重度抑郁症纵向病程中的情绪加工偏差

《Journal of Affective Disorders》：Emotional processing biases in the longitudinal course of major depressive disorder

　　

情绪加工中的负性偏差是重度抑郁症（Major Depressive Disorder, MDD）认知模型的核心，但目前尚不清楚负性效价归因（valence attribution）是否随抑郁症状波动，抑或代表一种更稳定的易感性。在这项纵向研究中，研究人员在阈下情感启动任务（subliminal affective priming task）中评估了232名MDD患者和496名健康对照（Healthy Controls, HC）的情感效价评定（emotional valence ratings），经过多次随访评估，共获得1395次观测。采用多层模型（multilevel models）检验了抑郁症状严重程度、诊断组（MDD vs. HC）、情感启动类型（happy, sad, neutral）及其交互效应。为分离个体内波动（within-person fluctuations）与个体间差异（between-person differences），研究人员对抑郁症状严重程度进行了分解（Mundlak within-between specification）。探索性分析检验了长期症状轨迹簇（symptom trajectory clusters）是否与情绪偏差相关。更大的抑郁症状严重程度与更负的效价评定相关。个体内-个体间分析表明，这种关联主要由个体内症状波动驱动，即当症状严重程度超过个体平均水平时，效价评定更负。相比之下，诊断组、启动条件以及症状严重程度×启动交互作用未能显著预测效价评定，且健康对照与缓解期MDD患者之间未出现组间差异。探索性轨迹分析提示，具有复发症状模式的患者可能表现出更负的效价评定，但簇稳定性有限，解释应谨慎。总体而言，结果表明MDD中负性效价归因更紧密地与当前抑郁症状严重程度相关，而非仅与诊断状态相关。能够分离个体内和个体间过程的纵向方法可能有助于阐明抑郁进展中负性偏差何时出现并持续。

论文解读文章：重度抑郁症纵向病程中的情绪加工偏差

**研究背景与问题**
重度抑郁症（Major Depressive Disorder, MDD）是全球致残率最高的精神障碍，其发病率持续上升。Beck的认知模型（Beck, 1967）指出，功能失调的思维模式导致个体对中性或模糊信息产生负性解释，形成负性思维与抑郁情绪的自我强化循环。大量证据表明，MDD患者在注意、记忆和解释等多个认知领域存在偏差，其中解释偏差（interpretation bias）尤其受到关注，即倾向于对模糊信息进行负性解读。面部表情加工是情绪信息处理的重要领域，研究表明MDD患者对面部情绪存在负性加工偏差，并可能反映为效价归因偏差（valence attribution bias），即对中性或模糊面部表情更倾向于赋予负性效价。然而，尚不清楚这种负性效价归因是随抑郁症状严重程度波动而变化的“状态依赖”特征，还是反映一种更稳定的“特质”易感性。现有纵向研究多关注记忆、注意和解释偏差，对效价归因的动态变化知之甚少。因此，研究人员开展了一项纵向研究，旨在通过分离个体内和个体间过程，阐明负性情绪偏差与症状严重程度之间的关系。该研究发表在《Journal of Affective Disorders》。

**关键技术方法**
本研究数据来源于明斯特神经影像队列（Muenster Neuroimaging Cohort），经明斯特大学伦理委员会批准，所有参与者签署知情同意书。共纳入728名参与者，其中MDD组232名（基线时符合DSM-IV中重度抑郁发作标准），健康对照（Healthy Controls, HC）组496名，排除标准包括神经系统疾病、物质相关障碍、精神病性症状等。参与者每两年进行一次随访，最多12年，共收集1395次观测。主要实验任务为阈下情感启动任务（subliminal affective priming task），采用Murphy和Zajonc（1993）的范式：向参与者呈现阈下情绪启动刺激（33毫秒），随后是中性掩蔽刺激（467毫秒），要求参与者对掩蔽面的情绪效价进行6点评定（从负到正）。启动条件包括快乐、悲伤、中性镜像和空白脸四种。统计分析采用多层模型（multilevel modeling, MLM），并应用Mundlak个体内-个体间分解（within-between specification）将抑郁症状严重程度（Hamilton抑郁评定量表, HDRS）分解为个体内波动和个体间均值两部分。探索性分析使用高斯混合模型（Gaussian mixture model）基于HDRS轨迹识别症状轨迹簇，并通过bootstrap评估稳定性。

