《BMC Psychology》：Emotion regulation in children and adolescents: a systematic review and quality assessment of behavioral and physiological assessment methods and their theoretical foundations
情绪调节（ER）对于理解心理健康与障碍至关重要。研究人员需要有效且可靠的ER测量工具，以开发心理健康促进与治疗的模型。本系统综述全面概述了儿童和青少年ER的行为观察与生理测量方法，包括其理论嵌入与心理测量学属性。研究方法遵循PRISMA指南，研究人员在PubMed、PsycINFO、Psyndex plus和Web of Science数据库中进行了系统的文献检索，未设置语言限制。纳入标准为：使用至少一种行为或生理ER测量方法、将ER作为结局变量的0-15岁儿童青少年的实证研究；排除二次文献研究。研究人员提取了测量类型、理论基础及心理测量学属性（信度、效度、客观性），并使用描述性统计和卡方检验在不同年龄组间进行比较。结果显示，共有516项研究符合纳入标准。仅5%的研究报告了效度证据，62%报告了信度，20%报告了客观性。少数研究引用了ER定义或对ER模型进行了实证检验。LAB-TAB和延迟满足任务是使用最频繁的行为观察测量，而呼吸性窦性心律不齐（RSA）和脑电图（EEG）则是主要的生理测量方法。行为观察在更年幼儿童中使用更频繁，而生理测量在较大年龄儿童中更常见（p < .001；V = .37）。大多数研究聚焦于负性情绪的调节（91%），且90%的研究仅采用单一ER测量方法。结论认为，儿童和青少年ER测量存在心理测量学报告有限和理论整合不足的问题。本综述提供了现有方法及其心理测量学属性的概览，有助于未来研究选择适当的测量工具。研究人员需要更加重视效度、多方法取向、理论基础以及正性情绪的纳入，以改进测量标准并推进ER研究。
**背景**
情绪具有重要的生存功能：其为快速运动反应做好准备，帮助应对环境变化，并通知和预备社交情境。情绪调节（ER）被界定为"负责监控、评估和调节情绪反应以达成个体目标的过程"。在儿童中，ER对终身健康具有重要意义，与心理幸福感、社交能力和心理健康结局相关。儿童期较低的ER能力与内化及外化障碍的后期发展相关。ER作为跨诊断因素，在理解心理健康与心理障碍的发展中发挥核心作用。因此，儿童期ER的有效评估对于早期理解和促进心理健康至关重要。然而，ER的概念化和测量仍存在不一致。例如，双因素概念假设情绪必须先被诱发而后调节才会发生，而单因素概念则将情绪及其调节视为统一过程中不可分割的组成部分。这些概念差异反映在异质的测量方法中，使研究间的比较和整合变得复杂。
考虑到现有证据，多项综述和元分析已考察了儿童ER及其与心理病理、社交能力和学业成就的联系。先前综述总结了儿童青少年ER评估方法并提供了有价值的概述和讨论，但存在若干局限：部分缺乏对初级研究的系统分析、聚焦有限的年龄范围、未评估心理测量质量，或应用了狭窄的纳入标准。此外，据研究人员所知，最新的综合综述可追溯至2011年，突显了更新文献综合的必要性。鉴于不断增长的文献体量，对儿童青少年ER的行为和生理测量方法进行更新的系统综述势在必行，尤其是其心理测量属性和理论基础尚未得到全面评估。
本系统综述旨在解决这一空白。具体而言，研究人员考察了儿童青少年中使用的行为和生理ER测量方法的数量和类型，评估了其报告的心理测量属性，并分析了这些测量方法背后的理论定义和模型。基于先前文献，研究人员提出了以下假设：研究在潜在的ER定义和模型上存在差异，代表单因素和双因素概念；行为观察测量在年幼儿童研究中更频繁使用，而生理测量在较大年龄儿童研究中占主导；ER的单方法评估将多于多方法取向；ER方法的信度报告将多于效度。
