背景
创伤后应激障碍（PTSD）是一种精神疾病，在经历或目睹暴力、事故或战斗等创伤事件后出现症状[ 99 ]。根据 DSM 5，与 PTSD 相关的症状分为几类：(1) 侵入/重新经历创伤，(2) 回避，(3) 消极认知和情绪，以及 (4) 过度警觉 [ 39 , 62 ]。大约 70% 的成年人一生中至少经历过一次创伤事件，其中高达 20% 的人患有创伤后应激障碍 [ 65]。患有创伤后应激障碍的人可能会在精神、身体和认知上经历长期的衰弱影响。在美国，每年大约有 800 万成年人患有创伤后应激障碍 (PTSD)。大约 60% 的男性一生中至少经历过一次创伤事件，通常与战斗和战争有关，而 50% 的女性会经历至少一次创伤事件，通常与性侵犯和性虐待有关 [ 59 ]。

当前的理论旨在了解创伤后应激障碍的病因，包括行为、认知和社会模式。研究表明，对创伤事件的重新评估可能会导致过于笼统的威胁反应[ 20 ]。尽管在了解 PTSD 的脆弱性、症状学和轨迹方面取得了进展 [ 1 , 39 , 64]，PTSD 的潜在神经生物学决定因素尚不清楚。先前的大量工作试图确定在患有创伤后应激障碍（PTSD）的个体中观察到的大脑结构改变。基于体素的形态测量 (VBM) 是分析结构磁共振成像 (MRI) 数据的常用方法，允许在组之间进行定量统计比较（例如，灰质体积的差异；GMV），以更清楚地了解相关的结构改变患有神经精神疾病，例如创伤后应激障碍（PTSD）。之前已经进行了多项荟萃分析来确定 PTSD 患者灰质的收敛性减少，但荟萃分析尚未达成共识。每一项荟萃分析都是在不同的范围内进行的，具有不同的研究纳入/排除标准，随后纳入了 8 至 20 项广泛的研究。在这些荟萃分析中观察到了不同的收敛性，这些分析在包括内侧前额皮质的区域中确定了一到五个重要的集群。7 , 40 , 44 , 50 , 55 ]，海马[ 7 , 44 ]，梭状回[ 50 , 79 ]，和舌回[ 44 , 79 ]。类似地，从功能角度来看，PTSD 功能障碍被报道为杏仁核和额叶破坏（例如，[ 18 ]）或大规模功能性大脑网络的改变（例如，[ 41 ]，与精神病理学的三方模型有关[ 56] ）]。虽然一些研究已经达成了功能性神经影像学研究的共识，但评估不同心理状态和/或实验范式之间的趋同性具有挑战性，这可能导致静息状态 [ 3 , 92 ] 或任务的 PTSD 荟萃分析结果不一致。基于[  24,63,33 ]的研究。总体而言，荟萃分析方法和结果的这种差异表明，尚未达成共识的 PTSD 神经生物学模型。

本研究的目的是应用当前基于坐标的神经影像学方法的最佳实践来研究一致报告的 PTSD 结构改变的地形。由于 PTSD 与广泛的神经精神症状有关，这可能反映了分布式、全脑神经回路的紊乱，因此我们还试图以独立于任务的方式在功能和行为上表征任何神经解剖学改变。为此，我们首先使用解剖似然估计 (ALE) 确定了 PTSD 组与非 PTSD 组灰质 (GM) 减少的收敛区域 [ 21 , 22]]。其次，我们确定了收敛区域的无任务静息态功能连接（rsFC）模式，以及基于任务的元分析共激活模型（MACM）模式，从而为每个模式提供多模态功能连接配置文件。VBM 、rsFC 和 MACM 荟萃分析方法已一起用于之前的临床相关荟萃分析[ 16、37、71 ]]，它们提供补充信息，为给定的感兴趣区域生成多模式功能连接配置文件。最后，我们应用元分析功能解码方法来识别与此功能连接配置文件相关的心理过程。总的来说，这项工作利用创新的（元）分析框架来定量评估与 PTSD 相关的结构改变以及与这种疾病有关的区域的扩展功能概况。需要更全面地了解 PTSD 的神经生物学基础，以描绘未来改进预防、诊断和治疗的途径。

