腦萎縮的實(shí)質(zhì)是腦細(xì)胞的死亡或減少，造成腦萎縮的原因有很多，其中老化過程中的腦萎縮現(xiàn)象是現(xiàn)代醫(yī)學(xué)研究中面對(duì)腦萎縮問題最頻繁的領(lǐng)域。腦萎縮可以表現(xiàn)為局部萎縮也可以表現(xiàn)為全腦萎縮。例如，腦卒中到后遺癥期，往往在缺血出血部位出現(xiàn)局部腦萎縮。另外，不同的腦退行性變，也都會(huì)出現(xiàn)腦萎縮，只是萎縮的部位不同。

在以往研究中，研究更關(guān)注病理原因或者遺傳因素，但是近年來，研究者們開始注重遺傳與環(huán)境因素交互作用對(duì)腦萎縮的發(fā)病的影響。近年來有關(guān)腦萎縮的發(fā)病的原因?qū)W研究的結(jié)果開始著重強(qiáng)調(diào)環(huán)境因素、生活方式及其與遺傳易感性之間可能存在的交互作用。因此，具體的識(shí)別老化過程中腦萎縮的危險(xiǎn)因素，有助于指導(dǎo)針對(duì)癡呆與認(rèn)知下降的新預(yù)防措施。在這個(gè)過程中，我們還不清楚不利的社會(huì)經(jīng)濟(jì)環(huán)境與腦體積的關(guān)系（簡(jiǎn)而言之就是，不利的社區(qū)環(huán)境是否是影響腦萎縮的重要因素之一）。為了研究該問題，威斯康星大學(xué)麥迪遜分校臨床科學(xué)中心的研究者在著名雜志JAMA Neurology上發(fā)文，研究了一組具有AD發(fā)病風(fēng)險(xiǎn)但認(rèn)知未受損的人群中，所面臨的社區(qū)的不利社會(huì)經(jīng)濟(jì)環(huán)境是否與其腦體積的下降相關(guān)。

研究方法：該研究自2010年1月6日至2019年1月17日，在神經(jīng)影像中心采集橫斷面數(shù)據(jù)951例，來自2個(gè)威斯康星州正在進(jìn)行的AD隊(duì)列研究?；趪依夏臧V呆研究所協(xié)會(huì)工作組（National Institute on Aging–Alzheimer’s Association workgroup）對(duì)于輕度認(rèn)知障礙及AD的診斷標(biāo)準(zhǔn)，通過診斷共識(shí)，所有被試認(rèn)知均為正常。基于癡呆家族史，該隊(duì)列均具有AD患病高危風(fēng)險(xiǎn)。

主要測(cè)量指標(biāo)：地域剝奪指數(shù)（Area Deprivation Index，社區(qū)不利條件的地理空間指數(shù)），心血管疾病危險(xiǎn)指數(shù)以及腦體積。使用線性回歸模型對(duì)處于相對(duì)社區(qū)環(huán)境整體水平的前20%的不利環(huán)境人群與其海馬體積及全腦體積進(jìn)行了擬合。

研究結(jié)果：在最初的951例被試中，生活在在最不利社區(qū)環(huán)境前20%的研究對(duì)象，海馬體積下降4.1%，全腦體積下降2.0%（控制顱內(nèi)體積、受教育水平、年齡及性別），傾向得分匹配分析得到該關(guān)聯(lián)并非由于種族、人口統(tǒng)計(jì)學(xué)特征。893例亞組中，心血管危險(xiǎn)指數(shù)中介全腦體積的關(guān)聯(lián)，對(duì)海馬體積并無影響。

研究結(jié)論：對(duì)于認(rèn)知正常的被試，生活在最不利的社區(qū)環(huán)境與腦體積的下降呈顯著相關(guān)。該發(fā)現(xiàn)提示社區(qū)社會(huì)經(jīng)濟(jì)水平，區(qū)別于個(gè)體社會(huì)經(jīng)濟(jì)地位，在老化過程中與腦體積改變相關(guān)。心血管危險(xiǎn)因素可中介全腦體積與其的關(guān)聯(lián)，而不中介海馬，提示社區(qū)不利環(huán)境可通過不同的生物學(xué)通路與兩種結(jié)果相關(guān)。 

