原创研究文章

前面。精神病学，2022年10月21日
秒。多动症
https://doi.org/10.3389/fpsyt.2022.974283

18种注意力缺陷/多动障碍症状的网络分析表明“心烦意乱和"烦躁不安的人作为中心症状:不受年龄、性别和亚型表现的影响

刘陆 ^1、2中，

易王 ^3、4中，

陈围 ^{5、6、7、8、9、10}，

元高^1、2，

彭海梅李^1、2，

玉王^1、2，

陈志强先生 ^{3、4 *}而且

Qiujin钱 ^{1、2 *}

¹北京大学第六医院/精神卫生研究所，北京，中国
²国家精神障碍临床研究中心，卫生部精神卫生重点实验室(北京大学)，北京
^3.神经心理学与应用认知神经科学实验室，中国科学院心理健康重点实验室，心理研究所，北京
⁴中国科学院大学心理学系，北京，中国
⁵精神健康服务，菲奥娜·斯坦利医院，珀斯，西澳，澳大利亚
⁶澳大利亚西澳珀斯科廷大学科廷医学院
⁷科廷enAble研究所，科廷大学，宾利，西澳，澳大利亚
⁸西澳大利亚大学教育研究生院，澳大利亚西澳大利亚州珀斯
⁹澳大利亚圣母大学医学院，澳大利亚西澳弗里曼特尔
¹⁰默多克大学心理学院，珀斯，西澳，澳大利亚

的精神障碍的网络理论将精神病症状概念化为相互因果作用的症状网络。本研究旨在利用网络分析方法探讨儿童注意力缺陷多动障碍(ADHD)的症状结构。对4033名ADHD儿童和青少年进行了基于ADHD iv量表18个项目的症状网络评估。通过检验中心性指标，包括强度、中间性和亲和性，以及可预测性和预期影响(EI)，定量评估节点的重要性。此外，我们比较了不同子组(ADHD亚型、性别和年龄组)之间的网络结构，以评估其不变性。发现了一个三因素的群体结构，包括注意力不集中、多动和冲动的群体。对于中心性指标，心烦意乱和"烦躁不安的人表现出高度的亲近性和中间性，代表了连接注意力不集中和过度活跃/冲动区域的桥梁。”细节和"烦躁不安的人分别是注意力不集中和过度活跃/冲动领域最常见的症状。相反，“听项构成外围节点，显示与不注意群集内所有其他项的薄弱链接，而损失项目是所有中心性度量中最不中心的节点，具有较低的可预测性值。网络结构在性别、年龄和ADHD亚型/表现中相对不变。ADHD核心症状的18项表现出不等价和不可互换的特点。”心烦意乱和"烦躁不安的人应被视为进一步评估和干预的中心症状或核心症状。这些症状的网络信息分化具有细化表型和减少异质性的潜力。

简介

注意力缺陷/多动障碍(ADHD)被定义为一种神经发育障碍，其特征是与年龄不相称的注意力不集中、多动和冲动，与各种环境的损伤相关。根据DSM-5 (1)和ICD-11分类系统(2)， ADHD是一种多面体疾病，所有受影响的个体都有相似的特征，但在特定的症状表达模式上却不相同(3.)．在DSM-5中，儿童的诊断阈值设置为6个或以上的注意力不集中症状，和/或6个或以上的多动/冲动症状;而成年人的阈值是5岁。18个诊断标准中没有一个被指定为“基本”或“更基本”的诊断分类。因此，如果两个孩子有两组完全不同的症状，就可能符合ADHD的诊断阈值，例如，每个领域只有三个症状重叠，相当于50%的症状不重叠。在成人中，重叠可以进一步减少到每个领域的一个症状，相当于约89%的无重叠。因此，表型异质性在不同的病例中可能是实质性的。

为了解决表型异质性问题，目前一种可用的方法是根据DSM-5定义的三种“表现”之一对病例进行细分，例如“合并”、“主要不注意”或“主要多动/冲动”表现。在这些子类别中，所有症状的权重仍然是相等的，没有等级排序，而症状之间的相互作用和共同出现的模式被认为是无关紧要的——除了症状数量的阈值。与DSM-5和ICD-11的假设相反，实证结果表明事实恰恰相反。最近的一项研究报告称，18项独立地有助于多动症的临床诊断，其中一些更有分量(4)．此外，这18种核心症状在一个特定的ADHD样本中发生的频率可能不同，尤其是在不同样本之间(5)．DSM-5和icd -11所提倡的症状的简单总和(假设权重相等)将丢失重要的临床信息，并引入更大的临床和病因异质性。这样一来，这种诊断方法可能会降低治疗效果，并阻碍对ADHD发病机制和病因学的研究。