方法
分析概述
我们首先进行了文献检索，以确定报告结构改变的研究，比较了以下群体：患有 PTSD 的个体、经历过创伤但未被诊断为 PTSD 的个体，以及没有报告经历过创伤的个体。使用 ALE 算法进行基于坐标的荟萃分析，以识别显示与 PTSD 相关的结构改变的汇聚大脑区域。然后，我们使用多种连接建模方法来全面表征这些汇聚区域的功能连接。具体来说，rsFC 和 MACM 评估用于识别与 PTSD 相关的结构改变区域的功能概况。最后，我们使用功能解码技术来识别 ALE、rsFC 和 MACM 结果的行为特征。图1。

文献检索和研究标准
我们进行了全面的文献检索，以建立一个同行评审的 MRI 研究数据库，报告 2002 年至 2020 年与 PTSD 相关的结构改变。在第一轮识别研究中，我们检查了之前发表的关于 PTSD 和基于体素的形态计量学荟萃分析论文。编制了纳入研究的清单 [ 7 , 40 , 44 , 50 , 55]。接下来，我们使用搜索词“形态测量 + PTSD”进行 PubMed 搜索，以识别其他感兴趣的同行评审的结构 MRI 研究。PubMed 搜索的目的是确定之前发表的荟萃分析中未包含的任何潜在研究。然后，我们对每份已确定的出版物进行了审查，包括以下研究标准：同行评审的 MRI 研究、报告成年人的结果、用英语撰写、关注灰质结构差异，并包含原始数据（即，不是审查）。随后，排除标准如下：未测量 PTSD 的创伤或压力生活事件研究、其他非基于体素的形态测量方法、治疗和纵向效应、先验报告的论文感兴趣区域 (ROI)、组内效应、零效应、与先前研究重叠的样本以及未报告基于坐标的结果的研究。

解剖似然估计 (ALE)
ALE 是一种基于体素的荟萃分析技术，可在一组神经影像研究中识别收敛坐标（即焦点）。焦点被视为 3D 高斯分布，以解决研究内部和研究之间的变异性。我们使用 NiMARE v.0.0.3（神经影像元分析研究环境；[ 77 ]，一个用于神经影像元分析的 Python 库）中实现的基于坐标的 ALE 方法。报告的坐标是从其原始出版物中提取的，最初报告的坐标在 Talairach 空间中转换为 MNI 坐标 [ 45 , 46] 这样所有的坐标都参考MNI空间。转换后，为每个焦点创建统计概率图，并将其组合起来，以模拟给定体素在每项研究中显示组间结构差异的可能性。观察到的体素 ALE 评分表征了整个大脑报告最一致的病灶。多重比较的显着性测试和校正涉及使用P < 0.001的聚类形成阈值对体素 ALE 图进行阈值化。然后，执行排列程序，其中通过用随机选择的灰质体素替换报告的焦点的 10,000 次迭代生成最大簇大小的零分布，从随机数据集生成 ALE 图，并在阈值化后识别最大簇大小。P < 0.001。簇级 FWE 校正阈值设置为P < 0.05，这意味着只有原始阈值 ALE 图中的簇大小大于与零分布中第 95 个百分位数对应的簇大小时，才会保留这些簇。我们应用上述 ALE 程序来识别反映有和没有 PTSD 个体（即 PTSD 与非 PTSD）之间结构变化的会聚大脑区域，分别用于 PTSD > 非 PTSD 和非 PTSD > PTSD 的对比。

与 PTSD 相关的结构改变区域的功能概况
接下来，我们试图描述与 PTSD 结构改变区域相关的功能连接模式。为此，我们利用静息态功能磁共振成像数据数据库研究了无任务功能连接，以及利用共激活结果的荟萃分析数据库研究了基于任务的功能连接。

无任务功能连接：静息态 fMRI (rs-fMRI)
静息态连接分析通常会识别与种子 ROI 的平均时间序列具有最高时间相关性的大脑体素，并提供有关大脑底层功能架构的背景信息。为了为每个 ROI 导出可靠的 rsFC 图，我们利用了人类连接组项目 [ 90]提供的经过最少预处理和去噪（或“清理”）的静息态 fMRI 数据。] 青少年研究 S1200 数据发布（2017 年 3 月 1 日）。2019 年 11 月 12 日，通过 HCP 的 Amazon Web Services (AWS) 简单存储解决方案 (S3) 存储库下载了 150 名随机选择的参与者（28.7 ± 3.9 岁）。随机选择的参与者包括 77 名女性（30.3 ± 3.5 岁）和 73 名男性（27.1 ± 3.7 岁）。两个生物性别组之间的年龄差异显着，但与 1200 名受试者数据发布一致。HCP 数据的详细采集和扫描参数可以在联盟手稿中找到 [ 82 , 89 , 91 ]]，但这里简单总结了相关的扫描参数。每个参与者都接受了 T1 加权和 T2 加权结构采集以及四次静息态 fMRI 采集。以 0.7 毫米各向同性分辨率收集结构图像。全脑 EPI 采集在 3T 西门子 Connectome 扫描仪上采集：32 通道头部线圈，TR = 720 毫秒，TE = 33.1 毫秒，平面内 FOV = 208 × 180 毫米，72 个切片，2.0 毫米各向同性体素和多波段加速系数为 8 [ 25 ]。