研究背景：

AD與血管性癡呆是導(dǎo)致老化相關(guān)的認(rèn)知障礙的主要原因，是與病死率、疾病發(fā)生率及保健經(jīng)濟(jì)負(fù)擔(dān)相關(guān)的主要因素。這二者中，海馬與皮質(zhì)體積萎縮均早于認(rèn)知障礙的臨床癥狀的發(fā)生。鑒于腦組織萎縮與認(rèn)知下降的緊密關(guān)聯(lián)，確定與萎縮進(jìn)程相關(guān)的因素十分關(guān)鍵。已知的個(gè)體危險(xiǎn)因素包括：年齡、性別、心血管危險(xiǎn)因素及心血管疾病。另一類與之相關(guān)的危險(xiǎn)因素為社會(huì)決定因素，包括人出生、生活、工作的社會(huì)、物質(zhì)及經(jīng)濟(jì)環(huán)境，以及壽命，這些均成為了健康差異理論機(jī)制的基石。社會(huì)因素與神經(jīng)生理學(xué)密切相關(guān)，其在神經(jīng)退行性改變及癡呆中的作用是目前研究的熱點(diǎn)。接近于個(gè)體層面的社會(huì)經(jīng)濟(jì)學(xué)因素（SES）包括高等教育水平、高收入、高職業(yè)復(fù)雜性均與輕度認(rèn)知障礙及AD發(fā)生率的降低相關(guān)。但以往關(guān)于個(gè)體SES與臨床前期神經(jīng)退行性改變的研究結(jié)論不一，有正相關(guān)結(jié)果、負(fù)相關(guān)結(jié)果或陰性結(jié)果（其實(shí)這種現(xiàn)象在很多和個(gè)體差異相關(guān)的研究中都存在，結(jié)果的不一致性往往是這類研究飽受詬病的原因之一，因?yàn)榻Y(jié)果的泛化能力比較差。其實(shí)好的研究就像好的模型一樣，要在對(duì)訓(xùn)練數(shù)據(jù)的敏感性保證和對(duì)未知數(shù)據(jù)的泛化性追求中尋找到一個(gè)最佳的契合點(diǎn)。）。比個(gè)體社會(huì)經(jīng)濟(jì)因素更上一級(jí)的因素，如個(gè)體居住地的社會(huì)經(jīng)濟(jì)環(huán)境（如社區(qū)），可為研究社會(huì)因素與神經(jīng)退行性改變提供更多證據(jù)。社區(qū)環(huán)境與健康及疾病的關(guān)聯(lián)不同于，甚至大于個(gè)體社會(huì)經(jīng)濟(jì)因素與健康及疾病的關(guān)聯(lián)（作為一個(gè)社會(huì)人，社區(qū)環(huán)境或者鄰里環(huán)境的健康程度是極為重要的，這在許多研究中都已經(jīng)得到了體現(xiàn)。例如，思影解讀的這篇，直接點(diǎn)擊即可瀏覽）：PNAS:中央執(zhí)行網(wǎng)絡(luò)的靜息態(tài)功能連接可保護(hù)處于社區(qū)暴力的青少年的心臟代謝健康

