失眠患者的功能连通性改变

失眠(Insomnia, ID)是最常见的睡眠障碍；然而，ID症状的发病机制尚未完全了解。采用多因素的观点，并将ID视为一种涉及区域间神经元协调的情况，将有助于理解ID的病理生理学。功能连接(Functional connectivity, FC)可能有助于阐明ID症状的潜在功能过程和神经相关性。尽管越来越多的研究评估FC异常，但对ID病理生理学的见解仍然是零碎的。本文旨在寻找静息态下失眠的FC变化的经验证据。共涉及1052名ID参与者的31项研究符合本综述的纳入标准。结果表明，ID症状与主要静息态网络半球内和半球间相互作用受损相关。总的来说，证据支持这样一种假设，即失眠的特征是大脑功能连接的组织(organization)紊乱，导致睡眠、认知、情绪和记忆下降。然而，被综述的研究之间存在广泛的方法学异质性，以及本系统综述提出的研究方案和统计方法的局限性，使得很难提供一个单一的ID病理生理学框架。这一领域的未来研究应该引导共享和严格的搜索设计(search designs)，以确保ID病理生理学的可靠研究证据。本文发表在Sleep Medicine Reviews杂志。

1.引言

失眠症(Insomnia disorder, ID)是一种非常普遍的睡眠障碍，它意味着难以入睡或保持睡眠，难以获得清爽的(refreshing)睡眠，以及在床上的高度唤醒。除了典型的睡眠问题，ID患者经常报告日间症状，使其成为一个24小时障碍。事实上，考虑到神经认知因素是该障碍的特征，ID可以通过一种被称为“超觉醒理论”的心理生物学模型来解释。生物因素指的是与较高的脑电图(EEG)活动和增强的感知过程相关的皮质觉醒，这些感知过程会干扰觉醒-睡眠过渡和夜间睡眠过程。另一方面，心理因素与情感、行为和认知改变有关，使ID成为一种神经精神综合症。事实上，失眠与情绪和焦虑障碍、情绪失调以及以反刍和神经质为特征的认知方式存在高度共病性。我们可以假设睡眠障碍和精神病理特征之间存在双向影响：情绪反应是形成ID的风险和永久因素，而睡眠障碍可能是形成精神病理特征的一个潜在因素。此外，由于睡眠不足，ID与认知和记忆障碍有关，特别是精神运动表现、问题解决、情景记忆和工作记忆。

考虑到这些因素，需要从多因素角度来理解ID的病理生理学，认识到该疾病是全局性的而不是局灶性的，涉及区域间的神经元协调。尽管许多神经影像学研究描述了ID的特定神经生物学改变，但关于该疾病的神经生理学尚未达成一致结论。从这个角度来看，功能连接(functional connectivity, FC)可能有助于建立ID症状的潜在功能过程和相关性。事实上，对大脑连接的研究使我们有可能在人类丰富的行为和思想的基础上揭示其内在的组织和功能。此外，对大脑通信过程(communication processes)的进一步了解可能有助于理解与脑区之间异常通信相关的特定疾病。与这一观点一致的是，评估FC异常及其与ID患者日常功能和临床症状的关系的研究越来越多。特别是，最近的许多研究集中在静息态下的FC，即受试者不从事特定任务时的FC。静息态下的FC提供了关于神经活动自发波动的信息，允许评估不同大脑区域之间的关系。

本文的范围是收集和分析ID患者静息唤醒期间FC变化的经验证据及其可能的功能意义。在这种情况下，我们将考虑用于评估静息态FC的不同方法，以及FC异常、认知行为功能和临床症状之间的关系。最后，我们将根据以超觉醒理论为代表的理论框架，描述ID可能涉及的功能网络的主要研究结果。

2.方法

2.1 检索方法

使用专业数据库PubMed、PsyArticles、Scopus和Web of Science系统检索了截至2020年4月的文献。摘要或标题中的搜索词为(((‘Insomnia’) OR Primary Insomnia) AND “Resting-State Functional Connectivity”)。去掉重复的条目后，搜索总共返回了236篇文章。

2.2研究选择

文章筛选通过两步进行。第一个评估的是标题、摘要与本综述的相关性。经过筛选程序，我们排除了190篇论文，并通过以下定性标准评估了46篇全文文章的合格性，以便对入选的文章进行更详尽的评估：

①健康对照(healthy controls, HCs)和ID患者样本的出席情况(attendance)。

②ID的诊断必须基于夜间和日间症状，通过临床访谈和/或问卷进行评估。

③ 排除了ID与其他疾病共病的研究。

此外，大多数都是功能磁共振(functional magnetic resonance, fMRI)研究，有两种分析：基于节点和基于体素。只有四项研究采用EEG来评估FC。由于实验特征的异质性和数据的缺乏，我们决定从系统评估中排除EEG研究，并专门考虑在静息清醒过程中整个fMRI构建FC的论文。

最终，2008年至2020年间发表的31篇文章被纳入了这一系统综述。

2.3数据收集

根据PICOS方法，从每项研究中提取了以下方法论维度：作者和出版年、样本特征(见表1)、诊断确认方法、提取的连通性指标、临床数据的存在情况、认知测量、研究中采用的fMRI采集方案，以及用于校正多重比较的统计方法。

表1样本特征

3.结果

3.1人口统计数据

总体而言，研究评估了1052名IDs (年龄范围：18-69岁)和1047名HCs (年龄范围：21-70岁)的FC。一项研究还包括12名广泛性焦虑症(generalized anxiety disorder, GAD)患者，另一项研究包括15名伴抑郁症的ID患者。如果不考虑一项没有报告性别信息的研究，ID样本中60%的参与者是女性，这是女性失眠症状流行率的代表性比例。

3.2临床和方法学特征

3.2.1病程和失眠严重程度

在被回顾的研究中，62%的研究报告了ID持续时间，范围从≥1个月到20.2年(见表1)。17项研究采用失眠严重程度指数(Insomnia severity index, ISI)问卷评估ID的严重程度，有三项研究采用匹兹堡睡眠质量指数(Pittsburgh sleep quality index, PSQI)评估，虽然该问卷在测量ID严重程度方面并不准确。最后，一项研究报告了ID评分，以确定ID严重程度，但没有说明用于评估该指标的工具。

