2型糖尿病患者(T2DM)的工作记忆特征及其认知状态(根据MMSE评估):一项行为学研究
《Frontiers in Neurology》:Working memory characteristics in T2DM individuals with MMSE-defined cognitive status: a behavioral study
【字体:
大
中
小
】
时间:2026年03月20日
来源:Frontiers in Neurology 2.8
编辑推荐:
摘要
背景:2型糖尿病(T2DM)患者常出现认知能力下降,而工作记忆受损是糖尿病相关认知变化的关键特征。以往的研究主要将T2DM患者与健康对照组进行比较,并且通常只考察一个工作记忆领域。本研究旨在根据Mini-Mental State Examination(MMSE)得分对T
摘要
背景:2型糖尿病(T2DM)患者常出现认知能力下降,而工作记忆受损是糖尿病相关认知变化的关键特征。以往的研究主要将T2DM患者与健康对照组进行比较,并且通常只考察一个工作记忆领域。本研究旨在根据Mini-Mental State Examination(MMSE)得分对T2DM患者进行分类,并在不同认知负荷条件下考察其言语和视觉空间工作记忆表现,以探讨工作记忆与整体认知状态之间的横断面关联。
方法:2023年11月至2024年6月期间,从延安大学附属医院内分泌科招募了T2DM患者。根据MMSE得分,参与者被分为认知状态较高的组(T2DM-HC,n=29,MMSE≥27)和认知状态较低的组(T2DM-LC,n=25,MMSE 21–26)。使用言语和视觉空间N-back任务(0-back至2-back)来评估工作记忆表现,并记录所有任务条件下的反应时间和准确性。
结果:与T2DM-HC组相比,T2DM-LC组的糖尿病病程更长、HbA1c水平更高、合并症更多(所有p<0.05)。在言语和视觉空间N-back任务中,T2DM-LC组的反应时间显著更长(所有p<0.01),并且在高认知负荷(2-back)条件下的准确性下降更为明显(所有p<0.001)。部分相关性分析表明,MMSE得分仅与言语和视觉空间条件下的2-back准确性显著相关(r=0.461,p<0.01;r=0.659,p<0.001)。层次回归分析显示,纳入言语2-back准确性后解释的方差增加了18.9%(ΔR2=0.189),而纳入视觉空间2-back准确性后解释的方差增加了38.6%(ΔR2=0.386)。
结论:在横断面水平上,T2DM患者的工作记忆表现与整体认知状态显著相关,尤其是在高认知负荷条件下组间差异更为明显。在本样本中,视觉空间2-back表现与整体认知状态的关联更为强烈。这一发现具有探索性,需要在未来的研究中进一步验证。
1 引言
2型糖尿病(T2DM)是一种以胰岛素敏感性降低和相对胰岛素缺乏为特征的代谢性疾病,占所有糖尿病病例的90%以上(1)。根据国际糖尿病联合会(IDF)的数据(2),2021年全球有约5.37亿20-79岁的成年人患有糖尿病,预计到2045年这一数字将增加到7.83亿。轻度认知下降被认为是正常衰老与痴呆之间的过渡状态,在2型糖尿病患者中越来越受到关注。糖尿病相关的认知功能障碍,也称为糖尿病相关认知下降(3),主要描述了糖尿病患者中观察到的认知变化。与T2DM相关的认知改变可能从轻度认知下降持续到痴呆(4)。先前的研究表明,普通人群中轻度认知下降的发生率可测量,而在T2DM患者中这一风险可能更高(5)。尽管普通人群中轻度认知下降的患病率约为11.9%,但在糖尿病患者中这一比例上升至21.8%(6)。此外,一项国际荟萃分析报告称,亚洲糖尿病患者的轻度认知下降患病率为46.4%,高于欧洲人群(7)。在中国,糖尿病患者的β细胞功能障碍出现得更早,发病年龄也更年轻,这比西方人群面临更大的挑战(8, 9)。因此,阐明T2DM患者的认知变化模式并在研究层面探索客观和敏感的行为测量方法具有重要意义。
糖尿病患者可能在需要临时信息维持和同时处理的任务中表现出轻度认知下降(10)。工作记忆是支持这些复杂认知活动的核心认知系统,由相对独立的言语和视觉空间子系统组成(11)。工作记忆受损被认为是糖尿病相关认知下降的显著特征,表现为短期信息存储和处理的困难,这可能导致信息处理速度减慢和执行功能受损(12)。这些缺陷不仅影响日常生活功能,还可能使T2DM患者的血糖管理复杂化,并增加跌倒的风险(13)。神经影像学研究进一步显示,与工作记忆密切相关的脑区(包括前额叶皮层、海马体和杏仁核)存在显著的结构萎缩和功能异常。在表现出认知下降的T2DM患者中,更高阶认知网络也出现了更广泛的紊乱(14)。总体而言,这些发现表明工作记忆功能障碍在T2DM相关的认知变化中占据中心地位。
