成人创伤性脑损伤患者中枢神经系统(CNS)生命体征计算机化认知测试的组成部分结构:对认知表现预测因素的初步研究
《Applied Neuropsychology: Adult》:Component structure of the CNS vital signs computerized cognitive battery in adults with traumatic brain injury: A preliminary investigation of predictors of cognitive performance
【字体:
大
中
小
】
时间:2026年05月15日
来源:Applied Neuropsychology: Adult 1.4
编辑推荐:
摘要:患有创伤性脑损伤(TBI)的成年人认知障碍的风险增加。本研究初步探讨了CNS Vital Signs(CNSVS)计算机化认知测试在TBI成年人中的组成部分结构,并评估了认知储备(CR)指标(发病前智商、教育水平和休闲认知活动)、受伤后时间以及损伤严重程度与认知结果之间的关
摘要:患有创伤性脑损伤(TBI)的成年人认知障碍的风险增加。本研究初步探讨了CNS Vital Signs(CNSVS)计算机化认知测试在TBI成年人中的组成部分结构,并评估了认知储备(CR)指标(发病前智商、教育水平和休闲认知活动)、受伤后时间以及损伤严重程度与认知结果之间的关联。参与者包括49名成年人(平均年龄44.90岁,标准差12.81岁;轻度损伤16人,中度损伤5人,重度损伤28人),均来自纽约大都会地区。在排除了冗余的复合指标后,将CNSVS的9个领域标准分数输入主成分分析(PCA)并进行直接正交旋转,随后通过多元回归预测各组分的分数。PCA结果显示出一个由两个组分构成的模型,解释了69.78%的变异:记忆和认知处理(言语记忆、视觉记忆、执行功能、复杂注意力、反应时间、处理速度)以及执行/注意力控制(工作记忆、推理、持续注意力)。对于记忆和认知处理,回归模型具有显著性,表明较高的发病前智商和较轻的TBI损伤程度与更好的表现相关;而对于执行/注意力控制,回归模型则不显著。研究结果表明TBI成年人的CNSVS结构可能具有两个组分,这与儿童样本不同,需要进一步验证。认知储备(即发病前智商)和损伤严重程度能够独立预测记忆和认知处理表现,突显了认知储备在TBI后的神经保护作用。
关键词:CNSVS;认知储备;组成部分结构;执行功能;记忆;TBI
引言:2021年,全球有超过2000万人受到创伤性脑损伤(TBI)的影响(Zhong等人,引用2025)。TBI患者常常出现多种功能障碍,包括身体、情绪和认知方面的缺陷(Stocchetti & Zanier,引用2016)。其中,认知障碍尤为普遍,可能涉及处理速度、注意力、记忆、执行功能、语言和视觉空间能力等方面的缺陷(Dikmen等人,引用2009;Rabinowitz & Levin,引用2014;Vakil,引用2005,引用2024)。这些缺陷的严重程度和持续时间各不相同;一些患者能在几个月内迅速恢复到受伤前的功能状态,而另一些患者则会出现持续性的缺陷,影响日常生活、就业和独立性,这种情况可能持续数年甚至数十年(Bramlett & Dietrich,引用2015;Masel & DeWitt,引用2014;Ponsford等人,引用2014)。评估这些认知缺陷对于指导康复、预测结果和临床决策至关重要。
TBI后的认知缺陷评估方法多样:临床医生可以根据需要选择特定测试来针对特定领域,或者使用涵盖广泛认知类别的综合性测试。这些评估可以是纸笔形式的,也可以是计算机化的,其在管理和评分的标准化程度上有所不同。计算机化认知测试提供了一种结构化的方法,通过预定义的任务自动化管理和评分关键领域。尽管这些计算机化版本通常比全面的神经心理学评估更简短,但它们旨在涵盖所有认知领域,为传统的分领域测试提供了一种更高效的替代方案。