S1200 数据发布包含最少的预处理和去噪数据。Glasser 及其同事描述了最小的预处理工作流程 [ 27 ]，但由典型的成像预处理技术组成，这些技术利用了 HCP 获取的高质量数据。首先，将 T1 和 T2 加权图像对齐、校正偏置场并配准到 MNI 空间。其次，功能性 fMRI 管道消除了空间扭曲，重新调整体积以补偿受试者运动，将 fMRI 数据配准到结构体积（在 MNI 空间中），减少偏差场，将每个功能采集标准化为其相应的全局平均值，并屏蔽非脑组织。值得注意的是，注意尽量减少插值引起的平滑，并且不执行明显的体积平滑。

fMRI 信号包含许多变异源，包括人为信号和非神经元信号，这使得识别潜在的神经元活动变得困难。结合独立成分分析 (ICA) 和分类技术，使用 FMRIB 的基于 ICA 的 X 噪声器自动对 HCP 功能数据进行去噪 [ 75 ]。简而言之，独立对每个功能数据集进行 ICA，并通过分类器评估每个组件的特征（例如空间定位和高频功率），以确定给定组件是否与神经元活动或伪影相关。然后，将与人为成分相对应的时间序列从数据中回归出来，为进一步研究提供“干净的”、去噪的数据集。

使用每个参与者经过最少预处理、去噪的静息态数据集，使用NiPype [ 29 ] 中的 FSL 的fsl_glm [ 36 ] 接口删除“全局信号” 。“全局信号”虽然在静息态分析领域存在争议，但在消除 HCP 静息态数据中与运动相关的伪影方面比其他常用运动校正策略表现更好的前提下被删除了 [ 8 ] 。然后使用 FSL 的susaan使用 6 毫米的 FWHM 内核对所得数据集进行平滑NyPipe 中的接口。对于每个参与者，提取每个 ROI 的平均时间序列，并计算全脑相关图，并在每个 ROI 的单个参与者的运行中进行平均。使用 Fisher 的 r 到 z 变换将每个参与者的平均相关图转换为 Z 分数。然后使用 NiPype 中的 FSL随机化接口 [ 94 ]进行组级分析，得出每个 ROI 的 rsFC 图。使用基于 GRF 理论的最大高度阈值对图像进行非参数阈值处理，其（体素 FWE 校正）显着性阈值P < 0.001 [ 96 ]，以便在使用如此强大的研究时可以得出更多空间特定的连接图[ 95]。

基于任务的功能连接：元分析共激活模型（MACM）
利用基于任务的功能磁共振成像研究报告的坐标，元分析共激活是一个相对较新的概念，它可以识别最有可能在多个任务状态下与给定种子 ROI 共同激活的大脑位置。与 rsFC 不同，MACM 提供了有关目标导向行为期间神经募集的背景信息。因此，我们的目标是通过为每个 ROI 补充 rsFC 图和 MACM 图来整合这两种互补模式。为此，我们依赖 Neurosynth 数据库 [ 98]，该档案发布了来自 14,000 多项功能磁共振成像研究和 150,000 个大脑位置的立体定向坐标。Neurosynth 依靠自动坐标提取工具来“抓取”每个可用的 fMRI 研究报告的坐标。由于这种自动化过程的性质，功能磁共振成像研究将多个实验对比的结果报告为将单独的坐标集合并为一组坐标；此外，“激活”和“去激活”坐标没有明显的特征。然而，虽然这种固有的“噪音”可能会限制解释能力，但手动管理数据集的力量超过了双向或混合对比效应的潜在混淆。

