抑郁傾向對自我關注重評和情境關注重評影響的腦網絡研究*

摘 "要""抑郁傾向是介于抑郁情緒和抑郁癥之間的輕度抑郁狀態(tài)， 這種狀態(tài)被連續(xù)誘發(fā)則會增加抑郁癥的發(fā)病率。認知重評是使用廣泛且有效的情緒調節(jié)策略， 可分為自我關注重評和情境關注重評， 抑郁傾向個體在這兩種策略下的調節(jié)效果及腦網絡特征如何變化尚不清楚。本研究采用復雜網絡探討抑郁傾向個體在自我關注重評和情境關注重評任務期間的調節(jié)效果及腦網絡特征。結果發(fā)現(xiàn)， 抑郁傾向組在認知重評任務期間的效價評分總體上低于健康對照組， 喚醒度評分差異并不顯著; 兩組被試在自我關注重評和情境關注重評任務期間的聚類系數、局部效率和最大介數中心性存在顯著差異; 局部腦區(qū)差異主要位于邊緣葉、額葉和頂葉等。抑郁傾向組自我關注重評和情境關注重評任務腦網絡的異?；顒优c抑郁傾向的嚴重程度有關。這表明， 異常的腦網絡特征可能表明抑郁傾向個體認知重評功能受損， 這為預防和改善抑郁傾向癥狀提供新的見解。

關鍵詞""抑郁傾向， 認知重評， 自我關注重評， 情境關注重評， 復雜網絡

分類號""B842

1 "引言

抑郁傾向是介于正常的抑郁情緒和已經達到臨床診斷標準抑郁癥之間的一種狀態(tài)（Rodríguez et"al.，"2012）。縱向研究表明， 與對照組相比， 患有抑郁傾向的個體經歷首次抑郁癥發(fā)作的風險增加了5倍（Fogel et al.， 2006）。這表明， 抑郁傾向使個體處于抑郁癥發(fā)作的高風險階段， 如果抑郁傾向被長期誘發(fā)且不能緩解， 很大可能發(fā)展為臨床抑郁癥， 此外， 抑郁傾向作為抑郁癥的早期階段， 其與抑郁癥相似，"會對個體的認知能力和社會能力等造成不同程度的影響（Tuithof et al.， 2018）。隨著社會競爭力增大， 青年人抑郁傾向的表現(xiàn)越來越多（彭婉晴"等， 2019），"因此， 對尚未達到抑郁癥診斷標準， 但社會功能下降， 并伴有較高抑郁癥發(fā)作風險的抑郁傾向個體， 應給予高度的關注和重視。

Gross （1998）的情緒調節(jié)過程模型認為， 情緒的產生是包含一個時間過程， 從心理上相關的情境開始， 包括情境選擇、情境修訂、注意分配、認知重評和反應調節(jié)5個階段（Dryman amp; Heimberg， 2018）。認知重評作為最常見、最有價值和適應性的情緒調節(jié)策略（Dillon amp; Pizzagalli， 2013）， 其定義為個體通過對情境的意義或與自我的相關性進行重新解釋， 從而對情緒進行調節(jié)（Gross amp; Thompson， 2007; John amp; Gross， 2004）。Ochsner等人（2004）提出認知重評包含兩種亞型， 即自我關注重評和情境關注重評。自我關注重評是指增加或降低個體與圖片情境的主觀距離， 從而調節(jié)情境引發(fā)的情緒體驗; 而情境關注是指個體通過重新解釋情境內容的意義， 將關注點放在圖片情境中， 為其賦予更加積極或消極的構想來調節(jié)情緒體驗， 并不涉及直接改變真實情境（Ochsner et al.， 2004; Shiota amp; Levenson， 2009， 2012）。自我關注重評包括兩個維度：脫離重評和卷入重評; 情境關注重評同樣包括兩個維度：積極重評和消極重評， 為降低個體的負性情緒， 現(xiàn)有研究較多使用自我關注重評中的脫離重評和情境關注重評中的積極重評（Moser et al.， 2014; Qi et"al.， 2017; Shiota amp; Levenson， 2002， 2009， 2012; Willroth amp; Hilimire， 2016）。

有研究發(fā)現(xiàn)， 實施自我關注重評（脫離）降低消極情緒的能力隨年齡升高而下降， 實施情境關注重評（積極）降低消極情緒的能力隨年齡增長逐漸增強（Shiota amp; Levenson， 2009）。讓不同年齡的群體使用兩種重評策略發(fā)現(xiàn)， 不同年齡群體運用兩種策略均能有效下調消極情緒， 但兩種重評策略的調節(jié)效果上存在差異（王彩鳳"等， 2021）。其中， 老年人的自我關注重評比情境關注重評依賴更多的認知加工資源， 對個體的認知控制能力要求更高（Liang et al.， 2017）。孫巖等（2020）考察兩種重評亞型的調節(jié)效果以及對隨后認知控制的影響， 結果發(fā)現(xiàn)無論是對消極情緒的調節(jié)效果還是對后續(xù)認知控制的影響， 兩種重評亞型間均存在差異。在fMRI研究中兩種重評策略一方面具有共同的腦機制：都涉及前額皮層和杏仁核系統(tǒng)的共同激活（Ochsner amp; Gross.， 2005; Ochsner et al.， 2004）， 另一方面， 兩種重評策略的神經機制存在差異。如自我關注重評能夠激活中部前額皮層（PFC）， 其與自我參照的判斷和自我監(jiān)控狀態(tài)有關（Gusnard et al.， 2001; Kelley et al.， 2002）， 采用自我關注重評策略調節(jié)情緒同時也會激活前扣帶回（ACC） （kalisch et al.， 2005）。自我關注重評涉及內側前額葉區(qū)域， 而情境關注重評涉及外側前額葉區(qū)域（Ochsner et al.， 2004）。此外兩種子策略在改善消極情緒的效果及LPP波幅的變化也有所不同。情境關注重評不僅能夠降低個體的負性情緒體驗， 其LPP波幅也隨之降低， 而自我關注重評則只能改善消極情緒， 其LPP波幅無顯著變化（Willroth amp; Hilimire， 2016）。

以往研究表明認知重評能夠有效地調節(jié)抑郁群體的消極情緒（Ford et al.， 2017; Lindsey et al.， 2020）， 但研究結果缺乏一致性。有研究發(fā)現(xiàn)認知重評有利于健康和已康復的抑郁個體減少消極情緒（Ehring et al.， 2010）。同時， 抑郁個體與健康個體在使用認知重評策略時， 顯示出高度相似的神經激活模式， 這表明抑郁個體能夠使用認知重評策略來改善其消極情緒（Belden et al.， 2015）。Aldao等人（2010）發(fā)現(xiàn)， 個體自我報告的認知重評使用頻率與抑郁癥狀呈負相關。認知重評使用頻率越低， 預測個體的抑郁癥狀水平越高（Joormann amp; Gotlib， 2010）。劉巖等人（2023）發(fā)現(xiàn)兩種重評策略均能有效上調抑郁傾向個體的積極情緒， 同時有效降低抑郁傾向個體的消極情緒， 且積極認知重評策略的效果更好。但也有研究發(fā)現(xiàn)認知重評對抑郁個體并不總是有效（Diedrich et al.， 2014; Joormann amp; Gotlib， 2010）， 例如有研究發(fā)現(xiàn)抑郁癥患者的認知重評效果不如健康對照組， 且持續(xù)性較差（Erk et al.， 2010; 張闊"等，"2016）。因此， 本研究推測以往研究對于認知重評調節(jié)抑郁個體有效性結果不一致的原因， 可能是未從認知重評的亞型考察其對抑郁個體的有效性。同樣， 抑郁傾向作為抑郁的早期階段， 其認知重評調節(jié)效果同樣可能受到認知重評亞型的影響?；诖耍?本研究假設在不同認知重評條件下， 抑郁傾向組和健康對照組的調節(jié)效果存在差異。