3.2.2失眠诊断标准和失眠症状药物治疗

用于ID诊断的标准是异质性的。2项研究采用第二版国际睡眠障碍分类(the second version of the International classification of sleep disorder, ICSD-2)标准；3项研究基于ICSD-3标准诊断；15项研究采用第四版精神障碍诊断与统计手册(the fourth edition of Diagnostic and statistical manual of mental disorders, DSM-IV)中报道的标准，8项研究采用了DSM-V标准。3项研究根据17项汉密尔顿抑郁量表(17-item Hamilton depression rating scale, HAMD-17)中3项睡眠子量表的得分评估HCs的失眠症状，其中一项研究还包括汉密尔顿焦虑量表中的失眠项目。

如表1所示，这种异质性解释了被综述的研究在疾病定义上的差异(即原发性失眠、慢性原发性失眠或ID)。

并非所有研究中的患者均无药物使用(见表1)。具体而言，3项研究未提供受试者药理学状况的信息，2项研究涉及的IDs并非完全无药物使用。

3.2.3睡眠评估和排除其他睡眠障碍

被回顾的研究使用了不同的工具来主观或客观地评估参与者的睡眠。

通过睡眠日记和各种问卷收集主观睡眠参数，评估睡眠质量、失眠严重程度和白天嗜睡情况。此外，三项研究通过三个HAMD-17睡眠问题的总和来评估睡眠障碍，这些问题评估了启动和维持睡眠的困难程度以及清晨醒来的情况。其他三项研究采用了睡眠自评量表(Self-rating scale of sleep, SRSS)。

此外，收集了主观睡眠相关指标：两项研究定义了参与者的时间类型(chronotype)，两项研究评估了睡前唤醒的认知和躯体表现，一项研究评估了睡眠相关认知。

共有12项研究考虑了客观睡眠参数。具体来说，有5篇论文采用多导睡眠图(poly-somnography, PSG)作为睡眠测量的客观工具，有3篇研究采用活动记录(actigraphic recordings)，有一篇研究同时使用了这两种客观工具。

所有这些主观和客观工具的组合方式因个体研究的不同而不同。

从修订后的研究中提取的另一个方法学特征涉及排除其他睡眠障碍的程序。尽管所有的研究都将存在其他睡眠障碍作为排除标准，但大多数研究没有提到用来确定其他睡眠障碍的工具。然而，为了确保没有其他睡眠障碍，8项研究进行了由专业神经学家进行的临床访谈，一项研究进行了半标准化的睡眠相关访谈，6项研究采用了PSG监测。

3.2.4心理、认知和行为评估

大多数被回顾的研究通过自我报告的问卷对ID和HC样本进行了心理评估。

采用多种问卷调查，大部分研究评估了抑郁和焦虑。此外，三篇论文对特定的情绪状态进行了识别和量化，一项研究探讨了人格特质，另一项研究评估了情感和思维控制能力。

在所包括的研究中，只有一小部分使用测试来评估认知和行为功能。

Huang等人在初步筛选时采用了神经精神病学访谈，以确保不存在精神疾病，但这些数据未用于与FC的相关性分析。Pang等人进行了完整的神经心理学评估。Dong等人研究了视觉空间和执行功能，还使用精神运动警觉性任务(Psychomotor vigilance task, PVT)研究了日间警觉性和持续注意。最后，Liu等人评估了执行功能、持续注意和选择性注意。

fMRI采集方案

本文综述的研究应用了不同的fMRI采集方案。扫描时间从4分钟到20分钟不等。然而，有8篇论文没有报道单次采集扫描的持续时间。在扫描之前给参与者的基本指令在论文中部分相似。在fMRI扫描前，许多作者建议受试者放松，安静地躺着，尽可能不动，在功能扫描期间不要系统地思考任何事情，要小心保持清醒。此外，在几项研究中，研究人员要求受试者在fMRI扫描前6小时、24小时、48小时或1周内避免假设激活(assuming activating) (即咖啡因、酒精、浓茶)或精神活性物质，在采集前两天避免白天打盹，并在实验前休息30分钟。大多数作者要求参与者闭上眼睛。同时，一项研究要求受试者戴上黑色眼罩和海绵耳塞，以避免扫描过程中的视听刺激。另一方面，在五项研究中，参与者被鼓励在整个fMRI采集期间保持眼睛睁着并注视固定十字。最后，两项研究没有报告给参与者的任何具体指示。

综述的研究采用了不同方法控制fMRI采集过程中的警觉性状态。一些作者在扫描后要求口头报告或一份简短的问卷来控制清醒状态和采集过程中的合作程度。在三项要求被试睁大眼睛的研究中，被试在扫描过程中的状态被摄像机监控。只有Regen等人将EEG数据同时记录到fMRI采集中，才能客观地验证清醒状态。此外，Zhou等人通过Epworth嗜睡量表(Epworth sleepiness Scale, ESS)评估扫描后的困倦状态。然而，大部分的修订研究并没有明确说明在采集过程中用于控制警觉性状态的工具和方法。

Li M等人在完成fMRI采集后，询问被试在扫描过程中的感受，以控制扫描过程中焦虑的影响。

3.3多重比较法

在进行组间比较时，可以采用不同的统计方法来校正FC数据。在被回顾的研究中，最合适和最常用的两种方法是错误发现率(False discovery rate, FDR)和家族错误率(Family-wise error rate, FWE)校正。此外，四项修订的研究采用了高斯随机场理论(Gaussian random field theory, GRF)方法，这是一种在fMRI研究中广泛应用的控制FWE率的方法。

此外，fMRI数据可以使用模拟程序进行校正，例如：蒙特卡罗模拟或AlphaSim。

值得注意的是，并非所有被回顾的研究都对组间FC比较进行了多重比较校正。其中，三篇论文同时报道了校正结果和未校正结果，另外三篇论文没有对多次比较进行校正。这些数据在手稿中被非常谨慎地处理：未校正的结果在“结果”部分被强调，并被排除在“讨论”部分之外。