CNS Vital Signs(CNSVS)是一种简短的计算机化认知评估工具,用于评估核心认知领域,包括注意力、执行功能、心理运动速度和记忆(Gualtieri & Johnson,引用2006)。该测试大约需要30分钟完成,适用于7至90岁的个体,包含七个主要子测试:言语记忆、视觉记忆、符号数字编码、手指敲击、斯特鲁普测试(Stroop Test)、注意力转移测试和连续性能测试(Continuous Performance Test,Gualtieri & Johnson,引用2006)。这些子测试产生23个分数,进而得出五个主要领域分数(记忆、心理运动速度、反应时间、复杂注意力和认知灵活性)和六个次要领域分数(言语记忆、视觉记忆、处理速度、执行功能、简单注意力和运动速度)(Gualtieri & Johnson,引用2006)。由于其易于管理、自我评分能力、成本效益以及多语言支持,CNSVS在临床和研究环境中得到广泛应用(Plourde等人,引用2018)。其优势包括快速筛查认知功能、对神经状况细微变化的敏感性,以及在患有医学、精神病学和神经学诊断的成人和儿童样本中的有效性验证(Brooks等人,引用2019;Gualtieri & Johnson,引用2006;Lanting等人,引用2012)。选择CNSVS进行本研究时,我们考虑了其广泛的认知功能覆盖范围、对TBI相关缺陷的敏感性以及在康复场景中的广泛应用。
尽管CNSVS具有实用性,但其心理测量特性,特别是其组成部分结构,仍需在特定人群中进行进一步研究。原始的领域分数并非通过主成分分析得出,而是基于理论构建(Gualtieri & Johnson,引用2006)。在一个包含三千多名健康志愿者(年龄4-90岁)的大样本研究中,发现了一个由三个组分构成的模型,解释了30%的变异:记忆、处理速度和注意力(Gualtieri & Hervey,引用2015)。在一个包含280名患有神经学诊断的儿童样本中,发现了一个由三个组分构成的模型,解释了46%的变异,这些组分被解释为速度、记忆和抑制,但其子测试负荷与程序预定义的领域不同(Brooks等人,引用2019)。这表明,在儿童样本中,一个更为简洁的三个组分模型可能更能代表CNSVS的表现,强调了通过实证研究避免因组分重叠导致的解释挑战的必要性(Brooks等人,引用2019)。因此,将CNSVS应用于TBI成人人群需要进一步研究其组成部分结构,以完善概念理解并提高临床实用性。
TBI后的认知表现受多种因素影响,包括认知储备(CR)(Levi等人,引用2013;Mathias & Wheaton,引用2015;Rassovsky等人,引用2015)和损伤相关因素(Dikmen等人,引用2009)。传统上认为,损伤相关因素(如TBI的严重程度、格拉斯哥昏迷量表得分、意识丧失、创伤后遗忘和脑结构变化)在影响TBI后的认知结果方面起着关键作用,更严重的损伤通常会导致更差的结果(Levi等人,引用2013;Ponsford等人,引用2008)。后续研究探讨了认知储备的作用;认知储备指的是大脑对神经病理损伤的恢复能力,通常通过发病前智商或智力、教育水平、职业复杂性或参与脑力刺激活动的程度来衡量(Levi等人,引用2013;Mathias & Wheaton,引用2015)。根据认知储备理论,较高的认知储备可以提高认知网络的效率和容量,减轻损伤的初始影响,从而在相同损伤水平下产生较少的缺陷(Stern等人,引用2005;Steward等人,引用2018)。认知储备理论认为,较高的认知储备有助于损伤后的快速适应和网络重组(Steffener & Stern,引用2012;Stern等人,引用2005)。实证支持表明,较高的发病前智商或教育水平与TBI后的即时和长期认知结果改善有关(García-Molina等人,引用2013;Levi等人,引用2013;Rassovsky等人,引用2015;Schneider等人,引用2014)。