社區(qū)水平的不利因素包括：貧困、受教育水平、收入水平、就業(yè)、居住地周邊的基礎(chǔ)設(shè)施建設(shè)，這些因素在以往的研究中被發(fā)現(xiàn)與疾病預(yù)后不良呈很大程度的負(fù)相關(guān)，包括死亡率、重復(fù)住院、缺血性卒中、心血管代謝危險(xiǎn)因素等。社區(qū)環(huán)境度量指標(biāo)的轉(zhuǎn)化應(yīng)用具有現(xiàn)實(shí)意義，這些指標(biāo)目前是公開的，且美國各個(gè)州之間是統(tǒng)一的，對(duì)政策制定、臨床及治療干預(yù)是十分有利的（在這一點(diǎn)上，我國還存在著不小的差距，隨著中國老年人口的不斷上升，老年人群體的認(rèn)知退化和腦萎縮問題肯定會(huì)成為我國醫(yī)療和社保方面的巨大負(fù)擔(dān)，行之有效的臨床治療方法以及環(huán)境干預(yù)等方法可能會(huì)大大降低我國在這些方面的經(jīng)濟(jì)付出。然后我國目前缺乏這樣的大型數(shù)據(jù)庫，也沒有統(tǒng)一的數(shù)據(jù)收集標(biāo)準(zhǔn)，國家統(tǒng)計(jì)局網(wǎng)站上能查到的相關(guān)數(shù)據(jù)相對(duì)有限，如果能盡早展開這方面的標(biāo)準(zhǔn)化研究，可能會(huì)給相關(guān)問題的解決大有裨益）。

除此以外，即使是從神經(jīng)生物學(xué)角度觀察，大腦某些腦區(qū)如海馬也被發(fā)現(xiàn)可能較易受到不利的社區(qū)環(huán)境影響。不利的社區(qū)環(huán)境可改變皮質(zhì)醇分泌的日變化曲線以及壓力應(yīng)激反應(yīng)，動(dòng)物實(shí)驗(yàn)研究及人類觀察研究發(fā)現(xiàn)，長期慢性壓力與海馬體積及功能相關(guān)。此外，不利的社區(qū)環(huán)境與心臟代謝危險(xiǎn)因素相關(guān)，而這些因素與海馬及全腦體積萎縮相關(guān)。

因此，本文在兩項(xiàng)大型研究隊(duì)列中選擇無認(rèn)知損傷的被試，研究不利的社區(qū)環(huán)境與腦體積之間的關(guān)聯(lián)，并假設(shè)社區(qū)環(huán)境不利和腦體積及海馬體積減小相關(guān)。鑒于年齡、性別與海馬易感性的關(guān)聯(lián)，分析了不同社區(qū)環(huán)境與年齡性別的交互。最后，基于心血管風(fēng)險(xiǎn)與不利的社區(qū)環(huán)境及神經(jīng)退行性改變的關(guān)聯(lián)，對(duì)此進(jìn)行中介分析。

研究方法

被試：

神經(jīng)影像數(shù)據(jù)來自2個(gè)縱向社區(qū)成年人研究隊(duì)列（Wisconsin Registry for Alzheimer’s Prevention and the Wisconsin Alzheimer’s Disease Research Center cohorts）。該橫斷面分析選取自2010年1月至2019年1月共951認(rèn)知正常被試，都曾進(jìn)行T1MRI掃描。下圖為完整的納排標(biāo)準(zhǔn)。eFigure 1. 研究樣本的納排標(biāo)準(zhǔn)

地域剝奪指數(shù)（Area Deprivation Index，ADI）用來表示社區(qū)不利環(huán)境，采用2013年美國社區(qū)調(diào)研數(shù)據(jù)的17個(gè)與貧困程度、受教育水平、就業(yè)與環(huán)境相關(guān)的區(qū)域普查指標(biāo)。ADI評(píng)分的測(cè)定方法采用Singh’s methodology（是一篇文獻(xiàn)中對(duì)社區(qū)社會(huì)經(jīng)濟(jì)情況的具體計(jì)算方法，感興趣的讀者可閱讀參考文獻(xiàn)23）計(jì)算，涉及將Singh’s 17項(xiàng)普查指標(biāo)相加，根據(jù)Singh’s factor score coefficients進(jìn)行加權(quán)（eTable 1）。這些ADI指標(biāo)通過Neighborhood Atlas獲得。人口普查區(qū)組ADI評(píng)分基于州分布情況進(jìn)行十分位數(shù)相對(duì)等級(jí)劃分（圖1）。