N-back任务是一种常用的评估工作记忆的范式(15)。它要求参与者判断当前刺激是否与之前呈现的N个刺激之一相匹配,从而提供了不同认知负荷水平下的工作记忆敏感度测量。利用N-back任务的先前研究表明,T2DM患者可能存在工作记忆障碍;然而,研究结果并不一致。关于言语工作记忆,Chen等人(16)报告称T2DM患者与健康对照组在0-back、1-back和2-back数字任务中的准确性没有显著差异。相比之下,Cansino等人(17)使用基于字母的N-back任务发现T2DM患者在1-back和2-back条件下的准确性更高,而在0-back条件下两组之间没有差异。视觉空间工作记忆研究中也报告了类似的不一致性(18, 19)。这些差异可能反映了参与者特征(如年龄和基线认知能力)的变化,以及实验材料(例如数字、字母或形状)和任务参数(包括刺激持续时间和刺激间隔)的差异。这种方法学上的异质性使得跨研究直接比较变得复杂,不清楚在何种认知负荷条件下T2DM患者群体内的N-back表现差异最为明显。
此外,言语和视觉空间工作记忆依赖于部分不同的神经机制。言语工作记忆主要涉及左半球网络,并通过主动刷新临时表征的复述过程来维持信息,从而防止信息衰减(20)。相比之下,视觉空间工作记忆更依赖于右半球网络,主要通过选择性注意机制来维持,这需要抑制与任务无关的信息。当注意力资源有限且认知资源竞争时,视觉空间工作记忆可能特别脆弱(21)。鉴于表现出认知下降的T2DM患者可能具有有限的注意力资源和脆弱的神经网络,他们在不同类型的工作记忆任务中的表现可能不均匀,需要进一步的实证研究。尽管该领域的研究逐渐从简单的与健康对照组的横断面比较转向更关注T2DM患者群体内的差异(例如不同的HbA1c水平)(22),但按认知功能分层的研究仍然有限。此外,大多数现有研究分别考察了言语和视觉空间工作记忆,很少有研究将这两个领域整合在一个实验框架内。
为了解决这些空白,本研究采用N-back范式系统地考察了根据MMSE得分分为认知状态较低组(T2DM-LC)和认知状态较高组(T2DM-HC)的T2DM患者在不同认知负荷条件下的言语和视觉空间工作记忆表现。此外,我们分析了N-back表现与MMSE得分之间的关系,从横断面行为角度探讨了客观工作记忆任务表现与整体认知功能之间的对应关系。本研究主要旨在回答两个问题:(1)在何种认知负荷条件下,T2DM-LC组和T2DM-HC组在N-back任务中的表现差异会出现?(2)言语和视觉空间N-back任务的准确性是否与MMSE得分显著相关?我们假设T2DM-LC组在高认知负荷条件下的表现会更差,且N-back准确性将与MMSE得分显著相关。如果得到支持,这些发现将有助于描述T2DM不同认知功能水平下的工作记忆表现模式,并为进一步研究客观认知任务表现与整体认知状态指标之间的关系提供基础。
2 方法
2.1 参与者
2023年11月至2024年6月期间,从延安大学附属医院内分泌科的住院病房招募了2型糖尿病患者。使用G*Power 3.1.9.2(Cohen’s f=0.25,α=0.05,power=0.95)估算所需样本量。对于2(T2DM-HC vs. T2DM-LC)× 3(0-back, 1-back, 2-back)混合设计分析,计算出的最小样本量为44名参与者。共招募了60名患者,其中4人因教育水平不足无法完成认知任务而被排除;1人因中风史被排除;1人在研究过程中退出。最终,54名患者完成了整个研究方案并纳入最终分析。本研究获得了延安大学附属医院的伦理委员会批准(批准编号:YA-L20240004),并遵循赫尔辛基宣言进行。在参与之前,向所有参与者及其家属解释了研究程序和目的,并在确认他们理解后获得了书面知情同意。对于MMSE得分较低或疑似有认知困难的参与者,还获得了其家属的额外同意。
2.2 纳入和排除标准
纳入标准如下:(1)年龄≥18岁;(2)具有足够的教育水平和理解能力以完成认知任务(小学教育或以上);(3)根据2020年中国2型糖尿病预防和治疗指南诊断为2型糖尿病,符合以下任一标准:(a)典型的糖尿病症状,随机血浆葡萄糖水平≥11.1 mmol/L;(b)空腹血浆葡萄糖≥7.0 mmol/L;或(c)口服葡萄糖耐量试验(OGTT)期间2小时血浆葡萄糖水平≥11.1 mmol/L;(4)参与者及其家属提供书面知情同意,并能够完成所有研究程序。
排除标准包括:(1)可能干扰任务表现或按钮反应的严重视觉、听觉、言语或运动障碍;(2)有中枢神经系统疾病(如中风、创伤性脑损伤或神经退行性疾病)的记录;(3)有严重精神疾病史,包括重度抑郁症、双相情感障碍或精神分裂症;(4)在评估前近期使用已知会影响认知功能的药物(例如,在4周内);(5)有急性糖尿病并发症,如糖尿病酮症酸中毒或高渗性高血糖状态;(6)合并恶性肿瘤;(7)主要器官(如心脏、肝脏或肾脏)严重功能障碍;(8)有酒精依赖史;(9)在认知评估前24小时内发生低血糖发作、严重高血糖或活动性感染。