本研究考察了认知储备指标(发病前智商、教育年限和休闲活动)、受伤后时间以及损伤严重程度对TBI成年人认知功能的预测能力。研究分为两个阶段进行。首先,为了确保对计算机化认知测试结果的准确解读,我们进行了主成分分析(PCA),以探索CNSVS领域分数所反映的认知结构。这一步骤旨在实证验证TBI成人样本中的测试内容,可能确认或细化在儿童神经学样本中观察到的三个组分结构(速度、记忆、抑制)(Brooks等人,引用2019)。由于尚未在仅包含TBI成人的样本中完成主成分分析,因此这是一项探索性分析,我们没有关于组分数量的先验假设。然而,基于对健康儿童、成人和老年人大规模样本的CNSVS研究(Gualtieri & Hervey,引用2015),我们预计会有三到五个组分。其次,我们研究了认知储备和损伤严重程度预测因子对每个识别出的认知组分的解释能力。通过整合这两个阶段,本研究旨在初步探讨TBI成人样本中CNSVS的组成部分结构,并确定影响表现的关键预测因子。
我们假设:(1)CNS Vital Signs(CNSVS)测试在TBI成年人中可能表现出一个由三到五个组分构成的结构——速度、记忆和抑制,这与在患有神经学诊断的青少年中观察到的模式相似(Steward等人,引用2018),尽管在TBI成人人群中的直接证据仍然有限;(2)较高的认知储备指标(如发病前智商和教育水平)将与更好的认知表现相关,这与认知储备理论一致,即较高的基线认知能力可以缓冲脑损伤的影响;(3)较高的损伤严重程度(轻度、中度或重度以及受伤后较短的时间)可能导致较差的认知结果。
方法:参与者共有49名,年龄在24至69岁之间(平均年龄44.90岁,标准差12.81岁),均有TBI病史,其中轻度损伤16人(占32.6%),中度损伤5人(占9.8%),重度损伤28人(占54.9%),均来自纽约大都会地区的康复、神经学和神经心理学诊所。轻度TBI组报告持续的认知问题。受伤后至基线评估的时间范围为12至459个月(平均117.27个月,标准差119.97个月),表明这是一个慢性TBI样本。所有参与者在评估时至少已经受伤一年。49%的参与者为男性,71%为白人,受教育年限为9至21年(平均15.84年,标准差2.52年)。根据韦克斯勒成人阅读测试(WTAR)的分数,估计的发病前智商范围为63至127(平均110.08,标准差13.81)。其中一名参与者的WTAR分数低于70分。所有参与者均无智力障碍的记录。排除该参与者后的敏感性分析结果相同。纳入标准包括医学上确诊的TBI和年龄在18至70岁之间。排除标准包括精神分裂症、双相情感障碍的历史、当前使用酒精或物质滥用、正在使用苯二氮卓类药物、抗惊厥药或可能干扰认知结果的其他神经疾病。参与者提供了书面知情同意书,研究获得了NYU Langone Health机构审查委员会的批准。参与者因认知评估获得了50美元的补偿。所有参与者都参加了一项评估基于神经可塑性的听觉认知训练项目的随机对照试验(Voelbel等人,引用2021)。本研究仅分析了随机化前收集的基线认知评估数据,这些数据包括使用CNS Vital Signs测试的认知评估结果,此前尚未发表。
结果指标:本研究分析了CNS Vital Signs(CNS-VS;Gualtieri & Johnson,引用2006)的指数标准分数,这是一种适用于7至90岁个体的30分钟计算机化认知测试。测试在两台相同的IBM Lenovo Thinkpad笔记本电脑上进行,使用下载的离线软件。为了确保输入的一致性,使用了带有高亮响应键的专用键盘(可在www.cnsvs.com获取)。所有评估均由受过研究生水平培训的心理测量师进行。CNS-VS包含七个主要子测试——言语记忆、视觉记忆、手指敲击、符号数字编码、斯特鲁普测试、注意力转移测试和连续性能测试——产生23个子测试分数,进而得出五个主要领域分数(记忆、心理运动速度、反应时间、复杂注意力和认知灵活性)以及六个次要领域分数(言语记忆、视觉记忆、处理速度、执行功能、简单注意力和运动速度)(Gualtieri & Johnson,引用2006)。所有报告的分数均为年龄调整后的标准分数(平均值100,标准差15),分数越高表示表现越好。记忆领域反映了整体情景记忆(包括即时和延迟试验中的言语和视觉正确反应)。心理运动速度结合了运动输出(手指敲击总次数)和编码效率(符号数字编码的正确反应)。反应时间衡量在抑制需求下的决策速度(两个斯特鲁普测试反应时间的平均值)。