为了为每个 ROI 生成 MACM 图，我们利用 NiMARE [ 77 ] 在 Neurosynth 数据库中搜索所有报告在定义的 ROI 掩模内至少有一个峰值的研究。Neurosynth 工具实现了多级核密度分析 (MKDA) 算法，用于基于研究子集执行荟萃分析，如此处所述。然而，我们选择使用 NiMARE 中实现的 ALE 算法，因为它在复制基于图像的元分析和大型分析方面具有最佳性能 [ 76]。ALE 算法需要样本大小信息或受试者数量，这些信息有助于给定的实验对比，以生成平滑内核。然而，Neurosynth 无法捕获样本大小（样本大小也可能因研究中的实验对比而异）。因此，我们使用了半高宽为 15 mm 的平滑核，这已被证明可以产生与基于图像的荟萃分析和大型分析具有很强对应性的结果[ 76 ]。ALE 算法应用于报告每个 ROI 边界内激活的一组研究。如上所述，为每个 ROI 生成 ALE 图后，进行体素-FWE 校正（ P < 0.001）以反映用于 rsFC 图的统计阈值方法。

功能解码：广义对应潜在狄利克雷分配（GC-LDA）
我们试图推断哪些心理过程最有可能与 ALE、MACM 和 rsFC 分析中确定的大脑区域相关。为此，我们利用 NiMARE 中的广义对应潜在狄利克雷分配 (GC-LDA) 功能解码方法应用于生成的未阈值 ALE、rsFC 和 MACM 映射。这种类型的解码提供了一种推断与神经影像空间模式相关的心理过程的方法。GC-LDA 利用概率贝叶斯统计从大型论文数据库（例如 NeuroSynth）中学习潜在主题[ 74]。从数据库中，找到的每个主题都被视为概率分布，并在 MNI 空间中跨输入解码算法的地图中的体素创建空间分布。“主题”包含来自文献数据库的文献中同时出现的术语和相关的大脑区域。我们将模型设置为 200 个主题。我们报告了与 ALE、rsFC 和 MACM 结果相关的最高权重对应的 10 个术语。

结果
文献检索和研究标准
使用上述检索词进行文献检索，共检索到 85 篇文章。图2提供了 PRISMA 图，其中详细介绍了这 85 项研究的审查和筛选。在第一轮审查中，对记录（即标题和摘要）进行了筛选，排除了 18 项与非人类或非英语研究、评论或报告白质差异或儿童或青少年差异的研究相对应的研究。然后，我们检查了全文文章以评估其他研究标准；另外 44 项研究因不符合当前荟萃分析条件而被排除。

最终纳入的研究包括 23 篇出版物。在这些出版物中，通过比较患有和不患有 PTSD 的个体的全脑 VBM 结果来评估灰质结构变化，报告为 MNI 或 Talairach 空间中的 3D 坐标。对照组包括经历过创伤但未发展为创伤后应激障碍的个体和未经历过创伤的个体。十九篇出版物包括创伤暴露对照 (TC)，而十篇出版物包括健康、非创伤暴露对照 (HC)。这组 23 项研究总共检查了 476 名患有 PTSD 的个体和 892 名没有 PTSD 的个体，其中包括 288 名 TC 和 633 名 HC。关于观察到的结构改变类型，研究报告了多种不同的 VBM 指标。十七份出版物报告了灰质体积 (GMV) 的群体差异，七份出版物报告了灰质密度 (GMD) 的差异，一份报告了灰质浓度 (GMC) 的差异。总的来说，我们将所有这些指标称为患有和不患有 PTSD 的个体之间的灰质 (GM) 差异。附加文件中提供了有关参与者群体人口统计和研究设计的更多详细信息1：表 S1 位于该项目的 GitHub 存储库 ( https://github.com/NBCLab/meta-analysis_ptsd )。

在这最终的 23 份出版物中，报告了多种有趣的对比。25 个对比报告了 PTSD 相对于非 PTSD 的 GM降低，总共 159 个病灶；这包括 16 个 PTSD 与 TC（82 个焦点）的对比和 9 个 PTSD 与 HC（77 个焦点）的对比。相反，6 个对照报告了总共 20 个病灶中 PTSD 与非 PTSD 相比GM增加，其中 3 个 PTSD（9 个病灶）与 TC 相比，2 个 PTSD 与 HC（9 个病灶）对比。