为了克服这些局限性，并提供更有信息的方法来识别ADHD症状的潜在架构，已经进行了一些努力。这些包括因素分析(6，7)和项目反应理论(IRT) (3.，8，9)．然而，因素分析和IRT方法都不能评估项目之间是如何连接和触发的，特别是它们如何通过与症状网络中的其他症状的相互作用影响和延续一种障碍。可以通过基于的不同方法来解决这些缺点精神障碍的网络理论，它将精神病症状概念化为因果相互作用的症状网络(10)．传统的“潜在变量方法”观察的是可观察到的症状(即18种ADHD诊断症状)的表现，这些症状是由无法直接测量的ADHD的潜在构造(即临床疾病的潜在共同原因)引起的。相比之下，精神病理学的网络模型将一系列症状视为一个因果系统，通过相互影响启动、延续和维持一种障碍，而没有潜在的因果驱动(11)．因此，网络分析的结果可以解释为揭示了一个因果系统(11)，其中一些症状与某些症状的联系和相互作用多于其他症状(12)，在网络内施加不同的影响。

最近的一些研究试图建立ADHD症状的横断面网络模型。马特尔等(13)进行了第一次网络分析，以描述ADHD症状在不同年龄窗口的相互作用。他们的结果表明，ADHD症状在发展过程中的年龄分化。随着孩子的成熟，大多数症状的表现都会改变，除了"容易分心，这一症状保持不变，但作为注意力不集中和过度活跃/冲动领域之间的重要桥梁症状。更具体地说，是“e”容易分心和"难以保持注意力，与其他症状不同，在整个发育阶段仍然是主要症状。在横断面数据中，Silk等人(5)发现“容易分心和"不听是最常见的注意力不集中症状中断是多动症组中最常见的多动/冲动症状。在他们的多动症症状网络中，多动/冲动区域被组织成两个更小的子群，其中包含“等待转“作为桥梁”-索引“中介”。然而，注意力不集中的症状符合两大类，围绕(i)规划/组织(无组织的，失去的东西，健忘)及(ii)持续关注(心烦意乱，难以保持注意力，注意力不够集中，避免脑力劳动而且不遵守指示)．其中，”失去的东西是“中介中心性”最高的节点。此外，”不听被发现大多是孤立的(5)．普雷兹勒和彭斯(14)发现“浓度的困难“预期影响”最高。Goh等人(15)检测ADHD与认知节奏迟缓症状网络，确定ADHD与认知节奏迟缓网络之间的8个桥梁项目;这些项目是更有效的损伤指标比所有项目的简单池。总的来说，这些研究已经确定了网络分析参数所描述的不同项目的独特特征，尽管各研究之间存在不一致。

可能导致上述发现不一致的几个因素，如ADHD亚型(在DSM-5中称为“表现”)引入的样本异质性，性别和年龄分布(16，17)．样本特征和不同症状分布是否会影响ADHD的网络结构?而马特尔等(13)评估了不同年龄段的多动症症状，他们的发现是基于视觉评估而不是统计评估，因为基于主观判断的视觉检查可能会降低研究结果的重现性(12)．在另一项研究中，在儿童和青少年样本中没有发现网络结构和桥梁损伤项目的显著差异(13)，但阈下病例和非adhd比较在本研究中作为一个单独的组进行分析。注意力缺陷多动障碍的网络分析研究存在显著的方法局限性。此外，据我们所知，在现有的文献中，没有研究检验了亚型和性别的潜在影响。

本研究旨在评估中国汉族ADHD患者(6-16岁)的临床大样本中ADHD症状的网络结构，以弥补上述文献中的空白。特别地，它旨在探索证据，反对ADHD症状的等量和互换性假设。我们假设(1)应该确定一些特定的中心症状，即DSM-5的症状在中心性方面与由“强度”、“亲密度”、“中间性”和“预期影响”参数表示的中心性不同，并且(2)在不同子组之间的网络结构，以ADHD子类型(即表现)、性别和年龄组为特征，将是不变的。

材料与方法

参与者

多动症儿童和青少年从北京大学第六医院/精神卫生研究所招募。采用临床诊断访谈量表(CDIS)对儿童精神病学家进行半结构化诊断访谈，对ADHD、亚型和共病进行分类;（18)根据DSM-IV (19)标准。此外，所有参与者均符合下列入选标准:(1)年龄介乎6至16岁;（2) drug-naive;和(3.)，智商估计在70以上。排除标准包括有神经障碍史和其他精神障碍史。本研究已获北京大学精神卫生研究所伦理委员会批准。得到了参与者父母和监护人的书面同意。

措施

采用ADHD评分量表(ADHD RS-IV)评估ADHD的精神病理。由最了解孩子的父母或主要照顾者用李克特式4分制(1 =完全不了解，2 =有时了解，3 =经常了解，4 =总是了解)对孩子进行评分。根据DSM-IV的ADHD标准，它包括18个症状项目。

9种不注意症状是:(1)在作业中不注意细节或犯粗心错误，代码为“细节”;（2）在任务或游戏活动中难以保持注意力，代码为“跨度”;（3）当直接和你说话时，你似乎不听，代码为“听”;（4）没有按照指示去做，没能完成工作，代码为“遵循”;（5）没有按照指示去做，没能完成工作，代码为“完成”;(6)避免那些需要持续脑力劳动的任务(如课业、家庭作业)，代码为“避免”;(7）丢失任务或活动所需的东西，代码为“损失”;（8）是不是容易走神D，编码为“心烦意乱”;（9)在日常活动中健忘吗，代码为“忘记”。

