Прогностическое значение электроэнцефалографических и нейропсихологических показателей состояния регуляторных функций мозга для оценки вероятности отклонений поведения у подростков

Введение

В подростковом возрасте происходят изменения, связанные, с одной стороны, с качественными преобразованиями всех физиологических систем организма [3; 7], а с другой — с существенными изменением социально-психологического контекста, в котором оказывается подросток. Такого рода изменения могут приводить к снижению порогов физиологических и психологических реакций на стресс и повышать вероятность возникновения различных проявлений отклоняющегося (девиантного) поведения [15; 20].

В литературе, посвященной психологии отклоняющегося поведения подростков, подробно обсуждаются личностные и социально-психологические предпосылки его возникновения [10; 31]. В нейрокогнитивных исследованиях причины отклоняющегося поведения у подростков связывают с дисбалансом в функционировании различных регуляторных систем мозга (РС) [30]. Согласно представлениям о последствиях появления дисбаланса между РС мозга, обеспечивающими мотивацинные компоненты поведения, и системами когнитивного контроля [16; 24], в аффективно нагруженных ситуациях подростки в большей степени склонны принимать импульсивные решения по сравнению с детьми и взрослыми; результатом такого импульсивного и рискованного поведения может стать нанесение вреда здоровью, а также трудности адаптации [29].

Цель настоящего исследования состояла в определении индивидуальных особенностей регуляторных функций мозга, которые могут быть предикторами склонности подростков к девиантному поведению.

Индивидуальные особенности регуляторных функций мозга можно оценить на основе анализа суммарной электрической активности мозга — электроэнцефалограммы [27]. Один из методов — экспертная оценка специфических паттернов ЭЭГ, характеризующих неоптимальное состояние определенных глубинных и корковых структур мозга в состоянии покоя — структурный анализ ЭЭГ (см. подробное описание в наших работах [9; 11]). Он позволяет определить индивидуальные признаки неоптимального состояния различных регуляторных структур мозга на макроуровне и затем сравнить частоту представленности определенных отклонений функционирования РС в различных выборках, а также сопоставлять результаты ЭЭГ исследования с результатами поведенческих, в частности, нейропсихологических методов (см. сравнительное исследование [9]).

Качественный нейропсихологический анализ, основанный на принципах системного подхода А.Р. Лурии, позволяет исследовать эффективность программирования, избирательной регуляции и контроля деятельности как управляющих функций мозга (УФ) на поведенческом уровне. Применение методов нейропсихологии в исследованиях индивидуальных особенностей подростков с проявлениями отклоняющегося поведения, несмотря на потенциальную продуктивность, носит фрагментарный характер [см., например: 5]. Так, в указанной работе анализируются особенности профилей латерализации функций головного мозга у подростков с признаками отклоняющего поведения, но при этом никак не обсуждаются УФ, в то время как данные других исследований свидетельствуют о взаимосвязи дефицитарности УФ и проявлений девиантного поведения [19; 23].

Для количественной оценки различных компонентов когнитивной деятельности, в том числе УФ, у подростков со склонностью к девиантному поведению используются также компьютеризированные нейропсихологические тесты, например, автоматизированная батарея CANTAB (Cambridge Neuropsychological Test Automated Battery) [17].

Междисциплинарный подход, в рамках которого проводится настоящее исследование, предполагает применение различных методов (ЭЭГ, нейропсихологическое обследование, компьютерное тестирование УФ) для анализа регуляторных функций мозга как возможных предикторов риска отклоняющегося поведения [9]. Одним из возможных статистических методов анализа и отбора таких предикторов является метод логистической регрессии [см., например: 21].

Задача данного исследования состояла в анализе степени применимости индивидуальных оценок функционального состояния РС мозга и УФ к прогнозированию вероятности отнесения подростка к группе риска с точки зрения склонности к отклоняющемуся поведению, а также в нахождении наиболее оптимальных в отношении составления прогноза сочетаний таких оценок.

Методика

Выборка 

В исследовании приняли участие две группы подростков, учащихся школ г. Москвы и г. Жуковского. В группу с признаками отклоняющегося поведения вошли подростки, имеющие поведенческие и эмоциональные проблемы в школе и дома (данные были собраны с помощью школьных психологов), далее группа D (69 человек, средний возраст 14,4±1,08, 19 девочек). В контрольную группу вошли подростки без признаков отклоняющегося поведения, далее группа N (97 человек, средний возраст 14,2±1,28, 41 девочка). Все испытуемые и их родители подписали письменное согласие на участие в исследовании.

