《Neuropsychology Review》：Exploring Cognitive Functions Through Virtual Reality: a Systematic Review of Ecologically Valid Assessments
编辑推荐：
本项基于PRISMA指南的系统综述综合了关于沉浸式头戴式显示器（HMD）虚拟现实（VR）工具的心理测量特性证据，这些工具旨在用于评估不同发育阶段的认知生态效度。该综述针对评估注意力、抑制控制、记忆和执行功能的研究；这些研究发表于2021年1月1日至2025年3
本项基于PRISMA指南的系统综述综合了关于沉浸式头戴式显示器（HMD）虚拟现实（VR）工具的心理测量特性证据，这些工具旨在用于评估不同发育阶段的认知生态效度。该综述针对评估注意力、抑制控制、记忆和执行功能的研究；这些研究发表于2021年1月1日至2025年3月13日之间，来源于PubMed、PsycINFO、Scopus和Web of Science数据库。共有二十一项研究符合纳入标准。聚合效度是报告最频繁的特性，出现在14项研究中（67%），并显示出主要为低到中等的相关系数（r = .29–0.66）。建构效度的报告频率较低（21项中有3项；14%），解释了62%–80.18%的方差，而重测信度数据仅在两项研究中可用（9.5%），显示出总体显著的相关系数（r = .18–0.85）。区分效度（21项中有7项；33%）在5项研究中表现充分，但在2项研究中受限，该2项研究报告了中等的跨建构相关性。有5项研究（24%）评估了预测效度，主要针对精神病理学相关的应用，尽管大多数研究依赖于单一评定者父母的问卷，且缺乏行为或纵向验证，其证据范围从强大的分类器性能（AUC = 0.92）到中等的预测相关性（r = .38–0.43）以及变化的诊断分类率。儿童和青少年调查（21项研究中的9项）始终表现出比较小的样本量和不如以成人为中心的研究全面的验证方案。尽管存在这些异质性，研究结果表明，HMD-VR环境可以引发更具生态相关性的认知行为，并可能捕捉到传统工具难以评估的表现特征。然而，当前的证据基础受到方法变异性、受限的年龄多样性以及核心心理测量指标报告不足的限制。未来的研究应采用标准化的验证方案，纳入具有代表性的发育样本，并整合多信息和纵向方法，以验证HMD-VR评估的生态效度与临床泛化性。
引言
认知功能是使个体能够获取知识、与环境互动并调节思想、情感和行为的心理过程。这些基础能力包括注意力、记忆、语言、执行功能（包括计划、抑制和工作记忆，调节认知和行为）和处理速度。传统评估工具如韦氏儿童智力量表（WISC-V）、威斯康辛卡片分类测验（WCST）和连续操作测验（CPT）在临床神经心理学实践中占据了主导地位。然而，传统的纸笔测试面临两个基本限制。首先，实验室任务在脱离自然情境的情况下呈现刺激，损害了生态效度，即测试条件模拟真实世界环境的程度。其次，测试在受控条件下针对单一认知领域，未能捕捉日常活动所需的动态、多领域的交互作用。
近年来，HMD-VR技术的出现通过提供沉浸式、互动且高度受控的环境，为认知评估开辟了新途径。HMD-VR创建动态、情境丰富场景的能力同时调动了多个感觉、运动和认知系统，提供了更全面且具生态效度的认知功能评估。研究人员指出，尽管该方法具有创新性，但HMD-VR认知评估必须坚持与传统工具相同的心理测量标准，确保强大的效度（包括建构效度、聚合效度、区分效度和预测效度）和信度（如重测信度和内部一致性），以保证科学严谨性和临床实用性。
方法
本研究使用系统评价和荟萃分析的首选报告项目（PRISMA）指南进行设计。检索策略在PubMed等四个数据库中进行，时间限于2021年1月1日至2025年3月13日。研究操作性地将HMD-VR评估工具定义为通过HMD呈现的数字生成三维环境，提供第一人称视角和足够的存在感。纳入标准包括使用沉浸式HMD-VR工具评估神经心理学功能，且至少评估注意力、抑制控制、记忆或执行功能中的一种，并包含聚合效度、区分效度或重测信度分析。排除了样本量小于30、仅用于康复训练以及会议摘要等研究。
结果
研究选择过程通过数据库检索识别了1896项研究，去重及筛选后，最终有21项研究符合纳入标准并定性强度分析。其中16项被归类为多领域研究，5项为单领域研究。
建构效度
