horga等人,2011)。作为探索性分析的一部分,线性模型(LMs)评估了任务表现与问卷/NPS分数之间的关联。重要的是,这些模型仅在任务分析显示组间差异时才进行拟合。选择这种方法是为了具体检查区分各组的基于学习的CC过程是否与更广泛的行为和NPS功能相关,并减少由于多重比较而导致的I型错误风险。所有统计分析均在R语言(R Core Team,2020;版本4.3.2)中使用贝叶斯框架和‘brms’包(Bürkner,2017)进行。每个领域的综合得分(问卷和NPS测试)是通过相应变量的标准化得分的平均值计算得出的。通过McDonald's Omega Total(ωt)评估的内部一致性表明,问卷(ωt = 0.9)和NPS(ωt = 0.7)的综合得分都具有可接受的可靠性(Dunn, Baguley, & Brunsden, 2014)。我们拟合了两个独立的线性模型:一个包括问卷综合得分,另一个包括NPS综合得分作为预测变量。在两个模型中,年龄都被作为一个协变量纳入。组变量(TD vs ADHD)仅包含在问卷模型中,因为两组都有父母的问卷数据。相比之下,只有ADHD儿童完成了NPS测试;因此,TD组不能被纳入NPS模型。作为因变量,我们计算了各组之间的差异(delta)得分。这些差异得分总结了各组之间的适应程度(在“从认知/神经心理学测量和问卷预测适应”部分的第一组分析中有更详细的描述),更适合进行相关性分析。我们计算了有效和无效试验的反应时间(RTs)的差异得分。具体来说,我们计算了每种试验类型在MV和50–50块之间的平均RTs差异。这产生了两个delta得分(delta valid和delta invalid):更正的delta得分表示更好的适应,因为它表明儿童在从MV块过渡到50–50块时加快了他们的RTs(见表1中的线性模型)。在将这两个delta得分纳入统计模型之前,都进行了中心化处理。
表2报告了准确性和RTs的描述性统计信息。
表2. Flanker和Addy任务的描述性统计信息
A组:Flanker任务
ADHD
MC(大多数有效)
一致
0.97 ± 0.18
1.02 ± 0.41
MC(不一致)
0.93 ± 0.26
1.15 ± 0.47
50–50
一致
0.98 ± 0.13
0.96 ± 0.39
50–50
不一致
0.93 ± 0.26
1.05 ± 0.43
B组:Addy任务
ADHD
MV(有效)
0.96 ± 0.19
0.96 ± 0.40
MV(无效)
0.90 ± 0.30
1.02 ± 0.40
MV(NoGo)
0.92 ± 0.28
50–50
有效
0.96 ± 0.20
1.03 ± 0.42
50–50
无效
0.95 ± 0.21
1.02 ± 0.41
TD
MC(有效)
0.99 ± 0.08
1.04 ± 0.37
MC(无效)
0.93 ± 0.25
1.14 ± 0.39
50–50
有效
0.91 ± 0.09
0.89 ± 0.32
50–50
无效
0.98 ± 0.15
0.97 ± 0.39
A组和B组的准确性和RTs的平均值±标准差(SD)分别在Flanker任务(A面板)和Addy任务(B面板)中呈现,涵盖了两种块条件(主要是有效/无效的MC/MV和50–50)。ADHD代表注意力缺陷多动障碍;MC代表大多数有效;TD代表典型发展。
A组:Flanker任务的准确性
请参见表3第A部分以获取完整模型结果,以及图3A以获得视觉总结。
A部分:Flanker任务的准确性(A部分)和反应时间(RTs;B部分)的贝叶斯模型结果摘要
效应
估计值
95% HDI
PD
A部分:准确性
试验类型(I)
-0.98
-1.31, -0.66
>.99
块(50–50)
0.39
0.04, 0.73
.99
组(TD)
0.72
0.26, 1.14
>.99
年龄
0.31
0.05, 0.59
.99
性别(M)
0.04
-0.35, 0.44
.57
试验类型(I)× 块(50–50)
-0.33
-0.71, 0.07
.95
试验类型(I)× 组(TD)
0.2
-0.25, 0.66
.81
块(50–50)× 组(TD)
0.1
-0.39, 0.61
.65
试验类型(I)× 年龄
-0.08
-0.37, 0.20
.7
块(50–50)× 年龄
0.02
-0.29, 0.33
.53
组(TD)× 年龄
-0.23