**方法**
本研究为针对儿童和青少年（0-15岁）ER行为观察和生理测量实证研究的系统综述。综述遵循PRISMA 2020指南进行。本综述仅聚焦于使用行为观察和生理测量方法评估ER的研究。尽管文献检索也识别出采用其他评估方法的研究，如问卷、访谈、叙事、生态瞬时评估（EMA）/应用程序和基于计算机的任务，但这些未纳入本综述，而将在另一篇 forthcoming 的综述中讨论。
所有步骤均按照开放科学实践进行记录。综述方案已在PROSPERO预注册。所有数据、分析代码和研究材料均公开可用。由于对初始检索结果数量庞大（超过35,000条）的考量，对预注册的纳入标准和检索策略进行了修改。
研究纳入遵循PICOS标准。符合纳入标准的研究包括：从出生至15岁11个月的参与者；使用至少一种ER测量方法并将ER作为结局变量报告；无论是否有组间比较的研究均可。未应用语言限制，所有语言的研究均纳入。初始预注册的年龄范围为0-18岁，后因符合条件的记录数量庞大而缩减至0-15岁11个月。报告二次文献的研究被排除。
检索策略在PubMed中试点后针对每个数据库进行调整，持续更新检索至2024年9月13日。使用的数据库包括PubMed（含MEDLINE；Ovid）、PsycINFO（含PsycArticles；EBSCOhost）、Psyndex plus（EBSCOhost）和Web of Science（Thomson Reuters, Clarivate Analytics）。与预注册的检索策略不同，Google Scholar数据库因检索到的记录数量超出可行筛选范围而被排除；取而代之的是将Psyndex Plus作为附加数据库。未设置发表日期限制。对于无法获取全文的研究，研究人员联系作者或购买文章。此外，还进行了手工参考文献检查和社会科学引文索引中的引文追踪。
摘要筛选基于纳入标准开发了个性化的摘要筛选工具。在筛选2977篇文章后，将人工智能"Rayyan"用于进一步筛选。在本综述中，研究人员发现了实质性总体一致性（Cohen's κ = 0.78）。
数据提取使用先验开发的工具，对前5篇文章进行试点。提取的数据包括研究识别信息、研究和测量特征（研究设计、发表类型）、样本特征（年龄、性别、种族、儿童/家庭特征）、ER定义/模型、ER测量方法及ER测量的心理测量属性（信度、效度、客观性）。
偏倚风险评估使用研究设计特定的工具。对于随机对照试验，应用修订的Cochrane偏倚风险评估工具，因其专门设计用于评估随机设计中的内部效度。对于非随机和观察性定量研究，使用有效公共卫生实践项目（EPHPP）质量评估工具。选择EPHPP工具是因为其能够在异质性定量研究设计中进行标准化评估，并在公共卫生和心理学研究中显示出良好的可靠性和适用性。在EPHPP.dt;uvqs评级方案中，排除了"研究设计"部分，因其不适用于非RCT研究。EPHPP量表全局评分的评定者间一致性为实质性（Cohen's κ = 0.62），RoB 2评定量表也同样如此（Cohen's κ = 0.79）。为便于跨研究比较，RoB 2评分被转换为与EPHPP系统一致的数字格式（1=低风险，2=存在一定问题，3=高风险）。在EPHPP工具中，各领域被评为强、中等或弱，并根据弱领域数量分配全局评级。RoB 2根据各领域中的最高风险水平将研究分类为低风险、存在一定问题或高风险。
标题和摘要由两位作者和两位高年级研究生独立筛选。每篇记录至少由两位作者中的一位进行筛选。争议通过讨论和共识解决。所有可能合格的文章由三位作者和两位高年级研究生独立进行全文评估。每次全文审查至少涉及其中一位作者。排除原因在整个过程中均有记录。分歧通过共识解决。偏倚风险评估也由三位作者和受过培训的研究生进行。评分中的任何分歧均通过讨论直至达成共识。
