背景
注意力缺陷/多动障碍（ADHD）是一种常见的神经发育障碍，其特征是注意力不集中、多动和冲动。第五版精神障碍诊断和统计手册(DSM-5) [ 1 ] 不再将自闭症谱系障碍 (ASD) 的合并症排除在 ADHD 的诊断之外。大量证据表明，ADHD 和 ASD 在遗传学、社会功能和互动、执行功能和大脑成像变化方面可能有重叠 [ 2 ]。即使没有诊断出自闭症谱系障碍，患有多动症的人也可能表现出自闭症或自闭症特征（AT）的症状[ 3 ]。

AT 代表社交互动中的刻板印象和缺陷，通常由 ASD 量表的积极结果来定义。然而，AT 本身并不符合 ASD 诊断的临床阈值 [ 4 , 5 ]。在患有 ADHD 的年轻人中，AT 的共存可显着影响其临床特征及其神经心理和社会功能；这种共现现象可以持续到成年期[ 6 ]。社交缺陷可能与对立症状更相关，而限制性和重复性行为（RRB）可能预测多动和冲动（HI）的症状[ 7 ]。在行为表达方面，具有AT（ADHD + AT）的ADHD先证者比没有AT（ADHD - AT）的ADHD先证者存在更多的问题。6 , 8 ]。就认知功能而言，ADHD + AT 患者的注意力、工作记忆、非语言推理和视觉运动技能的损害比 ADHD – AT 患者更为突出 [ 7 , 8 ]。至于社会功能，ADHD 合并 AT 的患者在业余时间问题、活动障碍和同龄人问题方面表现出更多的障碍[ 6 ]。

除了上述行为和认知证据外，一些研究还尝试根据脑成像数据来研究 ADHD 儿童的 AT，以探索潜在的潜在神经生物学机制。大多数证据来自比较 ADHD 和 ASD 先证者的研究，以探索潜在的重叠和独特的大脑结构和/或功能改变。ADHD 和 ASD 之间的皮层下体积变化可能相同，而两种情况之间的皮层厚度变化可能相同，也可能不同 [ 9 ]。研究发现胼胝体的分数各向异性在 ADHD 和 ASD 症状的重叠中发挥着重要作用 [ 10]。ADHD 和 ASD 的特点都是在运动反应抑制任务期间右前岛叶激活不足 [ 11 ]。与健康对照（HC）和仅患有 ADHD 的患者相比，患有 ADHD 和 ASD 的患者在心理理论测试期间表现出局部右颞顶皮层的功能连接性（FC）降低[ 12 ]。上述两种疾病的共同大脑特征，特别是同时患有 ADHD 和 ASD 的患者的大脑变化，可能有助于我们了解 ADHD 儿童的 AT。

迄今为止，很少有研究直接调查与 AT 相关的脑成像变化。一项对大脑结构图像的研究表明，患有 ADHD 的成人 ASD 评分与灰质体积之间存在正相关关系 [ 13 ]。尽管研究已经确定了几个可以预测 ASD 症状或影响社会认知的大脑区域体积，但这种强相关性并不是 ADHD 所独有的 [ 14 , 15 ]。库珀等人。探索 ADHD 患者 AT 的白质 (WM) 微观结构特征。他们发现与 AT 相关的 WM 变化主要位于内囊/皮质脊髓束的右后肢、右小脑脚和中脑[ 16 ]]，而 ADHD 的严重程度与左侧膝下扣带回的 WM 微观结构相关 [ 17 ]。张等人。研究发现，在患有 ADHD 和 AT 的儿童和青少年中，左侧额中回的脑血流量与 ASD 和 ADHD 评分相关，而左侧颞极的脑血流量与 ASD 评分呈负相关。然而，他们的事后分析显示，有和没有 AT 的 ADHD 组之间这些簇没有显着差异 [ 18 ]。一项研究表明，患有 ADHD 的青少年较高的社交障碍和更多的 ADHD 症状与默认模式网络 (DMN)、额顶叶网络和扣带盖网络之间的功能连接障碍相关 [ 19]。尽管有上述研究，现有文献的证据仍然不足以说明 ADHD 中 AT 特异性的大脑变化，这些变化可能独立于与核心 ADHD 症状相关的变化。