大多數研究均發(fā)現(xiàn)抑郁個體在認知重評任務期間局部腦區(qū)存在異?；顒樱―avis"et al.， 2018; Doré et al.， 2018; Erk et al.， 2010）。但人腦是由不同大腦區(qū)域組成的復雜網絡， 僅通過局部腦區(qū)異常， 很難了解抑郁個體全局腦網絡的功能整合和功能分離（Zhang et al.， 2011）。有研究表明， 腦功能全局網絡和局部網絡的重要信息， 可以通過復雜網絡實現(xiàn)（van den Heuvel amp; Hulshoff Pol， 2010）， 進而了解大腦網絡的分離和整合程度（Wong et al.， 2016）。如一些研究通過復雜網絡分析發(fā)現(xiàn)， 抑郁癥個體在靜息態(tài)下大腦拓撲神經機制遭到破壞（Zhang et al.， 2011）， 抑郁傾向個體在全局和局部水平上功能網絡與結構網絡都受損（Zhang et al.， 2022）， 其在處理消極情緒時額上回、額中回和扣帶回中部的激活顯著降低， 且額上回與尾狀核、紋狀體和島葉之間的功能連接性顯著增加（Zhang， Kranz et al.， 2020）， 眶額皮質和左顳回變化模式與抑郁癥患者相似（Zhang， Zhao et al.， 2020）。其次， 抑郁癥個體在認知重評任務期間， 默認模式網絡區(qū)域活動異常（Sheline et al.， 2010）， 這表明抑郁傾向個體在認知重評時同樣可能存在神經機制的異常變化。一方面因為認知重評包含自我關注和情境關注兩種亞型， 抑郁傾向個體在兩種重評任務期間調節(jié)效果的差異可能與其腦網絡特征的變化有關。另一方面因為抑郁傾向作為一種輕度的抑郁狀態(tài)， 其抑郁傾向的嚴重程度是否與其在任務期間腦網絡特征的變化有關也尚不可知。因此， 十分必要進一步探討抑郁傾向組和健康對照組， 在不同認知重評任務下， 全局和局部網絡特征的差異， 及腦網絡特征與抑郁傾向嚴重程度的關系?；诖?， 本研究假設在不同認知重評條件下， 與健康對照組相比， 抑郁傾向組的全局和局部網絡特征存在異常活動， 并且抑郁傾向組的全局和局部網絡特征與抑郁嚴重程度之間存在顯著的相關性。

腦電圖在全局或局部網絡上能夠成功地測量抑郁癥狀的神經機制（Greco et al.， 2021）， 而頻域分析可以將腦電信號量化為不同頻段（Fingelkurts amp; Fingelkurts， 2015）， 且復雜網絡分析可以獲取不同頻段的腦功能網絡的相關特征（De Vico Fallani et"al.， 2007）。越來越多的研究基于腦電圖數據， 并通過復雜網絡分析來探索抑郁癥個體在不同頻段上腦網絡特征的變化（Mohammadi amp; Moradi， 2021; Shao et al.， 2021）。研究表明， alpha頻段與抑郁癥密切相關（Aleksandra et al.， 2023; Bruder et al.， 2017; Liu， Chen et al.， 2022; Sun et al.， 2021）， 同時也與情緒處理和情緒喚醒的減弱相關（Balconi amp; Mazza， 2009）。Gamma振蕩是高級認知功能神經過程中至關重要的部分， 之前已有研究發(fā)現(xiàn)它在情緒加工過程中發(fā)揮重要作用（Fitzgerald amp; Watson， 2018; Kang et al.， 2014; Li et al.， 2015）。因此， 本研究將通過頻域分析提取alpha頻段和gamma頻段的腦電信號特征， 并結合復雜網絡分析探討抑郁傾向個體在自我關注重評和情境關注重評任務期間腦網絡特征的變化。

綜上所述， 本研究將通過復雜網絡， 結合頻域分析來探討抑郁傾向組和健康對照組在自我關注重評和情境關注重評任務期間的腦網絡特征。同時， 通過相關分析來評估抑郁傾向的嚴重程度與腦網絡的全局和局部指標的關系， 以此探索腦網絡拓撲神經機制在多大程度上反映了抑郁傾向個體的認知重評行為。

2 "方法

2.1""被試

為了得到更為準確且有效的結果， 本研究采用多個量表對被試進行施測， 以保證所篩選抑郁傾向個體的穩(wěn)定性。本研究通過在問卷星平臺發(fā)放并收回1014份貝克抑郁量表（Beck Depression Inventory-II， BDI-Ⅱ）的線上問卷， 用于篩選符合初篩標準的抑郁傾向個體。初篩標準為： 當BDI-II ≥ 14分即為抑郁傾向初篩組， BDI-II ≤ 13分即為健康對照初篩組（De Zorzi et al.， 2021）。通過對初篩的問卷結果進行分析后， 符合初篩標準的抑郁傾向大學生有43名， 并隨機選取健康對照初篩組的大學生41名。然后通過電話、微信等方式邀請其到實驗室進行再次篩查。在被試到達實驗室后用抑郁自評量表（Self-Rating Depression Scale， SDS）對被試進行二次篩查， 二篩標準為：SDS ≥ 50分的個體即為抑郁傾向組， SDS lt; 50分的個體為健康對照組（Benning amp; Ait Oumeziane， 2017）。因有5名抑郁傾向被試符合初篩標準而不符合二篩標準， 故被剔除。最終共有79名被試， 其中抑郁傾向組為38名， 對照組為41名， 所有被試均無情感障礙史和使用精神藥物的情況， 均為右利手， 視力或矯正視力正常。所有被試在實驗前簽署了知情同意書。本研究得到了遼寧師范大學倫理委員會的審批。

2.2""實驗材料及程序

2.2.1""實驗材料

從國際情感圖片系統(tǒng)（IAPS）中選出場景圖片共160張， 其中負性圖片120張， 中性圖片40張。由于中國被試對IAPS圖片的情感評估上存在文化差異， 因此在正式實驗前， 另外隨機選擇21名被試（12名女性：平均年齡"= 22.00歲， SD = 2.57）對圖片的效價和喚醒度進行1～9等級評級。中性圖片效價（M = 5.22， SD = 0.68）和負性圖片效價（M = 2.40， SD = 0.72）存在顯著差異， t（158） = 21.62， p lt;"0.001; 中性圖片喚醒度（M = 4.16， SD = 0.80）和負性圖片喚醒度（M = 7.27， SD = 0.87）存在顯著差異， t（158） = ?19.96， p lt;"0.001。

2.2.2""實驗任務及程序

認知重評任務共包含4個blocks， 前兩個blocks為被動觀看， 后兩個blocks為調節(jié)條件， 這兩個條件在被試間平衡。每個block含40張圖片。為避免疲乏， 每個block結束后都有2分鐘的休息時間。為幫助被試在不同的任務類型之間有效切換， 本研究根據任務類型對提示屏幕的背景進行顏色編碼。每種任務類型屏幕背景顏色如下：灰色為觀看中性， 黑色為觀看負性， 綠色為重評條件（Pierce et al.， 2022; Sullivan amp; Strauss， 2017; Thiruchselvam et al.， 2011）。

實驗中在觀看中性圖片和負性圖片時， 只要求被試認真觀看圖片即可。在自我關注重評條件下， 屏幕上呈現(xiàn)“脫離”指示詞， 要求被試在觀看圖片過程中拉大主觀距離， 以超然的、第三人稱的角度看待圖片中的事件， 盡量減少自己的消極情緒。比如當看到病人的圖片時， 認為自己是以獨立的第三人稱視角看待病人， 并且這個人物和情境與自己沒有關系。在情境關注重評條件下， 背景上呈現(xiàn)“積極”指示詞， 要求被試在觀看圖片過程中， 以樂觀的角度看待圖片中的事件， 想象圖片中的人物和事件正在變得更好。比如：當看到病人的圖片時， 可以想象這個病人很快能夠康復。

在正式實驗前， 要求被試認真閱讀指導語并進行12個試次的練習。正式實驗中每個block為40個試次。實驗首先呈現(xiàn)注視點500 ms， 接著呈現(xiàn)2000 ms的指示詞， 再呈現(xiàn)一個300～700 ms的隨機空屏， 然后呈現(xiàn)情緒圖片3000 ms （Sullivan amp; Strauss，"2017）， 最后讓被試根據指示詞對剛才進行情緒調節(jié)后的效價和喚醒度進行9點評分（Thiruchselvam et al.， 2011）。單個試次流程見圖1。

2.3""數據采集及分析

采用德國Brain-Product公司的ERPs記錄與分析系統(tǒng)， 按照10-20國際腦電記錄系統(tǒng)的"64導電極帽收集EEG信號， AFz為接地電極， FCz為參考電極。右眼下方安置電極記錄垂直眼電（VEOG）， 濾波帶寬為0.01～100 Hz， A/D采樣頻率500 Hz/導， 每個電極點電阻低于10 kΩ。用Brain Vision Analyzer 2.0軟件離線分析EEG數據。數據重參考使用參考電極標準技術（REST）的無限零參考， 采樣率250 Hz。濾波帶通0.01～30 Hz （Willroth amp; Hilimire， 2016）， 采用ICA剔除眼動偽跡， 分析時程為2000 ms， 基線為刺激出現(xiàn)前200 ms。分段、基線校正后， 選擇無偽跡的數據并導入到sLORETA軟件進行源定位分析。

