注意力缺陷/多动障碍和睡眠障碍之间有什么联系？基于大规模队列多模态研究

背景：注意缺陷多动障碍(ADHD)睡眠障碍合并症可严重影响日常生活，并对儿童和家庭的生活质量产生负面影响。然而，ADHD和睡眠障碍之间的动态关系尚不清楚，潜在的共同大脑机制也不清楚。

方法：本研究使用了来自Quebec儿童发展纵向研究（n =1601, 52%女性）和青少年大脑认知发展研究（n =3515, 48%女性）的数据。使用交叉时滞模型检验了症状之间的纵向关系。并采用线性回归分析辨别灰质体积神经相关物。通过基因富集分析，确定的脑-ADHD-睡眠关系的转录组特征。混淆因素，如治疗药物和社会经济地位，被控制。

结果：在两个队列中，ADHD症状会在随后的一个或多个时间点导致睡眠障碍。额中回和额下回、杏仁核、纹状体和脑岛的较低灰质体积与ADHD症状和睡眠障碍均相关。ADHD症状显著地介导了这些大脑结构异常和睡眠失调之间的联系，并且基因在相关的大脑区域有差异表达，包括那些参与神经传递和昼夜节律夹带的区域。

结论：本研究表明，ADHD症状和睡眠障碍存在共同的神经相关性，包括腹侧注意系统和额纹状体回路的结构变化。利用来自大数据集的数据，这些结果为ADHD和睡眠障碍之间的临床重要关系提供了新的机制见解，这对神经生物学模型和未来的治疗方向具有潜在的影响。

一、引言

注意缺陷多动障碍(ADHD)是儿童中最常见的神经发育障碍，在50%至66%的病例中会持续到成年。睡眠障碍由两种主要分类（即睡眠障碍和睡眠异常）组成，非常常见，在25%-55%的ADHD儿童中发生，并与不良的预后相关。如果不加以治疗，这些症状会导致年轻人的不良后果，包括更糟糕的学业成绩。ADHD的症状和睡眠问题都会对日常生活产生严重的破坏，并对儿童和家庭的生活质量产生负面影响。多动症症状如多动症可导致更长的睡眠开始潜伏期、更多的夜间觉醒和较低的睡眠质量，但睡眠中断也会损害白天的注意力，与ADHD的核心症状重叠。因此，这两种情况可以相互加剧。这种复杂的关系在儿童时期和青少年时期尤其值得关注，因为此时人们的大脑结构和相关功能正在发生显著的发育变化。这两种情况都分别与异常的大脑发育有关。因此，深入了解这两种情况之间动态的和神经生物学的关系具有相当大的临床和公共卫生意义。

在行为层面上，已经有研究报告了ADHD症状和睡眠障碍之间的联系，尽管大多数这些研究都是横断研究。此外，这些研究往往没有控制使用药物的影响或检查大脑相关物。在神经解剖学水平上，广泛的大脑异常与ADHD有关，包括皮层下和皮层区的结构异常。在没有考虑ADHD症状的研究中，失眠症患者睡眠障碍的神经解剖学相关物也被发现存在于重叠的皮质-纹状体回路中。由于这些条件的异质性和方法上的不一致（例如，招募的年龄组，使用的症状量表），这些发现往往在不同的研究中都有所不同。然而，有一种假说认为，认知控制系统（额纹状体回路）的延迟发展加上较低的白天觉醒导致了这些问题，这种假设暗示了突显/腹侧注意通路的异常。虽然有假设认为，额纹状体和突显/腹侧注意网络的常见结构异常对这两种情况都有贡献，但这一假设尚未被检验。

在分子水平上，ADHD与神经递质系统有关，特别是多巴胺和去甲肾上腺素，这两种物质在睡眠调节中也发挥着重要作用。例如，蓝斑去甲肾上腺素能系统与注意和唤醒有关，在从脑干到中枢神经系统（如海马和新皮质）中具有广泛投射的去甲肾上腺素能轴突。该系统的失调被认为不仅与睡眠障碍有关，而且还与ADHD的病理生理学有关。因此，研究睡眠障碍和ADHD症状之间的相互作用可能会为这一假说提供新的线索。