为了尽量减少神经或精神状况对认知表现的潜在影响,使用多步骤程序对参与者进行了筛查。首先,两名受过培训的研究人员独立审查了完整的住院电子病历,以确认没有相关的神经或精神诊断、住院记录或用药史。其次,根据《精神疾病诊断与统计手册》第五版(DSM-5)进行了结构化访谈,以筛查精神疾病。具有临床显著抑郁症状或正在接受抗抑郁治疗的参与者被排除。本研究中未定量评估抑郁症状的严重程度,因为抑郁仅作为排除标准,而不是统计分析中的连续变量。
2.3 分组标准
使用MMSE评估整体认知功能,并作为认知状态分组的依据。MMSE由Folstein等人(23)开发,包含30个项目,涵盖五个领域:定向、注意力和计算、记忆、回忆和语言,总分为0-30分;分数越高表示整体认知功能越好。先前的研究表明,MMSE具有良好的内部一致性(Cronbach’s α=0.81),并广泛用于整体认知功能的定量评估(24)。在本研究中,MMSE得分仅作为分组操作的依据。MMSE得分在21–26之间的参与者被归类为T2DM-LC组(n=25),而MMSE得分≥27的参与者被归类为T2DM-HC组(n=29)。需要强调的是,本研究中的群体分类完全基于MMSE(简易精神状态检查)的临界值,仅用于研究目的,并不构成根据全面临床标准对认知障碍的正式诊断。此外,MMSE主要反映的是整体认知功能,对特定认知领域(如工作记忆)的细微变化敏感度较低。MMSE的总分也可能受到人口统计因素的影响,包括年龄、性别和教育年限。因此,在后续的统计分析中包含了年龄、性别和教育年限作为协变量,以控制潜在的混杂效应。
2.4 数据收集
2.4.1 临床数据收集
所有参与者的数据通过电子病历系统收集,包括以下内容:
人口统计信息:年龄、性别、教育水平、经济状况、婚姻状况、吸烟和饮酒史。
临床特征:身高、体重、体质指数(BMI)、疾病持续时间、收缩压(SBP)、舒张压(DBP)、空腹血浆葡萄糖(FPG)、糖化血红蛋白(HbA1c)、合并症数量以及治疗方案(胰岛素、二甲双胍、胰岛素与二甲双胍联合使用)。
住院期间的血糖治疗由主治医生根据个体情况确定并调整。本研究不干预治疗方案;相关药物信息仅用于样本描述,并在必要时作为潜在的混杂因素纳入分析。
2.4.2 工作记忆评估
工作记忆通过E-Prime 3.0编程的言语和视觉空间N-back任务进行评估。N-back范式最初由Kirchner开发(25),要求参与者判断当前刺激是否与N次试验前呈现的刺激相匹配。刺激显示在15.3英寸的Lenovo ThinkBook笔记本电脑上(分辨率:1024×768),背景为白色,文字为黑色。观看距离固定为50厘米。所有任务都在安静的环境中进行,并向所有参与者提供了标准化指令。
2.4.2.1 言语N-back任务
在言语N-back任务中,使用阿拉伯数字作为刺激物,参与者需要判断当前呈现的数字是否与N次试验前呈现的数字相匹配。任务包括三个认知负荷水平(0-back、1-back和2-back)。根据先前的研究(16),每次试验开始时有一个500毫秒的注视点,随后是1000毫秒的刺激呈现时间,刺激间隔为2000毫秒,最大反应时间为3000毫秒。练习阶段包含10次试验,正式实验阶段包含30次试验,目标与非目标试验的比例固定为1:2。每种认知负荷条件持续约7分钟,不同负荷条件之间有1分钟的休息时间,总任务持续时间约为10分钟(图1)。所有参与者的言语和视觉空间N-back任务按固定顺序进行。在每个任务中,认知负荷条件(0-back、1-back、2-back)按从低到高的顺序呈现,以减少老年参与者的初始任务负荷。
图1 言语和视觉空间N-back任务的流程图:(A) 言语N-back任务的流程图;(B) 视觉空间N-back任务的流程图。
2.4.2.2 视觉空间N-back任务
视觉空间N-back任务使用屏幕上伪随机位置出现的灰色十字和红色圆圈作为刺激物。参与者需要判断当前刺激的位置是否与N次试验前呈现的位置相匹配。试验时间参数、试验次数和休息间隔与言语N-back任务相同。
2.4.2.3 实验设计和数据处理
采用单盲设计,即执行N-back任务的研究人员不知道参与者的分组(T2DM-LC或T2DM-HC)。行为数据(包括准确性和反应时间)由E-Prime自动记录。根据预定义的标准排除个别试验:准确性<50%、反应时间<200毫秒或超出参与者平均值的±2.5个标准差(26, 27),以确保数据质量。
2.5 统计分析