静息态功能磁共振成像（rs-fMRI）是一种非侵入性工具，用于探测人脑固有功能组织的自发神经活动，这可能反映了疾病的病因学[ 20 ]。低频（0.01~0.08 Hz）波动幅度（ALFF）是衡量静息态血氧水平依赖性信号变化的指标，可以相对、间接地反映大脑自发活动[ 21 , 22 ]。它已广泛应用于精神障碍的研究[ 21 , 22 , 23 , 24 , 25]，其灰质区域的重测可靠性高，并且对于辨别个体和群体之间的差异具有高敏感性[ 26 ]。ALFF 已成功识别 ADHD患者的认知、执行功能障碍和哌醋甲酯治疗相关的大脑变化[ 27,28,29 ]。总而言之，这些证据表明 ALFF 是检测 ADHD 自发大脑活动的敏感方法。

总之，AT 在 ADHD 中很常见，并且可以影响该疾病的行为、认知和大脑特征。据我们所知，AT 的神经影像机制尚未得到很好的阐明。因此，在本研究中，我们旨在从行为表达和大脑功能改变两个方面研究ADHD儿童的AT，以探讨“大脑-行为”关系，以促进更好地了解ADHD儿童AT相关的异质性。为了分析大脑功能改变，使用了 rs-fMRI 中的 ALFF。我们假设 ADHD 儿童的 AT 与更多 ADHD 症状和特定的脑成像变化有关。

结果
表1列出了两组（HC-AT、ADHD）或三组（HC-AT、ADHD-AT和ADHD+AT）的人口统计学和临床​​特征。无论两组之间还是三组之间，性别分布均未发现显着差异。HC – ATs 组的儿童年龄大于 ADHD 整体组（9.51 ± 1.16 vs. 8.84 ± 1.71；P  = 0.0027）和 ADHD – ATs 组（9.51 ± 1.16 vs. 8.89 ± 1.70；P  = 0.0353），ADHD + ATs（ 9.51 ± 1.16与8.75 ± 1.75；P  = 0.0164) 亚组。HC – AT 组的全面智商 (FSIQ) 分数高于 ADHD 整体组（106.34 ± 9.52 vs. 93.33 ± 10.36；P  = 1.200E −12），ADHD − AT（106.34 ± 9.52对比94.24 ± 9.43；P  = 2.754E −10），ADHD + AT（106.34 ± 9.52对比91.90 ± 11.60；P  = 4.979E −12）亚组。ADHD + AT 和 ADHD - AT 在年龄、FSIQ 或 ADHD 亚型的分布上没有发现差异。

行为分析
对于 AT 症状，除了沟通问题外，ADHD 儿童的自闭症谱系筛查问卷 (ASSQ) 的总分和分项分数均显着高于 HC - AT 儿童（表1）。有趣的是，当我们根据 ADHD 的 AT（ADHD − AT 和 ADHD + AT）定义 ADHD 子组时，我们发现 ADHD + AT 的 ASSQ 总分和所有子分数均高于其他两组（包括沟通问题）；ADHD - AT 和 HC - AT 之间没有发现显着差异。

对于 ADHD 核心症状，ADHD 儿童的 Swanson、Nolan 和 Pelham 评定量表 IV 版 (SNAP-IV) 的总分和分项分数显着高于 HC-AT 儿童。三组之间的事后分析表明，两个 ADHD 组的 SNAP-IV 总分和分项得分高于 HC – AT 组。在我们对 ADHD 受试者进行比较时，ADHD + AT 比 ADHD - AT 具有更多的 HI 症状（表1），而注意力不集中的症状没有发现差异。

基于上述研究结果，我们在控制年龄、性别和FSIQ后，通过偏相关分析进一步探讨了ADHD儿童HI症状与AT之间的关系。HI症状与社交互动评分（r  = 0.299，P  = 7.7E -05）、沟通问题（r  = 0.196，P  = 0.0105）和RRB（r  = 0.192，P  = 0.0124）呈显着正相关。然而，在 HC − AT 中并未发现上述关系（均P  > 0.05）。