3.4连通性分析

从方法论上讲，已回顾的研究采用了各种各样的连通性分析，可分为基于节点的方法和基于体素的方法。

8项研究采用基于节点的连通性分析。这些方法是基于图的连通性模型，由两个概念表示：节点(即不同的大脑区域)和边(即所考虑的区域之间的连接)。另一方面，26项研究采用基于体素的连通性分析，估计特定感兴趣区域(regions of interest, ROI)与全脑所有其他体素之间的FC值，分析大规模静息态网络(resting-state networks, RSNs)的空间组织。虽然这两种方法定义FC模式的步骤相似，但在空间尺度上存在差异。基于体素的分析允许提取少量但扩展的空间网络，研究提取的网络中受试者(或组)之间的差异。相反，基于节点的分析研究在一个较小的空间中大量节点之间的连接，比较跨被试的边之间的功能连接。从这两种方法中获得的信息是不同的，但又是互补的。因此，两者常被应用于个体研究。具体来说，在系统修订中纳入的三篇论文首先使用了基于节点的分析，然后是基于体素的分析。

在以下各段，我们将根据所进行的FC分析报告回顾研究的结果。

3.5 ID中的FC变化：基于节点的连通性分析结果

3.5.1小世界性和节点中心性指数

三项回顾的研究采用了小世界性和节点中心性指标。小世界网络是大脑网络的拓扑特性之一。它可以被描述为最优的网络组织，其特征是节点高度地局部连接，很少长距离连接。一项研究没有显示IDs和HCs之间的小世界效率有显著差异。然而，另一项研究表明，一方面IDs的模块和层级结构数量减少，另一方面IDs的网络协调性(assortativity)增加，网络模块度的降低与IDs抑郁之间存在显著关系。然而，应该指出的是，这些结果没有经过多重比较的校正。

此外，Ma等人进行的研究报告称，网络密度和整体效率(与白天嗜睡呈正相关)增加，但局部效率(与白天嗜睡和ID严重程度增加相关)下降。这些指标描述了小世界网络：模块性反映了大脑网络的最优功能分离，节点效率反映了某节点与网络内其他节点的信息传播水平。左侧额下回(inferior frontal gyrus, IFG)三角部的节点效率降低，右侧梭状回、额上回(superior frontal gyrus, SFG)、额中回(middle frontal gyrus, middleFG)、颞上回(superior temporal gyrus, STG)、扣带回(cingulate gyrus, CG)/楔前叶、丘脑、顶叶上回(superior parietal lobe, SPL)、边缘上回的节点效率升高。此外，随后的分析显示脑岛和顶叶前额叶区域之间的FC增加。

ID中的这些发现表明，小世界网络和节点中心性指数变化存在异质性，表明全脑和区域的拓扑和功能组织存在功能失调。正如已经强调的那样，由于大多数研究的方法和统计缺陷，对小世界和节点中心性结果的解释是有限的。

3.5.2体素水平度中心性分析和功能连接强度

两项研究采用了度中心性(degree centrality, DC)度量。这是另一种图论测量，有助于在体素水平上评估大脑功能连接体的拓扑结构，测量单个节点的中心性并反映信息流特征。

证据表明，IDs患者的右脑视觉联合皮层(visual association cortex)、右小脑后叶(cerebellum posterior lobe, CPL)和楔前叶的DC值增加。相反，脑岛、左侧内侧前额叶皮层(medial prefrontal cortex, mPFC)、左侧IFG、颞中回(middle temporal gyrus, middleTG) DC下降。此外，在这两项研究中，只有下降的DC值与临床变量具有显著相关性。然而，通过使用FWE或FDR校正，Liu和合作者进行的研究并没有发现DC值在组间存在任何显著差异，这只是使用了一个更自由的未校正的统计阈值得出的。换句话说，报告的结果只有在未经多重比较校正的情况下才有意义。

一种特殊的数据驱动DC方法是FC强度(FC strength, FCS)，用于研究全脑连接的强度异常，并应用于两项研究中。两项研究均观察到IDs患者内左侧基底节(basal ganglia, BG)/岛叶、右侧背外侧PFC (dorsolateral PFC, dlPFC)、右侧mPFC、右侧小脑前叶(cerebellum anterior lobe, CAL)和右侧尾状核的FCS减少。此外，mPFC和右侧CAL内的FCS降低与较差的睡眠质量相关，而右侧尾状核内的FCS降低与较高的抑郁症状相关。然而，只有一项研究显示，ID患者右侧岛叶前部皮层和左侧middleFG的FCS增加，且与PSQI（匹兹堡睡眠质量指数）评分呈正相关。FCS结果显示，组成主要RSNs (如额顶叶网络(fronto-parietal network, FPN)和默认模式网络(default mode network, DMN))的区域之间的连接断开(即FCS下降)。与此同时，岛叶皮层(突显网络(salience network, SN)）的主要中枢，参与警觉和觉醒过程)的FCS增加。然而，需要强调的是，Huang和同事采用了弱的、非保守的和不寻常的体素水平p值阈值(即<0.01)。这代表了结果解释的统计局限性。

3.5.3动态功能连通性

只有一项回顾的研究采用了动态FC分析，这是研究RSNs之间的交互如何随着时间发展的度量。结果显示，前SN/背侧DMN和前SN/左执行控制网络(executive-control network, ECN)之间的FC变异性较小。此外，前SN/左ECN间FC可变性的降低与更严重的ID症状显著相关。这一结果在IDs患者的RSNs之间的异常FC中突显出来。

3.6 ID中的FC变化：基于体素的连通性分析结果

3.6.1基于种子点的相关分析

基于种子点的相关分析(Seed-based correlation analysis, SCA)是一种假设驱动的方法，旨在估计ROI的全脑连接模式，以及这种模式如何在被试之间发生变化。这一方法已在20篇论文中应用。