主要结局指标是行为和生理ER测量中心理测量属性的报告情况。使用Fisher精确检验考察不同心理测量属性报告频率的差异。采用随机效应元分析（对数转换比例，逆方差加权和Hartung-Knapp调整）估计报告心理测量属性的研究比例。异质性通过Cochrane's Q和I
2统计量评估。按年龄组和测量类型进行亚组分析，使用Q检验评估组间差异。通过敏感性分析评估元分析估计值的稳健性，具体在由偏倚风险评估定义亚组内重复主要元分析。为检验报告心理测量属性的研究是否与未报告的研究存在差异，将研究二分为是否报告至少一种心理测量属性，使用Wilcoxon秩和检验分析连续变量（如样本量、性别和种族比例）的组engah差异，使用卡方检验（或适当时Fisher精确检验）分析分类变量（如测量类型、年龄组、儿童特征、语言、研究设计和国家组）的组间差异。
**结果**
**研究特征**
共纳入1601项研究。大多数研究使用问卷，其次为行为观察，以及生理测量，其他方法包括叙事或情境、访谈、生态瞬时评估（EMA）、应用程序、计算机游戏或日记。163项研究采用了不止一种ER测量方法。本综述聚焦于使用行为观察和生理测量的研究。排除7项因无法联系研究人员且无法购买文章的研究，4篇日语文献因实验室无日语人员而排除。其他排除原因包括：不符合年龄组、缺乏ER结局测量、二次数据或ER测量细节不足。在所纳入的研究中，没有研究因使用相同样本而被排除，因为每项研究采用了不同的ER测量方法。这适用于4项使用生理测量和7项使用行为观察测量的研究。大多数纳入研究以英文发表，少数为西班牙文、德文、法文或意大利文。大多数研究发表于同行评审期刊。描述性设计无对照组最为常见，其次为纵向和病例对照设计；随机对照试验最少。最早纳入的研究为1989年，最新为2024年。
**儿童和家庭特征**
共检查了104,152名儿童（行为观察研究61,318名，生理测量研究42,834名）。在指定性别的行为观察研究中，平均55%为男性。研究纳入儿童年龄范围为0-180个月。大多数行为观察研究主要在白种人儿童中进行，仅少数研究提供了社会经济地位（SES）或家庭收入信息。就儿童健康而言，大多数研究涉及健康儿童，仅49项研究纳入了心理或躯体障碍参与者。心理障碍中，自闭症和外化障碍最为常见。
对于生理测量研究，平均53%为男性，大多数被检查儿童为白种人，仅5项研究报告了SES或家庭收入。研究纳入儿童年龄范围为0-189个月。就心理健康而言，大多数使用生理测量的研究聚焦于健康儿童。在36项检查心理或躯体障碍的研究中，外化障碍最为常见。
**偏倚风险评级**
对于行为观察测量研究，两种评级方案均显示51%的研究为低风险，41%为中等风险，8%为高风险。对于生理测量研究，49%为低风险，47%为中等风险，4%为高风险。跨测量类型，RoB 2方案中的大多数中等评级归因于"报告结果的选择"领域，43%的研究缺乏预注册。此外，4项研究因盲法和脱落分析报告不足而获得中等评级。同样，在EPHPP方案中，高风险评级最常因盲法报告不足和脱落程序报告不足所致。
**情绪调节的定义**
在纳入研究中识别出47种不同的ER定义。其中，[233]的定义引用最频繁，其次是[117]的定义。两种定义均将ER描述为情绪产生和反应的过程，强调ER取决于个人和环境因素，被称为功能主义观点。在47种定义中，51%遵循这种功能主义观点，36%可归入单因素概念，无一种归入双因素概念。其他定义强调了ER的各个方面，如生理成分、发展视角，或将ER概念化为自我调节、气质或应对因素。一些定义强调了ER的多因素性质、其作为有意识和无意识过程的双重角色，以及其稳态功能。部分定义还将ER描述为目标导向的。这些变化和不同侧重点突显了ER固有的复杂性和多因素性质，支持了在评估ER时使用多种评估工具的论点，因为单一测量可能无法捕捉其动态过程的全部广度。