-0.63, 0.20
.86
试验类型(I)× 块(50–50)× 组(TD)
0.17
-0.40, 0.70
试验类型(I)× 块(50–50)× 年龄
0.03
-0.31, 0.39
.56
试验类型(I)× 组(TD)× 年龄
0.31
-0.16, 0.76
块(50–50)× 组(TD)× 年龄
-0.38
-0.85, 0.70
试验类型(I)× 块(50–50)× 年龄
0.18
-0.34, 0.70
B部分:反应时间
试验类型(I)
0.14
0.12, 0.16
>.99
块(50–50)
-0.05
-0.07, -0.04
>.99
组(TD)
-0.07
-0.12, -0.02
>.99
年龄
-0.16
-0.19, -0.13
>.99
性别(M)
-0.03
-0.08, 0.02
.85
preRT
0.07
0.06, 0.08
>.99
Acc(n?1) (1)
-0.07
-0.10, -0.04
>.99
试验(n?1)(不一致)
-0.02
-0.03, -0.01
>.99
试验类型(I)× 块(50–50)
-0.03
-0.05, -0.01
>.99
试验类型(I)× 组(TD)
0
-0.03, 0.03
.55
块(50–50)× 组(TD)
0.01
-0.02, 0.03
.66
试验类型(I)× 年龄
0.01
-0.01, 0.03
.70
块(50–50)× 年龄
-0.01
-0.03, 0.01
.88
组(TD)× 年龄
0
-0.05, 0.05
.56
试验类型(I)× 块(50–50)× 组(TD)
-0.01
-0.04, 0.03
.66
试验类型(I)× 块(50–50)× 年龄
0.01
-0.01, 0.03
.76
试验类型(I)× 块(50–50)× 组(TD)
-0.02
-0.05, 0.01
.86
试验类型(I)× 块(50–50)× 组(TD)× 年龄
0.02
-0.04, 0.03
.58
事后对比
块(MC):C ? I
-0.13
-0.15, -0.12
>.99
块(50–50):C ? I
-0.11
-0.12, -0.09
>.99
试验类型(C):块(MC) ? 块(50–50)
0.06
0.04, 0.07
>.99
试验类型(I):块(MC) ? 块(50–50)
0.08
0.07, 0.1
>.99
后验均值估计(准确性的对数几率和RTs的原始值)及其相关的95%最高密度区间(HDIs)和方向概率(PD)一起呈现。交互作用用符号×表示。加粗的结果表示强证据。MC代表大多数有效;TD代表典型发展。
A组:Flanker任务的准确性和反应时间。A面板显示了不同块(主要是有效/无效的MC/MV和50–50)上准确性的分布(y轴),分别针对ADHD(左)和TD(右)组。箱形图表示中位数(线)、四分位数范围(箱)和数据范围(须);个别参与者数据点被叠加显示。B面板使用相同的结构显示了反应时间(y轴)。
总体而言,准确性随着年龄的增长而提高,表明表现有所发展。两组儿童在一致试验中的准确性都高于不一致试验,表明了一致性效应的显著性。从MC块到50:50块的准确性也有所提高,表明了块的主效应,但试验类型和块之间没有交互作用,反映了LWPC效应的缺失。组的主效应表明TD儿童的表现优于ADHD儿童,但组之间没有显著的交互作用,表明基于学习的CC在ADHD儿童中并不不那么有效。
B组:Addy任务的准确性
请参见表4第A部分以获取完整模型结果,以及图4A以获得视觉总结。总体而言,年龄的主效应表明RTs随着年龄的增长而改善。此外,我们发现了预期的错误后减速效应:与一致试验相比,不一致试验后的反应时间更慢,以及连续试验之间RTs的时间相关性。参与者在一致试验中的反应速度更快,反映了明显的一致性效应。RTs也从MC块到50:50块有所减少,表明了块之间的整体速度提升,块和试验类型之间也存在交互作用——这也与预期的LWPC效应一致。这一结果表明,一致性效应受到情境难度的调节,在50:50块中观察到的效应较小。同样,我们也观察到组的主效应,TD参与者的反应速度比ADHD儿童快,但组之间没有交互作用,表明基于学习的CC在ADHD儿童中并不不那么有效。
A组:Addy任务的准确性