解剖似然估计 (ALE)
使用 NiMARE v.0.0.3 [ 77 ]，进行 ALE 荟萃分析来评估患有和不患有 PTSD 的个体中 GM 降低的 22 篇出版物的 25 个对比的收敛性（即非 PTSD > PTSD）；表1提供了完整的列表。神经影像模拟表明，为了进行有效的基于坐标的荟萃分析，至少需要 20 个对比 [ 23 ]。因此，由于功效不足，我们无法评估 GM增加的 6 个对比（即 PTSD > 非 PTSD）。关于 GM 下降，我们观察到位于 mPFC 中的单个收敛簇（x=0，y=46，z=10；BA 32）（图3；P < 0.001，FWE 校正的P ）< 0.05）。鉴于这些结果，我们对 PTSD 与 TC 和 PTSD 与 HC 对比（即 GM 增加和减少）进行了额外的 ALE 荟萃分析，以确定使用不同比较组是否可能导致额外的异质性，从而限制收敛评估。然而，我们也观察到这些额外对比的结果为空，部分原因可能是样本功率不足 [ 23 ]。

与 PTSD 相关的结构改变区域的功能概况
接下来，我们研究了上面确定的 mPFC 簇的功能连接，显示了 PTSD 个体中灰质的收敛减少。为此，我们分析了无任务 rsFC 和基于任务的 MACM。首先，我们使用 ALE 衍生的 mPFC 簇作为种子区域生成 rsFC 图。由此产生的 rsFC 图显示 rsFC 包括额上回、额内侧回、额下回、ACC、丘脑、后扣带回 (PCC)、颞上回、颞内侧回、楔前叶、楔叶和海马旁回。接下来，为了进一步检查与 mPFC 种子的功能耦合区域，我们使用 Neurosynth 数据库生成了 MACM 图，该数据库演示了基于任务的共激活，其模式与 rsFC 图类似。表2提供了rsFC和MACM结果的位置。图4说明了rsFC（蓝色）和MACM（红色）结果，具有重叠区域，表明rsFC和MACM（粉色）之间存在一致性，显示在ACC、内侧前额回、颞中回、岛叶、顶下叶、丘脑中、楔前叶、海马旁回、岛叶和 PCC 区域（表3）。

功能解码：广义对应潜在狄利克雷分配（GC-LDA）
最后，我们对结构 ALE、rsFC 和 MACM 图进行了功能解码，以深入了解与观察到的功能连接模式相关的行为功能。使用 GC-LDA 分析进行功能解码[ 74 ]。由于 GC-LDA 不提供相关或统计排名，因此结构 ALE、rsFC 和 MACM 图分别考虑了 GC-LDA 分析计算出的前 10 个独特项。结构 ALE 图的 GC-LDA 分析中权重最高的 10 个解码项是：视觉、情感、记忆、小说、奖励、运动、自我、面孔、学习和面孔（表4 ）A）。rsFC 图的 GC-LDA 分析中权重最高的 10 个解码项是：默认、默认模式网络、内在、尺度、自我、人、奖励、偏差、判断和上下文（表4 b）。从地形上讲，rsFC 结果类似于组合默认模式 [ 30 , 69 ] 和显着网络 [ 57 , 78]的区域]，功能解码结果表明 rsFC 结果与自我参照、内在和奖励过程相关。接下来，我们检查了基于 MACM 的解码结果。MACM 图的 GC-LDA 分析中权重最高的 10 个解码术语是：视觉、运动、情感、记忆、注意力、听觉、奖励、空间、精神分裂症和语言（表4 c）。从地形上来说，MACM 结果也类似于默认模式的区域 [ 30 , 69 ] 以及额顶中央执行网络 [ 17 , 78 ]]，功能解码结果表明与执行情绪和记忆过程相关。所有三组图像的解码分析摘要如图5中的雷达图所示。