2.4""源定位及圖論分析

使用sLORETA對預處理后的數據進行源定位（Jaworska et al.， 2012）。sLORETA實現(xiàn)了84個ROIs （42個左半球布魯德曼腦區(qū)（Brodmann area， BA）和42個右半球布魯德曼腦區(qū)）之間的功能連接。通過計算相位滯后同步（PLI）進行連通性分析， 根據64個電極位置下面的皮質體素的MNI （蒙特利爾神經學研究所）坐標定義了84個感興趣區(qū)域（ROI）作為網絡節(jié)點， 以此獲得84個布魯德曼腦區(qū)的坐標信息， 獲得84×84的功能連接矩陣。為了探討兩組被試在認知重評任務期間全局和局部腦網絡的差異， 本研究在MATLAB中使用GRETNA工具包將連通性矩陣轉換成一個具有固定稀疏度的二值化網絡。目前大多數研究為了避免選擇網絡稀疏性引起的偏差， 往往在整個稀疏范圍內整合拓撲屬性測量值即AUC （Area under a curve）值。AUC表示計算一系列閾值范圍內的網絡測量值曲線下的面積（Borges"et al.， 2016）。本研究選擇的閾值范圍是0.15～0.85 （Arnold et al.， 2014）。

全局網絡特征指標主要包括聚類系數、特征路徑長度、全局效率、局部效率和最大介數中心性。聚類系數指某個節(jié)點的相鄰節(jié)點之間現(xiàn)有連接數目與可能的最大連接數目的比值， 可以衡量網絡中節(jié)點在局部水平的集團化程度（梁夏"等， 2010）。局部效率是給定節(jié)點的最短路徑長度的倒數， 用來衡量局部信息交換的效率（Latora amp; Marchiori， 2001）， 這兩者主要是量化網絡的功能分離， 即在緊密相連的大腦區(qū)域中進行專門處理的能力。而特征路徑長度、全局效率和最大介數中心性主要用于量化網絡的功能整合， 即從分布的大腦區(qū)域快速組合專門信息的能力。特征路徑長度是網絡中所有節(jié)點對之間最短路徑長度之和的平均值， 用來衡量網絡并行信息傳遞效率和功能整合程度（Rubinov amp; Sporns，2010）。全局效率是網絡中所有節(jié)點對之間的并行信息傳輸的平均指標， 可以衡量腦網絡傳遞和信息處理過程是否高效（Achard amp; Bullmore， 2007）。最大介數中心性是核心中樞節(jié)點（hub）， 主要負責大腦信息的溝通與恢復（Hasanzadeh et al.， 2020）。在局部網絡特征中， 本研究使用介數中心性（BC）作為單個節(jié)點重要性的度量， 它可以更好地衡量大腦區(qū)域對網絡中信息傳遞的影響（Li et al.， 2018）。

2.5""統(tǒng)計分析

統(tǒng)計分析采用SPSS Statistics 22.0。采用2 （組別：抑郁傾向組、健康對照組） × 4 （認知重評條件：觀看中性、觀看負性、自我關注重評、情境關注重評）重復測量方差分析， 研究抑郁傾向組和健康對照組在不同認知重評條件的主觀情緒評級、全局網絡特征差異， 其中組別為組間變量， 認知重評條件為組內變量; 因變量為效價和喚醒度評級、全局網絡特征， 當球形檢驗結果不符合球形假設時， 使用Greenhouse-Geisser校正調整自由度， 采用Bonferroni方法對全局網絡特征多重比較結果進行校正; 獨立樣本t檢驗比較兩組在不同頻段下， 不同認知重評條件下局部網絡特征的差異， 采用False discovery rate （FDR）方法對多重比較結果進行校正， p lt;"0.05表示校正后仍存在顯著差異， 皮爾遜相關系數用于分析兩組全局網絡特征和局部網絡特征與貝克抑郁量表得分、抑郁自評量表得分的相關程度， 相關結果均進行多重檢驗Bonferroni方法校正。相關分析使用GRETNA完成。

3 "結果

3.1""行為結果

3.1.1""被試基本信息

兩組被試的人口學信息和量表得分結果見表1。兩組被試在年齡（t（77） = 1.43， p = 0.156）和性別（c²（1）"= 0.777， p = 0.378）上都沒有顯著差異。抑郁傾向組的貝克抑郁量表分數（20.34 ± 5.32）顯著高于健康對照組（4.51 ± 4.04）， t（77） = ?14.97， p lt; 0.001; 抑郁傾向組的抑郁自評分數（60.13 ± 6.63）顯著高于健康對照組（40.69 ± 7.46）， t（77） = ?12.21， p lt; 0.001; 此外， 對兩組被試的積極消極情緒量表得分進行分析發(fā)現(xiàn)， 抑郁傾向組的積極情緒（27.55 ± 4.86）與健康對照組（34.34 ± 6.88）存在顯著差異， t（77） = 5.03， p lt; 0.001。同樣， 抑郁傾向組的消極情緒（25.63 ± 7.61）與健康對照組（17.90 ± 6.97）存在顯著差異， t（77） = ?4.71， p lt; 0.001。

3.1.2""主觀情緒評級

抑郁傾向組和健康對照組的主觀情緒評級結果見表2。對兩組被試在不同實驗任務條件的效價評分進行分析， 球形檢驗結果表明不符合球形假設， p lt;"0.001， 使用Greenhouse-Geisser方法校正。認知重評條件的主效應顯著， F（2.37， 182.18） = 114.03， p"lt; 0.001， η_p²"= 0.60。組別主效應顯著， F（1， 71） = 6.08， p = 0.016， η_p²"= 0.07， 總體上抑郁傾向組效價評分比健康對照組更低。認知重評條件與組別之間交互作用不顯著（p"= 0.669）。

對兩組被試在4種認知重評條件的喚醒度評分進行分析。球形檢驗結果表明不符合球形假設， p lt;"0.001， 使用Greenhouse-Geisser方法校正。認知重評條件的主效應顯著， F（2.73， 210.27） = 48.63， p lt;"0.001，"η_p²"= 0.39， 組別無顯著主效應（p"= 0.736）， 組別與認知重評條件之間交互作用不顯著（p = 0.963）。

3.2""腦網絡結果

3.2.1""抑郁傾向組自我關注重評和情境關注重評全局網絡特征的結果

抑郁傾向組認知重評全局網絡特征結果見表3、表4和圖2。結果發(fā)現(xiàn)， alpha頻段中， 聚類系數（C）的組別主效應存在邊緣顯著差異， F（1， 71） = 3.04， p = 0.085， η_p²"= 0.04; 局部效率（E_loc）的組別主效應存在邊緣顯著差異， F（1， 71） = 2.81， p"= 0.098， η_p²"= 0.04; 最大介數中心性（maxBC）的組別主效應存在邊緣顯著差異， F（1， 71） = 3.11， p = 0.082， η_p²"= 0.04， 其他指標的組別主效應均不顯著（p"gt; 0.05）; gamma頻段中， 聚類系數（C）的組別主效應存在顯著差異， F（1， 71） = 8.29， p"= 0.005， η_p²"= 0.10; 局部效率（E_loc） 的組別主效應存在顯著差異， F（1， 71） = 8.33， p"= 0.005， η_p²"= 0.10; 最大介數中心性（maxBC）的組別主效應存在顯著， F（1， 71） = 7.16， p = 0.009， η_p²"= 0.10， 其他指標的組別主效應均不顯著（p"gt; 0.05）; 聚類系數（C）的認知重評條件主效應存在邊緣顯著差異， F（1， 71） = 2.58， p = 0.055， η_p²"= 0.03; 局部效率（E_loc） 的認知重評條件主效應存在顯著差異， F（1， 71） = 3.04， p"= 0.030， η_p²"= 0.04; 最大介數中心性（maxBC）的認知重評主效應存在顯著差異， F（1， 71） = 3.33， p = 0.020， η_p²"= 0.04， 其他指標的認知重評條件主效應均不顯著（p gt; 0.05）， 組別與認知重評條件的交互作用均不顯著（p gt; 0.05）。