据我们所知，迄今为止没有使用大规模数据集的研究发现ADHD和睡眠障碍的常见大脑异常。因此，本研究的目标是1)揭示多动症症状和睡眠障碍之间的时间动态关系，2)识别两种症状类型共同的神经解剖相关物，3)量化识别神经解剖相关物多大程度上是通过多动症介导的，和4)测量与中介效应相关的基因表达的生物过程或功能通路。为了实现这些目标，我们使用了3个数据集：一个儿童发育的纵向队列(n = 1601)，一个纵向设计的神经成像队列(n = 3515)，以及一个“所有基因，所有结构”基因表达研究（3702个样本，且超过62000个基因探针）。我们假设ADHD症状会导致随后的睡眠障碍，减少灰质体积(GMV)的额纹状体和显著/腹侧注意通路是常见的情况，并且调节上述神经化学系统（多巴胺、去甲肾上腺素）的大脑基因表达将与大脑结构和症状之间的中介作用相关联。具体来说，我们假设，大脑结构和基因表达的改变会导致多动症，进而又会导致睡眠障碍。

二、方法

1. 被试和行为测量

我们使用来自Quebec儿童发展纵向研究(QLSCD)的数据作为纵向分析的发现数据集。在7岁、8岁、10岁、12岁和13岁时至少有一次ADHD症状或睡眠障碍测量的参与者被纳入本研究(n = 1601)。ADHD症状（总分、多动-冲动得分和注意力不集中得分）使用教师评分的社会行为问卷进行测量。睡眠障碍通过7个问题进行评估，这些问题由母亲回答（即白天嗜睡、睡眠说话、睡眠行走、夜间恐怖、噩梦、磨牙症和遗尿）。QLSCD的方案得到了Quebec统计研究所（加拿大Quebec市，Quebec市）和St-Justine医院研究中心（加拿大蒙特利尔，Quebec市）伦理委员会的批准。每次评估均获得所有参与家庭的书面知情同意。该队列关注的是行为测量，而不是大脑成像。

青少年大脑认知发展(ABCD)研究追踪了来自美国21个中心(https://abcdstudy.org)的1万多名9至11岁儿童的大脑发育和健康状况。这些中心获得了父母的完整书面知情同意和所有儿童的同意，并按照机构审查委员会遵循了研究程序和伦理准则。我们使用了3515名受试者的数据，这些人在基线时都获得了完整的行为和磁共振成像(MRI)数据；其中3076名受试者有1年的随访数据。使用父母报告的儿童行为检查表中的DSM导向注意力问题量表来测量ADHD症状。使用父母儿童睡眠障碍量表将睡眠障碍进一步总结为两个维度：睡眠障碍（启动和维持睡眠障碍、睡眠呼吸障碍和过度嗜睡障碍）和睡眠异常障碍（觉醒障碍、睡眠-觉醒过渡障碍和睡眠多汗症）。

2. 结构MRI数据

在ABCD研究中，在21个数据收集点使用3T扫描仪采集了三维T1加权图像。详细的MRI采集协议在的其他地方也有描述。我们使用ABCD处理管道(https://abcdstudy.org/scientists-protocol)。此外，我们还使用CAT12(http://dbm.neuro.uni-jena.de/cat)和SPM12(http://www.fil.ion.ucl。ac.uk/spm).简单地说，根据TOM8工具箱(https://irc.cchmc.org/software/tom.php)生成的9至11岁儿童的组织概率图，将图像分割为灰质(GM)、白质和脑脊液。接下来，使用DARTEL工具箱将图像归一化到MNI空间，将配准的GM图像与空间归一化得到的雅可比行列式相乘，然后用8mm的最大半高全宽高斯核进行平滑，得到的体素大小为1.5 mm3。最后，我们计算了所有这些平滑的GM图像的平均图像，并通过只保留那些GM组织超过10%的体素，将我们后续的分析集中在GM的mask中。

3. 转录组数据

我们使用了来自艾伦人脑图谱(AHBA)中6个典型的成人大脑的转录组数据（brain-map.org）。因为AHBA中6个供体中只有2个的右半球数据，我们只使用了左半球的样本。我们推荐的预处理管道，包括探针基因重新注释，基于强度的数据过滤，探针选择，分割组织样本到皮层下和皮质区域基于哈佛-牛津模板，和供体内标准化，最终导致15408个独特的基因。