在该领域首次发表的SCA研究中，与HCs相比，在一小部分患者样本中进行了基于杏仁核的连通性分析。结果显示，杏仁核与脑岛、纹状体、丘脑、右侧IFG、STG、尾状核、杏仁核等脑区之间的FC降低。另一方面，作者发现杏仁核、感觉运动和前运动皮层(与睡眠质量差相关)、中央前回、左侧IFG、左侧中央后回(postcentral gyrus, PoCG)、左侧middleTG和枕中回(middle occipital gyrus, middleOG)、右侧楔部、STG和左侧苍白球之间的FC增加。

Li和同事以顶叶为ROI发现，在IDs中，SPL/SFG之间的连接减少，SPL与前/后扣带回、胼胝体右侧压部(right splenium)、右侧middleFG和右侧闭锁区(claustrum)之间的静息态FC增加。值得注意的是，作者没有对FC分析的多次比较进行校正。

两项SCA研究将DMN中包含的区域作为ROI。Nie等人显示ID患者中mPFC/右侧内侧颞叶之间和左侧内侧颞叶/左侧顶叶下皮层之间的区域间FC下降，FC异常模式与临床特征无相关性。另一方面，Regen和同事没有检测到IDs和HCs之间清醒-静息状态DMN连接的任何差异。尽管如此，睡眠连续性和结构的客观障碍与脾后皮层(retro-splenial cortex)、海马和几个DMN节点之间较高的清醒FC相关。

Zhou和同事表明，与HCs相比，IDs中的三个主要连通性变化。第一个发现是右侧颞枕交界处、左侧前中扣带皮层(anterior midcingulate cortex, aMCC)、右侧背侧后扣带皮层(posterior cingulate cortex, PCC)的FC显著降低。其次，作者观察到右侧海马的FC显著增加。此外，右侧PoCG、右侧BG、左侧眶额皮质(orbitofrontal cortex, OFC)、右侧额叶盖/岛叶内的连接同时增强或减少。ID持续时间与aMCC/右侧辅助运动皮层(supplementary motor cortex, SMA)间的FC下降呈负相关，PSQI（匹兹堡睡眠质量指数）与OFC/STG、右侧BG/SFG、左侧/右侧aMCC间的FC下降呈负相关。PSQI与海马FC呈正相关，与右侧PoCG/双侧SMA呈正相关。

Huang和同事使用IDs中FCS减少的脑区作为ROIs，来探索IDs和HCs之间的FC差异。以右侧CAL为种子点，作者在IDs中发现CPL、双侧BG/丘脑、SFG的FC显著降低。其次，与HCs相比，IDs组左侧BG/岛叶、右侧BG、左侧IFG/额叶盖、SMA/SFG的FC降低。此外，右侧dlPFC与右侧腹侧前运动区/middleFG的FC降低，而右侧mPFC与SFG和右侧IFG/middleFG的FC降低。然而，作者没有进行FC证据和临床变量之间的相关分析，并且作者采用了不寻常的体素水平p值(<0.01)。Li和同事报道了ID中弥漫性脑区的FC变化，特别是主要RSNs (即DMN、SN、感觉运动网络[sensory-motor network, SMN])之间的变化。此外，这些变化与较差的睡眠质量、较高的抑郁特征和ID严重程度有关。但是，应该考虑多重比较的结果是未经校正的。

使用SCA，Pace-Schott和他的同事显示，在一个小样本的IDs中，左杏仁核和前扣带皮层(anterior cingulate cortex, ACC)吻侧(rostral portion)部分之间的静息态FC减少。IDs连接模式介于HCs和GADs（广泛性焦虑症）之间，提示ID（失眠）病理生理可能是HC和GAD之间的一种中间状态。此外，ID的FC降低与ISI（失眠严重程度指数）、PSQI、焦虑评分和客观睡眠潜伏期呈负相关，但与主观睡眠效率呈正相关。

以岛叶为种子点，Wang和同事发现左侧岛叶/控制侧ACC、上球(superior orb)、双侧丘脑、左侧楔前叶之间的FC增加，左侧middleTG和右侧梭状回之间的FC减少。ID的连通性增加与抑郁(即ACC、丘脑)和焦虑特征(即ACC)相关。这一证据被另一项研究部分证实，该研究调查了睡眠抱怨(作为ID的亚临床类别)的受试者的脑岛FC模式。研究表明，与无睡眠抱怨的HCs相比，有睡眠抱怨的HCs的右后岛叶/左侧PoCG之间的FC增加。考虑到所有参与者，右后岛叶/左PoCG连接增强与更多的睡眠障碍和焦虑特征相关，并与执行功能评估期间的随机错误呈负相关。然而，由于几个局限性(即样本量小、参与者没有ID诊断、缺乏睡眠问卷)，研究结果必须谨慎考虑。

两项SCA研究将ACC作为ROI来探索FC。Li G.等人将有抑郁症和无抑郁症的ID患者与HCs进行比较，发现ACC与CAL、脑山顶(culmen)、舌回的正FC，与右侧颞下回(inferior temporal gyrus, ITG)、顶叶上回/SPL、顶叶下叶(inferior parietal lobe, IPL)、左侧边缘叶/CG的负FC。未确诊为抑郁症的IDs患者ACC和左PCC间的FC异常与更多抑郁特征呈正相关。另一方面，比较抑郁症伴ID的患者和HCs，作者发现ACC与middleTG、CPL、小脑小腿1区(cerebellum Crus 1 area)、皮质下区的负FC，且与PSQI呈负相关。此外，与IDs相比，抑郁症患者ACC与左侧胼胝体/PCC呈负相关，与中脑呈正相关。Yan和同事在体素镜像同伦连接性(voxel-mirrored homotopic connectivity, VMHC)分析之后，使用ACC作为ROI进行了SCA分析。作者报道了左ACC/右丘脑之间以及右ACC/左OFC之间的FC增加，与临床变量无显著相关性。

