专栏首页思影科技Psychological Science:支持性教养可改善青少年期贫困对成年期静息态功能连接带来的影响

Psychological Science:支持性教养可改善青少年期贫困对成年期静息态功能连接带来的影响

在贫困环境中长大的儿童,其大脑发育容易出现各种不良变化。来自乔治亚大学的Gene H. Brody等人在Psychological Science验证了一种假设:接受支持性教养将抵消青少年期生活在贫困环境对成年后的认知和情绪调节的网络连通性带来的影响

本研究所采取的样本是自生活在南方农村的非裔美国青年( N = 119 );评估11 - 13岁和16 - 18岁时的贫困状况,以及他们接受支持性教养的情况。在被试25岁时,使用fMRI研究中央执行网络【central-executive network,CEN】和情绪调节网络【emotion-regulation network , ERN 】的静息态功能连接。

其结果发现:在接受支持性教养水平较低的被试中,其生活在贫困中的时间越长,两脑区之间的网络连通性越差;而在接受支持性教养水平较高的被试中,则没有这样的发现。

前言

在美国,有20% 的儿童生活于贫困环境下,另有20% 的儿童生活在贫困线边缘。对所有儿童来说,贫困会影响身心健康、认知发展和受教育程度等。已有研究发现,在低的社会经济地位环境中成长,可能会对执行控制、情绪处理和调节等脑区的结构和功能产生持久的影响。

以往的研究主要是对单个脑区活动进行的研究;对多个脑网络之间的研究较少。越来越多的研究者意识到,高阶认知和情感功能依赖于多个脑区构成的网络,而非某个单独脑区。因此,本研究考察青少年期贫困与成年期中央执行网络和情绪调节网络间的静息态功能连接关系。

此外,并非所有在贫困中长大的儿童和青少年都会出现不良影响。最近的研究表明,高敏感、低冲突、给予情感支持的教养方式会消除这些影响。并且支持性教养对CEN(中央执行网络)和ERN(情绪调节网络)的发展起重要作用。因此作者针对青少年期生活在贫困中的非裔美国青年提出假设:青春期接受支持性教养水平较低,其CEN和ERN间的连接程度较差;若青春期接受的支持性教养水平较高时,CEN和ERN的连接程度正常。

方法

1、数据基本信息

从一项大型的纵向研究中招募119名来自农村的25岁的右利手非裔美国青年。

在研究初期,从佐治亚州农村社区随机招募到年龄在11 岁(M=11.2,SD=0.34 )的 667个家庭。在被试19岁时,由于资金限制,随机抽取500 人采集数据基本信息。经过T检验(连续变量)和卡方检验(分类变量)得到:随机抽取的子样本与原始样本在家庭贫困状况、单亲家庭状况、家庭收入、父母年龄、父母与子女关系、父母抑郁或儿童自尊与自我控制等方面没有差异。当被试到25岁时,从19岁时抽取的 500 名被试样本中随机抽取119名被试来采集核磁数据。因头动过大等问题,剔除28名被试;最终样本量为91(编码为0 的女性比例为52%,男性对应编码为1)。

具体方法

家庭贫困程度:

在被试11 - 13岁和16 - 17岁时,根据抚养者提供家庭收入和家庭规模来计算家庭收入与基本需求的比率(家庭收入基本需求比 = 家庭收入 / 家庭规模贫困阈值, income-to-needs ratios)。收入基本需求比值低于1代表低于贫困线,记1分。根据联邦准则(M = 1.89, SD = 1.64),对5个维度的贫困状态得分求和,以此来确定被试处于贫困的年限。

支持性教养:

采用广泛使用的2个量表对被试在11-13岁和16-17岁间接受的支持性教养进行评估。涉及到支持性教养量表(The Supportive-Involved Parenting Scale)测量鼓励、参与、交流等内容,Cronbach’s α值为0.76 - 0.84。无效争论量表(Ineffective Arguing Inventory)用以评估父母与青少年解决冲突的程度(并不是扩大冲突);高分代表冲突尚未得到解决,Cronbach’s α值为0.75到0.79。两种量表均在 5 中评估波中取平均值并进行标准化(r = –.60, p < .01)。从涉及到支持性教养的分数中减去无效争论量表分数来描述教养方式。

MRI采集:

扫描仪器型号:GE Signa HDxt 3-Tesla scanner。

结构像参数:TR = 7.8 ms;

回波时间 = 3.1 ms;

翻转角 = 20°;

FOV= 25.6cm;

矩阵大小 = 256 × 256;

轴向层数 = 160;

160contiguous 1-mm axial slices,

分辨率 = 1 * 1 * 1 ,单位: mm

功能像参数(单次扫描梯度回波脉冲序列):

TR = 2s;

回波时间 = 25 ms;

翻转角 =90°;

FOV = 225× 225 mm;

矩阵大小 = 64 × 64,

层数 = 38;

分辨率 = 3.5 mm3

静息态数据:扫描2次,每次4分钟。并要求被试睁着眼睛,看一个固定的十字架自由冥想。

图像分析

图像预处理:

预处理软件采用AFNI(Analysis of Functional Neuroimages ,AFNI)。

功能像数据:进行了时间层矫正、头动矫正、去除掉前 4 个时间点,以及去掉头动过大的数据(大于 0.2mm , 超过体素25%);借用T1像将个体空间图像到MNI标准空间(两步配准法);空间平滑(采用6 mm的高斯核);带通滤波范围为0.009Hz –0.08 Hz。最后只回归了6个头动方向及其对时间的导数这几个协变量。

功能连接分析:

1、对每个体素的原始时间序列数据去均值,并转换为百分比信号变化分数【 percentage-signal-change scores 】。

2、计算特定脑区内所有体素在每个时间点的平均信号变化百分比,作为ROI种子点数据。

3、计算每个ROI信号值与其他ROI的所有体素间的皮尔逊相关系数,以此作为静息态FC值。采用Fisher-Z 变换将r值转换为Z分数,并对每个ROI求平均。

4、最后,对所有可能的连接的Z 分数求平均值,以此来计算出反映网络所有可能节点连通性的最终值。

CEN(中央执行网络)模板和ERN(情绪调节网络)模板均选用已公开发表论文提供的模板。对于每个ROI的小球半径设为5mm。表1给出了ROI的坐标,图1 给出了CEN和ERN网络中ROIs的轴状位和矢状位视图。

表1 中央执行网络和情绪调节网络的感兴趣区

图1 感兴趣区轴状位和矢状位视图

如果您对静息态脑功能及脑网络数据处理感兴趣,请点击:

第二十六届磁共振脑影像基础班(重庆)

第十二届磁共振脑网络数据处理班(南京)

结果

作者验证了:支持性教养可以改善青春期生活于贫困家庭的青少年的 CEN 和 ERN的静息态功能连接(rs-FC)。

分层多元回归分析包括家庭贫困、支持性教养对静息态功能连接(rs-FC)的主效应和二者的交互效应。所有模型均对性别进行了回归。具体结果见图2。对于ERN rs-FC,家庭贫困主效应显著;家庭贫困和支持性教养的交互效应显著(F(1, 86) = 3.981, p = .049, ΔR2 = .040)。CEN rs-FC,家庭贫困和支持性教养的交互效应显著(F(1, 86) = 9.421, p = .003, ΔR2 = .094)。这些相互作用如图2a和2b所示。简单斜率分析显示:

对于接受低水平支持性教养的被试而言,当他们在11-17岁期间处于贫困状态的时间越长,CEN (b = −0.028, 95% CI = [–0.047, –0.010]; β =−0.390, 95% CI = [−0.645, −0.134]; p = .003)和ERN(b = −0.036, 95% CI = [–0.056, −0.015]; β = –0.436,95% CI = [−0.690, −0.182]; p = .001)的功能连接就越弱

对于接受高水平支持性教养的被试而言,贫困与这些网络的静息态功能连接无关(CEN rs-FC: b = 0.015, 95% CI = [−0.007,0.038]; β =0.212, 95% CI = [−0.099, 0.522]; p = .179; ENR rs-FC: b = −0.004, 95% CI =[−0.029, 0.021]; β =–0.047, 95% CI = [−0.356, 0.262]; p = .762)。

表2 家庭贫困和支持性教养预测25岁时CEN和ERN的静息态功能连接

图2 a.中央执行网络的静息态功能连接; b.情绪调节网络的静息态功能连接。

总结

贫困对身心健康、认知发展产生负面影响。不过,支持性教养能改善青少年期贫困对CEN和ERN静息态功能连接的影响,这种改善在成年初期即表现出来。可见父母教养方式非常重要。

原文

Brody, G. H., Yu, T., Nusslock, R., Barton, A. W., Miller, G. E., Chen, E.,... & Sweet, L. H. (2019). The Protective Effects of Supportive Parentingon the Relationship Between Adolescent Poverty and Resting-State FunctionalBrain Connectivity During Adulthood. Psychological science.

本文分享自微信公众号 - 思影科技(siyingkeji),作者:杨晓飞

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-10-06

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 异质脑:自闭症谱系障碍患者自发连接模式畸变

    来自以色列魏茨曼科学研究学院的Avital Hahamy等人在Nature neuroscience上发表文章,发现自闭症谱系障碍(Autism spectru...

    用户1279583
  • DMN:大脑的默认网络

    这篇文章综述由世界著名的脑成像专家Marcus E.Raichle教授撰写,Raichle 教授来自圣路易斯华盛顿大学(Washington Univers...

    用户1279583
  • 默认网络:最新的解剖、生理研究及其研究发展过程中的新观点

    默认网络是近年来静息态研究中最典型的研究发现,但该网络最初的发现却是来源于任务态研究。可以说,默认网络在连接静息态研究和任务态研究成果方面起到了至关重要...

    用户1279583
  • Matlab R2018b激活教程

    版权声明:本文为博主原创文章,转载请注明出处。 ...

    乐百川
  • 分布式系统「伸缩性」大招之——「水平&垂直切分」详解

    做「伸缩性」最重要的就是先做好「无状态」,如此才可以随心所欲的进行横向“扩展”,而不用担心在多个副本之间切换会产生错乱。《分布式系统关注点——「无状态」详解》聊...

    Zachary_ZF
  • 分布式系统关注点——“拆库“

    当你遇到单点单应用支撑不住使用的时候,Z哥给你的普适性建议是:先考虑“扩”,再考虑“切”。这个和写代码一样,“增加”新功能往往比在老功能上改容易。

    架构师修行之路
  • 优步估值暴涨达1200亿美元!计划明年年初IPO

    据知情人士透露,优步科技公司(Uber Technologies Inc.)最近收到了华尔街银行的提议,这些银行对该公司的估值高达1200亿美元,可能会在明年年...

    新智元
  • 树回归分析

    树回归:可以对复杂和非线性的数据进行建模;适用数值型和标称型数据。 1、 CART:classification and regression trees(...

    微风、掠过
  • 经典面试题-新浪Shell面试题

    cwl_java
  • 不同规则的中文分词对Lucene索引的影响

                                                                                   ...

    田春峰-JCJC错别字检测

扫码关注云+社区

领取腾讯云代金券