**情绪调节的模型**
根据ER模型，纳入研究中识别出8种不同模型。引用最频繁的是交易模型（Transactional Model），其将儿童ER概念化为个体与他人之间的互动过程。第二频繁的是过程模型（Process Model），其区分了先行聚焦策略（如情境选择、情境修正、注意分配、认知改变）和反应聚焦策略（如反应调节）。与定义不同，模型主要聚焦于儿童ER的发展，考虑了父母情绪社会化、照顾者-儿童互动和ER模式的代际传递等因素。此外，一些模型强调了ER在多个维度上的发展，如生理、情绪和注意过程。值得注意的是，多迷走神经理论（Polyvagal Theory）独特地聚焦于ER的生理基础，突显了副交感神经对心脏活动控制的作用。总体而言，极少有研究引用或检验ER模型或引用ER定义。
**行为观察和生理测量**
**表格结构**
基于行为观察和生理测量的ER测量类型描述于补充材料中。每项研究使用ER测量应用的最小年龄；若未报告最小年龄，则应用平均年龄。基于这些数值，测量方法按照美国儿科学会的标准组织为更广泛的年龄组。这些更广泛的类别进一步细分为12个月的类别。
对于行为观察，首先描述情绪如何被诱发的任务，其次是任务持续时间、用于测量ER的编码手册、关于信度、效度和客观性的信息，以及引用和使用情绪诱发任务的研究数量。并非所有任务都描述了特定的编码手册。
对于生理测量，首先描述测量方法（如EEG、fMRI），其次是测量的生理现象、情绪诱发任务、所测量生理现象的信度、效度和客观性信息，以及引用和测量该生理现象的研究数量。
**行为观察研究的描述性结果**
**测量类型按年龄组划分**
行为观察测量可在每个年龄组中找到。行为观察研究最多的年龄组为13-24个月。新生儿和15岁儿童的研究最少。仅发现两项研究使用新生儿行为评估量表和手臂限制任务评估ER，仅一项涉及15岁儿童的研究使用冲突话语任务。对于婴儿，最常使用的任务是静止脸范式（Still-Face Paradigm）；对于幼儿和学龄前儿童，不同版本的延迟满足任务最为常用。大多数学龄儿童研究使用失望范式，青少年研究则使用拼图任务。
跨广泛年龄范围的纵向设计任务包括：有吸引力玩具障碍后任务、有吸引力玩具透明盒任务、失望范式、各种问题解决任务、情绪电影片段、图片分心和再评价任务、儿童游戏治疗工具、三角互动范式和不打开瓶子任务。
根据编码方案，大多数研究使用自编编码方案。最频繁使用的编码手册是失调编码方案（Dysregulation Coding Scheme）。
**测量类型按诱发情绪划分**
测量被分类为非特定/混合情绪任务或针对特定情绪的任务。常见的挫折诱发任务包括静止脸范式、延迟满足、失望范式、有吸引力玩具透明盒任务、有吸引力玩具障碍后任务和高脚椅任务，而蜘蛛任务最常用于恐惧。学龄前自我调节评估是最常见的非特定情绪任务。
在所有研究中，识别出985项行为观察任务。大多数诱发挫折（54%）或非特定/混合情绪（34%），恐惧、喜悦、嫉妒和共情较少见。总体而言，61%的任务诱发负性情绪，仅4%诱发正性情绪。年幼儿童主要接受挫折相关任务测试，而较大儿童经历更多非特定或混合情绪任务。
**测量的心理测量属性**
共报告了418项ER任务的心理测量指标。其中73%为信度测量，5%为效度测量，22%为客观性测量。
**信度**
总体而言，纳入文章为几乎所有提取的ER任务提供了信度信息。评定者间信度是最常报告的信度指标。跨任务评定者间信度范围为0.39至1.00，大多数估计值落在良好至优秀范围内。仅有一项研究通过额外报告Spearman Brown分半信度来评估超出评定者一致性之外的信度。