统计分析使用SPSS 26.0版本进行。所有检验均为双尾检验,显著性水平设定为p<0.05。在分析前评估了连续变量的正态性。正态分布的变量以均值±标准差表示,并使用独立t检验在组间进行比较。非正态分布的变量以中位数(P25, P75)表示,并使用Mann–Whitney U检验进行比较。分类变量以计数(百分比)表示,并在适当情况下使用卡方检验进行分析。
进行了混合设计重复测量方差分析(ANOVA),以组(T2DM-LC vs. T2DM-HC)作为组间因素,认知负荷(0-back、1-back、2-back)作为组内因素,以检验言语和视觉空间N-back任务表现的主效应和交互效应。当违反球形性假设时,应用Greenhouse–Geisser校正。仅在交互效应显著时进行简单效应分析,并在不同认知负荷条件下的组间比较中应用Bonferroni校正。此外,还进行了偏相关分析,以控制年龄、性别和教育年限后,检验N-back准确性与MMSE分数之间的关系。上述相关性和回归分析具有探索性,没有应用全局多重比较校正,这可能会增加I型错误的风险。
3 结果
3.1 研究人群的基线特征
在纳入分析的54名T2DM参与者中,根据MMSE的操作分组标准,25人被归类为T2DM-LC组,29人被归类为T2DM-HC组。与T2DM-HC组相比,T2DM-LC组的糖尿病持续时间更长(13.0年 vs. 10.0年),HbA1c水平更高(9.0% vs. 8.0%),合并症更多(2.0个 vs. 1.0个),MMSE分数更低(24分 vs. 28分)。所有组间差异均具有统计学意义(p<0.05)(表1)。
表1 特征
T2DM-HC (n = 29) T2DM-LC (n = 25)
t/Z/χ2 p
年龄 (岁) 57.72 ± 4.86 58.84 ± 4.90 ?0.838 a 0.406
性别 1.862 c 0.172
男性,n (%) 17 (58.6) 10 (40.0)
女性,n (%) 12 (41.4) 15 (60.0)
教育年限 2.658 b 0.447
小学,n (%) 5 (17.2) 7 (28.0)
初中,n (%) 14 (48.3) 14 (56.0)
高中,n (%) 8 (27.6) 3 (12.0)
大学学位或以上,n (%) 2 (6.9) 1 (4.0)
经济状况(元/月)0.739 b 0.691
<3,000 8 (27.6) 9 (36.0)
3,000 ~ 5,000 14 (48.3) 12 (48.0)
>5,000 7 (24.1) 4 (16.0)
婚姻状况 1.182 c 0.463
已婚,n (%) 29 (100.0) 24 (96.0)
寡居和其他,n (%) 0 (0.00) 1 (4.0)
治疗方案 1.293 c 0.524
胰岛素,n (%) 12 (41.4) 7 (28.0)
二甲双胍,n (%) 8 (27.6) 7 (28.0)
胰岛素加二甲双胍,n (%) 9 (31.0) 11 (44.0)
吸烟,n (%) 14 (48.3) 8 (32.0) 2.241 c 0.524
饮酒,n (%) 18 (62.1) 15 (60.0) 1.359 c 0.715
BMI(kg/m2)23.41 ± 1.92 24.48 ± 2.88 ?1.571 a 0.124
SBP(mmHg)127.34 ± 14.75 126.92 ± 12.68 0.113 a 0.911
DBP(mmHg)79.45 ± 8.26 77.32 ± 7.94 0.962 a 0.341
糖尿病持续时间(年)10.00 (8.00, 13.00) 13.00 (11.00, 17.00) ?2.525 b 0.012
FPG(mmol/L)8.00 (7.00, 9.50) 9.00 (8.00, 10.50) ?1.470 b 0.142
HbA1c(%)8.00 (8.00, 9.00) 9.00 (8.00, 10.50) ?2.469 b 0.014
并发症数量 1.00 (0.00, 2.00) 2.00 (1.00, 2.00) ?2.461 b 0.017
MMSE 28 (27, 29) 24 (22.5, 24.5) ?6.362 b <0.001
T2DM-LC和T2DM-HC患者的基线特征。数据以均值±标准差(SD)、中位数(四分位数范围)[M (P25, P75)]或数量(百分比)表示。
BMI:体质指数;SBP:收缩压;DBP:舒张压;FPG:空腹血浆葡萄糖;HbA1c:糖化血红蛋白;MMSE:简易精神状态检查;
a:独立样本t检验。b:Mann–Whitney U检验(报告Z值)。c:卡方检验(χ2)。