3.2.2""抑郁傾向組自我關注重評和情境關注重評局部網絡特征的結果

抑郁傾向組和健康對照組在不同認知重評條件下， 介數中心性指標存在顯著差異的腦區(qū)， 見表5、表6和圖3。alpha頻段中， 與健康對照組相比， 抑郁傾向組左側前扣帶回（ACC） （BA32， p"= 0.001）、右側海馬旁回（PHG） （BA30， p"= 0.010）、兩側后扣帶回（PCC） （BA29， p"= 0.029、p"= 0.035）的介數中心性更大， 而兩側顳上回/顳中回（MTG/STG） （BA38， p"= 0.014、BA39， p"= 0.034）、兩側中央后回（PoCG） （BA2， p"= 0.021、BA43， p"= 0.046）、左側顳下回（ITG）"（BA20， p"= 0.046）的介數中心性則更小。

gamma頻段中， 與健康對照組相比， 抑郁傾向組的兩側海馬旁回（PHG） （BA35， p"= 0.002、p"= 0.004、p"= 0.021; BA36， p"= 0.023、p"= 0.007、p"= 0.030; BA28， p"= 0.031、p"= 0.018; BA27， p"= 0.043、p"= 0.029、p"= 0.030、p"= 0.037; BA30， p"= 0.039）、左側前扣帶回（ACC） （BA24， p"= 0.014）、兩側后扣帶回（PCC） （BA30， p"= 0.017、p"= 0.032; BA29， p"= 0.021、p"= 0.023、p"= 0.024、p"= 0.003、p"= 0.009、p"= 0.032; BA23， p"= 0.003）、兩側顳上回（STG） （BA22， p"= 0.027; BA42， p"= 0.031）、左側額中回（MFG） （BA8， p"= 0.021）、右側中央前回（PreCG） （BA4， p"= 0.048、p"= 0.035）、右側中央后回（PoCG）（BA3， p"= 0.033、p"= 0.045）的介數中心性增加， 而右側顳中回（MTG） （BA37， p"= 0.012）、左側頂下葉（IPL） （BA40， p"= 0.018）的介數中心性則降低。

3.2.3""抑郁傾向組認知重評腦網絡與抑郁傾向嚴重程度的相關結果

在不同頻段上， 對抑郁傾向組的全局網絡特征存在差異的指標進行分析， 即聚類系數（C）、局部效率（E_loc）、最大介數中心性（maxBC）與貝克抑郁量表分數（BDI）、抑郁自評量表分數（SDS）進行皮爾遜相關分析， 并采用Bonferroni方法對相關結果進行校正， 結果見圖4。結果表明， alpha頻段中， 觀看負性條件下， 抑郁傾向組的抑郁自評量表分數與聚類系數（C）呈顯著負相關（r"= ?0.375， p"= 0.020）、與局部效率（E_loc） 呈顯著負相關（r"= ?0.375， p"= 0.020）、與最大介數中心性（maxBC）呈顯著正相關（r"= 0.376， p"= 0.020）; gamma頻段中， 自我關注重評條件下， 抑郁傾向組的抑郁自評量表分數與聚類系數（C）呈顯著的負相關（r"= ?0.320， p"= 0.050）， 與局部效率（E_loc） 呈顯著的負相關（r"= ?0.363， p"= 0.025）。

在不同頻段上， 對局部網絡特征與抑郁傾向組的BDI、SDS進行皮爾遜相關分析， 并采用Bonferroni方法對相關結果進行校正， 見圖5。結果表明， alpha頻段中， 觀看負性條件下， 抑郁傾向組的抑郁自評量表分數與左側顳中回/顳上回（MTG/STG）呈顯著正相關（BA38， p"= 0.014）、與左側中央后回（PoCG）呈顯著正相關（BA43， p"= 0.029）; gamma頻段中， 觀看負性條件下， 抑郁傾向組的貝克抑郁量表分數與右側顳中回（MTG）呈顯著正相關（BA37， p"= 0.019）。

4 "討論

本研究采用復雜網絡分析， 探討抑郁傾向組自我關注重評和情境關注重評的調節(jié)效果和腦網絡特征， 及這種特征與抑郁傾向嚴重程度的關系。結果發(fā)現(xiàn)：（1）抑郁傾向組在認知重評任務過程中的效價評分總體上低于健康對照組; （2）兩組被試在自我關注重評和情境關注重評任務期間， 聚類系數、局部效率和最大介數中心性存在顯著差異; 局部腦區(qū)差異主要位于前、后扣帶回、海馬旁回、中央前回、中央后回、額中回、額上回、顳上回和顳中回等; （3）抑郁傾向組在自我關注重評任務期間全局網絡特征與抑郁傾向嚴重程度相關， 在觀看負性任務期間全局和局部網絡特征與抑郁傾向嚴重程度相關。這表明， 全局網絡的功能分離和整合， 及局部腦區(qū)重要性的變化可能會影響抑郁傾向個體的認知重評效果。

4.1""抑郁傾向個體自我關注重評和情境關注重評的有效性

本研究探討了抑郁傾向組和健康對照組自我關注重評和情境關注重評的效價和喚醒度差異。結果發(fā)現(xiàn)， 整個實驗任務過程中抑郁傾向組的效價評分顯著低于健康對照組， 即抑郁傾向個體在進行認知重評任務的過程中更多地體驗到了消極情緒， 我們推測抑郁癥狀可能會影響個體情緒調節(jié)過程（Liu， Ma et al.， 2022）。以往研究發(fā)現(xiàn)， 早期不良的生活經歷促成抑郁個體形成消極的認知圖式， 其特征是自動的且不消耗認知資源（Beck， 2008）， 當其在抑郁發(fā)作之前或期間被反復激活， 導致個體在面對相似的負性刺激時， 自動地采用消極的情緒調節(jié)策略來調節(jié)情緒（Ehring et al.， 2010）。由于兩種重評子策略需要個體有意識地對消極情緒刺激進行重新解釋， 并且需要調動認知資源來調節(jié)情緒（Gyurak et al.， 2011）， 而抑郁個體在進行認知重評任務時的認知資源是有限的（Joormann amp; Gotlib， 2010）。因此， 與健康對照組相比， 抑郁傾向組可能無法更好地使用兩種子策略來調節(jié)消極情緒， 這也可能進一步導致抑郁的發(fā)展和維持。但總體來說， 兩種子策略能夠在一定程度上降低抑郁傾向個體和健康個體的消極情緒， 并且兩組個體在使用效果上沒有顯著差異。由于抑郁傾向個體對快樂刺激的趨近動機和對悲傷刺激的回避動機都弱于正常個體， 因此無論是使其脫離于消極情緒還是關注負性事件積極的一面， 都具有相似的效果。此外， 本研究尚未發(fā)現(xiàn)抑郁傾向組和健康對照組在兩種重評任務期間的喚醒度評分存在顯著差異， 分析原因可能因為抑郁傾向個體對負性刺激的精細加工能力減弱（李紅"等， 2019）， 引起了抑郁傾向個體對較高強度負性刺激的低動機反應。對此， 未來研究可將負性情緒圖片分為不同類型和不同刺激強度對抑郁傾向個體的情緒喚醒度進行深入研究。

4.2""抑郁傾向個體自我關注重評和情境關注重評的全局網絡特征

本研究探討了抑郁傾向組和健康對照組在自我關注重評和情境關注重評期間的全局網絡特征。結果發(fā)現(xiàn)， 抑郁傾向組的大腦全局網絡特征， 在自我關注重評和情境關注重評任務過程中， alpha和gamma頻段存在異常活動。這些結果與以往研究結果相一致。例如有通過探索抑郁癥并且伴有認知障礙的個體， 在對負性刺激進行認知重評的過程中， 發(fā)現(xiàn)其alpha頻段存在異?；顒樱↙iu， Ma et al.， 2022）， 這表明， 抑郁個體的認知重評受到影響可能與低頻帶的異常活動有關。此外， 有研究通過探索抑郁癥患者在處理情緒刺激時的大腦功能網絡， 發(fā)現(xiàn)gamma頻段存在異?；顒樱↙i et al.， 2015）。因此， 抑郁傾向個體的認知重評效果， 可能受到大腦全局網絡alpha和gamma頻段異常活動的影響。

聚類系數量化了相鄰區(qū)域間的相連程度， 因此可以衡量大腦網絡處理局部信息的能力（梁夏"等， 2010）。研究結果發(fā)現(xiàn)， 與健康對照組相比， 抑郁傾向組在自我關注重評和情境關注重評任務期間， 聚類系數呈顯著下降趨勢， 與以往研究結果相一致。有研究發(fā)現(xiàn)抑郁癥個體在認知重評任務期間， 聚類系數顯著下降， 這代表大腦局部信息的處理能力下降， 進而影響其情緒調節(jié)效果（Liu， Chen et al.， 2022）。局部效率衡量大腦網絡中信息的傳輸效率（Latora amp; Marchiori， 2001）， 而抑郁傾向個體在兩種重評任務期間表現(xiàn)出局部效率顯著低于健康對照組的趨勢， 這表明抑郁傾向個體在處理負性情緒刺激時效率受到影響， 認知重評的能力可能會受到抑郁情緒的影響（Liu， Chen et al.， 2022）。最大介數中心性是具有高度中心性的節(jié)點（Hasanzadeh et al.， 2020）， 代表大腦區(qū)域在網絡間的信息傳遞（Bullmore amp; Sporns， 2009）。結果發(fā)現(xiàn)， 抑郁傾向組在自我關注重評和情境關注重評任務期間， 最大介數中心性呈現(xiàn)顯著低于健康對照組的趨勢。由此推測， 抑郁傾向個體大腦網絡整合效率和認知重評效果均低于健康個體。