为了解决性别对我们目前研究结果的潜在影响，我们在患有多动症的儿童中进行了男性和女性之间的两个样本t检验。结果表明，男性 (n = 146) 和女性 (n = 26) 的 AT 症状没有差异，包括 ASSQ 总分（10.39 ± 7.90与10.54 ± 9.38；t  = − 0.09，P  = 0.9320）以及所有三项症状分量表：社交互动（3.99 ± 3.33 vs. 4.00 ± 3.42；t  = − 0.01，P  = 0.9923），沟通问题（2.75 ± 2.48 vs. 2.81 ± 2.86；t  = − 0.10，P  = 0.9203），RRB（3.64 ± 3.23与3.73 ± 3.61；t = − 0.12，P  = 0.9012）。此外，ADHD 核心症状没有发现性别差异，包括 SNAP-IV 总计（30.69 ± 9.70 vs. 28.73 ± 9.23；t  = 0.96，P  = 0.3400）和两个子量表：注意力不集中（17.00 ± 4.99 vs. 16.65） ± 4.48；t  = 0.34，P  = 0.7362），HI（13.69 ± 5.73与12.08 ± 5.36；t  = 1.33，P  = 0.1853）。此外，我们还发现 ADHD - AT 和 ADHD + AT 亚组中男性和女性的 ASSQ 和 SNAP-IV 量表的总分和所有子分数没有差异（所有P  > 0.05）。

影像分析
成像分析中包含的受试者的人口统计和临床特征显示在附加文件1：表S1中。

分类比较
五个聚类表明平均 ALFF (mALFF) 值存在组间差异：左侧颞中回 (MTG；F  = 10.259，P  = 9.200E − 5 )，右侧 MTG ( F  = 8.249，P  = 4.950E − 4 )，左侧枕中回 (MOG; F  = 7.787, P  = 7.350E − 4 )、右顶叶 (PL)/楔前叶 ( F  = 8.939, P  = 2.750E − 4 ) 和左 PL/楔前叶 ( F  = 7.428, P  = 0.0010；表2、图 1A）。事后分析表明 ADHD 和 AT 之间潜在的共享和独特的大脑功能改变。

ADHD 特异性改变：左侧 MTG（簇 1）、左 MOG（簇 3）和左 PL/楔前叶（簇 5）中较高的 mALFF 值可能与 ADHD 特异性相关（图 1 B和附加文件1：图.S1）。这是我们在 ADHD 组和 HC – AT 之间发现的唯一差异，而我们发现 ADHD + AT 和 ADHD – AT 之间没有差异（表2）。

AT 特定的改变：右侧 MTG（簇 2）中较高的 mALFF 值可能是 AT 所独有的。这是我们在 ADHD + AT 和其他两组之间发现的唯一差异，但在 ADHD - AT 和 HC - AT 之间发现了不显着的差异（图 1 C 和附加文件1：图 S1，表2）。

ADHD 和 AT 之间共享的改变：右侧 PL/楔前叶（簇 4）中 mALFF 值的变化对于 ADHD 和 AT 可能是常见的，尽管相关方向不同（图 1 D和附加文件1：图 S1）。如表2所示，ADHD-AT中的簇4 mALFF值高于HC-AT和ADHD+AT中的值，而ADHD+AT和HC-AT之间没有发现差异。

脑功能改变与临床症状之间的定量关系
我们使用多重线性回归分析来进一步探讨 ADHD 组分类（组比较）分析中五个不同脑区的 ASSQ、SNAP-IV 评分和 mALFF 值之间的定量关系。在分析 AT 和 ADHD 核心症状与脑功能改变的关联时，将 SNAP-IV 和 ASSQ 总分分别设置为协变量。

我们发现，在所有三个分量表得分上，AT 与右侧 PL/楔前叶（簇 4）中的 mALFF 值呈负相关（社交互动、沟通问题和 RRB 分别为P  = 0.0006、0.0073 和 0.0004）。相反，发现右侧 MTG（集群 2）中的 mALFF 值与 RRB ( P  = 0.0035) 和通信问题呈正相关（边缘，P  = 0.0620；表3）。我们没有发现 ADHD 特定的大脑区域对 ADHD 症状有任何影响。

讨论
我们目前的研究试图从行为和脑成像的角度探讨 ADHD 儿童的 AT。结果表明，患有 ADHD + AT 的儿童在自闭症症状的各个方面表现出更多的整体损伤，并且有更多的 HI 症状。mALFF 测量的左侧 MTG、左侧 MOG 和左侧 PL/楔前叶的大脑功能变化可能与 ADHD 特定相关。此外，右侧 MTG 中的那些可能与 AT 密切相关，而右侧 PL/楔前叶中的那些与 ADHD 症状和 AT 相关，尽管方向不同。定量分析支持 ADHD 儿童右侧 MTG 和右侧 PL/楔前叶中 mALFF 的改变与 AT 的关系。