**效度**
对于行为观察ER效度测量，纳入文章提供的信息有限。新生儿、婴儿或12-15岁青少年未报告效度数据。延迟满足任务在幼儿、学龄前儿童和学龄儿童中显示出良好的构念效度、同时效度和预测效度。几项实验室气质评估蓝本任务在幼儿和学龄前儿童中显示出中等至强的聚合效度，在学龄儿童中显示出良好的构念效度和预测效度。使用学龄前自我调节评估和玩具分类任务的研究为幼儿和学龄前儿童提供了构念和聚合效度证据。在学龄儿童中，不可能建塔任务显示出良好的构念效度，不可能敏捷性任务显示出同时效度和预测效度的支持。拼图任务显示出从弱到良好的聚合效度和区分效度。
**客观性**
大多数研究通过盲法编码程序确保评估客观性。编码者对假设、组和干预条件盲法。一些研究还通过评估者对研究假设和目的盲法来描述实施客观性。
**生理测量研究的描述性结果**
**测量类型按年龄组划分**
所有更广泛年龄组均报告了生理测量。使用生理测量的大多数研究在8-9岁儿童中进行，而最少的研究聚焦于新生儿和15岁儿童。仅有一项研究评估了新生儿静息状态下的迷走神经张力。在婴儿中，心电图（ECG）是最常用的方法，用于检查心率、心搏间期、心率变异性（HRV）和迷走神经张力。这些测量提供了自主神经系统活动的洞察，通常被解释为ER能力的指标。
呼吸性窦性心律不齐（RSA），作为HRV的一个特定成分，反映呼吸对心率的节律性影响，被广泛解释为副神经系统活动的指标和ER能力的指标。在幼儿中，RSA是最频繁测量的现象。学龄前儿童使用RSA以及EEG测量进行研究，包括事件相关电位（ERP）、晚期正电位（LPP）和额叶EEG不对称性，反映注意和情绪处理的神经相关。
在学龄儿童和青少年中，研究主要采用ECG（RSA）、EEG（ERP、LPP、不对称性）和功能磁共振成像（(f)MRI）来评估与情绪处理相关的大脑体积、全脑活动和感兴趣区域（ROI）。总体而言，RSA和EEG测量（ERP、LPP和不对称性）是所有年龄组中最常调查的生理现象。
纵向研究检查了跨发展的各种生理测量。ECG心率测量从1岁评估至12岁；HRV从6岁测量至13岁；迷走神经张力从4岁测量至10岁。RSA在3-14岁儿童中评估；EEG不对称性测量从3岁报告至15岁；LPP测量从5岁报告至15岁；ERP测量从8岁报告至14岁。功能MRI ROI分析覆盖3-15岁，全脑分析从7岁报告至14岁。
**测量类型按诱发情绪划分**
共识别并分类了856项生理测量。大多数任务诱发非特定或混合情绪，其次是挫折、恐惧、共情和喜悦。总体而言，30%的任务诱发负性情绪，相比2%诱发正性情绪。婴儿任务主要针对挫折、愤怒或失望，而儿童中非特定或混合情绪最常见；恐惧、共情或喜悦很少被评估。用于诱发挫折、愤怒或失望的许多任务与行为观察研究中的任务重叠。
**测量的心理测量属性**
纳入的生理测量研究共报告了33项ER心理测量指标，明显少于行为观察研究报告的数量。其中18%评估效度，39%评估信度，42%评估客观性。
**信度**
多项跨婴儿、幼儿、学龄前儿童和学龄儿童的EEG研究报告了优秀的评定者间信度。同样，多项跨广泛年龄组使用不同情绪诱发任务的RSA研究报告了优秀的评定者间信度。此外，一项针对学龄前和学龄儿童ERP的EEG研究中，分半信度范围从差到好。
**效度**
未报告直接效度测量。然而，几项研究通过检查生理测量与行为观察测量或基于问卷的ER评估之间的关联提供了聚合效度的支持。学龄儿童心率和HRV测量也报告了聚合效度的支持。包含青少年的研究中未提供效度信息。
**客观性**
六项研究通过使用盲法编码者报告了客观性，四项研究通过盲法评估报告了实施客观性。