复杂注意力通过连续性能测试、注意力转移测试和斯特鲁普测试中的错误计数来整合持续注意力和分散注意力。认知灵活性捕捉了集合转换和抑制能力(注意力转移测试的正确反应减去错误和斯特鲁普测试的失误)。本研究重点关注基线时的11个CNS-VS主要和次要领域标准分数,包括记忆(综合、言语、视觉)、执行功能(认知灵活性、执行功能)、注意力(复杂注意力、持续注意力)、处理速度(处理速度)、反应时间(反应时间标准化)、推理(推理)和工作记忆(工作记忆)。由于49名参与者中有34人(70%)在该指标上缺失分数(因为该指标是在数据收集开始后添加到CNSVS测试中的),因此排除了简单注意力总分。基于回归的成分得分是通过主成分分析得出的,这些得分被用作主要结果,以减少维度并捕捉潜在的认知维度,这与神经学人群中的心理测量方法一致(例如,Brooks等人,Citation2019)。为了研究中枢神经系统-视觉系统(CNS-VS)中认知表现的认知储备预测因素,我们考察了以下背景因素:正规教育年限、使用WTAR估计的受伤前智商以及自我报告的每周认知刺激活动总小时数(如使用计算机/互联网、阅读和解谜)。这些因素的选择基于它们可能影响认知表现的潜力,正如先前的文献所建议的(Finnanger等人,Citation2013;Levi等人,Citation2013;Rassovsky等人,Citation2015)。此外,还考察了受伤后的时间(以月为单位)以及受伤严重程度(轻度、中度或重度,根据医疗记录记录)。在开始研究之前,已获得纽约大学朗格尼健康机构审查委员会的批准。这项分析集中在干预前的基线数据上,包括使用CNS Vital Signs电池对认知领域的全面评估。背景因素数据是通过结构化访谈和医疗记录审查在基线时收集的。
所有分析均使用IBM SPSS版本28.0(IBM公司,Citation2021)进行。分析使用了11个CNS Vital Signs(CNS-VS)主要和次要领域指数的基线标准分数(Gualtieri & Hervey,Citation2015)。通过容忍度(期望值> .10)和方差膨胀因子(VIF;期望值< 3.13)来检查多重共线性(Field,Citation2024)。在进行PCA之前,排除了两个CNS-VS领域得分:复合记忆(它是语言记忆和视觉记忆得分的直接算术组合,两者均单独保留)和认知灵活性(在初步分析中与执行功能指数有几乎完全的重叠,初始共性= 0.997)。这将变量集从11个减少到9个,改善了受试者与变量的比例(大约5.4:1),并消除了由于冗余变量导致的收敛问题。由于缺失数据率较高,简单注意力得分也被排除。为了评估CNS-VS领域得分的成分结构,进行了主成分分析(PCA),并采用了直接斜交旋转(δ = 0),这与神经学人群中的先前验证研究一致(Gorsuch,Citation1990)。保留的成分数量是根据特征值> 1的标准和碎石图检查确定的(Henson & Roberts,Citation2006)。在旋转后的解决方案中,载荷值达到.40或更高的成分被认为具有解释意义(Tabachnick & Fidell,Citation2001)。使用Cronbach’s alpha来评估可靠性。所有分析的p值均设定为< .05。进行了多元回归分析,以检查认知表现与PCA成分得分之间的关系。对于每个多元回归模型,WTAR、教育年限、每周认知刺激活动的总小时数、受伤后的月数以及受伤严重程度(1 = 轻度,2 = 中度,3 = 重度)被纳入模型以预测认知表现。使用自助法BCa 95%置信区间(2,000次重采样)来评估在样本量适中情况下的回归系数稳定性。使用Cohen的f2来计算单个预测因子的效应大小。使用R2来评估模型级别的效应大小,根据Cohen的分类(Cohen,Citation2013),将效应大小分为小(R2 ≥ 0.02)、中(R2 ≥ 0.13)和大(R2 ≥ 0.26)。统计显著性设定为p < .05。
表1展示了背景变量和CNS-VS结果测量的描述性统计信息。