请参见表4第A部分以获取完整模型结果,以及图4A以获得视觉总结。总体而言,年龄的主效应表明RTs随着年龄的增长而改善。此外,我们发现了预期的错误后减速效应:与一致试验相比,不一致试验后的反应时间更慢,以及RTs在连续试验中的时间相关性。参与者在一致试验中的反应速度更快,反映了明显的一致性效应。RTs也从MC块到50:50块有所减少,表明了块之间的整体速度提升,块和试验类型之间也存在交互作用——这也与预期的LWPC效应一致。这一结果表明,一致性效应受到情境难度的调节,在50:50块中观察到的效应较小。再次,我们也观察到组的主效应,TD参与者的反应速度比ADHD儿童快,但组之间没有交互作用,表明基于学习的CC在ADHD儿童中并不不那么有效。
A组:Addy任务的反应时间
请参见表3第B部分以获取完整模型结果,以及图3B以获得视觉总结。总体而言,年龄的主效应表明RTs随着年龄的增长而改善。此外,我们发现了预期的错误后减速效应:与一致试验相比,不一致试验后的反应时间更慢,以及RTs在连续试验中的时间相关性。参与者在一致试验中的反应速度更快,反映了明显的一致性效应。RTs也从MC块到50:50块有所减少,表明了块之间的整体速度提升,块和试验类型之间也存在交互作用——这也与预期的LWPC效应一致。这一结果表明,一致性效应受到情境难度的调节,在50:50块中观察到的效应较小。这种效应与块类型相互作用:具体来说,当儿童从MV块过渡到50:50块时,他们在无效试验中的准确性有所提高。最后,组别的主效应表明,患有ADHD的儿童通常比他们的TD(典型发育)同龄人准确性更低,但组别与其他变量之间没有交互作用,这表明两组在从MV块过渡到50:50块时,在无效试验中的提高程度相同。
有关完整模型结果,请参见表4的B部分,以及图4B的视觉总结。总体而言,我们发现年龄的主效应,即反应时间(RT)随着年龄的增长而减少。我们还发现了错误后的减速效应,即在无效和noGo试验后的反应比有效试验慢,以及连续试验之间RT的时间相关性。我们观察到试验类型的主效应,即儿童对无效的Go试验反应更快,同时试验类型和块类型之间存在交互作用,表明两组在从MV块过渡到50:50块时,在无效试验中的反应速度都有所提高,而在有效试验中的RT保持稳定。这导致在50:50块中有效性和无效性之间的差异(即有效RT和无效RT之间的差异)减小。关键的是,块类型×组别的交互作用显示了两组之间的不同模式:TD儿童在50:50块中的反应速度比MV块快,而ADHD儿童的反应速度较慢。因此,ADHD儿童在MV块中的速度比TD同龄人快,但在50:50块中没有观察到组别差异。
关于Addy任务的适应预测,请参见相关内容。
Addy任务和问卷测量结果,请参见表5A的完整模型结果和附录S4,以及图S3的视觉总结。我们没有发现表现适应与问卷综合指数得分之间的关联。唯一有意义的结果是,与ADHD组相比,TD组在有效和无效试验中显示出更大的RT调节(delta)。
表5展示了Delta Valid和Delta Invalid分数与问卷综合得分(A面板)以及神经心理学测试综合得分(B面板)的回归结果。对于每个预测因子,我们报告了估计系数(β)、95%最高密度区间(HDI)和方向概率(PD)。加粗的结果表示有强有力的证据。
讨论:
这项多中心研究通过纳入7-14岁的ADHD儿童,扩展了之前关于基于学习的认知控制(CC)的研究。两个实验任务——修改后的Flanker任务(Gonthier等人,2021年)和提示性的go-noGo任务(Addy任务)——分别评估了基于情境可预测性的共性效应(即在一致/有效试验中预期表现更好)和有效性效应(即在不一致/无效试验中预期表现更差)是如何调节的。ADHD患者的基于学习的CC并未受损。
修改后的Flanker任务和Addy任务使我们能够研究基于学习的CC在典型和非典型发展过程中的演变。与之前的研究(Gonthier等人,2021年;Gonthier & Blaye,2021年)一致,我们发现学龄前TD儿童可以利用情境规律来适应性地采用更反应性的或更主动的控制策略。然而,值得注意的是,我们的结果还显示,无论是TD儿童还是ADHD儿童,在面对增加的情境难度时都表现出CC适应。具体来说,在Flanker任务中,两组在不一致试验中的RT都更快,且准确性没有下降,从主要是一致的(MC块,不一致试验较少)过渡到半一致的(50-50块,不一致试验较多)。在Addy任务中,两组在从MV块过渡到半有效(50-50块)时,无效试验的准确性都有所提高。在这两种情况下,这种效应都抵消了类似任务中通常观察到的疲劳现象(这通常会导致第二块的表现下降),并为更困难块中的CC适应提供了有力证据。