4. 统计分析

交叉时滞模型：在QLSCD中，我们使用随机截距交叉滞后面板模型(RI-CLPM)来检验了ADHD总分和睡眠障碍之间的纵向关联。与传统的CLPM相比，RI-CLPM需要至少3个数据波，通过包含随机截取，将被试内效应从稳定的被试间差异中分离，更接近因果推理。我们遵循了Madigan等人的两个分析步骤。首先，估计标准的RI-CLPM；然后，我们检验了协变量(即性别、社会经济地位和7岁时的ADHD药物治疗)对被试间效应的影响。我们还在睡眠和ADHD症状维度（即多动-冲动和注意力不集中）之间进行了RI-CLPM测试。我们对16个波间关联（即8条自回归路径和8条交叉滞后路径）进行了错误发现率(FDR)校正。

为了使用一个独立的队列提供更多的支持性证据，我们在ABCD研究中对ADHD症状和3个睡眠障碍评分（即总分、睡眠障碍和睡眠异常）进行了传统的CLPM研究。在这些模型中，我们控制了几个稳定变量（即性别、种族和地点）和时间动态参数(即ADHD药物治疗、家庭收入、父母的教育水平、身体质量指数和青春期)。考虑家庭亲缘关系（即问卷中提供的单身、兄弟姐妹、双胞胎和三胞胎的记录以及根据遗传数据重建的亲缘关系），统计显著性使用进行5000次多水平区块置换检验（multilevel block permutations）来确定。我们通过Wald测试比较了睡眠→ADHD路径和ADHD←睡眠路径之间的强度。为了检验这些结果是否在数据收集站点之间稳健，我们对上述确定的显著交叉滞后系数进行了元分析。模型参数采用全信息最大似然法估计模型参数，并采用拟合良好的的共同阈值来解释模型拟合。

全脑和体素分析(ABCD队列)：采用年龄、性别、用手性、种族、青春期、体重指数、部位、家庭收入、家庭收入、父母教育程度、头部运动和总颅内容积为协变量的线性回归模型研究基线时GMV与ADHD症状之间的关系。在体素水平上，我们使用了显著性水平α = .001的双尾检验，而团簇水平阈限为α = .05。同样，我们检查了GMV与总睡眠障碍得分的相关性，并测试了两个维度的相关性(即睡眠障碍和睡眠异常)。ADHD和睡眠的显著重叠GMVs是基于一个有超过217个体素进入平滑核体素的90%置信区间(CI)的团簇来定义的。

中介分析：由于ADHD症状和睡眠障碍之间的定向关联是由CLPM确定的，我们评估了ADHD对睡眠和上述重叠簇之间关联的中介作用。分析使用Wager等人开发的中介工具箱(https://github.com/canlab/MediationToolbox)进行，并进行10000次的bootstrap。此外，我们对这种中介效应进行了全脑和体素方面的探索性分析，在每个体素上进行了3000次bootstrap，并在所有体素中进行了FDR校正。

转录组分析：我们使用偏最小二乘(PLS)回归方法将中介效应与AHBA中的基因表达数据联系起来。响应变量为n × 1矩阵，由MNI空间坐标为中心的球形感兴趣区域(ROI)(r=4 mm)的平均T值。预测变量为n个（组织样本数量）× 15,408个（基因数量）矩阵。AHBA提供了左侧皮质下区182份组织样本，左侧皮质下区784份组织样本。使用置换检验（5000次），我们选择了解释中介效应变异显著的PLS成分。第一个PLS成分是加权基因表达得分的线性组合。计算PLS分量中的每个权重的z分数。因此，这些基因可以根据其对PLS成分的标准化贡献进行排序。我们修改了其他研究提供的PLS代码。留一交叉验证是用来测试个人捐赠结果的影响，和PLS分析使用6毫米感兴趣的区域或精制大脑图谱也进行比较，以确保结果不依赖于一个特定定义的感兴趣区域的大小。

