重度抑郁症（MDD）的特点是症状异质性显著，其中焦虑症状是最常见且具有临床意义的维度之一。即使没有正式诊断为共病焦虑障碍，也有50–75%的MDD患者表现出符合DSM-5焦虑标准的症状（Hopwood, 2023; Otsubo et al., 2021）。这些焦虑症状的严重程度极大地影响了临床结果，包括疾病慢性化、自杀念头、功能损害和治疗反应（Choi et al., 2020; Gaspersz et al., 2017）。然而，MDD中焦虑严重程度背后的神经生理机制仍不清楚，这限制了基于严重程度信息的精准干预措施的发展。
近年来，神经影像学研究大大提高了我们对MDD和焦虑障碍中脑网络变化的理解。在MDD中，静息态fMRI研究表明默认模式网络（DMN）的连接性发生改变，这与过度沉思和负面自我参照处理有关（Tozzi et al., 2021; Zhou et al., 2020）。在焦虑障碍中，fMRI研究显示显著性网络（尤其是前岛叶）的激活增强，该区域是内感受意识和威胁检测的核心枢纽（Schimmelpfennig et al., 2023; Seeley, 2019）。然而，尽管在独立描述每种障碍方面取得了显著进展，但焦虑抑郁背后的神经机制仍不清楚（Nawijn et al., 2022; Zhou et al., 2024）。此外，fMRI的时间分辨率有限，难以捕捉脑网络重组的亚秒级动态。相比之下，EEG微状态分析提供了毫秒级的时间分辨率，为研究焦虑抑郁中的大规模网络状态的快速时间动态提供了补充方法。
脑电图（EEG）微状态分析是一种非侵入性方法，可以以毫秒级分辨率表征大规模网络动态。微状态研究表明，头皮电位图在60–120毫秒内保持相对稳定，然后迅速切换到不同的配置；这些短暂片段可以使用数据驱动算法聚类为离散的典型状态（Michel and Koenig, 2018）。经典的四种微状态拓扑图（A–D）可以解释静息态EEG大约70–80%的场功率方差，并在不同样本间具有良好的重复性（Britz et al., 2010）。在抑郁症中，微状态D的参数（持续时间、发生频率和覆盖范围）减少与执行功能障碍的严重程度相关（Qin et al., 2025）。先前的研究，包括我们最近的工作，进一步表明MDD中的微状态D与症状严重程度相关（He et al., 2025; Murphy et al., 2020b; Zhang et al., 2026）。相比之下，焦虑障碍的特点是微状态A增加（通常解释为警觉性增强）和转换概率改变（表明网络切换受损）（Al Zoubi et al., 2019）。然而，依赖经典的四种微状态图可能无法充分捕捉情绪和焦虑障碍中脑网络动态的复杂性，这可能部分解释了不同研究之间的差异（Chivu et al., 2024）。Custo及其同事提出的七种微状态拓扑图增加了三个额外的功能状态（E、F和G），从而提高了对静息态EEG拓扑图的解释能力（Custo et al., 2017）。新兴证据开始表明这些扩展的微状态与焦虑和抑郁表型有关。频率特定的微状态分析显示，焦虑症状与α波段的微状态E的时间特性和B→E转换有关（Xue et al., 2024）。除了微状态E，同时患有社交焦虑和抑郁的年轻个体表现出独特的微状态F指标，并且与健康对照组和非共病社交焦虑患者相比，F/G状态的转换减少，这表明F/G状态转换可能与焦虑-抑郁表型相关（Yang et al., 2026）。此外，据报道抑郁表型中的微状态G持续时间缩短，并与抑郁和焦虑症状的严重程度呈负相关（Chang, 2025）。这些扩展的微状态（E、F和G）涉及默认模式网络和体感网络，这些网络在焦虑障碍中表现出活动改变，并与焦虑相关的躯体症状和情绪失调密切相关（Li et al., 2019; Zhao et al., 2007），因此可能更好地表征DDA患者的神经网络动态。
然而，以往的研究主要考察了抑郁严重程度不同水平下的神经动态连续变化，而关于焦虑症状的研究主要依赖于分类诊断比较，对MDD内部焦虑严重程度梯度的研究有限（Hao et al., 2025; Zhang et al., 2026）。此外，大多数先前的样本涉及慢性抑郁症患者或接受药物治疗的患者，其中药物暴露和疾病进程可能会混淆脑动态的原始变化（Al Zoubi et al., 2019）。因此，本研究旨在描绘首次发病、未使用药物的MDD患者中焦虑严重程度水平的神经电生理梯度特征，深入理解其病理生理机制，并为精准精神病学和针对性神经调节干预提供依据。