大约 20–65% 的 ADHD 儿童表现出 ASD 症状 [ 8 , 30]。在这项研究中，通过 ASSQ 评估的 AT 患病率接近 39%。有趣的是，ADHD 和 HC-AT 之间的沟通问题分数没有差异；然而，当我们将 AT 与 ADHD 分开并比较 HC − AT、ADHD − AT 和 ADHD + AT 之间的 ASSQ 总分和分项时，我们发现 ADHD + AT 的沟通问题得分高于其他两组。阐明了评估 ADHD 儿童 AT 的重要性，这可以帮助我们更好地识别可能不符合 ASD 诊断标准的 AT 亚组，并引起人们对未来对 ADHD 中 AT 的针对性干预的关注。正如事后组比较所示，ADHD-AT 组在三个子域中的任何一个中与 HC – AT 组都没有差异。这表明 ASSQ 在识别 ADHD + AT 方面具有良好的敏感性，并支持其用于未来 ADHD 儿童 AT 的临床筛查。ADHD + AT 亚组在所有三个子领域均表现出损伤，这与之前的研究一致[31、32 ] 。 _ 就 AT 和 ADHD 核心症状之间的相关性而言，我们发现 ADHD + AT 中的 HI 症状比 ADHD - AT 中更严重，而注意力不集中则没有差异，正如 Grzadzinski 的研究中所讨论的那样 [ 33 ]。这不能用两个 ADHD 组之间不同的 ADHD 亚型诊断来解释，因为这种亚型诊断在我们目前的研究中没有不同。此外，发现 HI 症状与 ADHD 儿童的所有 ASSQ 子域呈正相关，但在 HC – AT 中则不然。一项研究表明，ADHD 患者的 ASD 特征可以通过更多的 HI 症状来预测，但不能通过注意力不集中的症状来预测 [ 34]，支持 HI 症状与 AT 之间的潜在关系。在现有文献中，HI 症状通常被报道与 RRB 更密切相关，而注意力不集中则与自闭症症状的所有子领域相关[ 32,35,36 ]。使用网络分析进行进一步的研究可能值得进行，以确定作为连接 HI 和 AT 的“桥梁”的关键症状[ 37 ]，这可以在一定程度上帮助解释 HI 症状和 AT 子域之间研究结果的不一致。

在我们的成像分析中，第一个有趣的发现是在分类和定量分析中正确 MTG 和 AT 的功能变化之间的特定关联。右侧 MTG 中 AT 特定变化的 mALFF 值显示与 RRB 显着正相关，并且与沟通问题呈正趋势相关。许多证据支持正确的 MTG 参与 ASD/AT。任务 fMRI 研究证明，右侧 MTG 的激活与 ASD 或 AT 患者的自闭症症状严重程度呈正相关 [ 38 , 39 ]。在 ASD 受试者中检测到 MTG 内或 MTG 与大脑其他区域之间的 FC 被破坏 [ 40 , 41 , 42 ]]。目前还没有类似的研究报道正确 MTG 和 RRB 的 mALFF 值之间的定量关系。右侧 MTG 中较大的 ALFF 值已被证明与 ASD 中较大的视觉运动变异性相关 [ 43 ]。进一步探索右侧 MTG 的功能改变是否会通过与视觉运动相关的不协调肢体运动来影响 RRB 将会很有趣。

尽管左侧 MTG 的异常活动也曾在 ASD 中被报道[ 44,45,46 ]，并且与患有 AT的ADHD受试者的 ASD 症状相关[ 18 ]，但我们目前的研究结果表明，左侧 MTG 的 mALFF 值的变化应该与多动症特定。MTG是视觉注意网络的重要组成部分[ 47 ]，其功能障碍在ADHD病因学中起着重要作用[ 48 ]。来自大脑功能和结构分析的大量证据强调了左侧 MTG 在 ADHD 中的作用 [ 49 , 50 , 51 , 52 ]]。其他研究对于双侧 MTG 的激活是否与ADHD相关得出了不一致的结论[ 53,54,55 ]。有趣的是，将 AT 与 ADHD 分离后，我们发现 MTG 的右侧化与 AT 相关，而左侧化与 ADHD 相关。ADHD 中 AT 的右侧不对称是否影响 ADHD 中的左右脑不对称可能是未来的另一个讨论点。

