赵敏教授和TCCI研究员袁逖飞教授团队揭示跨成瘾类型的核心特质冲动特征、冲动异质性及其影响因素 – 天桥脑科学研究院

天桥脑科学研究院

赵敏教授和TCCI研究员袁逖飞教授团队揭示跨成瘾类型的核心特质冲动特征、冲动异质性及其影响因素

上海交通大学医学院附属精神卫生中心赵敏教授和天桥脑科学研究院(TCCI)研究员袁逖飞教授团队合作文章《The Structure and Individual Patterns of Trait Impulsivity Across Addiction Disorders: a Network Analysis》近日发表于International journal of mental health and addiction (IF = 11.55),博士生郭垒,陈天真和郑辉为本文共同第一作者,赵敏教授和袁逖飞教授为共同通讯作者。该工作揭示了跨成瘾类型的核心特质冲动特征、冲动异质性及其影响因素,同时提出了一种个体症状网络识别的方法。

 

成瘾行为与特质冲动密切相关。冲动性特质增加个体对成瘾行为的脆弱性,促使成瘾行为的产生,并增加复发的可能性。然而值得注意的是,前期研究发现不同成瘾类型的冲动特征可能存在异质性,成为不同成瘾类型精准治疗和管理的依据。目前,针对特质冲动的主要测量方式为心理评定量表,并提供组水平 (Group-level) 的推断。这种方式限制了个体化的干预,同时无法提供症状水平的靶点。近年来,基于症状网络分析 (Network analysis) 的技术逐渐兴起,该方法将精神心理疾病概念化为不同症状之间互相激活的动力系统,以此通过图 (Graph) 的方式寻找核心症状。

研究纳入了1687名患有神经活性物质和海洛因使用障碍以及网络游戏障碍 (IGD) 的被试。基于Barratt Impulsivity Scale-11 中文版(BIS-11C)量表,对三组被试构建了各自的特质冲动网络。同时基于各自组年龄和性别匹配的健康对照,构建了每一名成瘾患者的个体化差异冲动网络(Individual differential impulsivity networks, IDINs)。

 

个体化差异冲动网络 (IDINs) 的构建

 

所有成瘾被试的IDINs 构建后,将网络连边权重进行K-means聚类,以发现跨成瘾类别的潜在冲动表型。最后,将聚类得到的分类纳入多分类Logistic回归模型,探究影响其个体化冲动类型的影响因素。

组水平冲动网络分析表明,三种类型的成瘾分别伴随着不同的核心冲动特征。兴奋剂使用障碍的全局网络强度明显高于其他成瘾类型,海洛因受试者的非计划冲动连接与其他组存在明显差异。基于IDINs,成瘾被试被聚类为三类(冲动网络内连接相对于健康对照明显增强、明显减弱以及没有明显差别)。三种偏差模式与成瘾类型、年龄、教育程度和成瘾持续时间有关。

 

 

本研究的结果表明,不同成瘾类型存在不同的核心冲动特征,且和个体特征冲动模式的异质性,且与被试个体人口学和成瘾史相关。这一结果在未来可能应用于成瘾患者的个体化冲动管理体系,以优化成瘾患者的治疗。此外,本文使用的差异网络方法为基于横断面数据的个体化症状网络构建提供了新的思路,对该方法进行了进一步扩展。

参考文献

[1] Guo, L., Chen, T., Zheng, H., Zhong, N., Wu, Q., Su, H., Jiang, H., Du, J., Dong, G., Yuan, T.-F., & Zhao, M. (2023). The Structure and Individual Patterns of Trait Impulsivity Across Addiction Disorders: A Network Analysis. International Journal of Mental Health and Addiction. https://doi.org/10.1007/s11469-023-01022-0