В обеих группах подростков было проведено анкетирование с помощью опросника «Диагностика склонности к отклоняющемуся поведению (СОП)» [12] и методики диагностики эмоциональных и поведенческих проблем у детей и подростков Т. Ахенбаха Youth Self Report (YSR), адаптированной для русскоязычной популяции [32]. Межгрупповые сравнения результатов анкетирования по t-критерию Стьюдента выявили значимо более высокие баллы в группе D по шкалам склонности к преодолению норм и правил (t(164)=-4,420; p<0,001), к агрессии и насилию (t(164)= -5,040; p<0,001), к делинквентному поведению (t(164)=-4,996; p<0,001) и слабости волевого контроля эмоциональных реакций (t(164)=-2,853; p=0,005) методики СОП, а также по шкалам «Делинквентность» (t(164)=-5,150; p<0,001) и «Агрессия» (t(164)=-4,708; p<0,001) опросника YSR.

Оценка функционального состояния РС мозга основывалась на визуальном экспертном анализе паттернов ЭЭГ в состоянии покоя. ЭЭГ регистрировалась с помощью электро­энцефалографа (Electrical Geodesics, Inc, США) в полосе частот 0,1—70 Гц (частота оцифровки — 250 Гц). Принципы этого анализа и выделяемые ЭЭГ паттерны подробно описаны в нашем предыдущем исследовании [8]. Определялись наличие и степень выраженности ЭЭГ-признаков неоптимального состояния следующих РС: 1) фронто-таламической системы (ФТС); 2) диэнцефальных (гипоталамических) отделов; 3) лимбической системы; 4) лобно-базальных структур; 5) лобных и/или лобно-височных отделов левого полушария. Использовалась следующая шкала: 1 — отсутствие изменений данного генеза, 2 — наличие негрубых изменений в фоновой ЭЭГ, 3 — наличие выраженных изменений в фоновой ЭЭГ в виде высокоамплитудных и/или пароксизмальных паттернов.

Особенности состояния УФ оценивались с помощью качественного нейропсихологического обследования [1], на основании которого рассчитывались интегральные показатели дефицита УФ (см. подробнее: Семенова и др., 2015): 1) трудности усвоение инструкций; 2) трудности формирования стратегии деятельности; 3) импульсивность; 4) персеверации; 5) инертность; 6) трудности длительного поддержания усвоенной программы; 7) трудности контроля текущей деятельности. Данные показатели оценивались с помощью следующих единиц измерения: 0 — наилучшее, 1 — наихудшее состояние функции.

Для количественной оценки эффективности УФ у подростков использовались компьютерные методики: тест Струпа [27]; корректурная проба Бурдона, состоящая из трех серий [6]; двухцветные таблицы Шульте— Горбова [4].

Общий уровень развития интеллекта оценивался с помощью компьютерного варианта теста «Цветные прогрессивные матрицы Равена». Все компьютерные методики были выполнены в системе «Практика МГУ» [2].

Для оценки согласованности изучаемых параметров и вероятности возникновения отклонений поведения применялась биномиальная логистическая регрессия, в которой в качестве независимых переменных использовались перечисленные выше параметры, а в качестве зависимой переменной — бинарная переменная принадлежности индивида к группе N или D. Метод позволяет оценить влияние предикторов на вероятность принадлежности испытуемого к группе D, а также рассчитать модельную вероятность принадлежности к ней для каждого испытуемого. Сопоставив эти вероятности с полученными данными, можно оценить точность прогноза модели [с подробным описанием этого метода можно ознакомиться в работах: 13; 26]. В настоящем исследовании результаты биномиальной регрессии описаны коэффициентом регрессии (b), его стандартной ошибкой (se) и оценкой значимости отличия коэффициента от нуля. Качество модели оценивалось с помощью R2 Нэйджелкерка (аналога коэффициента детерминации R2 в линейном регрессионном анализе) и критерия хи-квадрат (х2), который характеризует статистическое отличие модели с включением изучаемых параметров (предикторов) от «нулевой» модели без включения последних. Использовались методы автоматической пошаговой регрессии (в данном случае наиболее значимые со статистической точки зрения параметры — предикторы отбираются алгоритмически) и иерархической логистической регрессии с построением набора вложенных моделей и последовательным добавлением различных показателей и оценкой изменения модели.

Результаты

Анализ проводился в два этапа. На первом этапе основная задача состояла в определении наиболее существенных предикторов склонности к отклоняющемуся поведению.

Анализ результатов электроэнцефалографического обследования

В этой части в качестве независимых переменных использовались полученные слепым методом экспертные оценки наличия и степени выраженности ЭЭГ-изменений определенного генеза на индивидуальных кривых ЭЭГ (см. описание методики).

