摘要
目的
本研究旨在应用以边为中心的功能连接和基序分析来捕捉共波动通信模式,并检验改变后的动态网络整合是否构成丛集性头痛(CH)临床表现的潜在基础。
方法
这项横断面研究纳入了 100 名在发作簇期间且非急性攻击期接受功能磁共振成像(MRI)的散发性 CH 患者和 116 名健康对照者(HCs)。通过结合和分别分析 3 个独立数据集,并使用脑区划分、边图构建、k 均值聚类、社区熵计算、基序以及临床相关性分析来评估结果的稳健性。
结果
与健康对照者相比,CH 患者的小脑蚓部(β = ?0.493,95% 置信区间 [CI] = ?0.683 至 ?0.302,假发现率 p 值 [pFDR] = 3.02 × 10?6)和小脑网络(平均差值 = ?0.043,95% CI = ?0.068 至 ?0.018,t = ?3.361,pFDR = 0.009)表现出较低的熵。在 CH 患者中,病程越长,小脑蚓部的熵降低越明显(r = ?0.390,95% CI = ?0.550 至 ?0.196,pFDR = 0.004)。基序分析显示,CH 患者表现出:(i) 小脑蚓部协调属于感觉运动、视觉、默认模式和小脑网络的下丘及皮层节点的叉状三元组比例更高;以及 (ii) 将小脑蚓部与感觉运动和认知控制网络以及感觉运动和默认模式网络连接的多样化三元组比例更低(所有 pFDR < 0.05)。
解释
我们发现在 CH 中小脑 - 下丘 - 皮层网络发生了重组。小脑蚓部表现出一种矛盾模式:在保留枢纽样连接的同时,失去了灵活的网络整合。这种模式随病程延长而恶化,支持了其在症状学中的作用及其作为未来神经调节研究候选区域的潜力。ANN NEUROL 2026
潜在利益冲突
作者报告无利益冲突。
数据可用性
由于伦理和数据保护审批原因,我们无法共享原始神经影像数据。本研究衍生出的测量指标和代码将在发表后应合理请求向通讯作者提供。