九种多动/冲动症状被编码为:(1)手或脚坐立不安或在座位上扭动，代码为“烦躁不安的人”;（2）在教室或其他需要保持座位的情况下离开座位，代码为“座位”;（3）在不适当的情况下过度奔跑或攀爬，代码为“运行”;（4）难以安静地玩耍或从事休闲活动，代码为“嘈杂的”;（5）是“OnTheGo”还是“由马达驱动”，代码为“OnTheGo”;(6)会谈过，代码为“说话”;(7）在问题还没回答完就脱口而出，代码为“突然说出”;（8）等待回合有困难，代码为“等待”;（9)打断或侵入他人，代码为“中断．”

网络估计和网络推理

基于ADHD RS-IV的18项症状网络对ADHD参与者进行评估。这些淋巴结是ADHD的核心症状。在控制了网络中所有其他节点后，网络的边缘是每对节点之间的部分相关关系。由于我们的数据是序数性质的，高斯图形模型估计使用图形最小绝对收缩和选择算符(gLASSO) (20.)结合扩展贝叶斯信息准则(EBIC)模型选择(21)．调优参数，设置为0.5 (21，22)，对偏相关系数进行收缩，以获得稳定的网络。节点在网络中的位置由力导向Fruchterman-Reingold算法(23)．R软件(版本4.0.0，可在https://cran.r-project.org/)用于网络分析，R-package“qgraph”(24)用于网络估计。

通过检验中心性指标，进一步定量评估节点的重要性，包括强度，中间状态，和c阐述（11)，以及可预测性而且预期的影响(EI)。高中间性的节点意味着它经常占据其他节点对之间的最短路径。高紧密度表示与网络中所有其他节点的紧密连接。强度是通过将连接到节点的所有边的绝对权重相加来计算的。为了解释抑制其他节点的负边与激活其他节点的正边的对比，EI评估了占负边的节点的强度(25)．此外，节点的可预测性度量网络中所有其他节点可以预测该节点的程度(26)．较高的可预测性表明节点的高可控性，即它可以被控制通过它在网络中的邻近症状。计算中心性指标的标准化z值，z值越高表示网络中给定节点的相对重要性越大。“qgraph”和“mgm”软件包¹采用R统计软件实现中心性计算和可视化。

社区检测

本研究采用两种不同的方法来检测ADHD症状网络的社群。首先，使用更传统的步行陷阱算法通过探索性图分析来检测社区通过R-package“EGAnet”²这种方法不允许交叉加载，这意味着一个项目只能属于一个社区。然而，我们考虑到一些ADHD症状可能对多个社区有相对较高的负担的可能性。因此，还使用派系渗透算法来检测允许将项目分配给网络中的多个社区的社区，通过R-package“派系渗透”。^3.

网络的比较

为了检验ADHD亚型间ADHD症状网络的差异或不变性(ADHD- i vs. ADHD- c;由于样本量有限，没有将ADHD-HI纳入网络比较)、性别(男性vs.女性)和四个年龄组(6-7岁、8-9岁、10-11岁和12岁及以上;对于12岁及以上的被试，由于老年组的样本量有限，没有以2年为间隔进行进一步划分)，我们分别对这些参数分层的样本进行了网络估计;并使用双尾排列检验(10,000次)检验了网络结构、全局强度和边权的不变性(27)．网络结构不变性的检验取决于由所有连接组成的矩阵之间的最大差值。计算并比较了网络的全局强度(定义为所有节点对的绝对边权之和)。采用错误发现率(FDR)校正来处理边缘权值的多次比较，并进行调整p使用Benjamini和Hochberg (28)方法实现在R.“网络比较测试”包⁴采用R统计软件实现的网络比较。显著性阈值设为p< 0.05为网络结构和全局强度的不变性检验，并进行了调整p边权值差异< 0.05。

网络稳定性和准确性

根据Epskamp、Borsboom和Fried (29)．首先，通过绘制具有2500个排列的非参数自引导置信区间(ci)来估计边缘权值的准确性。窄的自引导ci表示边权抽样的低变异性，表明一个精确的网络。其次，我们使用个案下降子集自举法研究了强度的稳定性，以评估仅在部分数据中保留中心性顺序的效果。使用cs系数来测量比例的最大下降，以在至少95%的样本中保持0.7的相关性。为保证网络稳定，建议cs系数最好在0.5以上。第三，我们在非零的边权值和ADHD症状的节点强度之间进行了bootstrap差异检验。“bootnet”包⁵采用R统计软件实现，对网络稳定性进行估计。

结果

共招募了4,033名多动症儿童和青少年(3,355名男孩和678名女孩)进行分析;其人口学特征和临床特征总结于表1．

表1

表1。ADHD儿童的人口学和临床特征。

描述18个注意缺陷/多动障碍症状项目

表2总结了ADHD参与者的平均评分分数和每种症状的认可频率。对于每个项目的频率分布，我们发现细节作为最常见的症状，其次是心烦意乱"在注意领域，而"烦躁不安的人作为最常见的症状，其次是“OnTheGo在过度活跃/冲动领域。