**研究结果**
1. **多层模型分析**
- 模型比较：主模型（连续HDRS，未分解）显著优于零模型（LR=1761.209, p<0.001）。个体内-个体间分解模型未显著改善拟合（ΔAIC=2.722, p=0.528）。
- 主效应：更大的抑郁症状严重程度与更负的效价评定显著相关（系数=-0.006, SE=0.001, p<0.001, R2_Wald=0.070）。性别也显著预测效价，女性评定更负（系数=-0.049, p=0.005）。诊断组（MDD vs. HC）、启动类型（快乐、悲伤、中性、空白）及其交互作用、疾病持续时间、年龄均无显著效应（所有p>0.44）。事后检验表明，无抑郁症状组与轻、中、重度症状组之间存在显著差异（p_corr<0.001），中度和重度症状组之间也存在差异（p_corr=0.044）。
- 个体内-个体间分解：个体内HDRS效应显著（系数=-0.006, p<0.001），表明个体在自身症状严重程度高于平均水平时，效价评定更负。个体间HDRS效应不显著（p>0.05），提示平均症状水平较高的个体并未系统性地表现出更负的效价评定。直接比较个体内和个体间系数未发现显著差异（p=0.481）。模型固定效应解释方差较小（R2_m=0.022），但加入随机效应后解释方差较大（R2_c=0.853）。
- 探索性比较：对健康对照（n=496）与无当前症状的MDD患者（n=71）进行效价评定比较，未发现显著差异（Welch t=-0.24, p=0.812, d=-0.04），效应量可忽略。

2. **临床轨迹分析**
- 基于至少三次测量的MDD患者（n=56），使用高斯混合模型识别出三个数据驱动的症状轨迹簇：簇1（初始重度症状后缓解）、簇2（初始中度症状，缓解后复发）、簇3（初始中度症状后缓解）。Bootstrap重抽样显示簇稳定性有限（调整Rand指数均值0.40, 95% bootstrap区间[-0.02, 0.93]），平均75.7%的参与者被重新分配至原簇。
- 将轨迹簇作为预测因子加入模型，与不包含簇的模型相比，模型质量无显著差异（LRT: χ2(2)=4.91, p=0.086）。簇效应显著：簇2的效价评定显著负于簇1（系数=-0.249, p=0.024），簇2与簇3无显著差异（p=0.155）。HDRS和性别仍显著预测效价（HDRS: 系数=-0.005, p=0.006；性别: 系数=-0.120, p=0.034）。模型固定效应解释方差R2_m=0.076，含随机效应R2_c=0.751。

**讨论与结论**
研究结果表明，MDD患者在效价归因中的负性情绪偏差更紧密地与当前抑郁症状严重程度相关联，而非仅由诊断状态决定。个体内-个体间分解分析显示，负性效价评定主要随个体内症状波动而变化，而非反映稳定的个体间差异。这一发现部分支持了认知偏差随情感状态变化的观点（state-dependent），但直接比较个体内与个体间系数未达显著差异，故不能排除更稳定的特质过程的存在。探索性轨迹分析提示，复发型症状模式的患者可能表现出更持久的负性偏差，但样本量小且簇稳定性有限，解释需谨慎。假设的启动条件与症状严重程度的交互作用未得到支持，可能由于阈下启动效应较弱或任务敏感性有限。性别作为显著预测因素，女性效价评定更负，但该效应不随诊断组或症状严重程度变化。临床意义方面，区分状态依赖性与特质性认知脆弱性有助于指导个体化干预，例如在症状加重期进行认知偏差修正（cognitive bias modification, CBM）。研究局限性包括：面部刺激生态效度有限（仅快乐表情为自然捕捉）、随访流失率较高、轨迹分析样本量小、HDRS可能无法捕捉精细症状动态等。结论：负性效价归因在MDD中与当前症状严重程度密切相关，纵向分离个体内和个体间过程的方法有助于阐明负性偏差在抑郁进展中的出现与持续机制。