住院期间,两名患者(T2DM-LC组1名,T2DM-HC组1名)接受了镇静药物,还有1名患者(T2DM-HC组)通过急诊科入院。这些患者被排除在敏感性分析之外。
3.2 N-back任务的描述性表现
在言语N-back任务中,T2DM-LC组在所有认知负荷条件下的反应时间均长于T2DM-HC组(0-back:882.3 ms vs. 787.6 ms;1-back:1179.2 ms vs. 995.9 ms;2-back:1577.0 ms vs. 1347.9 ms)。在0-back或1-back条件下,两组之间没有明显的差异;然而,在2-back条件下,T2DM-LC组的准确性较低(64.7% vs. 69.6%)(表2)。
表2 负荷水平
T2DM-HC (n = 29) T2DM-LC (n = 25)
t MD (95% CI) Cohen’s d
言语N-back- 反应时间(ms) 0-back 787.56 ± 118.13 882.32 ± 139.90 ?2.70 ?94.76 (?165.21, ?24.31) 0.74 0.009
1-back 995.89 ± 95.63 1179.15 ± 133.12 ?5.87 ?183.26 (?245.95, ?120.57) 1.60 <0.001
2-back 1347.94 ± 109.04 1577.02 ± 116.15 ?7.47 ?229.09 (?290.63, ?167.54) 2.04 <0.001
言语N-back- 准确率(%) 0-back 96.55 ± 3.19 95.58 ± 3.52 1.06 0.97 (?0.87, 2.80) 0.29 0.296
1-back 88.47 ± 6.47 86.26 ± 5.30 1.35 2.20 (?1.06, 5.47) 0.37 0.18
2-back 69.60 ± 5.11 64.69 ± 4.37 3.76 4.91 (2.29, 7.529) 1.03 <0.001
视觉空间N-back- 反应时间(ms) 0-back 850.35 ± 123.96 957.92 ± 153.13 ?2.85 ?107.57 (?183.25, ?31.89) 0.78 0.006
1-back 1109.18 ± 133.47 1347.25 ± 118.38 ?6.88 ?238.07 (?307.48, ?168.67) 1.88 <0.001
2-back 1446.47 ± 121.54 1663.55 ± 118.43 ?6.62 ?217.08 (?282.86, ?151.30) 1.81 <0.001
视觉空间N-back- 准确率(%) 0-back 95.71 ± 3.28 94.07 ± 4.28 1.60 1.65 (?0.42, 3.72) 0.43 0.115
1-back 87.24 ± 6.11 84.66 ± 5.82 1.58 2.58 (?0.69, 5.86) 0.43 0.12
2-back 65.75 ± 4.11 58.39 ± 4.61 6.21 7.37 (4.99, 9.75) 1.03 <0.001
在视觉空间N-back任务中,观察到了类似的模式。T2DM-LC组在所有负荷水平下的反应时间均较长,准确性差异主要出现在2-back条件下(表2)。
3.3 T2DM患者的言语N-back任务表现
基于之前的分析,进一步比较了T2DM-LC组和T2DM-HC组的言语和视觉空间N-back任务表现。
反应时间:重复测量方差分析(ANOVA)显示组的主效应显著[F(1, 52) = 66.926, p < 0.001, ηp2 = 0.563],认知负荷的主效应显著[F(2, 104) = 426.878, p < 0.001, ηp2 = 0.891],以及组×负荷的交互效应显著[F(2, 104) = 4.991, p < 0.01, ηp2 = 0.088]。简单效应分析表明,在0-back、1-back和2-back条件下,T2DM-LC组的反应时间显著长于T2DM-HC组(所有p < 0.01)。此外,两组的反应时间都随着负荷的增加而显著增加(p < 0.001)(表3;图2)。
表3 任务
效应 SS MS F p ηp2
言语N-back反应时间(ms) 组a 1150 860.88 31150 860.88 66.926 <0.001 0.563
负荷水平b 1070 8515.79 5354 257.89 6426.878 <0.001 0.891
组*负荷水平c 1251 93.85 5625 96.92 84.99 10.009 0.088
