《Translational Psychiatry》：Exploring the intricate interplay between metabolic abnormalities and multidimensional cognitive impairment in stable schizophrenia patients
编辑推荐：
本研究针对精神分裂症患者普遍存在的多维度认知缺陷问题，深入探讨代谢综合征（MetS）各组分与认知功能的复杂关联。研究团队通过多中心招募727名稳定期患者，采用网络分析和结构方程模型（SEM）揭示血脂异常（DL）和高血压（HT）在临床症状与认知功能间的中介作用。Transformer机器学习模型进一步验证了MetS组分对认知维度的预测效能，为通过代谢管理改善认知功能提供了新思路。
在精神分裂症的治疗领域，患者虽然阳性症状可能得到控制，但认知功能障碍往往持续存在，成为影响社会功能恢复的主要障碍。更令人担忧的是，精神分裂症患者中代谢综合征的患病率显著高于普通人群，这种共病现象可能进一步加剧认知损害。然而，代谢异常如何具体影响不同认知领域，其内在机制如何，至今尚未明确。这正是本研究试图解答的核心科学问题。
为揭示代谢异常与认知功能的复杂关系，研究团队开展了一项规模可观的多中心研究。他们从十家精神专科医院招募了727名处于临床稳定期的精神分裂症患者，确保样本的代表性。认知评估采用了中文版简明认知测验（C-BCT），这是一种适合中国人群的标准化工具。在数据分析阶段，研究人员创新性地结合了网络分析和结构方程模型（SEM）两种方法，前者能够可视化变量间的互动关系，后者则可检验中介效应。最后，他们还引入了基于Transformer的机器学习模型，对研究发现进行预测效度的验证。
研究结果呈现出丰富的层次。首先，在组间比较中发现，患有血脂异常（DL）的患者在多个认知领域表现出统计学上的显著差异，而高血压（HT）患者则显示出整体更差的认知表现。网络分析进一步揭示，存在两个或以上代谢综合征组分（MetS-2+）的患者，其认知网络结构比无MetS组更为稀疏，提示代谢负担可能破坏了认知领域间的正常协调。值得注意的是，符号编码（Symbol Coding）任务在两组网络中都表现出最高的强度中心性，表明它在评估精神分裂症认知功能中的核心地位。
结构方程模型的结果指向了更深刻的机制。模型表明，代谢指标，特别是DL和HT，在临床症状与认知功能之间扮演了中介角色。这意味着代谢异常可能是精神症状影响认知功能的一个重要途径。机器学习模型的成功预测则为这些发现提供了额外的支持，证实了MetS组分对多维认知结局具有预测价值。
本研究通过严谨的多中心设计和先进的数据分析方法，明确了特定代谢综合征组分（尤其是DL和HT）与稳定期精神分裂症患者认知功能之间存在错综复杂的关联。最重要的启示在于，对高血压的管理可能成为该人群认知增强和社会功能改善的一个潜在干预靶点。这为精神分裂症的全程治疗，特别是从单纯控制症状向同时改善认知和躯体健康的模式转变，提供了重要的理论和实证依据。研究成果已发表于《Translational Psychiatry》期刊。