**测量类型和年龄组的推断性结果**
进行卡方检验以比较不同年龄组间测量类型的分布。由于一个期望单元格低于5，使用Fisher精确检验。结果显示不同年龄组间测量类型的数量存在显著差异（p < 0.001；V = 0.37）。如图3所示，聚焦于较年轻年龄组的研究主要使用行为观察测量，而涉及较年长年龄组的研究更倾向于生理测量。
**心理测量属性的推断性结果**
在516项纳入研究中，314项报告了至少一种心理测量属性。其中，报告信度测量的比例为63.7%（95% CI [61.8, 65.6]，k = 314），无异质性证据（I
2 = 0.0%）。效度在23.7%的研究中报告（95% CI [22.7, 24.7]，k = 314），同样几乎无亚组差异（I
2 = 0.0%）。客观性在32.8%的研究中报告（95% CI [31.2, 34.3]，k = 314），也无异质性（I
2 = 0.0%）。Fisher精确检验表明不同心理测量属性的报告频率存在显著差异：信度报告多于客观性（p < 0.001；V = 0.24），效度与客观性存在差异（p = 0.035；V = 0.10），而信度与效度无显著差异（p = 0.437；V = 0.05）。
报告因测量类型而异。对于信度，行为测量研究的报告率（65.2%）高于生理测量研究（43.0%），存在显著亚组效应。对于效度，行为和生理测量之间未出现显著差异。对于客观性，生理测量的报告率（43.8%）高于行为观察（32.0%），存在显著亚组差异。
跨年龄组，信度报告比例范围为56.4%至75.0%，存在显著亚组差异，最年幼儿童中比例最高。效度报告比例范围为21.7%至28.3%，仅对幼儿、学龄前儿童和学龄儿童进行评估。客观性在各年龄组中报告比例为25.0%至33.8%，无显著亚组差异，幼儿研究中最频繁。
由于可用数据仅限于报告这些心理测量指标的子集研究，未计算特定信度或效度指标的汇总效应估计。由于此类指标的报告在文献中不系统，所得数据集可能无法完全代表更广泛的证据基础。
为检验报告心理测量属性的研究是否与未报告的研究存在差异，进行了非参数和分类分析。报告心理测量属性的研究样本量显著更大。男性参与者比例也存在微小差异。与元分析亚组分析一致，报告因测量类型和年龄组而有显著差异。种族变量未发现一致差异。报告也因研究设计而异，而儿童特征、语言或偏倚风险评级未发现差异。
敏感性分析按偏倚风险评级检验了发现的稳健性。这些分析基于288项研究。信度报告比例为64.5%，无异质性证据。结果在各风险偏倚组中保持一致，未观察到显著的组间差异。效度总体比例为23.8%，各风险水平亚组估计相似anteced相似。总体客观性比例为31.9%，各风险组估计可比。组间差异无统计学意义。
**讨论**
本综述深入概述了现有儿童和青少年ER行为观察和生理测量的定性和定量状态。研究人员系统综合了现有证据，总结了ER的定义和模型，以及ER测量及其心理测量质量。
**情绪调节的定义和模型**
基于纳入研究的理论嵌入，可以得出大多数研究未明确依赖于定义的理论模型或正式的ER定义。这一发现与近期显示大多数ER研究未基于特定理论框架的系统综述一致。本综述将此观察扩展至儿童ER文献。
在引用ER定义和/或检验ER模型的研究中，Thompson的定义使用最频繁，其次是交易模型。Thompson定义的突出性与更广泛文献一致，其将ER概念化为受情境和个体情境影响的目标导向过程，包含情绪反应的评估成分。类似地，交易模型强调通过与环境的动态互动发展ER。这些观点在将ER视为多因素、情境依赖和功能导向过程方面趋同。发展模型进一步明确了这些过程如何随时间展开，特别是ER通过互动过程出现，逐渐从人际（共同调节）转向个人（自我调节）形式。这种发展进程与Thompson强调的功能主义观点和交易模型的互动焦点一致，突显目标导向调节最初在社会互动中得到支架，并在发展过程中日益内化。