言语N-back准确率(%) 组a 291.90 8291.90 89.10 80.004 0.149
负荷水平b 2364 8.92 011824.46 0629.601 <0.001 0.924
组*负荷水平c 525.98 9304.38 815.353 <0.001 0.228
视觉空间N-back反应时间(ms) 组a 1417 128.83 01417 128.83 060.707 <0.001 0.539
负荷水平b 1137 5473.51 5687 736.75 743.490 <0.001 0.893
组*负荷水平c 1318 57.50 6659 28.75 35.025 0.008 0.088
图2 T2DM-HC组和T2DM-LC组的言语N-back任务表现。(A) 平均反应时间。(B) 平均准确率。数据来自基于单次评估的横断面组间比较。线图用于说明不同负荷下的表现模式,不代表纵向变化或因果关系。
准确率:对于准确率,重复测量方差分析显示组的主效应显著[F(1, 52) = 9.108, p < 0.01, ηp2 = 0.149],认知负荷的主效应显著[F(2, 104) = 629.601, p < 0.001, ηp2 = 0.924],以及组×负荷的交互效应显著[F(2, 104) = 15.353, p < 0.001, ηp2 = 0.228]。简单效应分析表明,仅在2-back条件下,T2DM-LC组的准确率显著低于T2DM-HC组(p < 0.001),而两组的准确率都随着认知负荷的增加而显著下降(表3;图2)。
3.4 T2DM患者的视觉空间N-back任务表现
基于之前的分析,进一步比较了T2DM-LC组和T2DM-HC组的视觉空间N-back任务表现。
反应时间:重复测量方差分析显示组的主效应显著[F(1, 52) = 60.707, p < 0.001, ηp2 = 0.539],认知负荷的主效应显著[F(2, 104) = 433.490, p < 0.001, ηp2 = 0.893],以及组×负荷的交互效应显著[F(2, 104) = 5.025, p < 0.01, ηp2 = 0.088]。使用Bonferroni校正(α′ = 0.017)的后续简单效应分析表明,在0-back、1-back和2-back条件下,T2DM-LC组的反应时间显著长于T2DM-HC组(所有p < 0.01)。此外,两组的反应时间都随着负荷的增加而显著增加(p < 0.001)(表3;图3)。
表3 T2DM-HC组和T2DM-LC组的视觉空间N-back任务表现。(A) 平均反应时间。(B) 平均准确率。数据来自单时间点的横断面组间比较。图中显示的趋势仅反映不同负荷条件下的描述性差异,不表示纵向变化或因果关系。
准确率:对于准确率,重复测量方差分析显示组的主效应显著[F(1, 52) = 15.738, p < 0.001, ηp2 = 0.232],认知负荷的主效应显著[F(2, 104) = 1008.357, p < 0.001, ηp2 = 0.951],以及组×负荷的交互效应显著[F(2, 104) = 8.263, p < 0.001, ηp2 = 0.951]。简单效应分析表明,仅在2-back条件下,T2DM-LC组的准确率显著低于T2DM-HC组(p < 0.001),而两组的准确率都随着认知负荷的增加而显著下降(表3;图2)。
3.5 N-back任务准确率与MMSE分数的偏相关
为了检验工作记忆表现与整体认知功能之间的关联,在控制年龄、性别和教育年限后,进行了N-back任务准确率与MMSE分数的偏相关分析。结果显示,MMSE分数与言语2-back任务的准确率(r = 0.461, p < 0.01)和视觉空间2-back任务的准确率(r = 0.659, p < 0.001)显著正相关。在0-back或1-back条件下,未观察到MMSE分数与任务准确性之间存在显著相关性(表4)。
表4
负荷水平 rp 言语N-back任务准确性(%)
0-back 0.135 0.346
1-back 0.146 0.306
2-back 0.461 0.001
视觉空间N-back任务准确性(%)
0-back 0.127 0.373
1-back 0.151 0.291
2-back 0.659 <0.001
言语和视觉空间工作记忆任务的偏相关分析结果。
3.6 N-back任务准确性和MMSE分数的层次回归分析