这种LWPC效应可以解释为向主动控制的转变(Gonthier等人,2021年),在两组中表现得同样明显。值得注意的是,这是首次有证据表明ADHD儿童表现出与其TD同龄人相似的LWPC效应。这与先前的研究结果一致,即基于隐性学习的主动CC在隐性主动控制尚未普遍的年龄段的年轻TD儿童中表现稳健,表明隐性CC的实现并不像显性CC那样耗费资源(Gonthier等人,2021年)。因此,我们的结果可能反映了ADHD儿童在自动、情境敏感的调整方面的相对保留,这与他们在需要显性、策略性控制的任务中表现出的困难形成对比。换句话说,当控制需求是隐性的时候,ADHD儿童可以根据情境优化CC的实现,包括主动CC,这与之前关于这一群体控制调节受损的发现形成对比(例如,Cai等人,2023年;Cai, Chen, Szegletes, Supekar, & Menon,2018年;Sidlauskaite等人,2020年;Suarez等人,2021年)。当多个认知需求同时存在时,基于学习的CC会受到阻碍。
大多数关于基于学习的CC的研究使用的任务都是针对单一认知机制的。我们的第二个任务,提示性的go-noGo(Addy任务)需要多个认知需求(即根据先前的提示分配视空间注意力,同时对noGo试验保持沉默)。这创建了一个更反映现实生活需求的任务(例如,教室里的孩子必须专注于老师的指令,同时忽略教室中的干扰)。值得注意的是,两组之间的适应模式有所不同。实际上,两组在从MV块过渡到半有效(50-50块)时,无效试验的准确性都有所提高,表明向主动控制的转变。然而,他们的速度-准确性权衡有所不同。TD儿童在第二个50-50块中速度更快,特别是在无效试验中加速。相反,ADHD儿童的整体速度较慢,在无效试验中保持RT不变,但在有效试验中减速,表明控制调节效率较低。换句话说,TD儿童在速度-准确性平衡上优于ADHD儿童,这与过去关于ADHD中权衡改变的发现一致(Mohamed, B?rger, Geuze, & van der Meere,2016年;van der Meere,2005年)。这些结果表明,ADHD相关的困难并非由于基于学习的CC本身受损,而是因为在复杂的多需求条件下应用它时遇到挑战。这强调了使用更符合生态学有效的实验设计来理解CC在现实生活情境中的功能的重要性,特别是在像ADHD这样的神经发育障碍人群中。基于学习的CC可能与显性CC有关。
一些研究表明,隐性控制与显性控制是分离的(Gonthier等人,2021年)。其他研究则表明两者之间存在关联(Mento等人,2022年)。无论如何,直接比较隐性和显性CC机制的测试仍然具有挑战性。在这项研究中,我们探讨了任务适应(RT)是否与家长问卷和NPS测试的得分相关,这些测试传统上基于显性的CC需求。有趣的是,我们发现,在NPS综合得分上的更好表现预测了对无效试验的更强适应——这是组间的一个关键差异——而与问卷得分之间没有发现关联。这可能表明基于学习的(即任务适应)和显性的(即NPS综合得分)CC之间存在联系。然而,由于这是一个探索性发现,应谨慎解释,并通过未来的研究加以证实。
需要承认一些局限性。首先,由于时间和资源限制,我们无法包括主要是不一致的块或平衡块顺序。在未来的研究中包括这些内容可以澄清不同形式的情境可预测性如何影响ADHD中的基于学习的CC。其次,提示性的go-noGo任务(Addy任务)的设计没有区分这些效应是由于提示-目标学习难度(与仅呈现LWPC操作的Flanker任务相比)还是注意力控制和反应抑制的联合需求。未来的研究应该分离这些因素,以更好地理解基于学习的CC的机制,特别是在ADHD中。最后,应该注意的是,TD组的儿童可能有未被诊断的学习或注意力困难,这在学龄人群中相对常见(5%-6%;Morsanyi, van Bers, McCormack, & McGourty,2018年;Salari等人,2023年),这可能部分解释了在Flanker任务中未观察到组间差异的原因。