Для отбора оптимальных предикторов мы использовали пошаговый логистиче­ский регрессионный анализ (прямой пошаговый метод Вальда). Была получена модель, включающая в себя 4 предиктора (за исключением ЭЭГ-изменений диэнцефального генеза), оценки итоговой модели оказались достаточно хорошими: х2(4) = 51,868; p<0,001; R2 Нэйджелкерка = 0,361. Точность отнесения испытуемых к той или иной группе на основании этой модели составила 73,5%.

Для проверки существенности вклада каждого из выделенных типов неоптимального функционирования РС мы провели дополнительный иерархический логистический анализ с последовательным добавлением ЭЭГ-паттернов (в качестве предикторов) и произвели оценку изменения модели. Порядок включения регистрируемых показателей неоптимального функционирования РС (каждая следующая модель включала показатели из предыдущих):

1)     лимбические;

2)     фронто-таламические;

3)     передне-височные отделы левого полушария;

4)     лобно-базальные;

5)     диэнцефальные (гипоталамические) отделы.

Оценки качества моделей приведены в табл. 1.

Таблица 1

Результаты иерархического логистического анализа для ЭЭГ-показателей неоптималь­ного функционирования РС

Примечание: здесь и далее в таблицах х2 отражает значимость улучшения модели по сравнению с предыдущей.

Помимо базового вклада ЭЭГ-признаков лимбического происхождения, значимое улучшение модели наблюдается при добавлении признаков неоптимального функцио­
нирования лобно-височных отделов левого полушария, лобно-базальных и фронто-таламических отделов (в порядке убывания значимости). Добавление в модель диэнцефальных знаков незначимо улучшает качество модели. Таким образом, иерархическая модель подтверждает результаты пошагового анализа, итоговая модель представлена в табл. 2.

Таблица 2

Итоговая модель для ЭЭГ показателей неоптимального функционирования РС

Анализ результатов нейропсихологического обследования

При анализе влияния дефицита различных компонентов УФ, оцениваемых с помощью нейропсихологического обследования, использовался тот же алгоритм, что и в случае анализа результатов ЭЭГ-обследования.

В качестве наиболее существенных предикторов склонности к отклоняющемуся поведению были выделены трудности формирования стратегии деятельности, пер­северации, инертность. Оценка модели оказалась достаточно хорошей: х2(3) = 43,435; R2 Нэйджелкерка = 0,310. Для дополнительной оценки роли отдельных нейропсихологических показателей (НПП) был проведен иерархический регрессионный анализ, результаты которого представлены в табл. 3. В него последовательно включались отдельные показатели нейропсихологического анализа, а их порядок был определен на основании результатов предшествующего анализа и содержательных соображений об их взаимосвязи со склонностью к отклонениям в поведении. Результаты представлены в табл. 3.

Таблица 3

Результаты иерархического анализа для НПП состояния УФ

Из табл. 3 видно, что значимый вклад в модель получен для показателей удержания программы, формирования стратегии, инертности и персевераций. Соответственно, итоговая модель, на которой мы остановились, включала в себя первые четыре предиктора. Оценки этой модели представлены в табл. 4.

Таблица 4

Итоговая модель логистического анализа для НПП состояния УФ

Анализ результатов компьютерных методик

При анализе результатов оценки состояния управляющих функций с помощью компьютерных методик (КМ) в силу большого количества показателей был проведен отбор наиболее информативных параметров с точки зрения оценки вероятности возникновения признаков отклоняющегося поведения. На этом этапе в каждом из тестов был выделен один показатель, для которого была обнаружена взаимосвязь с вероятностью принадлежности испытуемого к группе D: в корректурной пробе — разница в среднем времени выполнения двух простых и третьего, сложного субтестов; в тесте «Таблицы Шульте» — время выполнения пятой таблицы; в тесте Струпа — время выполнения первой, бесконфликтной, пробы и в прогрессивных матрицах Равена — число правильных ответов.

Пошаговый логистический регрессионный анализ показал, что в модели стоит оставить только два последних показателя (в таком случае R2 Нэйджелкерка = 0.210). Схожие выводы можно сделать на основании иерархического анализа (табл. 5).

Таблица 5

Результаты иерархического анализ

(результаты оценки состояния управляющих функций с помощью КМ)

В итоговую модель были включены два показателя — время выполнения первого субте­ста Струпа и число правильных ответов в прогрессивных матрицах Равена. Коэффициенты этой модели представлены в табл. 6.

Таблица 6

Итоговая модель логистического анализа для результатов КМ

Приложение: оценки итоговой модели: х2 (2) = 28,211; R2 Нэйджелкерка = 0,210.