为了进一步研究在控制人口统计因素后N-back任务准确性和MMSE分数之间的关联,进行了层次回归分析。在模型估计之前,测试了回归分析的基本假设,结果表明数据满足线性回归的主要要求,包括线性关系、残差独立性和不存在显著的多重共线性。MMSE分数被用作因变量。在模型1中,年龄、性别和教育年限被纳入回归模型作为协变量。在模型2中,在控制了上述人口统计变量后,分别纳入了言语2-back和视觉空间2-back任务的准确性。结果显示,在控制了人口统计因素后,纳入2-back任务的准确性显著提高了模型解释MMSE分数的能力。具体来说,纳入言语2-back任务的准确性使模型的解释能力提高了18.9%(ΔR2 = 0.189,p < 0.01),而纳入视觉空间2-back任务的准确性使模型的解释能力提高了38.6%(ΔR2 = 0.386,p < 0.001)(表5)。
表5
变量 言语任务 视觉空间任务
模型1 模型2 模型1 模型2
常数 1.674** 1.570** 1.674** 1.681**
年龄 ?0.040 ?0.132 ?0.040 ?0.116
性别 ?1.044 ?1.005 ?1.044 ?1.411
教育年限 0.539 0.311 0.539 0.072
2-back准确性 0.260** 0.316***
R2 0.112 0.301** 0.112 0.498***
ΔR2 0.112 0.189** 0.112 0.386***
F 2.112 5.285** 2.112 12.152**
言语和视觉空间工作记忆任务的层次回归分析结果。
(1) 表格显示的是未标准化的回归系数(B)。
(2) 模型1包括年龄、性别和教育年限作为控制变量。模型2进一步包括2-back任务的准确性。
(3) 通过解释方差的改变(ΔR2)来评估工作记忆表现对模型的增量贡献,而不是直接比较回归系数的大小。
(4) *p < 0.05, **p < 0.01, ***p < 0.001。
(5) 表格中的“准确性”指的是2-back任务的行为表现指标,不用于临床诊断标准。
为了评估疾病严重程度对反应时间结果的潜在影响,我们进行了额外的敏感性分析。当模型中仅包含疾病严重程度指标时,这些变量与反应时间均无显著关联。然而,在进一步加入2-back准确性后,它在言语和视觉空间任务中都与反应时间显著负相关(所有p ≤ 0.003),并且模型的解释能力显著提高(ΔR2 = 0.16–0.29)(见补充表S4)。
为了进一步检验研究结果的稳健性,我们通过分别加入糖尿病持续时间、HbA1c和共病数量到基于年龄、性别和教育年限的控制模型中进行了平行敏感性分析。在所有敏感性模型中,2-back准确性的组间差异保持相同方向,效应大小仅有微小变化,并且统计显著性始终得到保持(所有p ≤ 0.003),表明主要发现没有受到疾病严重程度指标的混淆(见补充表S5)。
4. 讨论
4.1 不同认知状态的2型糖尿病(T2DM)个体的工作记忆特征
本研究使用N-back范式系统地检查了T2DM-LC个体的言语和视觉空间工作记忆。与T2DM-HC组相比,T2DM-LC个体在两种任务模式下的反应时间均延长,而在高负荷(2-back)条件下仅观察到显著的组间准确性差异。这些发现表明,认知状态较低的T2DM个体的工作记忆损伤是负荷依赖的,并且随着认知需求的增加而变得更加明显。这一模式与Dubois等人的研究结果一致(28),他们观察到在具有临床定义的认知损伤的老年人中,高负荷言语工作记忆条件下的准确性降低,这表明在不同认知表现水平的个体之间,更高任务需求下更可能出现表现差异。
为了进一步阐明这些发现,我们探讨了在高认知负荷下观察到的表现缺陷的潜在机制。在2-back条件下检测到的显著行为差异可能是由于任务复杂性增加时对有限认知资源的更大需求所致。先前的研究表明,当认知需求上升时,工作记忆相关脑区内神经资源灵活分配的约束以及来自任务无关信息的干扰增加可能导致表现下降(18)。应当注意的是,本研究是行为性质的;因此,这些解释仍然具有推测性。
值得注意的是,在低负荷(1-back)条件下未观察到显著的组间差异。这一发现可能与研究人群的特征有关。T2DM本身与非特异性认知衰退或轻微的认知改变有关;即使不符合临床诊断标准的个体也可能已经表现出一定程度的认知储备减少(29)。在中等认知负荷下,任务表现可能通过策略性调整或认知资源的重新分配得以维持。这一解释得到了Fraga等人的研究结果的支持(30),并与认知资源理论一致(31)。还应考虑其他解释。例如,反应时间的普遍减慢可能反映了持续注意力或警觉性的缺陷,而在高负荷条件下准确性的选择性降低可能是由于工作记忆容量的限制或对干扰的敏感性增加所致。
