人格、心理社会功能与执行认知对延迟折扣个体差异的相对贡献

《Frontiers in Psychology》:Relative contributions of personality, psychosocial functioning, and executive cognition to individual differences in delay discounting

【字体: 大 中 小 】 时间:2026年10月21日 来源:Frontiers in Psychology 3.8

编辑推荐:

  背景: 延迟折扣(Delay Discounting,DD)是一个被广泛研究的个体差异表型,反映个体在较小即时奖励与较大延迟奖励之间的偏好。既往研究已将DD与人口学特征、人格特质、心理社会功能及认知能力相关联。然而,在同一预测框架内,上述各领域间的相对增量贡献

  
背景: 延迟折扣(Delay Discounting,DD)是一个被广泛研究的个体差异表型,反映个体在较小即时奖励与较大延迟奖励之间的偏好。既往研究已将DD与人口学特征、人格特质、心理社会功能及认知能力相关联。然而,在同一预测框架内,上述各领域间的相对增量贡献仍不明确。 方法: 研究人员分析了来自人类连接组计划–年轻成人数据集(Human Connectome Project–Young Adult,HCP-YA)的1,193名健康年轻成人数据。延迟折扣以$200条件下的折扣曲线下面积(Area Under the Curve,AUC)为指标。参与者被随机分为训练集(n = 953)和留出测试集(n = 240)。分层模型依次纳入人口学变量、人格与心理社会测量、以及执行认知测量。采用普通线性回归、弹性网(Elastic Net)和极限梯度提升(eXtreme Gradient Boosting,XGBoost)三种方法,分别以表观训练性能、嵌套五折交叉验证和留出测试进行评估。模型性能以决定系数(R2)、均方根误差(Root-Mean-Square Error,RMSE)和平均绝对误差(Mean Absolute Error,MAE)进行评估。增量价值以相邻模型间R2的变化量(ΔR2)进行量化。 结果: 年龄和性别单独对DD的预测价值甚微。在主要分层模型中,最大的初始提升出现在纳入人格与心理社会测量之后,纳入认知测量后进一步提升。然而,认知优先分析显示,认知预测因子在直接纳入人口学基线之后同样产生相近的提升,尤其在弹性网和XGBoost方法下。因此,两个预测域之间的表观差异部分取决于其纳入顺序。XGBoost对训练数据的拟合显著优于线性模型,但这一优势在交叉验证下基本消失。在留出测试集中,弹性网表现最佳(R2 = 0.0507,RMSE = 0.1976,MAE = 0.1522),但整体预测性能仍然有限。一项使用257个可用非影像预测因子的扩展敏感性分析同样显示验证后的预测性能较低。 结论: 人格-心理社会测量与认知测量均在人口学变量之外提供了增量预测信息,尽管其表观相对贡献随预测因子模块的纳入顺序而变化。然而,有限的验证后性能表明,延迟折扣受到当前模型所捕获因素之外的多种因素影响。这些发现支持对延迟折扣个体差异的多领域视角,同时强调了在大规模行为数据集中审慎解读预测性能的重要性。

论文解读

一、研究背景与问题

延迟折扣(Delay Discounting,DD)是指奖励的主观价值随延迟时间增加而下降的现象。折扣越陡峭的个体,越倾向于选择即时满足而非等待更大的未来奖励。由于DD能够捕捉个体在即时与延迟奖励之间偏好的有意义的差异,它已被广泛研究与冲动选择、自我调节及日常行为相关联。既往研究表明,更陡峭的DD与成瘾行为、肥胖、赌博障碍、心境障碍等以冲动决策为特征的状况有关,凸显了其在临床与非临床人群中的相关性。
个体在DD上的差异已被关联到广泛的人口学、心理学和认知特征。人口学特征可能捕捉生活阶段和社会经济背景的差异,但与折扣行为的关联通常较弱且在不同人群中有时不一致。人格特质相对稳定,尽责性与自我调节和未来导向行为相关,而神经质和外向性与情感和奖励相关倾向相关。心理社会特征如感知压力和情绪功能也被考察与DD的关系。此外,跨期选择对表征未来结果、跨时间比较奖励以及调节对即时激励的反应等认知过程提出要求,执行功能尤其是工作记忆和抑制控制因此可能与DD的个体差异相关。然而,已有研究普遍发现这些关联较小且在不同认知测量和样本间存在差异。
尽管文献不断增长,一个重要问题仍未解决:以往研究通常分别考察DD与选定人口学变量、人格特质、心理社会测量或认知能力的关联,鲜有研究在同一分析框架内直接比较这些领域的增量贡献。因此,这些领域是提供互补的预测信息,还是其与DD的关联主要反映共享方差,尚不清楚。在同一模型中评估这些领域,可能厘清它们对DD个体差异的贡献是独特的还是重叠的。大型深度表型数据集的可用性为更系统地回答这一问题提供了机会。