圖1. 研究人群社區(qū)社會(huì)經(jīng)濟(jì)不利環(huán)境

注釋：（A）每個(gè)人口普查區(qū)域的ADI得分，并基于州分布轉(zhuǎn)換為相對(duì)十分位數(shù)，以威斯康星州為例；（B）研究對(duì)象區(qū)域代碼+4（社區(qū)）的地理編碼映射至最鄰近普查區(qū)域；

（C）匹配區(qū)域ADI十分位數(shù)映射至研究對(duì)象的社區(qū)區(qū)域，彈出框突出顯示城市地區(qū)區(qū)域特征密度增加，灰色區(qū)域表示沒有居住于該區(qū)域的研究對(duì)象。

MRI數(shù)據(jù)采集及處理：

所有高分辨率T1加權(quán)結(jié)構(gòu)MRI掃描來自4個(gè)3T GE 設(shè)備，并由一位放射科醫(yī)師進(jìn)行審閱，排除存在結(jié)構(gòu)異?；蚱渌±砀淖兊谋辉?。進(jìn)一步通過視檢標(biāo)記輕微異常的圖像，根據(jù)圖像處理或體積測(cè)量是否受到影響進(jìn)行排除。使用SPM V.12 進(jìn)行預(yù)處理，全腦分割為灰質(zhì)、白質(zhì)、腦脊液（從補(bǔ)充材料的內(nèi)容看，作者應(yīng)當(dāng)使用了dartel方法，調(diào)制了基于所有被試的T1 map后，將該map配準(zhǔn)至MNI空間，然后所有T1圖向該調(diào)制map進(jìn)行配準(zhǔn)），采用FSL FIRST進(jìn)行皮下核團(tuán)自動(dòng)分割。對(duì)分割結(jié)果的準(zhǔn)確性進(jìn)行視檢，對(duì)分割失敗的進(jìn)行糾正或排除。利用SPM采用反向腦mask方法計(jì)算顱內(nèi)體積（本文的神經(jīng)影像圖片處理中沒有較難的部分，均是常規(guī)操作，對(duì)于不同儀器采集的問題，作者在之后的線性模型中加入了協(xié)變量以排除其影響）。

心血管風(fēng)險(xiǎn)：

心血管風(fēng)險(xiǎn)的評(píng)定選擇最近一次調(diào)研獲取的數(shù)據(jù)（Mean [SD] 距MRI掃描年數(shù)）。血壓計(jì)測(cè)得收縮壓，禁食12小時(shí)后靜脈穿采集血樣，測(cè)量血清總膽固醇及高密度脂蛋白水平。吸煙史、糖尿病、降壓藥物的使用情況通過問卷獲得。十年動(dòng)脈粥樣硬化心血管疾?。?/span>ASCVD）危險(xiǎn)指數(shù)采用美國心臟病協(xié)會(huì)2013計(jì)算方法進(jìn)行計(jì)算。

研究變量：

所有分析中，相對(duì)ADI分布以州為一個(gè)分布范圍進(jìn)行等級(jí)劃分，根據(jù)最高五分位數(shù)（most disadvantaged neighborhoods，即把ADI分?jǐn)?shù)最高的前20%劃分為一組）及最低4個(gè)五分位數(shù)（least disadvantaged neighborhoods，即把ADI分?jǐn)?shù)五等分后排名后80%劃分為一組）劃分為二分類變量。作者采用前25%至15%的區(qū)間來擴(kuò)充或者縮小處于最不利社區(qū)環(huán)境這一組的樣本大?。ㄟ@么做可以起到類似稀疏度的作用，在不同的分類標(biāo)準(zhǔn)下得到一致的檢驗(yàn)結(jié)果可以保證分析的魯棒性）。