我们使用GSEAPreranget（版本6.0.12）的默认设置来识别与生物过程的基因本体术语和京都百科全书的基因和基因组途径相关的基因集。皮层下和皮层区域的2个基因列表(n = 15,408)按z评分进行排序，并传递给GSEAPreranked。从每个列表中最上面的正相关和负相关的基因中，我们获得了单独的富集基因集（分别为S+和S-）。为了证明研究结果的稳健性，我们还应用了一个更严格的阈值(即基于z评分的前1%和后1%的基因)，使用DAVID 6.8来识别显著的富集。我们认为基因集的FDR q < 0.05。

三、结果

1. 人口学描述

在QLSCD中，1601名参与者（829名[52%]女性）在7、8、10、12和13岁时纵向收集的行为测量数据进入了当前的研究（表1）。在ABCD研究中，3515名参与者（1664[48%]女性，10 ±0.61岁）在基线时有完整的MRI数据和行为测量，其中3076人在1年的随访中进行了完整的行为评估（11.03 ± 0.63岁）（表2）。

图片

图片

2. ADHD症状会导致了学龄儿童的睡眠障碍

为了测试ADHD症状和睡眠障碍之间的方向性，我们使用QLSCD队列进行了纵向分析。我们发现ADHD总分与睡眠障碍之间存在被试间和时变的关联(β = .10, 95%CI [0.004,0.20])。在模型的被试内和动态部分中，我们发现8岁时ADHD总分与10岁时的睡眠障碍有关(称为ADHD 8y→sleep 10y)(β = .10, 95%CI [0.02,0.18]，FDR q < 0.05)(图1)。在控制协变量的影响后(即性别、社会经济地位和ADHD药物治疗)，ADHD 8y→sleep 10y仍然显著(β = .11, 95%CI [0.03,0.19]，FDR q = .02)。仅使用未使用药物ADHD患者(n = 1095；β = .09, 95%CI [0.004,0,0.18])和使用仅有8岁和10岁数据的参与者(n = 1263；β= .09, 95%CI [0.01,0.181])证实了ADHD8y→睡眠10y的意义。ADHD分量表（即多动冲动症状和注意力不集中症状）也有类似的结果。

使用ABCD队列，我们发现更多的支持证据表明，多动症症状在10岁也与睡眠障碍在1年随访(睡眠总分：β= .09, 95%CI [0.06,0.13]，p < .001)，和所有数据收集网站的荟萃分析显示，这种关联也很稳定(meta-β = .09, 95%CI [0.04,0.13])。相比之下，尽管相反方向的路径系数在这个大队列中很显著，但其效应量较弱(Wald检验为p < 0.005)，且不稳健。同样，仅使用未使用药物ADHD患者(n = 2902；β = .04, 95%CI [0.01,0.08])和使用基线时诊断为ADHD的参与者(n = 281；β = .10, 95%CI [0.01,0.20])均证实了ADHD→睡眠的意义。睡眠分量表（即睡眠障碍和睡眠异常）也有类似的结果。

图片

图1. Quebec儿童发展纵向研究中注意缺陷/多动障碍(ADHD)和睡眠障碍之间的交叉时滞模型分析。在Quebec儿童发展纵向研究(n = 1601)中，7-13岁睡眠障碍的ADHD总分和睡眠障碍的随机截取交叉滞后面板模型结果给出了标准化结果。实线表示统计学显著性(p < 0.05)，而虚线表示不显著性(p > .05)。模型拟合：均方根误差近似= 0.04；比较拟合指数 = 0.98；塔克Lewis指数 = 0.96；标准化均方根残差 = 0.04。

3. ADHD症状和睡眠障碍之间有共同的神经相关物

为了验证ADHD症状和睡眠障碍有共同的神经相关性的假设，我们在基线时使用ABCD队列进行了神经成像分析。我们发现， ADHD症状与2个大脑团簇中较低的GMV相关(图2A)，而只有睡眠障碍分量表与较低的在3个大脑团簇的GMV相关(图2B)。在这些团簇中，我们发现了3个重叠的团簇包括双侧岛叶、左侧尾状核和壳核（2762体素）；右侧额中回和额下回（2296体素）；右侧海马旁、海马和杏仁核（419体素）（图2C）。