另外两项研究使用SCA来说明出现显示VMHC异常值的大脑区域和整个大脑之间的FC变化。Zhou和同事显示ID中右侧和左侧middleOG/后middleTG，以及右middleOG/后middleTG与左侧楔前叶/楔叶之间的FC显著降低，这与状态焦虑呈负相关。左middleOG/后middleTG显示与右CAL、左舌回、左middleOG、左楔前叶/楔叶的FC减少，与IPL的FC增加。这种FC变化与焦虑呈负相关。Dai和他的同事以mPFC为种子区，在IDs中发现CG和楔前叶的FC降低(双侧mPFC/楔前叶：与主观睡眠效率和总睡眠时间呈负相关；右侧mPFC/楔前叶：与ID持续时间和SRSS呈正相关)。同时，考虑到将ITG作为ROI，IDs视觉网络和ECN的FC降低；考虑到右侧ITG，发现左侧middleFG和SFG的FC下降，后者与抑郁特征呈正相关。双侧PoCG也被视为种子点，显示与舌回和楔叶(均与ID持续时间呈正相关)、右侧CAL、左侧ITG (与ID持续时间呈正相关)和SFG的FC降低。

Leerssen和他的同事发现在ID中海马/左middleFG之间的FC更强。在所有参与者中，海马/左middleFG连接强度的个体差异与更严重的ID症状、更低的主观睡眠效率和更高的夜间清醒度相关。然而，只考虑ID参与者，当对多重比较进行校正时，睡眠参数和FC之间的相关性消失了。

Liu和他的同事使用出现异常DC的区域作为ROI进行了SCA。作者发现，在IDs中，middleTG (位于听觉语言理解区)和两个ECN子区(即左颞叶、IPL)之间的FC增加。左middleTG、middleFG、IFG、两个DMN亚区(即左SFG、楔前叶)以及左/右岛叶(与焦虑评分呈正相关)之间的FC降低。middleTG/左额叶间的FC与ISI呈正相关，与负性情绪状态呈负相关。需要强调的是，这些结果可能与研究中IDs的显著抑郁水平相混淆。同样的方法，另一项研究显示middleTG/左PCC的FC降低与ISI相关。另一方面，ID患者右侧楔前叶/外侧枕叶皮层之间的FC增加。

Santarnecchi和同事使用枕叶作为ROI，发现枕叶上部FC增加，双侧颞极区FC减少。此外，DMN/SMA之间的正连接与ID发病年龄显著相关。

Wang和同事研究了ID的纹状体FC。结果表明，背侧尾状核和腹侧纹状体的正FC和负FC增加。此外，背侧尾状核与IPL的负FC增加，与PSQI（匹兹堡睡眠质量指数）呈负相关。但是，这些作者校正了每个子区域的组间比较结果，而不是子区域数目(即12)。与多次比较的传统校正相比，这种选择导致结果不那么保守，并对结果解释造成限制。

一项研究集中于ID中静息态下丘脑和几个脑区(即ACC、眶额皮质、海马、尾状核、壳核) FC的减少。此外，左丘脑和同侧壳核、尾状核、海马和控制侧丘脑之间的FC降低与PSQI评分呈负相关。相反，右侧丘脑/ACC之间FC的降低与自我报告的抑郁严重程度有关。

从SCA的证据中可以看出，要得出一个明确的结论是困难的，这可能是由于SCA的固有性质。事实上，这一分析当时只考虑了一个系统，结果严格依赖于基于先验假设的种子点。然而，大多数结果强调了构成主要大脑RSNs的脑区之间的弥漫性FC变化。

3.6.2功能连接密度分析

在两项研究中执行的另一种数据驱动方法是FC密度(FC density, FCD)。与其他基于体素的分析不同，FCD可以在没有区域假设的情况下估计一对多的关系。从解释的角度来看，较高的FCD值表明所考虑的体素在大脑信息处理中发挥着更重要的作用。此外，可以为每个体素测量FCD的两个指标：局部指标(local FCD, lFCD)，用于评估相关体素的局部团块(cluster)的大小；全局指标(global FCD, gFCD)，表示相关体素的总数。

Yu和同事报道了ID患者ECN、SN、背侧注意网络(dorsal attentional network, DAN)、视觉通路和前DMN (anterior DMN, aDMN)内的gFCD增加。SN内gFCD的增加与更严重的失眠症状相关，而视觉网络中gFCD的增加与更严重的焦虑症状相关。此外，结果显示，后部DMN (posterior DMN, pDMN)的gFCD降低，特别是楔前叶，与ID的更多抑郁特征相关。但经多次比较校正后，gFCD值与临床变量之间的相关性消失。第二项使用FCD分析的研究报告了IDs中丘脑、岛叶、ACC、OFC、尾状核、壳核的lFCD和gFCD较低。此外，右脑岛/控制侧ACC之间的gFCD降低与焦虑症状相关，并可能在一定程度上调节ID严重程度与焦虑的关系。

这些结果显示IDs出现了主要的FCD变化，其特征是组成DMN和SN的脑区数量大幅减少。

3.6.3独立成分分析

Pang和同事采用了独立成分分析(ICA)，这是一种数据驱动的探索性方法，能够描述不同的多个RSNs，其优势在于揭示隐藏因素，而不依赖于先验种子定义。作者发现，与HCs相比，IDs中有105对FC有显著差异。在这些差异中，ID的正相关降低主要集中在额叶、前额叶、皮层下区域、DMN关键节点(mPFC、PCC)，以及两对正相关增强(左侧SFG/海马;左眶middleFG /右眶middleTG)。此外，作者发现IDs患者中额叶与mPFC、middleTG、眶部IFG、楔前叶、ITG、小脑、SMA之间的负相关增加。相反，颞叶与middleTG、丘脑、FG、小脑的负相关降低。此外，作者还证明了左侧IFG/SMA正相关降低的幅度与较差的睡眠质量相关，左侧杏仁核/小脑的FC增加与ID严重程度相关。本研究还显示了ID的FC变化与认知变量之间的关系。具体而言，失眠症患者中的整体认知功能与IFG/小脑(vermis)、SFG/小脑(cerebellum)之间的正FC降低呈正相关，与SFG/海马之间的正FC增加呈正相关，与SFG/ITG之间的负FC增加呈正相关。