表2

表2。在整个样本和ADHD子组中，每个症状的平均评分分数和认可频率。

基于子类型、性别或年龄组，这一模式在各自子组中普遍相似。但是，有人注意到有一些小的异常情况偏离了总的格局。对于过度活跃/冲动领域，”烦躁不安的人和"OnTheGo是最常被认可的项目，但12岁组别的“说话是第二大被认可的症状。正如发育成熟度所预测的那样，多动症状的认可随着年龄的增长而下降。

注意缺陷/多动障碍症状网络结构

通过目测，确定了一个整体的三因素群体结构，包括注意力不集中、多动和冲动的群体。然而，在一个多动/冲动的聚类中，区分多动和冲动项目形成两个子组是可能的。症状"说话与冲动症状联系更紧密，而不是与多动症状联系更紧密——这一模式更符合ICD-10的概念化(它将多动症状分类为说话作为一个冲动项目)而不是DSM分类。值得注意的是，“心烦意乱和"烦躁不安的人代表连接注意力不集中和过度活跃/冲动区域的桥梁(图1一个)．

图1

图1所示。(一)ADHD核心症状的症状网络。蓝色的边表示正的偏相关，红色的边表示负的偏相关。较粗的线条代表较强的连接。每个节点周围的蓝色环表示其可预测性值。(B)ADHD症状网络的中心性指标及预期影响。网络中每个节点的强度、亲密度、中间度和预期影响力的标准化z分数被绘制出来。

对于中心性指数(图1 b)，“心烦意乱"在不注意的领域和"烦躁不安的人“多动/冲动域”的神经元表现出最高的亲和性和中间性，这表明它们与网络中的其他节点紧密相连，也充当着集群之间的“桥梁”。“运行和"嘈杂的“多动/冲动域节点在网络中表现出较高的强度，考虑偏相关系数的负值后，”运行”、“嘈杂的，”和“遵循，显示出较高的预期影响程度，表明这些节点对网络中的其他节点具有很强的影响。“损失从所有的中心性度量来看，来自不注意群集的症状是最不中心的节点。各模式的平均可预测性为37.0%。其中，“的可预测性价值”听在“注意力不集中”组中最低(22.2%)，这与它与其他项目的分散但薄弱的联系一致，如图1一个．最高的可预测性值表示为运行的项目(56.6%)，这可能主要是因为它与“座位和"嘈杂的，如图1一个．平均评分与网络属性之间无显著相关性(r= 0.316,pbetween = 0.201;r= 0.282,p接近度= 0.257;r=−0.204,p强度= 0.417;r=−0.218,p= 0.386 for Expected Influence)，说明网络参数受评级水平的影响更大。

注意缺陷/多动障碍症状网络社区

通过应用walktrap算法，我们定量地确定了两个群体，这与18种ADHD症状的理论因素模型部分一致，其中18个项目被分为(i)粗心的“作为一个社区的因素和(ii)合并”极度活跃的/冲动的因素作为第二个社区(图2一个)．然而，这种社区滞留方法不允许交叉加载，这意味着一个项目只能属于网络中的一个社区。因此，我们应用Clique peration方法来检测社区，结果显示网络中有三个社区，但在不注意域的节点以非常规的方式分离和凝聚。值得注意的是，所有9个”极度活跃的/冲动的项目构成其各自的因子;但“完成”，“跟随”，“跨越”，而且“细节”形成了第二个社区，同时“损失”、“忘记”,而且“细节”形成了第三个社区。”听和"心烦意乱没有被分配到任何社区(图2 b)．换句话说，不注意的节点分离成两个不注意的集群，而“听和"心烦意乱“未分配”和“细节被分配到两个社区。

图2

图2。检测到的社区(一)Walktrap算法:利用R包“EGAnet”检测网络中的社区，识别出两个社区。(B)Clique peration算法:K设为3，因为算法要求K最小值为3,I设为0.15，得到最高的比值阈值和较大的χ阈值。使用了R包“Clique Percolation”。

网络结构在“年龄”、“性别”和“ADHD亚型”组间的不变性

我们比较ADHD- i亚型和ADHD- c亚型的ADHD症状网络，以检验网络结构、全局强度和边缘权重的不变性。结果显示ADHD-I亚型和ADHD-C亚型具有相似的症状网络结构(米= 0.09;p= 0.482)。从表面上看，ADHD-C的整体强度比ADHD-I强(7.63比7.22;年代= 0.41,p= 0.011) (图3)．然而，FDR校正后边缘权值无显著差异。换句话说，网络在多动症的子类型中基本上是不变的。

图3

图3。不同子类型的网络结构。(一)注意力不集中亚型(ADHD-I)的网络;(B)ADHD-C合并亚型的网络;(C)ADHD-I和ADHD-C症状网络的中心性指数和预期影响。

在男性和女性群体中没有发现显著差异，表明网络结构是不变的(米= 0.12,P= 0.137)或全球实力(年代= 0.31,p= 0.339) (图4)．为了尽量减少由于样本量性别失衡造成的潜在偏差，我们进一步在女性和男性参与者的子样本之间进行了网络比较(100次重采样，1000次迭代)。结果表明，在100次子抽样中，只有14次和4次在网络结构和整体强度的不变性上表现出显著的男女差异。也就是说，男性和女性的症状网络没有显著差异。