图片

图2. 在基线时的青少年大脑认知发展研究中，与注意缺陷/多动障碍(ADHD)症状和失眠障碍相关的显著脑簇。多重比较校正包括体素水平p < 0.001和团簇水平pFWE < 0.05。颜色条表示T值。所有分析均控制了年龄、性别、偏手习惯、种族、青春期、体重指数、部位、家庭收入、父母教育程度、头部运动和总颅内容积。(A)与ADHD症状显著相关的大脑团簇。(B)与睡眠障碍显著相关的大脑团簇。(C)与ADHD或失眠障碍显著相关的大脑团簇。红色区域与ADHD有关，蓝色区域与失眠障碍有关，紫色区域是重叠区域。

4. 中介分析：识别的神经相关物导致ADHD症状和睡眠障碍

在纵向数据集中确定了ADHD导致了随后的睡眠问题后，我们随后感兴趣的是检查ADHD是否在统计学上导致了与睡眠问题相关的解剖性大脑变化。因此，我们进行了中介分析来量化大脑→ADHD→睡眠之间的关系。我们发现，上述3个重叠区域的较低的平均GMV与较高的失眠障碍之间的48.6%(95%CI [31.7%，75.9%])是由ADHD症状介导的（每个区域的中介效应在45.2%-49.7%之间）(图3)。在控制ADHD药物治疗的情况下，这种中介效应仍然显著（44.2%，95%CI [27.3%，77.2%]；路径a*b：-3.92, 95%CI [-5.64, -2.35]）。对中介效应的全脑探索性分析发现了一个显著的聚类，它覆盖了上述重叠区域。我们还证实了基线时的ADHD症状显著介导了基线GMV和随访后的睡眠障碍之间的关联。

图片

图3. 平均重叠灰质体积(GMV)、注意缺陷/多动障碍(ADHD)症状和失眠障碍之间的相关性。中介模型以平均重叠GMV为预测因子，ADHD为中介变量，睡眠障碍为因变量。年龄、性别、偏手习惯、种族、青春期、体重指数、部位、家庭收入、父母教育程度、头部运动和总颅内容积作为不感兴趣的协变量。路径a度量预测因子和中介变量之间的关联；路径b表示在控制预测因子的同时，中介变量对因变量的影响；路径c表示预测因子与因变量之间的总关系；路径c’表示直接效应；中介效应是路径a和路径b(a*b)的乘积。

5. 中介效应与脑基因表达的关系

鉴于大脑→ADHD→睡眠的关系强度在不同的脑区域之间存在异质性的空间分布，我们进一步进行了转录组学分析，以确定其与脑组织中的基因表达的关联。在皮层下区域的模型中，只有第一个PLS成分是显著的。经过FDR校正后，皮层下区域的S-基因集在104个相关的生物过程和26个相关的京都百科全书基因和基因组通路中富集。富集的生物过程包括化学突触传递，而富集的京都百科全书基因和基因组途径包括昼夜节律夹带和多巴胺能突触。这些发现也富集在前1%的基因集中。

三、讨论

本研究表明，基线时的ADHD与随访时的睡眠障碍的交叉滞后关联强于相反方向上的交叉滞后关联。神经影像学分析显示，较小的体积，主要是在认知控制系统和显著性/腹侧注意系统，构成了连接ADHD和睡眠障碍的共同神经生物学基质。在皮层下结构中，我们发现了一些在大脑区域中表达水平较高的基因，在这些区域中，大脑-睡眠关联是由ADHD介导的。这些基因包括那些在多巴胺信号传导和昼夜节律周期中发挥关键作用的基因。这些发现与我们的假设相一致，即大脑结构和基因表达的变化会导致多动症，进而导致睡眠障碍。