本研究得到了意大利卫生部的资助(Ricerca corrente 2026)。作者衷心感谢所有参与这项研究并使其成为可能的家庭。同时,也感谢参与数据收集的学生们:A. Borghi博士、C. Lissandron博士、E. Zamprogno博士、F. Pilloni博士、L. Fadil博士、F. Barbetti博士、S. Stievano博士、A. Cavina博士、M. Lombardo博士、G. Armandi博士、C. Bavosi博士、S. Armanno博士、G. Carella博士、M. Carnevali博士和S. Basso博士。作者还感谢参与项目的学校们的合作:Maria Montessori幼儿园(AN)、Raffaello Sanzio小学(Marina di Montemarciano,AN)、Antonio Gramsci中学(PA)和Giovanni Falcone综合学院(PA)。他们还要感谢他们的朋友和同事Gundo教授始终如一的坦率指导,他们以所需的优雅和耐心接受了这种指导。最后,他们还要感谢CALM-1团队的宝贵贡献,包括专业人士(神经精神病学家和心理学家):V. Bucco博士、G. Squarcina博士、Martina Baggio博士(IRCCS Medea Associazione La Nostra Famiglia, Conegliano)、C. De Candia博士、M. Conz博士、S. Rinaldi博士、V. Schiavon博士(Associazione La Nostra Famiglia, Medea Treviso)、R. Piovesan博士、F. Rigoni博士(Associazione La Nostra Famiglia, Vicenza & Padova)、M. Raffaele博士(Associazione la Nostra Famiglia, Oderzo)、A. Cagnin博士和D. Benetti博士(Studio di Psicologia e Psicoterapia per l'età evolutiva, Fiesso d'Artico, VE)、L. Bertolo博士(Studio Logopedico Psicologico ‘Il Timone’, La Spezia, SP)、F. Zanardo博士和C. Simion博士(Studio ‘La Fenice’, Noale, VE)、F. Bovo博士(Studio ‘Incore’, Noventa Padovana, PD)、E. Cazzari博士(Centro Medico Rindola, Vicenza, VI)、F. Tebaldi博士和M. Filippini博士(Studio ‘Il Piccolo Principe’, Ferrara, FE)。作者声明他们没有竞争或潜在的利益冲突。开放获取出版由Padova大学提供,作为Wiley - CRUI-CARE协议的一部分。
所有家长都提供了书面同意,孩子们在了解程序后也给予了口头同意,符合意大利心理学协会(Associazione Italiana di Psicologia,2022年)的伦理指南。所有实验程序都得到了伦理委员会(Padova大学心理学学院,协议编号4920,2022年8月8日)的批准,并遵循了赫尔辛基宣言中表达的原则。
已知什么?ADHD儿童经常在认知控制(CC)方面遇到困难,但关于他们根据情境学习调整CC的能力知之甚少。有什么新发现?这项研究表明,ADHD儿童像他们的TD同龄人一样,可以在低需求环境中利用情境规律来调整CC。在需要多种认知过程(例如注意力控制和抑制)的任务中,患有多动症(ADHD)的儿童表现出较低的适应效率。神经心理学表现成为解释群体间适应控制差异的一个潜在关键机制。哪些发现是重要的?研究结果强调了使用生态学上有效的任务的重要性,并建议针对多动症的干预措施应侧重于在现实生活、多需求情境中的灵活注意力控制能力。
**注释:**
1. 请注意,诱发试验和诊断试验的项目设置并未进行平衡处理(诱发试验始终使用上下箭头,而诊断试验则使用左右箭头)。由于对上下箭头的反应速度较慢,并且心理控制(PC)效应与箭头方向没有显著交互作用(Gonthier等人,2021年),不进行项目设置平衡反而使设计更加稳健,尤其是在群体比较的背景下(即所有参与者感兴趣的测量指标始终是MC中的左右箭头与50-50块设计),且不会显著降低研究的普遍性。这种设计选择导致诊断试验的整体反应时间(RT)略长于诱发试验。
**数据可用性声明:**
支持本研究结果的数据可在OSF平台上公开获取:
https://osf.io/gae2c/?view_only=97462614f1b74214a8b451119428c604