图4

图4。男性和女性的网络结构。(一)多动症男性的网络;(B)多动症女性的网络;(C)男性和女性症状网络的中心性指数和预期影响。

对4个年龄层(6-7岁层;8 - 9层;- 11层;且在整个样品中≥12层(图5)．结果表明，这四个地层的网络结构相当，网络结构的不变性没有显著差异(p-values > 0.1)和全局强度不变性(p-values > 0.5)，当比较四个地层之间的所有配对排列时。我们的详细分析表明，ADHD症状网络结构在从儿童到青少年(本样本中为6-16岁)的各个年龄段是一致的。

图5

图5。不同年龄组的网络结构。蓝色的边表示正的偏相关，红色的边表示负的偏相关。较粗的线条代表较强的连接。

网络稳定

对每个估计网络(全样本、性别组、ADHD亚型、年龄组)的稳定性分析显示相对狭窄的自引导ci，提示可靠的边权。强度的CS系数[CS (cor = 0.7)]均大于0.5，表明中心性指标相当稳定。关于网络稳定性结果的更多细节可以在补充材料．

讨论

我们的研究有三个关键发现。首先，确定了ADHD 18项核心症状的三因素社区结构，包括注意力不集中、多动和冲动域。有趣的是,“说话显示与冲动症状有很强的联系，这更符合ICD-10的命名。然而，使用派系渗透方法检测到的社区在不注意的领域中暗示了两个子簇，这意味着潜在的新子结构或偶然发现或由派系渗透方法产生的人工产物。在我们的研究中，“完成”，“跟随”，“跨越”，而且“细节”形成了一个粗心的社区,同时“损失”、“忘记”,而且“细节”形成了一个不同的粗心的社区。”听和"心烦意乱没有被分配到任何社区。据我们所知，以前没有报道过这种不注意的子结构。第二，两个最常见的症状，”心烦意乱和"烦躁不安的人(分别针对注意力不集中和多动/冲动区域)，显示了重要的桥效应，代表了进一步评估的关键节点。第三，正如假设的那样，网络结构在ADHD亚型、性别和年龄之间是相对不变的，表明其对泛化的鲁棒性。

在本研究中，我们确定了一个三因素的群落结构;然而，过度活跃/冲动群也可以进一步分为两个各自的亚群。这与探索性和验证性因素分析得出的ADHD的两或三因素结构一致(30.)．值得注意的是，在过度活跃/冲动人群中，”说话(被DSM系统分类为多动症状)与冲动性症状的联系更强，而与多动症状无关，这更符合ICD-10 (3.，31)．有趣的是，当物品被释放，允许属于多个群体时，一个全新的结构被确定为三个群体，传统的注意力不集中症状被分为三个组:“完成”，“跟随”，“跨越”，“避开”，和“细节“形成了第一个漫不经心的群体;“损失”、“忘记”,而且“细节”形成的:形成第二种的;和“听和"心烦意乱“不被分配到任何社区。节点”细节被分配到两个社区。这些都是经验得出的结果，与以往不同分析方法得出的结果是一致的。如先前的因素分析所述，“心烦意乱和"听，是交叉负荷高的物品(6，7)．因此，我们的研究结果与以往文献的研究结果一致，特别是“心烦意乱的项目扮演着“桥梁”的角色，连接着注意力不集中和多动/冲动领域，如本研究所示。

在不注意域中识别的两个集群细节的重叠节点，提示在不注意维度上存在潜在的异质性。对于包含“损失”、“忘记”,“细节"项目，则"损失项目的中心性指数为强度、亲近性、中介性和心理健康指数最低;忘记也不强大。我们推测，这个子集群中的节点可能出现在注意力不集中程度较高的参与者身上。

对于每个项目的频率分布，我们发现细节作为最常见的症状，其次是心烦意乱"在注意领域，而"烦躁不安的人作为最常见的症状，其次是“OnTheGo在过度活跃/冲动领域。我们研究中的症状频率与Silk等人报道的有一定差异。5)(载于表2)．在不注意领域，他们报告说心烦意乱作为最常见的症状，其次是听“令人惊讶的是，我们样本中排名最高的注意力不集中症状是”。细节(92.7%，排名第1);相比之下，在Silk等人的研究报告中，它是最低的(61.6%，排名第9)。5)．“听症状(71.5%)在我们的样本中排名第6，远低于Silk等(91.1%，排名第2)。在多动/冲动区域，差异似乎更大。Silk等人报道的最常见的症状(5)是“中断(84.2%，排名第1)烦躁不安的人(76%，排名第二^nd)．在我们的研究中，”烦躁不安的人的问题也很常见(77.2%，排名第2);然而，“中断，频率较低(50.4%，排名第6)。其他的不同之处在于“座位“(在我们的研究中排名第9，在Silk等人的研究中排名第3)，”嘈杂的“(排名第三对第九)，”OnTheGo(排名第2对第7)和“等待(排名第8位和第4位)。