初步分析表明数据适合进行主成分分析(KMO = .82;Bartlett球形度检验,χ2(36) = 284.56,p < .001)。11个CNS-VS领域标准得分中有9个被纳入分析。复合记忆被排除,因为它是语言记忆和视觉记忆的直接算术组合(两者均单独保留),而认知灵活性由于与执行功能几乎完全共线而被排除(在初步分析中初始共性= 0.997)。简单注意力由于技术记录错误也被排除。根据特征值> 1的标准和碎石图检查,保留了两个成分。其余成分的特征值低于1(范围:0.05–0.72)。这两个成分解释了总方差的69.78%(成分1:56.28%;成分2:13.49%)。成分载荷在表2中呈现。所有变量在至少一个成分上的载荷≥ 0.40。成分1最好被描述为记忆和认知处理,其载荷包括语言记忆(0.858)、复杂注意力(0.839)、执行功能(0.808)、视觉记忆(0.764)、反应时间(0.704)和处理速度(0.476)。该成分的可靠性为α = 0.898。成分2代表执行和注意力控制,其载荷包括工作记忆(0.859)、推理(0.827)和持续注意力(0.705)。该成分的可靠性为α = 0.786。处理速度在两个成分上都有载荷(0.476和0.447),这与它在认知任务中作为共享资源的作用一致。这两个成分有中等程度的相关性(r = 0.437),支持使用斜交旋转。提取共性从0.515(视觉记忆)到0.877(执行功能)不等,表明两个成分解决方案充分代表了所有变量(表2)。尽管PCA的样本量适中,但有几个指标支持解决方案的适当性:提取共性通常足够(9个中有7个超过0.60;范围0.515–0.877),所有主要成分载荷都超过0.40,并且每个成分至少由三个强载荷变量定义——在这些条件下,即使样本量小,PCA也能产生可解释的解决方案(de Winter等人,Citation2009;MacCallum等人,Citation1999)。
进行了两项同时多元回归分析,以检查PCA派生成分得分的预测因素(在逐个删除后n = 45)。预测因素包括TBI严重程度(编码1 = 轻度,2 = 中度,3 = 重度)、受伤前的智商(WTAR标准得分)、教育年限、每周认知刺激活动的总小时数以及受伤后的月数。年龄没有被包括作为预测因素,因为因变量是经过年龄调整的标准得分。多重共线性不是问题(所有VIF ≤ 1.95;所有容忍度≥ 0.51),残差满足正态性和同方差性的假设,并使用自助法置信区间(2,000次BCa重采样)来评估系数稳定性。
记忆和认知处理(成分1)的模型是显著的,F(5, 39) = 6.59,p < .001,R2 = 0.458(调整后R2 = 0.389),表示较大的效应。如表3所示,较高的受伤前智商(β = 0.424,p = 0.014)和较轻的TBI(β = ?0.292,p = 0.040)显著预测了更好的表现。教育(β = 0.160,p = 0.325)、认知刺激活动(β = 0.032,p = 0.829)和受伤后的月数(β = 0.170,p = 0.215)不显著。自助法分析(2,000次BCa重采样)支持成分1的显著预测因子的稳健性:受伤前智商的95%置信区间排除了零(BCa 95%置信区间[0.006, 0.052),受伤严重程度的95%置信区间排除了零(BCa 95%置信区间[?0.622, ?0.034)。教育、认知刺激活动和受伤后月数的置信区间包括了零。
这些发现表明,受伤前的智商和较轻的TBI独立于教育、休闲活动和受伤后的时间,对记忆和认知处理表现有独特的贡献。
执行和注意力控制(成分2)的模型不显著,F(5, 39) = 1.99,p = 0.102,R2 = 0.203(调整后R2 = 0.101)。如表4所示,没有单个预测因子达到显著性(所有p > 0.190)。尽管零阶相关性表明成分2与教育(r(47) = 0.34,p = 0.011)、认知刺激活动(r(47) = 0.31,p = 0.018)和受伤严重程度(r(47) = ?0.31,p = 0.020)之间存在显著的双变量关联,但在同时模型中,预测因子之间的共享方差减弱了它们的个别贡献。自助法分析(2,000次BCa重采样)表明,所有预测因子的95%置信区间都包括了零,这与非显著的全局模型一致。