然而，虽然ICA可以应用于单受试者水平，但组-ICA分析更适合于评估组间差异。这一方法已在两项研究中应用。Dong和合作者发现，失眠症患者中DAN/FPN之间的FC显著增加，与持续注意表现下降相关，而aDMN/pDMN之间的FC降低。第二项研究比较了IDs和HC在10个RSNs内的FC，假设两组间存在显著差异。与Dong等人相反，作者报道ID患者右侧FPN内FC减少，FPN与右侧middleTG、外侧枕叶皮层之间的FC减少，分别与ID持续时间和焦虑呈正相关。然而，在分析中应该考虑到统计上的局限性：除了对每个RSN采用FWE校正以控制多重比较外，结果没有被校正，因为有10个RSN被分析。

与ICA方法类似，在单一研究中采用的另一个FC指标是内在连通性对比度(intrinsic connectivity contrast, ICC)，该指标允许在无先验假设的情况下考虑大脑区域之间的连接强度，并生成基于体素的连接图。作者强调，与HCs相比，失眠症患者双侧枕叶的ICC模式增加。此外，失眠症患者发病年龄可预测DMN中ICC（内在连通性对比度）值的增加。

在采用ICA方法的研究中，可能由于方法的局限性，证据是异质性和矛盾的。事实上，ICA的结果可能会随着单个分析中提取的成分而改变。

3.6.4体素镜像同伦连通性分析(Voxel-mirrored homotopic connectivity analyses, VMHC)

四项研究采用了VMHC分析，这是一种最近验证的方法，允许一个半球的每个体素与另一个半球的镜像体素相关联，反映了半球间的协调。

结果表明，与无ID症状的HCs相比，有失眠症状的健康受试者双侧丘脑/后岛叶、梭状回和middleCG内的VMHC值较高。在所有受试者中，无论有无ID症状，ACC的VMHC值与睡眠障碍均呈显著正相关。

此外，在ID中，高VMHC值出现在ACC内(与睡眠潜伏期增加和抑郁相关)、PCC、楔前叶、初级视觉皮层、中央前回和视觉网络(即PoCG)内，与积极情绪状态呈负相关。另一方面，middleOG/后middleTG、DMN和ECN的VMHC值下降。然而，在Dai和同事进行的研究中，使用GRF校正发现VMHC值在组间存在显著差异。报告的结果只有在未经多次比较校正的情况下才有意义。

这些结果表明，在ID中，除了半球间FC改变外，还可能发生涉及到大型RSNs空间组织的半球间功能协调紊乱。

4.讨论

根据现有的结果，并根据ID是一种涉及多个RSNs区域间神经元协调的全局性障碍的观点，将讨论研究中的证据，并重点讨论主要RSNs内部和之间的FC变化。此外，我们将根据超觉醒理论来研究这些发现的意义，以解释ID机制和症状。

正如前面所观察到的，本文中包括的一些研究并没有校正失眠患者和HCs之间的多重比较FC分析，这使得数据解释困难。因此，受这一限制影响的研究结果被排除在讨论之外。

4.1默认模式网络(Default mode network, DMN)

目前已有的研究大多集中在DMN上，DMN是一种RSN，参与许多认知过程，包括走神、自我参照心理活动和自传体记忆提取。对DMN连接的兴趣是因为，参与ID病理生理学的皮层和皮层下大脑区域与构成DMN的区域之间有重叠。

总体而言，本综述指出了在失眠患者中DMN的FC变化方向相关研究具有异质性(见图1)。一些研究表明，几个DMN子区域的FC减少，尤其是PFC的相对失连接。这一证据与ID患者PFC结构受损的研究结果一致，PFC在调节健康睡眠过程中发挥关键作用。

图1. ID中主要RSNs内部和之间的主要FC变化。

图中显示了ID中FC变化的主要证据。与睡眠抱怨(ID的亚临床类别)有关的数据和未经过多次比较校正的结果被排除在数据之外。

图例：绿环表示ID中受影响的主要RSNs：默认模式网络；突显网络；额顶网络；感觉运动网络；背侧注意网络。

红色圆圈表示FC增加的区域；蓝色圆圈指的是FC降低的区域。绿圈内的圆圈代表RSN的子区域；绿圈外的圆圈代表RSN外的大脑区域。红色细箭头表示RSNs内FC增加的方向；蓝色细箭头表示RSNs中FC降低的方向。红色大箭头表示RSN间FC增加的方向；蓝色大箭头表示RSNs之间FC降低的方向。

此外，许多研究建议区分参与不同认知功能的前、后DMN成分。根据这一观点，这些成分之间的平衡维持着健康的睡眠、情绪和认知。已有研究强调失眠患者中前、后DMN连通性显著降低。先前的证据表明，抑郁个体的前、后DMN之间的FC受损，提示失眠与抑郁的病理机制部分相似。因此，这一发现可能揭示了失眠和抑郁、焦虑障碍一致的情感和情绪调节过程的损伤。尽管这些研究大多在方法上是可靠的，但其中3项研究包括了接受药物治疗的患者。此外，如前所述，Huang和同事的研究采用了较弱且非保守的cluster水平p值阈值。事实上，这种cluster程度的高阈值提供了较低的空间特异性，产生了模糊的神经科学地图和推断。为了避免这个陷阱，建议将cluster程度的阈值设置为p < .001。这些都是可能影响FC结果的相关方面。

另一方面，7篇研究报道了DMN子区间FC的增加(见图1)。值得注意的是，当注意被指向外部刺激时，该RSN在特定任务存在时被抑制。同时，它在内部定向注意条件下被激活。与生理超觉醒状态的观点相一致，失眠患者中DMN内FC的增加可能解释了该疾病的自我参照性质，表明高度敏感和自我意识，这可能会影响入睡过程。

值得注意的是，在显示DMN内FC增加的研究中，只有3篇论文获得了较好的定性评价分数。相反，其中一项研究分析了ID的亚临床类别，三项研究样本量较小。

综上所述，尽管DMN内FC变化的研究结果很多，但失眠研究的可用数据不足以就其重要性得出明确的结论。我们只能得出结论，失眠症患者中观察到的DMN的超活动状态似乎与更高水平的自我参照和内省过程、担忧和反刍直接相关。