另一种与 AT 相关的大脑功能变化是在右侧 PL/楔前叶中发现的，这得到了分类和定量分析的支持。楔前叶是顶上小叶的一部分，是后部DMN的关键节点，在自我参照认知过程和心理理论等社会功能中发挥着至关重要的作用[ 56 ]。ASD 患者的右侧楔前叶和其他大脑区域之间的 FC 降低[ 40 , 57 ]。除了 rs-fMRI 证据外，还对大脑结构进行研究 [ 58 , 59 , 60 ] 并使用任务 fMRI [ 61 , 62]] 强调右侧楔前叶在 ASD 中的作用。尽管不同研究中 DMN 存在异质性，但研究结果普遍表明 ASD 中 DMN 节点的低激活[ 63]。更有趣的是，右侧 PL/楔前叶中 mALFF 的方向与 ADHD 和 AT 呈反向相关，如分类比较所示。这两个相反方向的组合导致 ADHD + AT 和 HC – AT 之间没有显着差异。ADHD 和 AT 受试者的右 PL/楔前叶功能改变正常化促使我们想知道 ADHD 儿童的 AT 是否会对临床表达、认知功能或其他社会功能产生一些益处。值得进一步研究来探讨这个重要问题。我们应该注意到，一些研究发现楔前叶异常与注意力缺陷多动症和自闭症谱系障碍有关，但作用方向相同[ 64 , 65]。因此，我们将在未来的研究中招募典型发育中的 AT 儿童，以确认共享的右 PL/楔前叶簇在 ADHD 和 AT 中的作用方向的准确性。在左侧 PL/楔前叶中，mALFF 改变是 ADHD 特异性的，这与之前的报告一致 [ 66 ]。与右侧尾状核一起，左侧楔前叶可以指示正常组中的 ADHD，准确度为 62.52% [ 67 ]。介入实验表明，较大的左楔前叶体积与较差的哌醋甲酯反应相关[ 68 ]。

除了上述大脑区域外，我们还发现左侧 MOG 的大脑功能改变与 ADHD 之间存在相对特异的相关性。MOG 是枕叶的一部分，包含大部分视觉皮层，并已被证明通过类别选择性注意参与无意识过程的调节 [ 69 ]。最近的一项研究表明，从腹侧壳核到左侧 MOG 的格兰杰因果分析值与 ADHD 患者的 HI 症状显着负相关[ 70 ]。Rs-fMRI 和弥散张量成像研究也支持左侧 MOG 变化与 ADHD 之间的关系 [ 53 , 54 ]。

总之，我们的行为数据证明了 ADHD 儿童中 AT 的存在，说明了自闭症症状的结构及其与 HI 症状的强相关性。AT 不是暂时的，而是在 ADHD 中保持多年稳定 [ 6]。识别 ADHD 儿童的 AT 将有助于有针对性的干预。例如，对于同时患有 ADHD 和 AT 的儿童，对 HI 进行行为干预可能有助于改善他们的社交互动表现。ADHD 儿童的 AT 可能以特定的大脑功能变化为标志，这将有助于我们了解这些儿童的神经影像异质性。自闭症被认为是人类多样性的自然形式，因为从普通人群中的自闭症到患者中的自闭症谱系障碍具有连续性。我们发现的 AT 特异性脑簇变化也可能有助于我们根据 DSM-5 标准了解 ADHD 和 ASD 共病个体的大脑功能改变的特征。此外，我们发现的 ADHD 和 AT 的共同和独特特征可能会提供一些潜在的干预目标。