   海馬體積（左右總和）與全腦體積（TBV，灰白質(zhì)總和）作為outcome變量（就是因變量），因?yàn)檫@些因素是與AD及相關(guān)癡呆癥狀存在關(guān)聯(lián)。所有體積變量根據(jù)殘差校正法，使用顱內(nèi)總體積對(duì)其進(jìn)行校正，該方法對(duì)海馬體積萎縮敏感。通過顱內(nèi)體積調(diào)整后的體積變量增加了從發(fā)病前狀態(tài)中識(shí)別出體積萎縮的敏感性。性別為二分類變量，形態(tài)學(xué)變量、年齡、ASCVD指數(shù)、受教育水平為連續(xù)變量。MRI掃描設(shè)備與頭線圈作為分類變量。

數(shù)據(jù)分析：

數(shù)據(jù)分析采用R v.3.5.3。對(duì)社區(qū)環(huán)境與體積變量的關(guān)聯(lián)分析采用Fixed-effect ordinary least squares linear regression models（這種模型其實(shí)是基于線性模型的最優(yōu)擬合問題，你可以把它先視作線性模型理解，但是在估計(jì)每個(gè)自變量對(duì)因變量的方差變異貢獻(xiàn)中，會(huì)采用最小二乘法對(duì)線性回歸下的各變量beta值的估計(jì)采用平方損失函數(shù)，進(jìn)行線性擬合參數(shù)求解，如果不懂最小二乘法，可以復(fù)制以下鏈接：https://baike.baidu.com/item/%E6%9C%80%E5%B0%8F%E4%BA%8C%E4%B9%98%E6%B3%95/2522346?fr=aladdin），年齡、性別、受教育水平、MRI掃描儀作為協(xié)變量。進(jìn)一步添加交互項(xiàng)分析年齡或性別對(duì)社區(qū)環(huán)境不同關(guān)聯(lián)的交互作用。

為檢驗(yàn)心血管風(fēng)險(xiǎn)是否統(tǒng)計(jì)學(xué)上中介社區(qū)環(huán)境與大腦形態(tài)學(xué)的關(guān)聯(lián)，該研究進(jìn)行基于模型進(jìn)行路徑分析，采用類貝葉斯蒙特卡羅模擬（quasi-bayesian Monte Carlo simulation，蒙特卡洛估計(jì)是一種通過重復(fù)生成隨機(jī)數(shù)來估計(jì)固定參數(shù)的方法。在通過生成隨機(jī)數(shù)并對(duì)其進(jìn)行一些計(jì)算時(shí)，有時(shí)直接計(jì)算這個(gè)參數(shù)不現(xiàn)實(shí)時(shí)，蒙特卡洛估計(jì)可以提供一個(gè)參數(shù)的近似值。貝葉斯估計(jì)則是利用先驗(yàn)概率和似然分布對(duì)后驗(yàn)概率進(jìn)行估計(jì)的方法，使用貝葉斯方法構(gòu)建中介效應(yīng)模型在近年來受到許多研究者的歡迎，如果你不既不懂貝葉斯又不懂蒙特卡洛模擬，請(qǐng)復(fù)制以下鏈接進(jìn)行了解：https://blog.csdn.net/lxlmycsdnfree/article/details/78908892）10000次迭代進(jìn)行直接效應(yīng)與間接效應(yīng)（中介）的估計(jì)（R package mediation, version 4.4.6）。若非特殊說明，采用雙邊0.05作為統(tǒng)計(jì)學(xué)顯著性。對(duì)所有模型進(jìn)行回歸診斷。
結(jié)果：

人口統(tǒng)計(jì)學(xué)特征：

被試的人口統(tǒng)計(jì)學(xué)特征見表1。處于不利社區(qū)環(huán)境的研究對(duì)象受教育程度顯著較低（Mean [SD], 15.0[2.7] vs 16.4 [2.6] years），白種人居住于此的可能性較低(27 of 41 [65.9%] vs 818 of 910 [89.9%])，黑種人或非裔美籍可能較大（14 of 41 [34.1%] vs 64 of 910 [7.0%]），但年齡、性別、癡呆家族史、APOE-ε4 allele無顯著差異。表1.研究對(duì)象的人口統(tǒng)計(jì)學(xué)特征