上述症状认可的差异可能在一定程度上有助于解释网络属性的差异。例如，”心烦意乱显示出很强的相关性。烦躁不安的人代表了注意力不集中和过度活跃/冲动区域之间的唯一桥梁，暗示了这种症状在两个区域之间传播和维持其影响的潜在关键作用。这一发现支持了之前的发现，“心烦意乱“过度活跃/冲动因素的交叉负载(6)．此外，研究结果显示“心烦意乱是ADHD-HI亚型中最高的注意力不集中症状烦躁不安的人作为ADHD-I亚型中认可的最高的多动/冲动症状，这也在一定程度上支持了这两项的桥梁效应。”心烦意乱和"烦躁不安的人在我们的研究和Silk等人的研究中，都是注意力不集中和多动/冲动领域最常见的症状(不考虑ADHD的亚型)。5)．值得注意的是，它们是最不严重的症状，这表明即使在注意力不集中或过度活跃/冲动水平较低的情况下，它们也被认可)(32)．基于IRT分析的证据也表明“心烦意乱是家长和老师评价的信息最多的ADHD症状，且严重程度阈值相对较低(3.，8，32)．此外，”心烦意乱是DSM-5研究金标准诊断工具“情感障碍和精神分裂症儿童时间表”(K-SADS-PL)中用于筛选的三个项目之一(33)．总的来说，”心烦意乱和"烦躁不安的人症状似乎是ADHD精神病理学中最主要的症状。这两种症状可能是关键的治疗靶点——针对任何一种症状或其联系的干预措施，可以有效降低症状的严重程度和/或其在网络内的影响，应增强治疗效果，促进功能恢复。我们应该注意到，“细节，在我们的样本中背书频率最高的，除了相对较高的强度外，没有较高的网络属性。此外，这也是我们的研究(92.7%，排名第1)与Silk等人(61.6%，排名第9)的背书率差异最大的项目。研究这种可能源于跨文化差异的差异将是非常有趣的(34)．

我们的研究结果还发现了一些中心性指数和/或预期影响较低的项目。治疗注意力不集中的症状"听在注意力不集中和多动/冲动领域，与其他症状的联系弥漫性但薄弱，且可预测性值最低。在使用派系渗透方法检测到的社区中，节点“听没有被分配到任何社区。在现有文献中，来自因子分析的证据表明，“听，比任何其他注意力不集中症状(6，7)．”听，也显示出与过度活跃/冲动因素(7)．丝绸等(5)发现“听”在被识别的网络中占据了一个外围和孤立的位置，这一发现与我们的发现类似——尽管听是最常见的注意力不集中症状。如果这些发现得到了进一步的证实，未来的诊断标准修订可能会考虑替换“听，加上另一个更具信息量的项目。此外，”损失在我们的研究中，从不注意的集群是最不中心的节点，且具有较低的可预测性值。这一发现明显不同于先前报道的“损失是中介中心性最高的节点，尽管此症状似乎位于网络的外围，如network (5)．然而，最近的IRT分析报告称损失”作为一个“困难的项目”(即，只在严重的ADHD病例中被认可)，因此只在那些表现出更高水平的ADHD潜在特征的个体中出现(32)．换句话说，需要更高程度的注意力不集中。损失这证实了我们的发现。

我们确定的网络在年龄、性别和ADHD亚型的子组中基本不变。此外，这些群体对每一项目的赞同也基本一致。马特尔等(13)报告说，在一个人口样本中，从学龄前儿童到成年(年龄跨度从3岁到36岁)，网络变得更加差异化。相反，我们目前的研究发现，在较窄年龄范围(6-16岁)的临床诊断ADHD样本中，网络在不同年龄组之间具有可比性。这表明我们的临床样本的ADHD症状网络中症状项的相互联系和相互作用在从儿童到青少年(6-16岁)的不同发展窗口是一致的。然而，我们应该注意到，Martel等人没有进行正式的社区分析，也没有比较不同年龄组的社区。他们报告的年龄影响是基于目测的。与现有文献的证据一致(17)，本研究中症状认同的频率在不同年龄组间存在一定差异，提示不同发育阶段各具体症状的临床表现应有所不同。然而，我们对这些发现进行了进一步的思考，并注意到不同年龄组之间症状表达的差异可能并不等同于症状网络的方差。例如，如表2而所有多动/冲动症状都随着年龄的增长而下降。”烦躁不安的人仍然是最常被认可的项目。这只是反映了症状网络的不变性和稳定性，而不是症状表达的不变性。类似的网络结构不变性在以前的研究中也有报道(15)．事实上，最近的一项IRT研究表明，ADHD症状的等级结构在年龄和性别上是不变的(9)，这也支持了我们目前的研究结果。需要注意的是，从统计学角度来看，由于样本量有限，我们将12岁及以上的受试者合并进行组间比较。青春期作为一个重要的发育时期，可能伴随着强烈的行为变化。然而，基于年龄、性别和ADHD亚型的不变性，我们提出，即使有更精细的子分组，网络结构也不应该改变。至于成年期，应该谨慎解释，因为在将成人ADHD定义为持续性ADHD、成人起病性ADHD和晚期诊断性ADHD的问题上存在一些争议(35)．然而，另一种解释也应该提到，我们目前的研究包括不同年龄队列的横断面样本;这不是一项纵向随访研究，不能追踪症状随年龄增长的发展轨迹。因此，年龄效应与队列效应混淆在一起。此外，所有ADHD患儿都是由于功能障碍而来就诊的。这意味着由于转诊偏差(病例确定偏差)，他们基本上处于相同的疾病阶段或严重程度。因此，这种偏差可能有助于网络的不变性。因此，引荐偏差和队列效应可能导致这种伪影，这只能通过纵向设计的研究来克服。对于子类型，我们没有发现ADHD-I和ADHD-C之间的网络结构有显著差异。虽然ADHD-HI亚型没有被纳入分析和组间比较，但我们预计其网络结构也应该是不变的。 By the age increasing, the prevalence of ADHD-HI would significantly decline. The invariance across age groups found in our analyses may support our assumption of the invariant network in ADHD-HI. Definitely, further collection of cases with the diagnosis of ADHD-HI subtype/presentation would help us to elucidate this more precisely. Subtypes, gender and age groups have been suggested to be potential confounding factors in ADHD studies, which would increase the sample heterogeneity (36)．网络结构在亚型、性别和年龄组之间的不变性给我们提供了一些提示，未来对某些症状的潜在病理生理学研究，如广泛的症状和/或一些重要的“桥梁”症状，可能有望减少上述异质性。