讨论
本研究的总体目标是利用新兴的荟萃分析技术来研究 PTSD 患者大脑结构的趋同性变化。此外，我们试图通过应用互补的 rsFC 和 MACM 分析技术来扩展文献并评估与观察到的 PTSD 结构改变相关的潜在功能后果。目前对 23 项评估 PTSD 组与非 PTSD 组之间 GM 体积变化的 VBM 研究进行的荟萃分析发现，mPFC 中存在一个会聚灰质损失的节点。该簇的基于 GC-LDA 的功能解码与视觉、情感、记忆、新颖、奖励、运动、自我、面部、学习和面部等 Neurosynth 术语相关联。后续 ALE 分析探讨了 PTSD 与 HC（非创伤对照）以及 PTSD 与非创伤对照的 GM 降低程度。23 ]。随后对 ALE 衍生的 mPFC 簇进行分析，以评估无任务 (rsFC) 和任务依赖 (MACM) 功能连接，识别与 PTSD 相关的一致且广泛的功能网络。这些结果表明，PTSD 患者 mPFC 的结构改变可能与更大的额顶叶网络的破坏有关，该网络包括内侧、上、下额回、PCC、海马旁回、角回、颞上回、丘脑、尾状核，和豆状核。rsFC 和 MACM 结果的功能解码表明与 mPFC ALE 结果的实质性术语重叠，以及其他网络相关术语（例如默认、默认模式网络和内在）。

PTSD 的结构改变和功能障碍
我们目前的研究结果表明，在探索 PTSD 对大脑结构影响的 VBM 神经影像研究中，mPFC 似乎是报告最一致的大脑区域。之前的荟萃分析已经发现，mPFC、海马、梭状回和舌回的 GM 减少；然而，并非所有这些区域在所有荟萃分析中都得到一致观察[ 7,40,44,50,55,79 ]]。除了 mPFC 之外，我们没有观察到额外的趋同 GM 减少，这表明之前在这些其他区域的发现没有得到重复。在所有关于 PTSD 的文献中，参与者的创伤经历、PTSD 诊断时间、药物使用和合并症都存在很大的差异。我们的研究结果与之前的荟萃分析结果之间的不一致可能是由于早期研究的概念和方法上的差异，例如探索 PTSD 神经生物学的研究问题的范围，以及随后导致不同研究结果的纳入/排除标准的差异。纳入的研究集。本次 VBM 荟萃分析中纳入的研究与之前的 PTSD 荟萃分析的比较表明存在不同程度的重叠，包括（从最早到最近的荟萃分析）：44 ]，17项纳入研究中的14项[ 50 ]，20项纳入研究中的15项[ 55 ]，13项纳入研究中的7项[ 7 ]，8项纳入研究中的7项[ 40 ]，以及12项纳入研究中的10项[ 79 ]。

除了纳入研究的选择之外，荟萃分析方法可能会导致结果差异的根源。以前的荟萃分析使用 ALE 方法 [ 44 , 50 ] 或符号差分映射 [ 7 , 40 , 55 , 79 ]。与目前的结果一致，Meng 等人的荟萃分析。[ 55 ]和克拉明等人。[ 40 ]还在mPFC中产生了单个簇，它使用SDM方法，而我们当前的结果使用ALE方法。然而，在所有先前的荟萃分析中，只有孟等人的研究。[ 55] 满足当前基于坐标的荟萃分析的至少 20 个对比的阈值 [ 23]。在回顾了上述先前的荟萃分析工作并与我们目前的结果进行比较后，我们得出结论，PTSD文献中广泛的异质性，加上不同的荟萃分析包容/排除标准，可能导致我们的结果与先前荟萃分析结果之间的差异。据我们所知，目前对 25 项对比的荟萃分析代表了迄今为止对结构发现的最大的 PTSD 荟萃分析，之前的荟萃分析工作审查了 8-20 项纳入的研究。我们观察到 mPFC 与 PTSD 的结构改变密切相关。然而，重要的是要考虑如何将 mPFC 集成到与 PTSD 症状相关的现有神经回路模型中。

PTSD 的传统神经回路模型利用恐惧调节框架，强调杏仁核对恐惧相关刺激的过度反应以及 mPFC 和眶额皮质以及海马体之间的功能障碍，在威胁暴露期间进行注意力和自上而下的控制。70 , 81]。然而，限制对 PTSD 精神病理学的考虑，只关注单个大脑区域（即杏仁核），会强调与恐惧相关的大脑活动，同时最小化与创伤暴露反应相关的 PTSD 症状的复杂星座所涉及的大脑回路，例如-经历创伤、回避、消极情绪和麻木。这些额外的过程在原始的创伤后应激障碍模型中很大程度上仍然无法解释。然而，最近的神经回路模型从这个角度构建，越来越强调 mPFC 的功能改变、其在情境化中的作用，以及情境处理如何成为 PTSD 症状的核心 [ 51 , 52]]。虽然我们的结果表明 mPFC 发生了收敛性结构改变，但我们没有在杏仁核或其他与 PTSD 先前神经回路模型有关的区域中观察到类似的收敛[ 32、42、70、81 ]]。然而，我们的结果与 PTSD 的扩展模型一致，并且我们提供了强有力的证据支持 mPFC 作为 PTSD 神经回路的关键节​​点。此外，我们的功能解码结果为 PTSD 的情境化模型提供了额外的支持。总而言之，被诊断患有 PTSD 的个体中 mPFC 的 GM 减少支持这样一个前提：这些结构改变可能导致情境处理缺陷，并最终在与 PTSD 症状相关的行为中发挥主导作用 [ 51 , 52 ] 。