不利社區(qū)環(huán)境與大腦形態(tài)學(xué)：

居住于最不利社區(qū)環(huán)境與海馬體積及全腦體積降低相關(guān)（Figure 2A and C），海馬體積下降4.1%，全腦體積下降2.0%（Table 2）。探索性分析基于感興趣區(qū)與基于體素分析顯示，大腦廣泛皮層與皮層下核團(tuán)灰質(zhì)體積萎縮，尤其是與顳葉區(qū)域存在緊密關(guān)聯(lián)（eFigure 2）。對(duì)于社區(qū)環(huán)境進(jìn)行不同等級(jí)劃分，包括十分位數(shù)、五分位數(shù)、中位數(shù)分組、前20%、前10%分組或按照百分比等級(jí)排序進(jìn)行敏感性分析均得到一致的結(jié)果（eFigure 3作為示例）。

表2.社區(qū)環(huán)境與大腦體積關(guān)聯(lián)的回歸模型

所展示的為每個(gè)模型變量的未標(biāo)準(zhǔn)化系數(shù)β（95%CI），比較每個(gè)變量對(duì)大腦形態(tài)學(xué)的絕對(duì)效應(yīng)大??；不利社區(qū)環(huán)境的水平根據(jù)州分布計(jì)算；所有體積為立方毫米；該模型包含951例研究對(duì)象，包含MRI掃描儀作為協(xié)變量。P < .01；c：P < .05；d：P < .001；e：P < .10

圖2.不利社區(qū)環(huán)境與全腦及海馬體積下降的關(guān)聯(lián)

A.全腦體積；B.不同性別全腦體積；C.海馬體積；D.不同性別海馬體積。居住于最不利社區(qū)環(huán)境中的被試全腦體積與海馬體積顯著降低；居住于最不利社區(qū)環(huán)境中的男性海馬體積顯著低于女性，全腦體積在性別間無顯著差異。

eFigure 2. 基于體素與感興趣區(qū)分析結(jié)果

注釋：比較居住于最不利社區(qū)環(huán)境前20%與其他被試局部灰質(zhì)體積結(jié)果。

A. 利用SPM12進(jìn)行基于體素的形態(tài)學(xué)分析（VBM），閾值為非校正P<0.001,投射至SPM12模板，紅色表示通過P值的cluster；

B.感興趣區(qū)ROI分析結(jié)果，采用CAT12的Region of Interest工具，將Neuromorphometrics atlas模板的118個(gè)ROIs的灰質(zhì)體積進(jìn)行平均，然后進(jìn)行統(tǒng)計(jì)學(xué)檢驗(yàn)。居住于最不利社區(qū)環(huán)境的被試的ROI體積顯著降低如圖(FDR-corrected P value < 0.05)。

eFigure 3. 按照十分位數(shù)劃分社區(qū)環(huán)境等級(jí)與大腦形態(tài)學(xué)關(guān)聯(lián)

注釋：A.全腦體積；B. 海馬體積；調(diào)整年齡、性別、受教育水平、顱內(nèi)體積及掃描儀。

老年、男性與海馬體積及全腦體積降低相關(guān)，受教育水平與全腦體積呈正相關(guān)（表2）。為解決在受教育水平、種族的人口統(tǒng)計(jì)學(xué)差異中可測(cè)量或不可測(cè)量的危險(xiǎn)因素，該研使用隨訪傾向評(píng)分進(jìn)行了配對(duì)隊(duì)列分析。匹配隊(duì)列在性別、年齡、種族、受教育水平、APOE基因及癡呆家族史均無顯著差異。在匹配隊(duì)列的回歸分析中，生活在不利的社區(qū)環(huán)境中，依然與海馬體積及全腦體積的降低相關(guān)（也就是說，除了在模型中加入這些因素作為協(xié)變量外，作者進(jìn)行了進(jìn)一步的組間其他可能影響因變量的自變量配對(duì)組分析，仍舊發(fā)現(xiàn)了與前文分析一致的結(jié)果，這說明這個(gè)結(jié)果是不受混淆變量的影響的）。