二、研究设计与技术方法

研究人员使用来自HCP-YA数据集的1,193名健康年轻成人(22–35岁)的数据,以$200条件下的折扣曲线下面积(AUC)作为结果变量。样本以固定随机种子分为训练集(n = 953;80%)和留出测试集(n = 240;20%)。协变量分为三个领域:人口学领域(年龄和性别)作为基线;人格-心理社会领域包括NEO五因素人格量表的五个特质维度以及NIH Toolbox的七项心理社会功能测量;执行认知领域包括宾夕法尼亚渐进矩阵正确数、NIH Toolbox模式比较处理速度测试、列表排序工作记忆测试、侧卫抑制控制与注意测试、维度变化卡片分类测试以及短版宾夕法尼亚连续性能测试真阳性数。研究构建了三个分层模型:模型0仅含年龄和性别,模型1在模型0基础上加入人格与心理社会测量,模型2进一步加入神经认知变量。为检验模块顺序的敏感性,另设认知优先模型1(B)。每种模型均采用普通线性回归、弹性网(Elastic Net)和XGBoost三种算法,通过表观训练性能、嵌套五折交叉验证和留出测试进行评估,以R2、RMSE和MAE为性能指标,增量价值以ΔR2量化。此外,还进行了扩展敏感性分析,使用257个可用非影像预测因子在1,198名参与者中重复上述流程。

三、研究结果

训练集表观性能: 模型0在三种方法下均显示较弱的表观预测性能,表明年龄和性别单独对DD的预测能力有限。加入人格特质和心理社会功能后,模型1出现最大的性能提升,线性回归和弹性网的ΔR2均为0.0599,XGBoost为0.4809。进一步加入神经认知变量后,模型2的提升幅度较小,三种方法的ΔR2分别为0.0172、0.0172和0.0442。XGBoost在训练集中表现出显著更高的表观拟合度,模型2的R2达0.5344,但这种高表观拟合需结合后续验证结果共同解读。
五折交叉验证与超参数调优: 模型0在三种方法下R2均低于零,表明年龄和性别几乎无交叉验证预测价值。加入人格与心理社会测量后,三种方法的ΔR2分别为0.0282(线性回归)、0.0321(弹性网)和0.0389(XGBoost)。加入神经认知变量后进一步提升但幅度更小,ΔR2分别为0.0031、0.0203和0.0151。认知优先敏感性分析中,模型1(B)的交叉验证R2为0.0173、0.0249和0.0366,ΔR2分别为0.0210、0.0278和0.0440,与模型1大致相当,尤其在弹性网和XGBoost下。XGBoost模型2在交叉验证下表现最优(R2 = 0.0524,RMSE = 0.1999),弹性网紧随其后(R2 = 0.0495,RMSE = 0.2002),两者差异很小。值得注意的是,XGBoost的R2从表观分析的0.5344骤降至交叉验证的0.0524,表明其训练集优势大部分反映模型灵活性而非稳健的预测信号。预测分布图显示模型对极低或极高AUC个体的识别能力有限,预测值明显向均值收缩。
留出测试集评估: 在240名参与者的留出测试集中,弹性网表现最稳定(R2 = 0.0507,RMSE = 0.1976,MAE = 0.1522),线性回归次之(R2 = 0.0477),XGBoost未能维持其表观优势(R2 = 0.0331)。尽管整体预测精度较低,留出结果仍支持人格-心理社会和神经认知领域存在微弱但可测量的增量信号。
扩展可用数据敏感性分析: 使用257个非影像预测因子后,嵌套交叉验证和独立留出评估下的预测性能仍然有限,弹性网表现略优于XGBoost。变量重要性分析显示两种方法排名大致一致:匹兹堡睡眠质量指数睡眠时长、NIH Toolbox认知结晶综合评分和图片词汇测试在两种模型中均位列前三,前20个重要预测因子中有11个重叠。排名靠前的预测因子涵盖睡眠、认知、人格、心理社会功能和基于任务的行为测量。

四、讨论与结论

在主要分层序列中,人格与心理社会模块在年龄和性别基线之上提供了更大的初始增量。然而,分层回归中归因于某一预测因子模块的增量方差取决于模块的进入顺序:当相关预测域共享解释方差时,先进入的模块可能吸收本可归因于后进入模块的方差。因此,认知优先敏感性分析表明两个领域的表观相对贡献部分受模块顺序影响。人格-心理社会模块可能因其更广泛的构念覆盖范围和测量可靠性差异而显示更大的预测增量,而非本质上比认知更重要。认知测量在主要分层中增量较小,但认知优先分析显示其在直接加入人口学基线后产生与人格-心理社会领域相近的提升,表明较小的认知增量部分与模块顺序有关。
整体预测性能在所有验证程序中均保持有限,即使最佳模型也只解释了延迟折扣方差的很小比例。这可能与DD测量所采用的单一标准化程序、HCP-YA样本较窄的年龄范围和总体健康状态限制了变量变异性、以及实验室认知任务在个体差异研究中的有限可靠性等因素有关。方法学上,研究结果凸显了显著关联不一定转化为强样本外预测,模型排序高度依赖验证策略,XGBoost的表观优势在严格验证后消失而弹性网表现更稳定。
结论: 人格-心理社会测量与认知测量均在人口学变量之外提供了微小的增量预测收益,尽管其表观相对贡献随预测因子模块顺序而变化。然而,留出测试集中的性能仍然较低,表明可用测量仅捕获了延迟折扣个体差异的有限比例。这些发现支持对延迟折扣的多领域解释,并强调了未来研究需要更广泛的预测因子和严格的样本外验证。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号