PTSD 结构发现的功能概况：支持精神病理学三方模型
rsFC 和 MACM 分析将 mPFC 功能连接描述为延伸到涉及额顶叶和边缘区域的广泛的全脑网络。这些 rsFC 和 MACM 结果与功能解码结果相结合，确定了与默认模式网络 (DMN) [ 30 , 69 ]、显着模式网络 (SN) [ 57 , 78 ] 相关的空间模式的功能连接配置文件，以及中央执行网络 (CEN) [ 17 , 78]。DMN 是一个由相互连接的大脑区域组成的系统，包括 mPFC、PCC、下顶叶和颞叶皮质，这些区域通常被集体观察到与在需要注意的任务中积极参与的区域呈现反相关性。DMN 的各个区域被认为共同促进与内省和自我参照思维相关的心理过程 [ 30 , 53 , 93 ]。SN 由背外侧 ACC 和双侧岛叶组成，参与显着性检测和注意力过程 [ 57 , 78]。最后，CEN 由背外侧前额叶皮质和后顶叶皮质组成，通常涉及注意力驱动的认知功能，包括目标导向行为 [ 87 ]。这三个网络是精神病理学神经生物学理论的核心[ 28,56,57 ] 。三方模型在精神疾病神经生物学模型中的应用定义了 DMN、SN 和 CEN 网络内部和连接之间的功能障碍，并与广泛的精神疾病相关 [ 80 ]，包括 PTSD [ 60 , 63 ]]。总体而言，当前的荟萃分析确定了与 DMN、SN 和 CEN 之间的连接相关的 mPFC 功能概况，这广泛支持 PTSD 的网络理论 [ 2 , 41 ]。

根据大脑功能的三方模型，SN 被认为介导 DMN 和 CEN 网络之间的活动，以定向外部刺激或内部显着生物刺激 [ 57 ]，Sripada 等人。[ 41 ]。DMN、SN 和 CEN 之间的网络间和网络内功能连接的改变先前已与 PTSD 相关[ 41 ]。具体来说，基于种子的静息状态研究发现，PTSD 患者中 DMN 和 SN 内的连接性降低，但这两个网络之间的连接性增加（Sripada 等人[ 89 ]）。此外，其他关于 PTSD 的静息态研究利用图论方法 [ 48 ] 和独立成分分析 [ 102]] 复制了 DMN、SN 和 CEN 内的连通性减弱，但 DMN 和 SN 之间的连通性增强 [ 35 , 89 ]。总而言之，该文献表明对威胁性刺激的增强反应的自上而下的控制存在缺陷，以及对威胁性刺激的注意力定向的异常调节[ 41,48,84,89,102 ]。基于任务的研究模式反映了先前的发现，即 SN 和 DMN 之间的连通性减弱以及 SN 和 CEN 之间的连通性增强 [ 64 , 87]]。在一项针对近期遭受创伤的个体的研究中，据报道，与未患 PTSD 的参与者相比，DMN、SN 和 CEN 之间的连接被破坏 [ 54 , 68 ]，这提供了 PTSD 患者之间差异功能连接的证据以及遭受创伤的未确诊个体。与DMN、SN和CEN相关的网络功能障碍在基于任务的研究中也很明显，包括含有创伤刺激的线索[ 69 ]、目光注视[ 87 ]和广泛的行为范式[ 64 ]]。DMN、SN 和 CEN 之间和内部的异常连接也与 PTSD 症状相关，例如 DMN 的连接和活动增强与人格解体/现实解体相关，而 CEN 的连接和活动减弱与过度警觉和过度警觉相关[ 2 ]。此外，已发现 SN 和 DMN 之间的网络间连接减弱与测量 PTSD 症状严重程度的临床医生管理的 PTSD 量表 (CAPS) 评分呈正相关 [ 84 , 89 ]。此外，布卢姆等人。[ 4] 发现 DMN 区域的自发活动减弱；此外，后扣带回连接性与 PTSD 参与者自我报告的分离经历呈正相关。总之，关于与 PTSD 相关的脑功能异常的文献指出了一种结果模式，表明症状与 DMN、SN 和 CEN 内部和之间的异常连接有关。在最近对 PTSD 神经影像学文献的回顾中，Lanius 等人。[ 47 ]总结了这项工作，以反映DMN的功能障碍与自我意识的改变有关，SN的功能障碍与过度警觉和过度警觉有关，CEN的功能障碍与认知功能障碍有关，包括记忆和认知控制缺陷。