4.3""抑郁傾向個體自我關注重評和情境關注重評的局部網絡特征

相關研究認為大腦局部特征代表腦網絡中跨區(qū)域信息傳遞的能力（Wong et al.， 2016）， 反映了信息傳遞和整合的神經生物學基礎（Olaf et al.， 2007）。本研究通過計算節(jié)點的介數中心性（BC）來評估大腦皮層網絡局部特征的變化。

通過分析gamma頻段兩組被試的介數中心性（BC）可以發(fā)現(xiàn)， 抑郁傾向組在自我關注重評和情境關注重評任務期間， 其后扣帶回、海馬旁回、中央前回、中央后回、額中回等腦區(qū)呈現(xiàn)異?；顒?。兩種認知重評子策略存在腦機制的差異， 與情境關注重評任務期間相比， 自我關注重評涉及更多腦區(qū)的異?；顒?。

與alpha頻段相比， 抑郁傾向個體在gamma頻段存在更多腦區(qū)的異?；顒?。由于gamma振蕩在情緒加工過程中發(fā)揮重要作用（Fitzgerald amp; Watson， 2018）， 在此頻段有助于識別個體情緒狀態(tài)變化（Murugappan et al.， 2021）。在gamma頻段中， 抑郁傾向個體在自我關注重評任務期間， 除兩側后扣帶回、左側海馬旁回、左側額中回、右側中央前回表現(xiàn)出異?；顒油猓?還在右側海馬旁回、右側中央后回表現(xiàn)出異常活動。具體來說， 后扣帶回主要接受來自頂葉皮層的輸入， 并參與空間記憶系統(tǒng)（Rolls， 2019）。由于以往消極情緒事件的影響（Beck， 2008）， 抑郁傾向個體在進行兩種重評任務時， 可能會激活某些消極回憶， 從而影響其認知重評的效果。海馬旁回受損可能影響抑郁傾向個體在自我關注重評和情境關注重評期間， 根據上下文線索對負性情境進行重新解釋的能力（Frank et al.， 2014）。自我關注重評任務期間同時受到兩側海馬旁回的影響， 此過程更依賴于個體對負性情境重新解釋的能力， 一旦這種能力受損， 自我關注重評對消極情緒的調節(jié)效果將降低。中央后回與情緒的感知和處理有關（Kassam et al.， 2013）， 這一區(qū)域受損可能會導致個體出現(xiàn)異常的情緒反應， 尤其影響抑郁傾向個體自我關注重評的效果。中央前回與負性認知風格有關（Picó-Pérez et al.， 2017）。抑郁癥認知模型提出早期不良事件會促進個體形成消極認知圖式， 當個體面對消極情緒事件時會激活這種圖式， 導致記憶和情緒等方面消極偏好（Beck， 2008）。此外， 額中回負責調節(jié)情緒加工（Zhang et al.， 2020）， 額中回與注意力的靈活調節(jié)有關（Song et al.， 2019）， 其活動異?？赡軐ω撔源碳さ淖⒁鈱虬l(fā)揮作用， 使得個體在面對足夠的消極刺激時， 容易重新激活消極圖式（Davidson et al.， 2002）。因此， 這兩個區(qū)域受損， 可能是抑郁個體偏好消極認知的神經基礎。如果額中回存在加工異常， 將極大程度影響抑郁傾向個體運用情境關注重評策略的能力， 但對自我關注重評效果影響較小。

此外， 研究結果表明， 與健康對照組相比， 抑郁傾向組在alpha頻段認知重評任務期間， 右側顳上回、右側顳中回、后扣帶回、兩側額下回、右側中央后回和右側頂上葉表現(xiàn)出異?；顒印ｏD上回的異常激活與以往研究一致（Ramezani et al.， 2014）。顳上回（STG）屬于顳葉， 顳葉反映對情緒相關特征的注意， 這些特征對于觸發(fā)個體情緒并對其進行重新解釋至關重要（Bebko et al.， 2011）。個體在認知重評任務中不僅需要識別情緒刺激的信息， 還需要認知努力來下調消極情緒， 因此顳上回的異?；顒涌赡芊从沉艘钟魞A向個體的認知控制能力下降。頂葉主要負責個體的認知控制能力（Anderson amp; Huddleston， 2012）， 這部分異?；顒颖砻?， 抑郁傾向個體在觀看負性圖片時無法抑制消極情緒， 并會影響情境關注重評的調節(jié)效果。額下回主要負責下調消極情緒反應（Kravitz et al.， 2011）， 在反應抑制中起重要作用（Aron et al.， 2004; Hampshire et al.， 2010）。以往研究也發(fā)現(xiàn)， 抑郁癥患者存在抑制控制障礙（Langenecker et al.， 2007）， 由此推測， 抑郁傾向個體可能受額下回的影響， 難以抑制消極情緒， 從而影響情境關注重評下的任務表現(xiàn)， 但不會影響自我關注重評的調節(jié)效果（Dai amp; Feng， 2011）。綜上所述， 抑郁傾向個體在后扣帶回、海馬旁回、中央前回、中央后回、額中回、額上回、頂葉、顳上回和顳中回等腦區(qū)的介數中心性發(fā)生改變， 表明這些腦區(qū)受到影響較大（Long et al.， 2015）， 并在自我關注重評和情境關注重評任務期間存在差異。

4.4""抑郁傾向個體自我關注重評和情境關注重評腦網絡與抑郁傾向嚴重程度的相關

抑郁傾向組的全局網絡特征與抑郁嚴重程度的相關， 進一步證實了抑郁會影響大腦拓撲神經機制。具體來說， 本研究發(fā)現(xiàn)抑郁傾向個體的嚴重程度與聚類系數、局部效率呈負相關。由于聚類系數和局部效率主要是了解大腦區(qū)域在網絡間的信息傳遞（Rubinov amp; Sporns， 2010）， 這表明抑郁傾向個體的嚴重程度越高， 其大腦信息傳輸效率可能越慢（Meng et al.， 2014）。局部網絡特征也與抑郁傾向個體的嚴重程度存在相關。抑郁傾向組的嚴重程度與顳中回/顳上回、左側中央后回呈正相關。因此， 本研究推測抑郁傾向個體的癥狀發(fā)展可能與這些腦區(qū)的神經活動有關， 并以此了解腦網絡屬性在多大程度上反映了抑郁傾向個體的認知重評行為和抑郁的嚴重程度。

4.5""研究不足與展望

綜上所述， 本研究有助于揭示抑郁傾向個體使用認知重評策略的效果及對應的大腦神經機制的變化， 補充抑郁傾向的相關研究， 但仍存在以下不足：

（1）本研究僅通過腦電數據研究抑郁傾向個體認知重評任務狀態(tài)的腦網絡， 未來可采用多模態(tài)腦電/fMRI集成方法（Lioi et al.， 2020; Zhang et al.， 2011）探討更豐富的結果。

（2）本研究只測量靜態(tài)腦網絡， 而忽略動態(tài)腦網絡。在進一步的研究中， 將探討大腦網絡的動態(tài)分析和時間網絡特性（Liu et al.， 2019）。

（3）本研究主要是從認知重評的有意識層面入手進行探究， 未來可以考慮從認知重評的無意識層面來豐富相關研究。

5 "結論

本研究采用復雜網絡分析探討了抑郁傾向個體自我關注重評和情境關注重評的效果和腦網絡特征， 及這種特征與抑郁傾向嚴重程度的關系。結果發(fā)現(xiàn)， 抑郁傾向個體的全局和局部網絡特征均發(fā)生了改變， 這也與抑郁傾向嚴重程度有關。這表明， 異常的拓撲神經機制可能暗示著抑郁傾向個體認知重評功能受損， 并為預防和改善抑郁傾向癥狀提供新的見解。

參""考""文""獻

Achard， S.， amp; Bullmore， E. （2007）. Efficiency and cost of economical brain functional networks. PLoS Computational Biology， 3（2）， e17.

Aldao， A.， Nolen-Hoeksema， S.， amp; Schweizer， S. （2010）. Emotion regulation strategies across psychopathology： A meta-analytic review. Clinical Psychology Review， 30（2）， 217?237.

Aleksandra， M.， Neil， W. B.， Oscar， W. M.， Prabhavi， N. P.， amp; Paul， B. F. （2023）. Alterations in EEG functional connectivity"in individuals with depression： A systematic review. Journal of Affective Disorders， 328， 287?302.

Anderson， M. C.， amp; Huddleston， E. （2012）. Towards a cognitive"and neurobiological model of motivated forgetting. Nebraska Symposium on Motivation. Nebraska Symposium on Motivation， 58， 53?120.