上述发现得到了其他临床人群研究的间接支持。先前的研究表明,具有临床定义的认知损伤的个体在高负荷工作记忆条件下更可能出现缺陷。Hattori等人(32)在一项功能性神经影像学研究中报告称,认知正常的帕金森病(PD)患者在高负荷任务条件下表现出工作记忆相关脑区的激活增加,而具有临床诊断的认知损伤的PD患者在低负荷条件下表现出类似的激活模式。这种模式被解释为认知资源利用效率降低或补偿机制的早期招募;然而,其潜在机制仍有争议。
尽管本研究没有涉及认知损伤的正式临床分类,也没有包括神经影像学测量,但在高负荷条件下观察到的T2DM个体表现下降在行为上与先前研究中报告的负荷敏感模式相似。这种行为一致性可能表明,在不同的疾病背景下,认知衰退的个体在更高任务需求下更可能出现工作记忆表现的负荷依赖性改变。
一种可能的解释是,随着认知需求的增加,可用的认知资源更容易接近其容量限制,从而导致在高负荷条件下的行为效率降低(33)。一些神经影像学研究表明,这种现象可能与工作记忆相关脑区之间的功能重组或补偿调节有关(34)。然而,由于本研究仅基于行为数据,关于神经资源分配或补偿机制的解释仍具有推测性,需要通过未来的神经影像学研究来验证。当补偿能力接近其上限时,行为差异可能变得更加明显(35)。因此,高负荷任务条件可能更敏感地揭示不同认知状态的T2DM个体之间的工作记忆差异。
总体而言,这些发现进一步表明,在认知负荷增加的条件下,不同认知状态的T2DM个体之间的工作记忆表现差异变得更加明显,反映了损伤的负荷依赖性模式。
4.2 言语和视觉空间2-back准确性与MMSE表现之间的关系
本研究的结果显示,言语和视觉空间2-back任务的准确性都与MMSE分数显著正相关(r = 0.461,p < 0.01;r = 0.659,p < 0.001)。进一步的回归分析表明,在调整了相关协变量后,纳入言语和视觉空间2-back任务的准确性显著增加了模型解释MMSE分数方差的比例,相应的ΔR2值分别为0.189和0.386。
这一发现与Castillo等人(36)在不同工作记忆任务中报告的模式一致。与那项研究中使用的传统数字广度(DS)和空间广度(SS)任务不同,本研究采用了N-back范式来评估工作记忆。通过强调信息的连续更新和动态处理,N-back任务更紧密地反映了日常工作记忆需求,从而有助于研究工作记忆任务表现与MMSE分数之间的行为关联。
从干扰理论的角度来看,遗忘主要源于记忆痕迹之间的干扰,而不是简单的时间衰减(37)。在这个框架内,由于空间信息具有相对较高的感知相似性,因此比通常包含更多独特线索的言语信息更容易受到干扰。因此,空间信息的编码和维持可能需要更大的认知需求。此外,言语工作记忆受益于默念复述机制,而视觉空间工作记忆则更依赖于选择性注意来处理、存储和操作相关信息,同时过滤掉无关输入(21)。这些特征可能为当前研究中观察到的视觉空间2-back任务准确性与MMSE分数之间的关联提供了理论解释;然而,需要进一步的研究来确认这一解释。
总之,在当前样本中,言语和视觉空间2-back任务的准确性在横断面分析中与MMSE分数显著相关。鉴于本研究的横断面设计,无法确定这些变量之间的因果方向或预测关系。
4.3 优势与局限性
本研究的优势主要体现在其研究设计和测量方法上。使用N-back任务,并自动记录反应时间和准确性,提高了工作记忆评估的客观性。通过区分言语和视觉空间工作记忆任务,并结合不同的认知负荷水平,本研究能够更精细地描述T2DM个体的领域特定工作记忆表现。此外,根据MMSE分数对T2DM参与者进行操作分组,便于在同一疾病背景下比较不同MMSE定义的认知状态个体的工作记忆特征。
本研究也存在一些局限性。首先,横断面设计排除了关于变量之间关系的因果推断。其次,言语和视觉空间N-back任务以及不同的认知负荷条件是以固定顺序进行的,这可能引入了潜在的顺序或疲劳效应。第三,仅纳入住院患者可能限制了研究结果的普遍性。此外,主要使用MMSE评估了整体认知功能,而MMSE在检测细微或早期认知变化方面的敏感性有限。本研究采用的分组策略仅用于研究目的,并不构成认知损伤的正式临床诊断。此外,尚未评估N-back任务在认知损伤方面的诊断或筛查效用;因此,当前发现仅反映了统计关联。此外,抑郁和焦虑症状没有使用标准化量表进行定量评估,这可能导致残余混杂并增加解释N-back任务表现差异的不确定性。最后,缺乏生物标志物和神经影像学数据限制了对潜在病理生理机制的进一步探索。
未来的研究应考虑采用纵向设计,扩展招募范围至社区人群,并结合更敏感的认知评估工具和多模态生物标志物。这些方法将有助于进一步验证当前发现的稳健性,并提供对潜在机制的更深入理解。
5. 结论
总体而言,在横断面水平上,T2DM患者的言语和视觉空间工作记忆表现与整体认知状态显著相关,尤其是在高认知负荷条件下组间差异最为明显。在当前样本中,视觉空间2-back表现与整体认知状态的关联在数值上更为强烈。这一发现具有探索性,需要在未来的研究中进一步验证。