我们目前的发现说明了基于心理健康网络理论的ADHD症状的潜在网络结构——这挑战了当前的假设。目前在DSM-5和ICD-11系统中对ADHD的概念化受制于三个假设:第一是大盘的假设，第二个是潜在共同原因假设第三个是可交换性的假设．新出现的证据表明，这三个假设可能都站不住脚。除了先前因子分析和IRT分析的结果外，网络分析也提供了反对等权假设的证据(5)．重要的是，网络分析(包括我们目前的研究)的结果也为共同原因和可互换假设提供了初步证据。更具体地说，网络理论提供了另一种模型潜在共同原因精神病理的概念化模式;并假设了致病过程中的特定阶段。在无症状期时，网络处于休眠状态。在激活阶段时，一个外部事件激活了最初的症状群集，然后这些症状扩散到网络中激活其他已连接(但迄今为止处于休眠状态)的症状。在维护阶段，网络一旦完全激活，就会自我维持和自我延续;精神病理在网络中处于活跃状态，尽管最初的外部触发事件被移除;其特点是，去除最初的触发器并不会导致恢复，因为病理网络现在已经变得自主(即独立于最初的触发器)(10)．总的来说，网络内节点之间的增量传播应该是有方向性和因果性的。虽然我们目前的横断面数据研究不能解决这一动态过程，但未来的研究可以利用正常受试者的纵向数据，阈值以下的病例阴影多动症病例，计算和绘制网络在发展窗口的时间进展，这有助于了解ADHD的动态变化和精神病理过程。

我们目前的发现具有一定的临床意义。首先，DSM-5-TR和ICD-11都使用了疾病分类的多元系统。在目前的ADHD诊断标准中，18个诊断标准中没有一个被指定为“必要的”或被列为“更必要的”诊断分类。我们的研究结果表明，并不是所有的多动症项目都应该被评估为同等的权重。例如，”心烦意乱和"烦躁不安的人"可能需要比其他人获得更高的权重，而"则相反听和/或损失“不是把所有的项目都平等地加在一起，探索一些关键症状或它们之间的联系是否可能细化表型以减少异质性，如使用加权症状作为更有信息的表型，用于研究多动症的神经生物学基础(5)．此前一项使用IRT分析的研究报告称:损失作为一个“困难的项目”，这表明该项目在多动症潜在特征中体现出更大的“权重”(32)．然而，IRT分析是建立在潜在性状假设的基础上的。相反，精神病理学的网络理论认为，症状在网络中传播并激活其他节点;理论重点也因此有所不同。在网络分析中，早期激活的节点和作为集群之间桥梁的节点是潜在的早期干预的关键目标，因为去激活这些节点可以阻止疾病网络的进一步传播和下游激活;因此，它们可以被视为预防的关键因素。因此，“权重”的概念被不同地用于表示IRT(即严重的潜在特征)和网络分析(即关键的早期激活节点)之间不同类型的显著性。这些加重症状将是精确干预的重要目标(37)，尽管“weight”在这两种不同的范例中可以用在不同的意义上。其次，如果得到重复，我们的初步发现也可以与针对网络中关键节点的干预策略相关。针对中心或核心症状或其联系的目标干预可能促进ADHD治疗的更大效率，促进症状(并由此推断功能)的改善。据我们所知，应用网络分析来阐明治疗效果在注意力缺陷多动障碍的文献中还没有被探索过，然而在其他精神障碍的研究中已经产生了一些有益的证据(38)．未来的研究既可以重新分析已有的治疗研究数据，也可以针对治疗研究的新设计，评估在干预前后窗口期症状网络的变化配置。第三，ADHD网络中这些关键症状的识别也可能对病因学研究有价值，作为探索更精确神经生物学机制的潜在目标变量。例如，我们可以只关注"心烦意乱症状，并研究其相关的脑改变、认知障碍和遗传背景。最近，一些研究人员试图将症状数据与神经心理学(39)或基因资料(40)来构建网络。大脑成像数据也可以用于类似的分析。另一种可能的方法是探索已确定的核心症状严重程度与中枢脑区域的结构和/或功能特征之间的关系。最后，需要做更多的工作来阐明ADHD症状的网络结构，包括引入其他特征，如情绪域和常见的共病，因为症状结构的经验阐明和细化也可能推进ADHD病科学的进展(41)．