Для получения обобщенной модели оценки влияния комбинации исследуемых показателей на вероятность развития девиантного поведения в качестве предикторов использовались модельные значения вероятности принадлежности испытуемых к группе D, рассчитанные на основании уравнений логистической регрессии на предыдущем этапе: прогнозируемая вероятность, рассчитанная на основании результатов ЭЭГ, результатов нейропсихологического обследования (НП) и показателей состояния когнитивных функций (полученных на основании компьютерных методик). Результаты оценки модели приведены в табл. 7.

Таблица 7

Результаты итогового иерархического анализа

Добавление показателей состояния управляющих функций по результатам компьютерных методик к объединенному комплексу параметров, выделенных при анализе ЭЭГ и нейропсихологического обследования, значимо, но довольно слабо увеличивают R2 и точность прогноза. И следовательно, в итоговую модель можно включить параметры всех трех методов оценки регуляторных функций мозга. Коэффициенты итоговой модели представлены в табл. 8.

Таблица 8

Коэффициенты итоговой модели

Примечание: оценки итоговой модели: х2 (2) = 92,798; R2 Нэйджелкерка = 0,577; точность прогноза — 84,3%.

На рис. 1 представлены результаты анализа точности оценки принадлежности к группе D, полученные на основании оценки показателей ЭЭГ, показателей, выделенных в ходе

нейропсихологического обследования и диагностики состояния управляющих функций участников исследования с помощью компьютерных методик, и обобщенного показателя, полученного на последнем этапе анализа (рис. 1).

Рис. 1. ROC-кривые определения принадлежности подростков к группе D, полученные на основе использования трех типов данных и обобщенного показателя: штрих-пунктирная линия — прогноз на оценки управляющих функций с помощью компьютерных методик, крупный пунктир — прогноз на основе нейропсихологического обследования, мелкий пунктир — прогноз на основе ЭЭГ, сплошная линия — прогноз на основе оценки всех методов

Показатель AUC (площадь под кривой) составил состояния управляющих функций на основе: КМ — 0,739, для НП — 0,794, для ЭЭГ — 0,791, а для интегрального обобщенного показателя — 0,902. Такой результат свидетельствует о том, что сочетанное использование нескольких методов оценки регуляторных функций позволяет сделать более надежный прогноз — специфичность и чувствительность классификации в этом случае возрастают.

Обсуждение

Результаты показывают, что данные об особенностях мозговой активности и состоянии когнитивных функций у подростков могут использоваться для оценки вероятности возникновения отклоняющегося поведения, однако данные, полученные с помощью разных методов, обладают разной прогностической силой.

Среди признаков неоптимального функционирования РС мозга наиболее значимым предиктором отклоняющегося поведения являются ЭЭГ паттерны лимбического происхождения: такой результат согласуется с данными нашего предыдущего исследования [9]. В совокупности результаты этих двух исследований свидетельствуют в пользу связи отклоняющегося поведения в подростковом возрасте с неоптимальным состоянием мозговых систем эмоционально-мотивационной регуляции. В литературе можно найти противоречивые данные об особенностях функционирования и развития лимбических систем у подростков. Так, в обзоре [14] приводятся аргументы как «за», так и «против» повышения активации амигдалы при восприятии социально значимой эмоционально окрашенной информации у подростков. В другом обзоре [18] приводятся данные о сниженной по сравнению с предыдущим периодом развития активности амигдалы при восприятии лицевых паттернов, а также сниженной активности тесно функционально связанных с лимбическими структурами медиальных зон префронтальной коры при принятии социально значимых решений. Полученные нами результаты свидетельствуют о негативном влиянии неоптимального функционирования этих отделов мозга на регуляцию поведения и согласуются с результатами фМРТ-исследований подростков [22], демонтирующих снижение реактивности лимбических структур у испытуемых с проявлениями асоциального и агрессивного поведения при восприятии изображения страха или боли других людей. Также заметную негативную роль могут играть изменения мозговой активности, связанные с неоптимальным состоянием лобно-височных отделов левого полушария, лобно­базальных и фронто-таламических отделов мозга [8]. Результаты настоящего исследования указывают на важную роль неоптимального функционирования глубинных компонентов РС мозга как фактора, увеличивающего вероятность проявлений отклоняющегося поведения. Можно предположить, что сочетание этого фактора с относительной возрастной или индивидуальной незрелостью префронтальных механизмов когнитивного контроля в значительной степени определяет импульсивность подростков и их склонность к рискованным поступкам, которые в результате могут привести к развитию девиантного поведения.