4.2突显网络(salience network, SN)

SN是由边缘脑区(即杏仁核、脑岛、ACC)组成的RSN，参与广泛的认知过程，如显著性过滤、执行控制、保持警觉性和唤醒。在健康成年人中，SN活动增加与更高的压力和觉醒水平之间存在关系，大多数被回顾的研究表明SN内FC增加(见图1)。由于该网络在环境和本体感受刺激的持续感觉过程中发挥着关键作用，ID中观察到的SN连通性增加可能意味着RSN脱离外部刺激信息处理的能力降低。

前岛叶是SN的主要中枢，在认知和情绪过程中起着至关重要的作用。岛叶异常可能被认为是病理性焦虑的标志，岛叶皮层活动在整合情绪和身体状态方面起着关键作用。该区域与其他区域之间的连接模式受损可能导致认知、警觉性和感知功能障碍，以及主观痛苦和睡眠抱怨。已有研究表明，SN内FC升高与ID的焦虑和抑郁特征相关，这支持ID的情绪过度唤醒的概念。因此，这些显著性结果提示，SN中FC的增加可能是失眠症中观察到的情绪和内省意识的功能基础的一部分，从而导致更严重的失眠。然而，在这些研究中，失眠受试者的焦虑和抑郁水平明显高于HCs，且高于临床截断值(cut-off)。因此，由于组间FC差异不受焦虑和抑郁水平的控制，我们不能排除SN内FC升高是焦虑和抑郁的直接后果，而不是由于失眠。

尽管有这些显著的发现，但其中三项研究的方法学薄弱，因为有失眠症状的HCs参与研究，这一问题不允许将其结果推广到临床人群中。此外，一项研究报告了相互矛盾的结果，强调了SN中FC减少的迹象。然而，本研究根据前期证据证实岛叶在ID患者焦虑特征与睡眠障碍严重程度之间的关系中发挥中介作用，提示睡眠抱怨可能影响岛叶在情绪过程中的作用，导致焦虑和抑郁。

4.3额顶叶或执行控制网络(Fronto-parietal or executive-control network)

FPN，又称ECN，由一组参与工作记忆、决策、自上而下目标导向控制过程的脑区(即dlPFC、middleFG、middleTG、顶叶、CG、ACC)组成，是焦虑障碍的核心。

尽管有两项研究显示FPN内FC指数增加，其他研究结果强调连通性降低(见图1)。具体而言，这些研究显示了FPN内连通性降低与抑郁、焦虑和失眠后负性情绪之间的关系。这些发现提示了FPN内FC受损可能是失眠病因的决定因素。这种连接受损的模式可能与这些患者观察到的情绪失调有关。

此外，一些作者提出，FPN内连通性受损可能是ID患者日间认知和记忆障碍的功能基础。事实上，dlPFC和middleTG是FPN的两个hot节点，在IDs中表现出FC下降，它们在执行功能、决策、工作记忆和注意过程中起重要作用。这些假设都是推测性的，因为在这些研究中认知功能从未被直接评估过。此外，其中三项研究对结果校正的统计选择保守性较差。因此，这些结果应该谨慎阅读和解释。尽管如此，FC的结果大体上同意FPN子区域之间的FC降低，作为失眠报告的认知和情绪障碍的功能基础。

4.4感觉-运动网络(Sensory-motor network)

SMN由运动(即中央前回)、体感(即PoCG)区域和SMA组成，在环境刺激和本体感觉信息的持续感觉过程中发挥作用。几项综述研究一致认为，ID患者SMN内FC增加。此外，有报道称，SMN中特定区域(即PoCG)的连通性增强与较长的ID持续时间之间存在关系(见图1)。这些发现可能表明，长期的睡眠抱怨与SMN中较高的FC密切相关。

已综述的研究还表明，视觉通路中(通常属于SMN) ID相关的FC增加。具体来说，在梭状回中观察到gFCD和VMHC值增加，而梭状回是一个参与视觉刺激处理和抑郁情绪调节的大脑区域。尽管这些发现与先前关于ID梭状回活动改变的证据一致，但由于其中两项研究包括睡眠质量较差的健康参与者，因此应谨慎考虑。

总的来说，这一神经生理学框架表明，大脑区域脱离外部刺激信息处理的能力降低。事实上，ID中SMN内FC的增加可能与休息或睡眠时对外部感官刺激的更大敏感性有关，与启动或维持睡眠的困难有关，这支持了过度唤醒是失眠中的易感和永久因素的概念。

4.5背侧注意网络(Dorsal attentional network)

DAN是在需要注意的任务中被激活的RSN，由多个负责自上而下控制和目标导向注意过程的区域组成。三项研究证实了DAN内失眠患者超连通性(即FC增加)，一项基于节点的研究显示，盖层(opercular)和三角(triangular) IFG的节点中心性降低(见图1)。这两个DAN子区域参与慢波睡眠调节，在健康睡眠中发挥关键作用。因此，这些发现也可能表明一种包括DAN影响睡眠过程的过度觉醒状态，并导致失眠患者中观察到的白天认知障碍。然而，这些结论仍是推测性的。

4.6静息态网络之间(Between resting-state networks)

除了显示RSNs内FC异常的结果外，一些研究强调了ID的网络间变化(见图1)。有趣的发现表明，失眠患者中与清醒、注意、内省、显著性和感觉运动功能相关的大脑模式显示相互之间FC增加，导致一种高情绪状态(hyperemotion)、超感觉运动状态(hyper-sensorimotor)和一般的高觉醒状态(hyperarousal)。Dong和他的同事表明，DAN-FPN连接的增加与PVT表现的下降有关，PVT是睡眠相关研究中最常用的任务之一，以研究持续注意力。PVT表现较差与睡眠不足和白天嗜睡有关。因此，失眠患者抱怨的夜间睡眠不足、白天嗜睡和持续注意力受损可能是DAN-FPN连接增加的结果。Wang等人进行的研究中采用的组间比较的非保守结果表明了证据阅读的一个相关限制。