本研究的主要目标是利用CNSVS电池——一种常用于包括TBI患者在内的不同人群的临床认知筛查工具——来研究受伤严重程度和认知储备(CR)在预测TBI后认知表现中的贡献(Gualtieri & Johnson,Citation2006)。之前对CNSVS的主成分分析已在各种群体中进行,如健康志愿者和有神经学诊断的青少年,揭示了其临床解释的潜在认知结构(Brooks等人,Citation2019;Gualtieri & Hervey,Citation2015)。为了实证检验该电池在我们成人TBI样本中对认知结构的测量,我们进行了带有直接斜交旋转的PCA,得到了一个解释了69.78%方差的两个成分解决方案:一个代表记忆和认知处理(语言记忆、视觉记忆、执行功能、复杂注意力和处理速度),另一个代表执行和注意力控制(工作记忆、推理和持续注意力)。这两个成分有中等程度的相关性(r = 0.437),支持使用斜交旋转,并表明存在部分重叠但可区分的认知结构。处理速度在两个成分上都有载荷(0.476和0.447),这与它作为跨认知任务的共享资源的作用一致。这种两成分结构与先前的发现部分重叠但有所不同。Brooks等人(Citation2019)在儿科神经学样本(n = 280)中识别出三个成分结构(速度、记忆和抑制),解释了46%的方差。同样,Gualtieri和Hervey(Citation2015)在大型健康样本(n > 3,000)中报告了三个成分(记忆、处理速度和注意力),解释了30%的方差。一个关键的方法学区别在于样本量和变量包含:较大的研究包含了多达23个子测试得分,而我们的分析在排除冗余组合(复合记忆、认知灵活性)后仅包含了9个领域得分,以解决多重共线性问题,可能限制了像速度这样的额外成分的出现(de Winter等人,Citation2009)。最近的一项研究(Boelders等人,Citation2025)也发现,CNS-VS的因素结构在健康成人和脑肿瘤患者之间有所不同,支持临床人群可能产生不同的成分解决方案的观点。这些差异强调了需要用更大的成人TBI队列进行复制,以完善这一人群的CNS-VS心理测量特征。
基于PCA派生的成分,我们研究了受伤严重程度如何预测记忆和认知处理的表现与执行和注意力控制的表现。受伤严重程度选择性地预测了记忆和认知处理成分,但没有预测执行和注意力控制成分。这种选择性预测与发现一致,即受伤严重程度不成比例地影响记忆功能,这可能是由于其在TBI病理生理学中的脆弱性(Bigler,Citation2013;Vakil,Citation2005)。我们认为,从先验医学标准(如格拉斯哥昏迷量表、意识丧失和创伤后遗忘)得出的临床严重程度分类捕捉了受伤影响的最本质方面,使得其他指标(例如,受伤后的时间)变得多余,几乎没有额外的解释价值(国家科学院、工程院和医学院,Citation2019)。这一测量可能更全面地反映了核心神经病理负担,解释了为什么它在我们的模型中表现优于时间代理指标。对于执行和注意力控制成分缺乏预测可能源于其作为多决定因素的复杂性,受到神经网络、环境因素和补偿机制的相互作用的影响,使得分离严重程度效应更加困难(Karr等人,Citation2018;Yangüez等人,Citation2026)。例如,执行功能在TBI中的恢复轨迹往往多变,受到受伤前特征的调节,而不仅仅是严重程度(Green等人,Citation2008;Narad等人,Citation2017)。这些结果表明,虽然严重程度对记忆预后至关重要,但执行结果可能需要包含额外变量的多方面模型。值得注意的是,零阶相关性显示执行和注意力控制成分与教育(r = 0.34)、认知刺激活动(r = 0.31)和受伤严重程度(r = ?0.31)之间存在显著的双变量关联,但在同时模型中,预测因子之间的共享方差减弱了这些个别贡献,表明执行和注意力控制可能受到多种因素的共同影响。我们进一步探讨了CR代理变量——受伤前的智商(通过WTAR)、教育年限和认知刺激活动——作为成分得分的预测因素。与受伤严重程度的发现类似,CR变量预测了记忆和认知处理,但没有预测执行和注意力控制的表现。