Arnold， A. E.， Protzner， A. B.， Bray， S.， Levy， R. M.， amp; Iaria， G. （2014）. Neural network configuration and efficiency underlies individual differences in spatial orientation ability. Journal of Cognitive Neuroscience， 26（2）， 380?394.

Aron， A. R.， Robbins， T. W.， amp; Poldrack， R. A. （2004）. Inhibition and the right inferior frontal cortex. Trends in Cognitive Sciences， 8（4）， 170?177.

Balconi， M.， amp; Mazza， G. （2009）. Brain oscillations and BIS/BAS （behavioral inhibition/activation system） effects on processing masked emotional cues. ERS/ERD and coherence measures of alpha band. International Journal of Psychophysiology， 74（2）， 158?165.

Bebko， G. M.， Franconeri， S. L.， Ochsner， K. N.， amp; Chiao， J. Y. （2011）. Look before you regulate： Differential perceptual strategies underlying expressive suppression and cognitive reappraisal. Emotion， 11（4）， 732?742.

Beck， A. T. （2008）. The evolution of the cognitive model of depression and its neurobiological correlates. The American Journal of Psychiatry， 165（8）， 969?977.

Belden， A. C.， Pagliaccio， D.， Murphy， E. R.， Luby， J. L.， amp; Barch， D. M. （2015）. Neural activation during cognitive emotion regulation in previously depressed compared to healthy children： Evidence of specific alterations. Journal of the American Academy of Child and Adolescent Psychiatry， 54（9）， 771?781.

Benning， S. D.， amp; Ait Oumeziane， B. （2017）. Reduced positive emotion and underarousal are uniquely associated with subclinical depression symptoms： Evidence from psychophysiology， self-report， and symptom clusters. Psychophysiology， 54（7）， 1010?1030.

Borges， A. M.， Kuang， J.， Milhorn， H.， amp; Yi， R. （2016）. An alternative approach to calculating area-under-the-curve （auc）"in delay discounting research. Journal of the Experimental Analysis of Behavior， 106（2）， 145?155.

Bruder， G. E.， Stewart， J. W.， amp; McGrath， P. J. （2017）. Right brain， left brain in depressive disorders： Clinical and theoretical implications of behavioral， electrophysiological and neuroimaging findings. Neuroscience and Biobehavioral Reviews， 78， 178?191.

Bullmore， E.， amp; Sporns， O. （2009）. Complex brain networks： Graph theoretical analysis of structural and functional systems."Nature Reviews Neuroscience， 10（3）， 186?198.

Dai， Q.， amp; Feng， Z. （2011）. Dysfunctional distracter inhibition and facilitation for sad faces in depressed individuals. Psychiatry Research， 190（2-3）， 206?211.

Davidson， R. J.， Lewis， D. A.， Alloy， L. B.， Amaral， D. G.， Bush， G.， Cohen， J. D.， ... Peterson， B. S. （2002）. Neural and behavioral substrates of mood and mood regulation. Biological Psychiatry， 52（6）， 478?502.

Davis， E. G.， Foland-Ross， L. C.， amp; Gotlib， I. H. （2018）. Neural correlates of top-down regulation and generation of negative affect in major depressive disorder. Psychiatry Research： Neuroimaging， 276， 1?8.

De Vico Fallani， F.， Astolfi， L.， Cincotti， F.， Mattia， D.， Tocci， A.， Capitanio， S.， ... Babiloni， F. （2007）. Features extraction from time-varying cortical networks adopting a theoretical graph approach. Annual International Conference of the IEEE Engineering in Medicine and Biology Society， 2007， 5198?5201.

De Zorzi， L.， RanFaing， S.， Honoré， J.， amp; Sequeira， H. （2021）. Autonomic reactivity to emotion： A marker of sub-clinical anxiety and depression symptoms？ Psychophysiology，"58（4）， e13774.

Diedrich， A.， Grant， M.， Hofmann， S. G.， Hiller， W.， amp; Berking， M. （2014）. Self-compassion as an emotion regulation strategy in major depressive disorder. Behaviour Research and Therapy， 58， 43?51.

Dillon， D. G.， amp; Pizzagalli， D. A. （2013）. Evidence of successful modulation of brain activation and subjective experience during reappraisal of negative emotion in unmedicated depression. Psychiatry Research， 212（2）， 99?107.

Doré， B. P.， Rodrik， O.， Boccagno， C.， Hubbard， A.， Weber， J.， Stanley， B.， ... Ochsner， K. N. （2018）. Negative autobiographical"memory in depression reflects elevated amygdala- hippocampal reactivity and hippocampally associated emotion"regulation. Biological Psychiatry： Cognitive Neuroscience and Neuroimaging， 3（4）， 358?366.

Dryman， M. T.， amp; Heimberg， R. G. （2018）. Emotion regulation in social anxiety and depression： A systematic review of expressive suppression and cognitive reappraisal. Clinical Psychology Review， 65， 17?42.

Ehring， T.， Tuschen-Caffier， B.， Schnülle， J.， Fischer， S.， amp; Gross， J. J. （2010）. Emotion regulation and vulnerability to depression： Spontaneous versus instructed use of emotion suppression and reappraisal. Emotion， 10（4）， 563?572.

Erk， S.， Mikschl， A.， Stier， S.， Ciaramidaro， A.， Gapp， V.， Weber， B.， amp; Walter， H. （2010）. Acute and sustained effects of cognitive emotion regulation in major depression. The Journal of Neuroscience， 30（47）， 15726?15734.

Fingelkurts， A. A.， amp; Fingelkurts， A. A. （2015）. Altered structure"of dynamic electroencephalogram oscillatory pattern in major depression. Biological Psychiatry， 77（12）， 1050?1060.

Fitzgerald， P. J.， amp; Watson， B. O. （2018）. Gamma oscillations as a biomarker for major depression： An emerging topic. Translational Psychiatry， 8（1）， 177.

Fogel， J.， Eaton， W. W.， amp; Ford， D. E. （2006）. Minor depression as a predictor of the first onset of major depressive disorder over a 15-year follow-up. Acta Psychiatrica Scandinavica， 113（1）， 36?43.

Ford， B. Q.， Karnilowicz， H. R.， amp; Mauss， I. B. （2017）. Understanding reappraisal as a multicomponent process： The psychological health benefits of attempting to use reappraisal depend on reappraisal success. Emotion， 17（6）， 905?911.

Frank， D. W.， Dewitt， M.， Hudgens-Haney， M.， Schaeffer， D. J.， Ball， B. H.， Schwarz， N. F.， ... Sabatinelli， D. （2014）. Emotion regulation： Quantitative meta-analysis of functional activation and deactivation. Neuroscience and Biobehavioral Reviews， 45， 202?211.

Greco， C.， Matarazzo， O.， Cordasco， G.， Vinciarelli， A.， Callejas， Z.， amp; Esposito， A. （2021）. Discriminative power of EEG-based biomarkers in major depressive disorder： A systematic review. IEEE Access， 9， 112850?112870.

Gross， J. J. （1998）. The emerging field of emotion regulation： An integrative review. Review of General Psychology， 2（3）， 271?299.

Gross， J. J.， amp; Thompson， R. A. （2007）. Emotion regulation： Conceptual foundations. In J. J. Gross （Ed.）， Handbook of emotion regulation"（pp. 3?24）. New York， NY： Guilford Press.

Gusnard， D. A.， Akbudak， E.， Shulman， G. L.， amp; Raichle， M. E. （2001）. Medial prefrontal cortex and self-referential mental activity： Relation to a default mode of brain function. Proceedings of the National Academy of Sciences， 98（7）， 4259?4264.

Gyurak， A.， Gross， J. J.， amp; Etkin， A. （2011）. Explicit and implicit emotion regulation： A dual-process framework. Cognition amp; Emotion， 25（3）， 400?412.

Hampshire， A.， Chamberlain， S. R.， Monti， M. M.， Duncan， J.， amp; Owen， A. M. （2010）. The role of the right inferior frontal gyrus： Inhibition and attentional control. NeuroImage， 50（3）， 1313?1319.

Hasanzadeh， F.， Mohebbi， M.， amp; Rostami， R. （2020）. Graph theory analysis of directed functional brain networks in major depressive disorder based on EEG signal. Journal of Neural Engineering， 17（2）， 026010.

Jaworska， N.， Blier， P.， Fusee， W.， amp; Knott， V. （2012）. α Power， α asymmetry and anterior cingulate cortex activity in depressed males and females. Journal of Psychiatric Research，"46（11）， 1483?1491.

John， O. P.， amp; Gross， J. J. （2004）. Healthy and unhealthy emotion regulation： Personality processes， individual differences， and life span development. Journal of Personality，"72（6）， 1301?1334.