当前荟萃分析的结果提供了一个稳健的以 mPFC 为中心的 PTSD 模型，该模型与现有文献一致，并补充了精神病理学的三方模型。mPFC 是 DMN 的核心区域 [ 30 , 69 ]，在患有 PTSD 的个体中经常受到干扰 [ 15 , 68]]。本荟萃分析的结果表明，mPFC 结构和相关功能的改变可能在 PTSD 的潜在神经生物学中发挥至关重要的作用。mPFC 功能障碍被认为与 PTSD 症状情境化调节较差有关。先前的文献表明 DMN 的整合减弱以及与 SN 和 CEN 的网络间连接中断，代表了 PTSD 精神病理学中这些三方网络的异常功能障碍 [ 73 ]。大多数先前的功能和结构工作涉及不同的分析方法，检查异质群体，并利用感兴趣区域方法或先验方法假设。当前先进荟萃分析技术的应用允许对与 PTSD 相关的结构改变和 mPFC 的相关功能概况进行全脑评估。PTSD 的未来工作应考虑将基于网络的分析方法与以 mPFC 为中心的三方模型相结合，以研究 PTSD 亚型的神经病理学差异（例如创伤经历、暴露持续时间）、描述 PTSD 症状的异质性表现以及潜在的易感性发育影响在青年、青少年和成年人口中。

局限性
我们的研究受到几个因素的限制。首先，目前的荟萃分析受到纳入研究数量较少的限制。符合本研究纳入标准的研究被认为是为了减少方差实例并考虑研究结果的可靠性（纳入和排除标准如图2所示）。通过考虑纳入遭受创伤的对照、健康对照和患有创伤后应激障碍的个体，由于原始研究中的样本量较小，每组的参与者数量分布有些不均匀。然而，当前的荟萃分析满足了之前推荐的标准，即进行强有力的荟萃分析所需的至少 20 个实验对比 [ 23]。其次，我们的荟萃分析中包含的研究存在很大的异质性。例如，许多研究使用不同的临床措施制定了 PTSD 的诊断标准，并报告了 PTSD 持续时间的不同情况（例如，终生与首次发病）。在本研究的不同组中，创伤类型和暴露于创伤的持续时间也存在显着差异。鉴于这些问题，我们无法对纳入的研究中的 PTSD 亚型进行分类，因此报告了与广义 PTSD 相关的结果。许多最初的研究未能明确区分 PTSD 与其他精神疾病（例如抑郁、焦虑）的共病或报告药物和药物滥用的情况。此外，研究依赖于各种神经影像采集和分析方法，6 , 9 ]。然而，神经影像荟萃分析的目标是检查共识，尽管文献存在如此多的差异。考虑到这一点，我们相信 mPFC 是与 PTSD GM 减少相关的重要大脑区域，也是 DMN 的一个强大节点，在 DMN、SN 和 CEN 之间的切换中发挥着重要作用。未来需要进行跨诊断和荟萃分析工作，以确定与其他相关疾病相比相似且独特的 PTSD 神经生物学机制，包括补充疾病解码或结构协方差分析，这将进一步推进临床洞察力。

结论
本研究利用基于坐标的荟萃分析技术来确定在患有 PTSD 的个体中始终发现 mPFC GM 降低。rsFC 和 MACM 功能连接的互补分析为结构改变如何产生潜在的功能后果提供了新的见解。我们的结果表明，mPFC GM 的减少可能与广泛的功能系统有关，这些功能系统与行为缺陷和 PTSD 的集群症状有关。具体来说，跨无任务和基于任务领域的基于共识的功能概况强调了与精神疾病三方模型相关的大脑区域，其中涉及 DMN、SN 和 CEN 的网络间和网络内连接是 PTSD 功能障碍的核心。