据我们所知，这是第一个使用RI-CLPM来解决ADHD与睡眠障碍之间的纵向关联的研究。与其他统计方法相比，RI-CLPM提供了潜在的优势，例如提供了更接近的因果推理。虽然已经报道了ADHD和睡眠障碍之间的横断面联系，但对其纵向关系知之甚少。大多数纵向研究只考察了单向关联，如早期睡眠模式预测后期ADHD症状或儿童ADHD症状与成年睡眠质量相关。在QLSCD队列中，我们发现ADHD→睡眠关系的强度在8-10岁之间达到顶峰。然而，这一发现并不一定表明存在年龄限制的关系。例如，10岁时的ADHD症状可能通过提高10岁时的睡眠障碍来间接影响12岁时的睡眠障碍（图1）。

我们发现ADHD症状和睡眠障碍与右侧额回、双侧脑岛叶、左侧纹状体、右侧杏仁核和海马体GMV的共同减少有关。这些区域的结构异常以前曾在ADHD和失眠障碍中分别有报道。我们的发现与之前的数据一致，但至关重要的是，通过利用一个大数据集来识别这两种相关病理的共同基础。这些神经区域在高级认知功能（额纹状体回路）的和突显网络/腹侧注意系统中起着重要作用。

在ADHD和睡眠障碍患者中，依赖于额纹状体回路的认知域经常受损。纹状体与前额叶皮层相连，尤其与ADHD有关，并且对睡眠-觉醒调节和唤醒也很重要。这种额纹状体回路的成熟障碍可能导致ADHD中常见的认知问题，如自我调节方面的困难，认知控制和奖励加工。值得注意的是，注意和觉醒与密切相关，它们的相互作用被假设为主要位于突显网络/腹侧注意通路。我们的研究结果与这些与ADHD和睡眠障碍相关的通路的中断相一致，特别是关于右侧额下皮层、右侧颞顶叶交界处、右侧额中回和前岛叶皮层。这种与ADHD相关的大脑异常被认为反映了认知控制背后的额纹状体回路的延迟发育。

值得注意的是，我们的发现为ADHD症状和睡眠障碍之间关系的神经生物学机制提供了新的见解。具体来说，我们证明了大脑关键区域较低的GMV与ADHD和失眠障碍相关，并且40%的神经解剖学关联是由ADHD对睡眠的影响介导的。此外，我们对这种中介效应的富集分析突出了几个重叠的通路，包括昼夜节律夹带通路和神经信号通路（如化学突触传递、多巴胺能突触、谷氨酸能突触）。特别是，睡眠障碍的神经解剖学关联在更大程度上是由皮层下区域的基因表达水平较高的ADHD症状介导的。因此，如果一个特定的ADHD治疗针对这些途径之一，它可能会减少睡眠障碍中的ADHD影响。然而，大约有一半的脑睡眠关联不是由ADHD症状介导的，这表明并不是所有ADHD和失眠障碍常见的GMV减少都来自ADHD本身。这表明，从治疗的角度来看，需要额外的睡眠管理策略，即使治疗ADHD本身可能导致睡眠改善，只要这种治疗没有其本身的有害影响。

我们的研究有几个局限性。使用2个大的纵向队列，我们观察到学龄儿童的ADHD症状和随后的睡眠障碍之间存在显著的时间关系。在ABCD研究中，这种关系在QLSCD患者的8岁至10岁之间最大，在10岁至11岁之间最大。这个队列差异有几个可能的原因，包括以下：1)这两个组收集间隔10年(例如，QLSCD孩子出生在1997-1998年，而ABCD研究孩子出生在2007-2008)，相同的实足年龄可能不反映相同的青春期阶段在这两个队列。2)考虑到青春期的显著发展，10岁后的1年随访也有可能与相同年龄后的2年随访有所不同。未来的纵向研究有可能直接调查这些问题。

四、结论

对2个大型纵向队列结合迄今为止最大的学龄儿童神经成像队列进行分析，发现ADHD驱动对后续睡眠障碍有强烈的影响，并确定了ADHD症状和睡眠障碍的常见神经解剖学相关物。我们发现，ADHD实质上介导了与这两个问题相关的常见神经解剖学变化，这强调了需要开发精确的治疗方法，整合多模态方法来减轻ADHD症状和睡眠障碍。

参考文献：What Is the Link Between Attention-Deficit/Hyperactivity Disorder and Sleep Disturbance?A Multimodal Examination of Longitudinal Relationships and Brain Structure Using Large-Scale Population-Based Cohorts