Joormann， J.， amp; Gotlib， I. H. （2010）. Emotion regulation in depression： Relation to cognitive inhibition. Cognition amp; Emotion， 24（2）， 281?298.

Kalisch， R.， Wiech， K.， Critchley， H. D.， Seymour， B.， O’Doherty， J. P.， amp; Oakley， D. A. （2005）. Anxiety reduction through detachment： Subjective， physiological， and neural effects. Journal of Cognitive Neuroscience， 17（6）， 874?883.

Kang， J.-H.， Jeong， J. W.， Kim， H. T.， Kim， S. H.， amp; Kim， S.-P. （2014）. Representation of cognitive reappraisal goals in frontal gamma oscillations."PLoS ONE， 9（11）， e113375.

Kassam， K. S.， Markey， A. R.， Cherkassky， V. L.， Loewenstein， G.， amp; Just， M. A. （2013）. Identifying emotions on the basis of neural activation. PloS ONE， 8（6）， e66032.

Kelley， W. M.， Macrae， C. N.， Wyland， C. L.， Caglar， S.， Inati， S.， amp; Heatherton， T. F. （2002）. Finding the self？ An event-related fMRI study."Journal of Cognitive Neuroscience，"14（5）， 785?794.

Kravitz， D. J.， Saleem， K. S.， Baker， C. I.， amp; Mishkin， M. （2011）. A new neural framework for visuospatial processing."Nature reviews. Neuroscience， 12（4）， 217?230.

Langenecker， S. A.， Kennedy， S. E.， Guidotti， L. M.， Briceno， E. M.， Own， L. S.， Hooven， T.， ... Zubieta， J. K. （2007）. Frontal and limbic activation during inhibitory control predicts treatment response in major depressive disorder. Biological Psychiatry， 62（11）， 1272?1280.

Latora， V.， amp; Marchiori， M. （2001）. Efficient behavior of small-world networks. Physical Review Letters， 87（19）， 198701.

Li， F.， Lui， S.， Yao， L.， Ji， G. J.， Liao， W.， Sweeney， J. A.， amp; Gong， Q. （2018）. Altered white matter connectivity within and between networks in antipsychotic-naive first-episode schizophrenia. Schizophrenia Bulletin， 44（2）， 409?418.

Li， H.， Yang， X. G.， Zheng， W. Y.， amp; Wang， C. （2019）. Emotional regulation goals of young adults with depression inclination： An event-related potential study. Acta Psychologica Sinica， 51（6）， 637?647.

[李紅， 楊小光， 鄭文瑜， 王超. （2019）. 抑郁傾向對個體情緒調節(jié)目標的影響——來自事件相關電位的證據. 心理學報， 51（6）， 637?647.]

Li， Y.， Cao， D.， Wei， L.， Tang， Y.， amp; Wang， J. （2015）. Abnormal"functional connectivity of EEG gamma band in patients with depression during emotional face processing. Clinical Neurophysiology， 126（11）， 2078?2089.

Liang， X.， Wang， J. H.， amp; He， Y. （2010）. Human connectome： Structural and functional brain networks. Chinese Science Bulletin， 55（16）， 1565?1583.

[梁夏， 王金輝， 賀永. （2010）. 人腦連接組研究： 腦結構網絡和腦功能網絡. 科學通報， （16）， 1565?1583.]

Liang， Y.， Huo， M.， Kennison， R.， amp; Zhou， R. L. （2017）. The role of cognitive control in older adult cognitive reappraisal： Detached and positive reappraisal."Frontiers in Behavioral Neuroscience， 11，"27.

Lindsey， M. R.， Katherine D. M. L.， James， O.， Jaclyn， B. D.， Michelle， Q.， Hunter， P. D.， amp; Jennifer， B. （2020）. Effects of a brief interpersonal conflict cognitive reappraisal intervention on improvements in access to emotion regulation strategies and depressive symptoms in college students."Psychology amp; Health. 35（10）， 1207?1227.

Lioi， G.， Cury， C.， Perronnet， L.， Mano， M.， Bannier， E.， Lécuyer， A.， amp; Barillot， C. （2020）. Simultaneous eeg-fmri during a neurofeedback task， a brain imaging dataset for multimodal data integration. Entific Data， 7（1）， 173.

Liu， M.， Ma， J.， Fu， C. Y.， Yeo， J.， Xiao， S. S.， Xiao， W. X.， ... Li， Y. X. （2022）. Dysfunction of emotion regulation in mild cognitive impairment individuals combined with depressive disorder： A neural mechanism study. Frontiers in Aging Neuroscience， 14， 884741.

Liu， S.， Chen， S. T.， Huang， Z. N.， Liu， X. Y.， Li， M. J.， Su， F. Y.， Hao， X. Y.， amp; Ming， D. （2022）. Hypofunction of directed brain network within alpha frequency band in depressive patients： A graph-theoretic analysis. Cognitive Neurodynamics， 16（5）， 1059?1071.

Liu， X.， Li， T.， Tang， C.， Xu， T.， Chen， P.， Bezerianos， A.， amp; Wang， H. （2019）. Emotion recognition and dynamic functional"connectivity analysis based on EEG. IEEE Access， 7， 143293?143302.

Liu， Y.， Ren， G. Q.， amp; Qu， K. J. （2023）. The emotion regulation"effect of cognitive reappraisal strategies on college students with depression tendency."Chinese Journal of Clinical Psychology， （1）， 39?44.

[劉巖， 任桂琴， 曲可佳. （2023）. 認知重評策略對抑郁傾向大學生的情緒調節(jié)研究. 中國臨床心理學雜志， （1）， 39?44.]

Long， Z.， Duan， X.， Wang， Y.， Liu， F.， Zeng， L.， Zhao， J. P.， amp; Chen， H. （2015）. Disrupted structural connectivity network in treatment-naive depression. Progress in Neuro- Psychopharmacology and Biological Psychiatry， 56， 18?26.

Meng， C.， Brandl， F.， Tahmasian， M.， Shao， J.， Manoliu， A.， Scherr， M.， ... Sorg， C. （2014）. Aberrant topology of striatum’s connectivity is associated with the number of episodes in depression. Brain， 137（2）， 598?609.

Mohammadi， Y.， amp; Moradi， M. H. （2021）. Prediction of depression severity scores based on functional connectivity and complexity of the EEG signal."Clinical EEG and Neuroscience， 52（1）， 52?60.

Moser， J. S.， Hartwig， R.， Moran， T. P.， Jendrusina， A. A.， amp; Kross， E. （2014）. Neural markers of positive reappraisal and their associations with trait reappraisal and worry. Journal of Abnormal Psychology， 123（1）， 91?105.

Murugappan， M.， Zheng， B. S.， amp; Khairunizam， W. （2021）. Recurrent quantification analysis-based emotion classification"in stroke using electroencephalogram signals. Arabian Journal for Science and Engineering， 46， 9573?9588.

Ochsner， K. N.， amp; Gross， J. J. （2005）. The cognitive control of emotion. Trends in Cognitive Sciences， 9（5）， 242?249.

Ochsner， K. N.， Ray， R. D.， Cooper， J. C.， Robertson， E. R.， Chopra， S.， Gabrieli， J. D.， amp; Gross， J. J. （2004）. For better or for worse： Neural systems supporting the cognitive down-and up-regulation of negative emotion. Neuroimage， 23（2）， 483?499.

Olaf， S.， Honey， C. J.， Rolf， K.， amp; Marcus， K. （2007）. Identification and classification of hubs in brain networks. PLoS ONE， 2（10）， e1049.

Peng， W. Q.， Luo， W.， amp; Zhou， R. L. （2019）. HRV evidence for the improvement of emotion regulation in university students with depression tendency by working memory training."Acta Psychologica Sinica， 51（6）， 648?661.

[彭婉晴， 羅幃， 周仁來. （2019）. 工作記憶刷新訓練改善抑郁傾向大學生情緒調節(jié)能力的HRV證據. 心理學報， 51（6）， 648?661.]

Picó-Pérez， M.， Radua， J.， Steward， T.， Menchón， J. M.， amp; Soriano-Mas， C. （2017）. Emotion regulation in mood and anxiety disorders： A meta-analysis of fMRI cognitive reappraisal studies. Progress in Neuro-Psychopharmacology"amp; Biological Psychiatry， 79（Pt B）， 96?104.

Pierce， J. E.， Haque， E.， amp; Neta， M. （2022）. Affective flexibility as a developmental building block of cognitive reappraisal： An fMRI study. Developmental Cognitive Neuroscience， 58， 101170.