在21项研究中，有3项报告了建构效度。因子分析是评估建构效度最常用的统计方法。Belger等人的研究表明，其评估成人记忆的工具沉浸式虚拟记忆任务的均值距离误差与视觉言语记忆测验和Rey-Osterrieth复杂图形测验加载于同一建构上，解释了62%的方差。Climent等人的验证性因子分析揭示了编码过程和提取过程相关的两个不同因子，主成分分析显示这些因子解释了80.18%的方差。Fernández等人的CFA显示三个因子解释了72.4%的方差。
聚合效度
21项研究中有14项评估了聚合效度。大多数研究提供了支持VR评估聚合效度的证据。13项研究报告HMD-VR指标与传统非沉浸式任务或自评工具显著相关或无显著差异。2项研究表明聚合效度可忽略或一般。3项针对儿童的研究显示，EPELI任务在评估注意力和执行功能时表现出弱到中度的聚合效度。3项研究表现出低至中度的聚合效度，例如Chicchi Giglioli等人发现任务延迟与标准化注意力指标呈中度相关。4项研究表现出中度到高度的聚合效度。1项研究报告了混合结果，在执行功能评估上显著相关但在注意力上无显著相关。1项研究发现HMD-VR工具与传统工具之间无显著相关性。
区分效度
21项研究中有7项评估了区分效度。1项研究表明，EPELI工具在区分注意缺陷多动障碍患者与对照组方面具有良好的区分效度（AUC = 0.88）。AULA Nesplora工具能够区分不同的ADHD表现。其他研究工具也成功区分了精神分裂症、双相情感障碍患者的执行功能缺陷以及不同年龄组的记忆表现。然而，也有研究指出部分工具与其他测量不同建构的工具存在中度相关，可能存在区分效度局限。
预测效度
21项研究中有5项评估了预测效度。Adriasola等人的研究表明，其工具表现可以预测日常功能。Areces等人利用判别分析评估了AULA Nesplora工具的预测能力，正确分类了高比例的ADHD表现。Merzon等人和Seesj?rvi等人对EPELI工具的预测效度进行了评估，通过支持向量机分类器对眼动特征进行训练，取得了良好的分类效果。Mendez-Encinas等人则使用均方根误差和相关性评估了注意力和冲动的预测能力。
重测信度
仅有2项研究测量了重测信度。Seesj?rvi等人报告，在7个月的时间间隔后，EPELI的大多数测量指标在两次测试间存在相关性。Weitzner等人发现，在虚拟环境杂货店（VEGS）的记忆评估中，两次间隔约两周的测试在多项指标上表现出高信度，但在前瞻性记忆任务上信度较低。
内部一致性
在报告内部一致性的研究中，有3项研究使用了Cronbach’s α系数，2项使用了McDonald’s ω系数。Barnett等人的工具α值为0.73。Nesplora Aquarium工具的α系数介于0.83至0.99之间。在EPELI中，大多数任务的α值≥0.70。使用McDonald’s ω的研究同样表现出较高的内部一致性，数值范围在0.80至0.97之间。
质量评估
使用横断面研究评估工具（AXIS）和生态瞬时评估（EMA）质量评估工具对纳入研究进行评估。在AXIS评估中，研究被扣分的主要原因是未描述非应答者及未对样本量提供正当理由。在EMA评估中，大多数研究在EMA设计原理上获得较高评分，但在统计功效计算和缺失数据处理上表现不足。
讨论
本系统综述综合了21项近期使用沉浸式HMD-VR评估注意、抑制控制、记忆和执行功能的研究。分析揭示了三个主要模式。首先，聚合效度报告在文献中占主导地位，表现出低到中度的相关系数，这表明与传统测试存在共享方差，但关于HMD-VR卓越敏感性的证据有限。信度评估报告严重不足，重测信度极少被报告。第二，认知领域分析揭示了评估工具的差异化发展轨迹。执行功能评估显示出最高的方法学成熟度，而抑制控制评估的报告最少，面临沉浸环境下的建构隔离挑战。第三，HMD-VR的理论基础在于其相较于传统测试具有增强的生态效度，结构真实性体现明显，但实际上能预测真实世界行为的真实准确性证据仍不充分。第四，HMD-VR能够实现高维度的连续行为测量，捕捉头动、眼动及运动策略，这些多维指标在经过严格验证后可补充传统指标的不足。
结论
使用HMD-VR工具进行神经心理学评估是一个新兴领域。尽管该工具的沉浸性复杂了目标建构的隔离，但能产生更丰富、多维的结果。当经过严格设计和验证时，HMD-VR工具能够将认知评估嵌入具有生态效度的情境中，实现对动态条件下的多任务处理、自然环境中导航和运动-认知整合反应等复杂真实世界行为的精确定量，这些是纸笔测试无法企及的。未来的研究应采用标准化的信效度评估方案，以实现与公认传统标准相媲美的心理测量学对等性。