另一方面，这些发挥抑制机制的区域在失眠患者中显示FC降低。特别是，SN调节其他RSNs (如DMN和FPN)的激活和失活。失眠患者中SN和这些RSNs之间FC的减少可能导致DMN和FPN的过度激活。这一模式可能代表了休息期间自我参照和注意加工增加的功能基础。此外，同样的发现可能揭示了ID患者中在RSNs之间切换以响应需求变化的障碍。先前的fMRI研究表明，在工作记忆任务中，失眠患者中FPN和DMN的活动不成功地减少，支持了这一假设。

5.局限性

很难确定失眠和异常FC之间的因果关系。事实上，所有被回顾的研究的横断面设计并没有提供任何关于FC重组和疾病进展之间的时间关系的信息。此外，在我们的系统综述中，大多数研究都没有评估认知和情绪功能。因此，很难表明这些患者的认知和情绪通路的FC改变与功能缺陷之间的关系。此外，只有少数研究采用了客观的睡眠测量方法，这可能对更好地了解受试者的睡眠状态和揭示失眠的FC改变至关重要。

尽管所有的研究都采用了类似的和相当合适的fMRI采集协议，一些局限性可以指向在扫描过程中用于控制警惕状态的方法。事实上，在扫描过程中确保清醒状态最可靠的方法是在fMRI采集过程中同时进行EEG记录，这仅在一项研究中应用。在睁眼扫描时，视频监控可以被认为是一种比较合适的方法，仅在三项研究中使用了这种方法。然而，大多数综述的研究采用的方法并不能客观地确保扫描期间清醒。扫描期间的警惕状态是受试者之间巨大变异性的潜在相关来源，在fMRI检查结果的解释中应始终考虑到这一点。事实上，扫描期间的睡眠开始可能会影响结果，因为睡眠会改变FC测量。由于缺乏清醒和睡眠之间的客观区分，这种程序性偏差排除了对fMRI结果的任何泛化。此外，扫描过程中的情绪状态和受试者之间的高变异性也可能影响fMRI数据和大脑FC。然而，只有一项研究询问了受试者在扫描时的感受，以消除焦虑的影响。没有一项综述的研究使用结构化和标准化的问卷来评估fMRI习得期间的情绪状态。

失眠领域的一个相关研究问题是，观察到的FC变化是否主要与患者和健康对照组的连通性差异有关，或者这些变化是否归因于失眠患者的抑郁和焦虑症状。虽然大多数被回顾的研究排除了抑郁/焦虑障碍患者，但一些研究包括了焦虑和抑郁水平显著高于HCs的患者。此外，在进行连通性分析以排除抑郁/焦虑特征对FC变化的影响时，已被回顾的研究并不总是考虑这个问题。因此，很难确定焦虑/抑郁症状是否以及在何种程度上影响了观察到的失眠症的FC模式。因此，未来的研究应进一步探讨脑连通性与ID心理特征之间的关系，特别是通过纵向研究。

在被回顾的研究中，失眠定义的异质性很明显(见表1)，这可能是因为在精神和睡眠障碍的主要分类学分类的不同版本中报告的疾病定义不均衡。事实上，ICSD-2描述了许多原发性和继发性失眠亚型。后来，根据DSM-V，ICSD-3遵循了不使用子类型ID的决定，将其分类简化为更具包容性的诊断标签。用于评估ID诊断的具体方法和标准是相关的，因为它们驱动患者的表型。ID表型不仅仅是一种正式的疾病定义方式，因为它是由症状驱动的，这可能是神经生理脑机制差异的基础。此外，PSG是排除继发于其他睡眠障碍的失眠的唯一客观方法。然而，本系统综述中仅有6项研究能够客观排除使用PSG记录的其他睡眠障碍的存在。缺乏客观的睡眠评估可能会产生相关的偏见，因为报告的FC结果可能是由其他睡眠障碍造成的。

综述的研究产生了若干统计限制。最关键的问题是在多次比较中存在部分或完全未校正的连通性结果。此外，正如在结果和讨论部分已经提到的，三项研究采用了不恰当的方法和非保守的p值阈值来校正多重比较。由于进行了大量的测试，多重测试的比较是神经影像学研究中一个常见的统计问题。如果没有适当的校正，很难监测结果中的假阳性，很难确定哪些结果反映了真实的联系，因此，将导致有问题的解释。

最后，没有研究预先登记(preregistered)为分析和研究设计选择的ROIs，这是一种良好和有用的科学实践，正在传播，以避免产生夸大或假阳性结果的风险。这是失眠研究中FC研究领域的一个相关空白，未来的研究应该弥补这一空白。

6.结论

大量fMRI FC研究表明，失眠已经被深入研究。总体而言，FC证据表明，失眠症状与异常的大脑半球内和半球间相互作用有关，这些区域与过度觉醒、显著性、感觉运动、认知和自我参照过程有关。这些研究结果支持了这样的假设，即失眠以大脑功能连接拓扑结构紊乱为特征，它可能导致睡眠、认知、情感和记忆功能下降。然而，我们观察到在这些被回顾的研究之间存在广泛的方法学异质性，这使得很难提供一个失眠病理生理学框架。此外，本系统综述揭示了方法论和统计术语的严重局限性(即缺乏认知和客观的睡眠评估；在fMRI扫描过程中缺乏对客观警觉性状态的控制；失眠样本中不排除其他睡眠障碍或抑郁/焦虑症状；不同研究之间ID定义和诊断的异质性；不合适的方法和阈值来校正多重比较)。我们强调，需要在这一领域进一步努力，通过纵向观察、更大的样本量、适当的统计方法、客观的睡眠评估和FC-EEG测量来增加我们对观察到的FC改变的功能重要性的认识。

总结：本文回顾了1052名失眠症患者的静息态功能连接研究，发现失眠症状与几个主要的静息态网络半球内和半球间相互作用受损相关。然而，被综述的研究之间存在广泛的方法学异质性，使得很难提供一个单一的失眠病理生理学框架。未来需要通过纵向观察更大的样本量、采用适当的统计方法、客观的睡眠评估和脑电功能连接测量来获得失眠病理生理学的可靠研究证据。