结果部分支持假设1，显示研究在潜在的ER定义和模型上存在差异。然而，最频繁引用的框架遵循功能主义观点，而非提出的单因素或双因素概念。此外，相当比例的研究未依赖于任何明确的理论框架，突显了方法的多样性以及文献中缺乏单一、统一的ER模型或定义。
**情绪调节测量**
**测量类型和数量**
与假设2一致，可以得出ER测量类型取决于儿童年龄。年幼儿童中行为观察研究显著多于较大年龄儿童，而较大年龄儿童中生理测量显著多于年幼儿童。这一趋势可能部分反映了行为观察被视为评估年幼儿童ER的金标准，因其提供了捕捉情绪反应的直接可靠方式。相比之下，由于生理系统的发展变异性、对运动伪迹的敏感性增加，以及传感器放置和实验程序中合规性的挑战，生理测量在年幼儿童中更难实施。
关于行为观察，诱发负性情绪且质量标准良好的最常用任务包括静止脸范式、实验室气质评估蓝本任务，以及失望和延迟满足任务的变体。值得注意的是，大多数行为观察研究使用特定于研究的编码方案，而非依赖已建立的编码手册。这限制了跨研究的比较性，并使发现的综合变得复杂，例如用于元分析，与累积科学的原则相悖。
对于生理测量，RSA和EEG是最常检查的，有一些证据支持其效度。然而，本综述未发现迷走神经张力作为副交感神经激活指标被常见检查，尽管其在主要基于成人样本的文献中较为突出。这种差异可能反映了HRV测量和解释中更广泛的方法和概念不一致。
根据使用测量数量，大多数研究采用单一ER测量方法（90%）而非多种方法。这一发现与假设3一致。然而，鉴于ER的复杂性和多面性，本综述和先前文献的发现均强调了使用多种测量方法全面评估ER的重要性。
**诱发情绪**
使用生理测量的研究经常诱发非特定或混合情绪反应。这种方法可能反映了这些研究的主要目的，即评估一般自主反应性或调节能力，而非情绪特异性的生理反应。从理论上讲，这种方法与更广泛的ER概念化一致， encompasses not only deliberate, strategy-based processes but also more automatic and physiological forms of regulation。
此外，跨两种测量类型，较大比例的研究检查了ER对负性情绪的反应，相比正性情绪。这代表了关键局限，因neglects a key aspect of emotional experiences。正性情绪的调节仍然相对研究不足，尽管其具有理论和临床相关性。
**心理测量属性**
元分析发现highlight substantial gaps in the reporting of psychometric properties。相当大比例的研究未报告任何心理测量信息，意味着元分析结果必然基于研究的子集。分析显示研究间无异质性证据，表明报告心理测量属性的研究中存在一致的报告模式。然而，大多数研究仅贡献少量心理测量指标。
行为和生理测量之间的差异进一步表明方法特征影响哪些心理测量属性被优先化。使用行为观察的研究比使用生理方法的研究报告了显著更多的信度测量。这可能反映了行为观察中对主观编码的依赖，其中评定者间信度对确保一致性至关重要。然而，生理测量也涉及编码和主观分析决策，表明在这些情境中信度评估同样相关。
值得注意的是，几乎所有报告的信度指标均基于评定者间信度（92%）或内部一致性（8%），无研究评估重测信度。这代表了关键空白，因重测信度对于确定ER测量的时间稳定性至关重要。关于效度和信度的证据，特别是区分效度和重测信度，主要来自成人人群和基于问卷的测量，儿童行为观察和生理测量的数据相对有限。
就效度而言，最常报告的形式是聚合效度（44%）和同时效度（28%），而区分效度仅在1项研究中评估，突显了实质性空白。报告在行为观察和生理测量研究之间无显著差异。客观性在两种测量类型中均仅偶尔报告。