不利社區(qū)環(huán)境、性別、年齡與大腦形態(tài)學(xué)關(guān)聯(lián)：

該研究評(píng)估了基于年齡與性別的社區(qū)環(huán)境與腦體積關(guān)聯(lián)的不同。該研究發(fā)現(xiàn)性別與社區(qū)環(huán)境對(duì)海馬體積存在顯著的交互作用（Table 2）。對(duì)于處于最不利社區(qū)環(huán)境的被試中，男性較女性海馬體積更?。?/span>Figure 2D）。年齡與社區(qū)環(huán)境對(duì)全腦體積具有顯著的交互作用，但若移除一個(gè)年輕且全腦體積較小的被試，該交互作用不具有顯著性（在論文中如果出現(xiàn)類似的情況，應(yīng)當(dāng)如實(shí)報(bào)告，離群值可能對(duì)統(tǒng)計(jì)結(jié)果造成明顯的影響）。

心血管風(fēng)險(xiǎn)對(duì)社區(qū)環(huán)境及腦體積的中介作用：

該研究采用逐步路徑分析與中介分析來檢驗(yàn)心血管危險(xiǎn)因素是否中介社區(qū)環(huán)境與大腦形態(tài)學(xué)的關(guān)聯(lián)（圖3A）。首先確認(rèn)在心血管危險(xiǎn)因素研究亞組中，社區(qū)環(huán)境與大腦形態(tài)學(xué)存在關(guān)聯(lián)。然后，分析10年ASCVD評(píng)分(Figure 3A; X → M)，處于最不利社區(qū)環(huán)境的被試該評(píng)分顯著增高3.9%。接著，分析心血管風(fēng)險(xiǎn)與大腦形態(tài)學(xué)的關(guān)聯(lián)（Figure 3A;M → Y），發(fā)現(xiàn)與全腦體積呈顯著負(fù)相關(guān)（Figure 3C），與海馬無顯著關(guān)聯(lián)（Figure 3B）。個(gè)體ASCVD指標(biāo)評(píng)估包括糖尿病、收縮壓、吸煙史、降壓藥使用情況，處于最不利社區(qū)環(huán)境的研究被試顯著增高（Table 1），除了吸煙史，所有指標(biāo)均與全腦體積顯著相關(guān)。最后，研究發(fā)現(xiàn)心血管風(fēng)險(xiǎn)中介不利社區(qū)環(huán)境與全腦的體積的關(guān)聯(lián)，而無直接效應(yīng)（Figure 3C）。在海馬體積中并未觀察到類似的中介效應(yīng)，然而，海馬體積的中介模型具有顯著的直接效應(yīng)。（Figure 3B）。

圖3.心血管風(fēng)險(xiǎn)中介不利社區(qū)環(huán)境與腦體積的關(guān)聯(lián)

A.路徑分析與中介分析參數(shù)理論模型；

B. 心血管風(fēng)險(xiǎn)中介不利社區(qū)環(huán)境與海馬體積的關(guān)聯(lián)結(jié)果；

C. 心血管風(fēng)險(xiǎn)中介不利社區(qū)環(huán)境與全腦體積的關(guān)聯(lián)結(jié)果。心血管風(fēng)險(xiǎn)顯著介導(dǎo)不利社區(qū)環(huán)境與全腦體積的關(guān)聯(lián)，而不介導(dǎo)與海馬的關(guān)聯(lián)。所有模型控制顱內(nèi)體積、年齡、性別、受教育水平與MRI掃描儀。a: P < .001；b:P < .10; c: P < .01; d: P > .10; e P < .05.