这项研究有几个局限性。首先，如上所述，我们的分析基于横断面数据。因此，我们无法考察网络结构的动态变化，也就无法探究网络中症状随时间推移与发展之间的动态关系。在我们的研究和其他已发表的研究中，纵向数据可以通过使用不同年龄组参与者的横断面数据，帮助说明ADHD症状网络在发育窗口的动态变化，以避免年龄队列效应。其次，根据现有的DSM-5标准，我们只纳入了18项ADHD症状的分析。除了注意力不集中、多动和冲动领域，其他重要的特征，如情绪失调、内化和外化症状，都是未来分析中潜在的信息候选，因为情绪失调症状已被提议为ADHD症状的核心组成部分(42)，或区分ADHD“复杂”和“单纯”亚型的前哨特征(43)．第三，在我们的研究中，某些共病没有被排除，现有的常见共病可能影响网络模式或相反的程度在我们的分析中被调整为协变量。然而，未来的网络分析可能会探索共病模式网络的直接因果结构(12)．第四，我们在本研究中没有纳入正常对照。根据Borsboom (10)，网络结构和/或特性在神经典型受试者和临床病例之间可能是不同的，这在最近一项社会焦虑障碍的研究中得到了证实(44)．事实上，未来招募正常发育的对照可以帮助探索在临床样本中检测到的网络结构是否可以在一般人群中复制，或者网络属性在神经典型受试者中是不同的和截然不同的。此外，对普通人群的大规模纵向随访将有助于确定ADHD症状的自然动态发展，从典型神经病例到阈值以下病例，再到临床诊断为ADHD的病例;然而，这样的研究在规模和成本上都将是非常庞大和雄心勃勃的，超过我们目前的研究。观察到的动态特征将有助于识别关键症状，以便进行预防和早期干预。最后，利用大样本构建了网络，保证了网络的稳定性和准确性。在独立样本中进一步复制将有助于验证我们的发现，并促进对ADHD症状网络结构的理解。

结论

我们目前的研究利用网络分析来识别ADHD儿童的新症状结构。我们的研究结果证实了症状网络在年龄、性别和ADHD亚型之间的不变性，并建议“心烦意乱和"烦躁不安的人是多动症的核心症状。ADHD症状的网络信息分化突出了在该临床组中细化表型和减少异质性的潜力。

数据可用性声明

支持本文结论的原始数据将由作者提供，没有任何保留。

道德声明

涉及人类参与者的研究由北京大学第六医院/精神卫生研究所审查和批准。参与本研究的书面知情同意由参与者的法定监护人/近亲属提供。

作者的贡献

LL, YiW, QQ, RC提出了研究的概念并设计了研究。LL和HL组织了数据库。LL、YiW、WC、YG、YuW对这些发现进行了分析和解释，并撰写了手稿的草稿。RC和QQ对调查结果进行了解读，并对草案进行了批判性的评论。所有作者都参与了稿件修改，阅读并批准了提交的版本。

资金

国家自然科学基金(81873802)、首都医学发展基金(CFMD: 2022-4114)、国家基础研究规划项目(973项目2015CB856405、2014CB846104)、国家自然科学基金(81571340、81641163)和北京市自然科学基金(7172245)资助。

利益冲突

作者声明，该研究是在不存在任何可能被解释为潜在利益冲突的商业或金融关系的情况下进行的。

出版商的注意

本文中表达的所有主张仅代表作者的观点，并不代表其附属组织的观点，也不代表出版商、编辑和审稿人的观点。任何可能在本文中进行评估的产品，或可能由其制造商做出的声明，都不得到出版商的保证或认可。

补充材料

本文的补充材料可在以下网址找到://www.gosselinpr.com/articles/10.3389/fpsyt.2022.974283/full#supplementary-material

脚注

参考文献

1.美国精神病学协会。精神障碍诊断和统计手册。第五版。弗吉尼亚州:美国精神病学协会(2013)。doi: 10.1176 / appi.books.9780890425596

CrossRef全文|谷歌学者

2.世界卫生组织。死亡率和发病率统计的国际疾病分类(ICD-11 MMS)。日内瓦:世界卫生组织(2022年)。

谷歌学者

3.Arias VB, Esnaola I, Rodríguez-Medina J.识别注意缺陷/多动障碍的潜在标记症状。同行J。(2018) 6: e4820。doi: 10.7717 / peerj.4820