观察到与年龄相关的信度和效度变异，但未观察到客观性变异，表明心理测量属性评估中的发展性空白，特别是在涉及较大儿童和青少年的研究中。尽管具有统计学意义，亚组差异对应于小到中等效应量，表明年龄组间仅存在适度差异。
心理测量属性是否报告似乎因测量类型和发展阶段而异，表现为中到大的效应量，而非反映跨研究或其他研究特征的非系统性差异。敏感性分析进一步表明这些模式在不同偏倚风险评级中保持稳定，提示心理测量属性的报告与总体研究质量无系统性关联。
总之，对信度的强烈强调，结合效度报告有限和总体大量未报告，突显了当前实践中的系统性不平衡。这对发现的解释具有重要意涵，因单独的信度无法确保构念被充分捕捉。加强报告标准，特别是关于效度的报告，对于改进跨研究比较性和增强发展研究中的累积价值至关重要。
**优势**
本综述的关键优势在于其系统性方法，通过应用最小限制的纳入标准克服了先前综述的局限。值得注意的是，本综述不设语言限制，对克服WEIRD偏倚做出了重要贡献。通过纳入所有语言的研究，综述增强了样本中种族的多样性，提供了对现有文献更全面的概述。此外，这是首个基于心理测量属性系统评估和提取儿童青少年ER测量方法的综述，也是首个探索该领域ER理论嵌入的研究，提供了该领域最常引用ER定义和模型overview。
**局限**
然而，本综述存在应考虑的若干限制。首先，受限的年龄范围限制了关于青少年ER测量结论的推广性。其次，综述排除了基于问卷的方法以增强可读性，意味着心理测量属性的分析仅限于行为观察和生理测量方法。第三，心理测量属性的可用数据仅限于研究的子集，因相当比例的研究未报告任何心理测量信息。第四，潜在研究人群的特征引入了进一步限制。与心理学科学中的WEIRD问题一致，大多数研究对种族或家庭收入信息提供有限。报告时，样本主要为白种人，少数研究纳入低收入家庭参与者。由于ER策略因文化和社会经济背景而异，样本缺乏多样性限制了发现的推广性和适用性。第五，纳入研究的临床范围狭窄。大多数研究聚焦于健康儿童，仅小比例检查心理障碍。内化障碍尤其未被充分代表，尽管其普遍性和早期发病，特别是焦虑障碍。
**对未来研究的意涵**
本综述highlight several gaps in the literature on ER measurements，为future research提供了方向。重要考量之一是更仔细规范所检查ER的潜在定义和理论模型。更明确的概念 grounding 有助于指导测量方法的选择、应用和解释。本综述代表了使用行为和生理测量进行更系统ER评估的第一步，提供了现有方法及其心理测量属性的概述，从而有助于未来研究选择测量工具。
特别地，更一致地报告心理测量属性，如包括重测估计在内的信度，以及不同形式的效度，特别是区分效度，加强了发现的解释性。目前区分效度和重测信度的有限报告限制了关于ER构念独特性和稳定性的结论。元分析发现进一步提示心理测量属性的报告与研究特征而非一致的报告标准相关。未来研究应采用更标准化的测量和报告实践，包括常规报告信度和效度指标。
此外，大多数行为观察和生理测量研究主要聚焦于负性情绪，对正性情绪调节的关注相对较少。扩展这一领域的研究很重要，因正性情绪是ER的核心方面，与心理健康和幸福感相关，并在社会关系中具有相关性。除了个体测量特征外，结合多种ER评估方法提供了对调节过程更全面的视角。同样，大多数研究聚焦于健康儿童或外化障碍，使内化和其它临床相关条件下的证据相对稀疏。解决这些空白增强了ER测量方法的适用性，并加深了对情绪发展和心理病理学的理解。
持续关注意心理测量质量、概念清晰度和多方法取向将有助于建立更累积和可比的证据基础，涵盖负性和正性情绪过程。