研究的臨床意義：

該研究為老年人群中不利社區(qū)環(huán)境與腦體積的關(guān)系提供相關(guān)證據(jù)。不同于確定因果關(guān)系，理解不利社區(qū)環(huán)境是大腦老化萎縮過程中的風(fēng)險(xiǎn)因素是一項(xiàng)重要的進(jìn)步。社區(qū)環(huán)境的指數(shù)采用免費(fèi)公開的數(shù)據(jù)快速獲得。相對(duì)不利分?jǐn)?shù)可根據(jù)被試的住址來確定，無需醫(yī)師收集額外的社會(huì)背景或被試填寫問卷。未來，不利的社區(qū)環(huán)境可作為臨床決策參考因素，或指導(dǎo)公共健康倡議，促進(jìn)處于危險(xiǎn)區(qū)域關(guān)注大腦老化。以往的政策干預(yù)證明改善社區(qū)環(huán)境可以切實(shí)促進(jìn)健康，顯著改善心血管。
總結(jié)：

該研究發(fā)現(xiàn)居住于不利社區(qū)環(huán)境與大腦體積相關(guān)，其中與全腦體積的關(guān)聯(lián)可由心血管風(fēng)險(xiǎn)中介。研究對(duì)居住于不利社區(qū)環(huán)境對(duì)健康的副作用提供了證據(jù)，提示居住地是老化過程中腦體積萎縮的危險(xiǎn)因素。改善社區(qū)環(huán)境對(duì)促進(jìn)健康與預(yù)防癡呆十分重要。

本文的數(shù)據(jù)量無疑是龐大的，無論是T1腦影像數(shù)據(jù)集還是ADI數(shù)據(jù)集，從中提取出有效的自變量和因變量score從具體的數(shù)據(jù)分析工作量上來講是巨大的。本文中對(duì)腦影像數(shù)據(jù)的處理常規(guī)，對(duì)于中介模型的使用也基本是利用了已有成熟的模型包進(jìn)行的，從方法論看本文的方法都是較為容易實(shí)現(xiàn)的。那么本文為什么會(huì)發(fā)在這樣好的期刊上呢？

小編愚見，認(rèn)為主要原因有以下幾點(diǎn)。首先，這篇文章的研究結(jié)論從數(shù)據(jù)分析的整個(gè)流程來看是可信度高的，作者對(duì)統(tǒng)計(jì)分析過程做了充分透明的描述，對(duì)研究中樣本分組的稀疏處理使得統(tǒng)計(jì)結(jié)果在一定程度上已經(jīng)受到了自我檢驗(yàn)，并且大樣本量的研究避免了power估計(jì)的影響。其次，本文探究的問題是一個(gè)廣泛的社會(huì)問題，對(duì)實(shí)際生活中的社區(qū)環(huán)境如何影響人們的腦萎縮情況進(jìn)行研究具有很高的實(shí)用價(jià)值和參考意義，尤其是老齡化嚴(yán)重的今天，如何在年齡帶來不利影響前就盡可能的規(guī)避其他不利因素帶來的交互影響對(duì)于減輕老齡化對(duì)社會(huì)經(jīng)濟(jì)和醫(yī)療的負(fù)擔(dān)具有重要意義。可見，在這個(gè)方法論不斷更新，令人眼花繚亂的時(shí)代，idea仍舊是科研的“源頭活水”。最后，本文應(yīng)該是這項(xiàng)大型隊(duì)列研究中的一個(gè)階段性成果，在后續(xù)研究中可能為其他研究帶來很多的參考意義和價(jià)值，從這個(gè)角度出發(fā)，帶有“領(lǐng)路人”特質(zhì)。

看來孟母三遷，背后有著深刻的神經(jīng)科學(xué)機(jī)制，孟母一定是個(gè)腦科學(xué)家，大家趕緊買學(xué)區(qū)房吧。

微信掃碼或者長按選擇識(shí)別關(guān)注思影