在这些因素中,只有受伤前的智商作为记忆和认知处理的显著预测因子(β = 0.424,p = 0.014),而教育和认知刺激活动(例如,阅读、解谜)没有显示出效果。这种模式支持了先前的证据,即较高的受伤前智力可以缓冲TBI相关的认知下降,特别是在记忆领域(Krch等人,Citation2019;Steward等人,Citation2018)。正如Rassovsky等人(Citation2015)所指出的,教育年限可能无法可靠地反映创伤性脑损伤(TBI)患者的智力潜力,尤其是当损伤发生在生命早期时,这会中断教育进程,使得认知能力无法得到充分发展。在认知活动方面,我们的研究结果与一些将智力刺激活动与更好的认知恢复(CR)和更佳的TBI后恢复效果联系起来的研究结果相矛盾(Nunes & Silva Nunes, Citation2021; Oliva等人, Citation2025; Rassovsky等人, Citation2015)。这种差异可能是由于CNS-VS(中枢神经系统-视觉系统)评估方法的局限性,以及该方法对记忆等认知和休闲相关影响的敏感度较低,相比之下,之前的研究使用了更为全面的评估工具(Levi等人, Citation2013; Rassovsky等人, Citation2015)。总体而言,发病前的智商(premorbid IQ)作为TBI患者潜在认知能力的最强指标,其预测价值得到了强调,这与CR模型中的观点一致,即较高的基线认知效率可以减轻损伤的影响(Kesler等人, Citation2003; Oliva等人, Citation2025)。执行功能和注意力控制的不可预测性再次凸显了这些功能的复杂性,可能需要结合神经影像学或心理社会因素等额外指标来进行更全面的评估。
预测TBI后的认知结果对于资源分配、康复计划、预后评估以及患者和家属的期望管理具有重要意义(Blake等人, Citation2025; Humphreys等人, Citation2013; Maas等人, Citation2023)。我们的研究发现表明,记忆和认知处理能力比执行功能和注意力控制更容易被预测,其中损伤严重程度和发病前的智力水平是关键预测因素。通过发病前智商指数衡量的CR(认知恢复),被证明是预测记忆和认知处理表现的最强指标,这进一步强调了其在TBI后的神经保护作用。
然而,本研究也存在一些局限性。样本量(n=48)对于主成分分析(PCA)来说相对较小,变量在不同成分之间的分配也需要谨慎解读,因为不同样本或子样本组成可能会导致成分边界发生变化。不过,该模型的可解释性得到了足够高的共同性、较强的载荷值以及与TBI相关认知文献的理论一致性的支持。核心回归结果显示,发病前的智商和损伤严重程度能够预测认知表现——这一结论并不依赖于具体的成分划分,因为这两个预测因子都与多个CNSVS(中枢神经系统-视觉系统)领域存在显著的相关性。尽管如此,在确认这种两成分结构之前,仍需要在更大的成人TBI患者群体中进行重复验证。为了缓解样本量较小可能导致的系数不稳定问题,我们使用了自助法(bootstrapped)计算BCa置信区间(2000次重采样),结果证实了第一成分预测因子的稳健性。样本仅包括处于TBI慢性期的患者(所有患者受伤后至少12个月;平均时间M=117个月),这可能限制了该模型在急性或亚急性TBI患者群体中的普适性。依赖自我报告的休闲活动数据可能存在回忆偏差,而且样本中包含了轻度、中度和重度TBI患者,假设单一成分结构适用于所有严重程度——这一假设在当前样本量下无法得到验证。未来的研究应采用更大样本量来检验不同严重程度组之间的测量一致性,结合神经影像学数据来阐明执行功能和注意力控制的神经基础,并使用更全面的神经心理学评估工具来明确认知刺激活动在TBI后恢复中的作用。
作者贡献:BL与EV和GTV共同设计了这项研究。GTV负责数据收集与提取。BL撰写了研究手稿的初稿。EV和GTV协助审阅手稿并提供了重要的修改意见。
数据可用性声明:本研究的支持数据可向通讯作者索取。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号