Qi， S. Q.， Li， Y. P.， Tang， X. M.， Zeng， Q. H.， Diao， L. T.， Li， H.， amp; Hu， W. P. （2017）. The temporal dynamics of detached versus positive reappraisal： An ERP study. Cognitive， Affective， amp; Behavioral Neuroscience， 17（3）， 516?527.

Ramezani， M.， Johnsrude， I.， Rasoulian， A.， Bosma， R.， Tong， R.， Hollenstein， T.， ... Abolmaesumi， P. （2014）. Temporal- lobe morphology differs between healthy adolescents and those with early-onset of depression. NeuroImage： Clinical， 6， 145?155.

Rodríguez， M. R.， Nuevo， R.， Chatterji， S.， amp; Ayuso-Mateos， J. L. （2012）. Definitions and factors associated with subthreshold"depressive conditions： A systematic review. BMC Psychiatry， 12， 1?7.

Rolls， E. T. （2019）. The cingulate cortex and limbic systems for emotion， action， and memory. Brain Structure amp; Function， 224（9）， 3001?3018.

Rubinov， M.， amp; Sporns， O. （2010）. Complex network measures of brain connectivity： Uses and interpretations. Neuroimage， 52（3）， 1059?1069.

Shao， X.， Sun， S.， Li， J.， Kong， W.， Zhu， J.， Li， X.， amp; Hu， B. （2021）. Analysis of functional brain network in MDD based on improved empirical mode decomposition with resting state EEG data. IEEE Transactions on Neural Systems and Rehabilitation Engineering， 29， 1546?1556.

Sheline， Y. I.， Price， J. L.， Yan， Z.， amp; Mintun， M. A. （2010）. Resting-state functional MRI in depression unmasks increased connectivity between networks via the dorsal nexus. Proceedings of the National Academy of Sciences of the United States of America， 107（24）， 11020?11025.

Shiota， M. N.， amp; Levenson， R. W. （2002）. Turn down the volume or change the channel？ Emotional effects of detached versus positive reappraisal. Journal of Personality and Social Psychology， 103（3）， 416?429

Shiota， M. N.， amp; Levenson， R. W. （2009）. Effects of aging on experimentally instructed detached reappraisal， positive reappraisal， and emotional behavior suppression. Psychology and Aging， 24（4）， 890?900.

Shiota， M. N.， amp; Levenson， R. W. （2012）. Turn down the volume or change the channel？ Emotional effects of detached versus positive reappraisal. Journal of Personality and Social Psychology， 103（3）， 416?429.

Song， P.， Lin， H.， Liu， C.， Jiang， Y.， Lin， Y.， Xue， Q.， Xu， P.， amp; Wang， Y. （2019）. Transcranial magnetic stimulation to the middle frontal gyrus during attention modes induced dynamic"module reconfiguration in brain networks. Frontiers in Neuroinformatics， 13， 22.

Sullivan， S. K.， amp; Strauss， G. P. （2017）. Electrophysiological evidence for detrimental impact of a reappraisal emotion regulation strategy on subsequent cognitive control in schizophrenia. Journal of Abnormal Psychology， 126（5）， 679?693.

Sun， X. F.， Zheng， X. W.， Xu， Y. H.， Cui， L. Z.， amp; Hu， B. （2021）. Major depressive disorder recognition and cognitive analysis based on multi-layer brain functional connectivity networks. arXiv - CS - Machine Learning， 2111， 01351.

Sun， Y.， Lv， J. J.， Lan， F.， amp; Zhang， L. N. （2020）."Emotion regulation strategy of self-focused and situation-focused reappraisal and their impact on subsequent cognitive control. Acta Psychologica Sinica， 52（12）， 1393?1406.

[孫巖， 呂嬌嬌， 蘭帆， 張麗娜. （2020）. 自我關注重評和情境關注重評情緒調節(jié)策略及對隨后認知控制的影響. 心理學報， 52（12）， 1393?1406.]

Thiruchselvam， R.， Blechert， J.， Sheppes， G.， Rydstrom， A.， amp; Gross， J. J. （2011）. The temporal dynamics of emotion regulation： An EEG study of distraction and reappraisal. Biological Psychology， 87（1）， 84?92.

Tuithof， M.， Ten Have， M.， van Dorsselaer， S.， Kleinjan， M.， Beekman， A.， amp; de Graaf， R. （2018）. Course of subthreshold"depression into a depressive disorder and its risk factors. Journal of Affective Disorders， 241， 206?215.

van den Heuvel， M. P.， amp; Hulshoff Pol， H. E. （2010）. Exploring the brain network： A review on resting-state fMRI"functional connectivity. European Neuropsychopharmacology，"20（8）， 519?534.

Wang， C. F.， Zhang， Q.， amp; Zhang， X. X. （2021）. The differences in regulatory effect and success degree of negative emotions"between detached and positive cognitive reappraisals in juveniles， youths， diddle and elderly peoples. Journal of Psychological Science， 44（6）， 1376?1382.

[王彩鳳， 張奇， 張笑笑. （2021）. 積極與分離認知重評負性情緒調節(jié)效果和成功程度的差異：青年、中老年和少年的實驗結果. 心理科學， 44（6）， 1376?1382.]

Willroth， E. C.， amp; Hilimire， M. R. （2016）. Differential effects of self- and situation-focused reappraisal. Emotion， 16（4）， 468?474.

Wong， N. M.， Liu， H. L.， Lin， C.， Huang， C. M.， Wai， Y. Y.， Lee， S. H.， amp; Lee， T. M. （2016）. Loneliness in late-life depression： Structural and functional connectivity during affective processing. Psychological Medicine， 46（12）， 2485?2499.

Zhang， J.， Wang， J.， Wu， Q.， Kuang， W.， Huang， X.， He， Y.， amp; Gong， Q. （2011）. Disrupted brain connectivity networks in drug-naive， first-episode major depressive disorder. Biological"Psychiatry， 70（4）， 334?342.

Zhang， K.， Wang， C. M.， amp; Wang， J. X. （2016）. The Effect of Reappraisal and Distraction for Patients of Depression：ERPs Study. Psychological Exploration， （3）， 245?250.

[張闊， 王春梅， 王敬欣. （2016）. 抑郁癥患者認知重評和分心情緒調節(jié)的有效性： ERPs研究. 心理學探新， （3）， 245? 250.]

Zhang， R.， Kranz， G. S.， Zou， W.， Deng， Y.， Huang， X.， Lin， K.， amp; Lee， T. （2020）. Rumination network dysfunction in major depression： A brain connectome study. Progress in Neuro- psychopharmacology amp; Biological Psychiatry， 98， 109819.

Zhang， T.， Zhao， B.， Shi， C.， Nie， B.， Liu， H.， Yang， X.， ... Shan， B. （2020）. Subthreshold depression may exist on a spectrum with major depressive disorder： Evidence from gray matter volume and morphological brain network. Journal of Affective Disorders， 266， 243?251.

Zhang， W.， Zou， Y.， Zhao， F.， Yang， Y.， Mao， N.， Li， Y.， Huang， G.， Yao， Z.， amp; Hu， B. （2022）. Brain network alterations in rectal cancer survivors with depression tendency： Evaluation"with multimodal magnetic resonance imaging. Frontiers in Neurology， 13， 791298.

A brain network study on the influence of a depressive tendency on self-focused reappraisal and situation-focused reappraisal

SUN Yan， WANG Yijin， HOU Peiyu， FENG Xue， LAN Fan

（School of Psychology， Liaoning Normal University， Dalian"116029， China）

Abstract

Depression inclination is the state between normal depressed mood and depression that meets clinical diagnostic criteria. If a depressed mood is continuously induced and cannot be transferred， it increases the likelihood of the development of clinical depression. Cognitive reappraisal， which includes self-focused reappraisal and situation-focused reappraisal， is the most widely used and effective emotion regulation strategy. The regulatory effects of these two strategies and the changes in brain network characteristics in individuals with an inclination towards depression are still unclear.""""In this study， complex networks were used to investigate the moderating effects and brain network characteristics of individuals inclined toward depression during self-focused reappraisal and situation-focused reappraisal tasks.

The results of the cognitive reappraisal task indicated that undergraduate students inclined toward depression had lower emotional valence scores overall compared to the control group， although there was no significant difference in arousal scores. The results of the brain network analysis for the cognitive reappraisal task revealed that clustering coefficients， local efficiency， and maximum mediated centrality were significantly different between the depression inclination group and the control group; local brain area differences between the two groups of subjects were mainly located in the limbic lobe， frontal lobe and parietal lobe.""""These findings suggest that abnormal topological neural mechanisms may impair negative emotion regulation in individuals with an inclination towards depression and provide new insights into the prevention and improvement of depression symptoms.

Keywords "depression inclination， cognitive reappraisal， self-focused reappraisal， situation-focused reappraisal， complex network