目前的研究存在一些局限性。首先，它关注的是 ADHD 儿童的 AT；我们没有招募患有 AT 的 HC 儿童。招募患有 AT 的典型发育受试者将有助于对一般人群中指示 AT 的特定大脑变化进行更细致的描述。其次，我们仅使用 rs-fMRI 中的 mALFF 作为大脑功能特征进行分析。未来的研究应该获取多模态数据，以深入探索 ADHD 和 AT 之间潜在的共享和独特的大脑功能改变。第三，应招募仅患有 ASD 的儿童、仅患有 ADHD 的儿童以及合并症群体，以探索这些人群从 AT 到 ADHD 中的 ASD 谱系的行为、认知功能和大脑变化的持续详细变化。第四，我们的研究并未匹配 HC 和 ADHD 组之间的年龄和智商，尽管我们将它们作为统计分析中的协变量来控制这两个混杂因素。最后，我们的样本量较小，年龄范围相对较窄，可能无法涵盖 ADHD 的整个人群或所有发展时期；我们还发现 ADHD 症状与左侧 MTG、左侧 MOG 或左侧 PL/楔前叶的 mALFF 之间没有相关性。应招募包括多个年龄范围的更大样本来解决这个问题。我们还发现 ADHD 症状与左侧 MTG、左侧 MOG 或左侧 PL/楔前叶的 mALFF 之间没有相关性。应招募包括多个年龄范围的更大样本来解决这个问题。我们还发现 ADHD 症状与左侧 MTG、左侧 MOG 或左侧 PL/楔前叶的 mALFF 之间没有相关性。应招募包括多个年龄范围的更大样本来解决这个问题。

结论
在患有多动症的儿童中，一些受试者还表现出自闭症特征。在这项研究中，患有 ADHD + AT 的受试者表现出不同的行为特征和潜在的特定大脑功能改变。对ADHD儿童ATs的评估和探索有助于我们了解ADHD的异质性，更好地探讨其发病机制，促进临床干预。

方法
参与者和程序
对于患有多动症的儿童，所有受试者均在深圳市儿童医院（SCH；中国深圳）的诊所招募。至于HC，他们是通过广告从深圳当地的不同小学招募的。2017 年 6 月至 2020 年 12 月期间，共招募 SCH 门诊部 172 名根据 DSM-IV 临床诊断为 ADHD 的未用药患者，以及 45 名 HC。本横断面研究得到了SCH医学伦理委员会的批准，并获得了所有参与者及其家长的知情同意。

患者第一次来诊所就诊。他们接受了半结构化临床访谈，使用儿童情感障碍和精神分裂症当前和终生版本 (K-SADS-PL) 来确认 ADHD 的诊断并排除其他精神疾病 [ 71]。ADHD儿童的纳入标准如下：（1）符合ADHD的诊断；（二）年龄6-16周岁；(3)采用韦克斯勒儿童智力量表第四版评估的FSIQ≥70；(4) 没有任何针对多动症的药物、行为或心理干预。排除标准如下：（1）自闭症谱系障碍（ASD）或睡眠障碍诊断；(2) 抽动障碍、智力障碍、品行障碍、精神分裂症、情感障碍或其他精神障碍；(3)癫痫、身材矮小、先天性心脏病、遗尿、免疫性脑炎等躯体疾病和神经系统疾病。愿意参与我们项目的HC来到我们诊所，根据使用K-SADS-PL的临床访谈评估纳入标准和排除标准。任何当前或一生中任何精神疾病的诊断都会导致排除。HC 的其他纳入和排除标准与 ADHD 组相同。

所有参与者的父母都被要求完成 ADHD 和 ASD 症状评估的 SNAP-IV 和 ASSQ 量表。ASSQ总分≥12的受试者被定义为具有AT[ 72 ]。ADHD和HC组进一步分为两个亚组：ADHD+AT、ADHD-AT和HC+AT、HC-AT。最终，只有一组 HC 与 AT 结合，不能成为一组，因此我们排除了这一组与 AT 合并症的情况，保留剩下的三组（ADHD + AT、ADHD - AT 和 HC - AT）进行分析。

对于成像分析，只有同意参与并满足以下标准的受试者才被纳入数据采集：（1）惯用右手；（2）没有金属植入物（包括不可摘义齿）；(3)没有患有幽闭恐惧症。经验丰富的放射科医生在 MRI 扫描期间检查 MRI 图像上的任何可见异常（例如囊肿），或在任何方向上平移 > 3 毫米或旋转 > 3° 的过度头部运动，都会导致排除大脑分析。由于头部运动过度，五名患有多动症的儿童被排除在进一步的影像分析之外。

最后，67 名 ADHD + AT、105 名 ADHD - AT 和 44 名 HC - AT 被纳入行为分析；以及 21 个 ADHD + AT、38 个 ADHD - AT 和 43 个 HC - AT 用于成像分析。

测量
斯旺森、诺兰和佩勒姆评级量表，第四版
我们使用 SNAP-IV 家长表格来评估 ADHD 症状。该表格包括 18 个项目，采用三分制评分标准（0 =“完全没有”，1 =“只是一点点”，2 =“相当多”，3 =“非常多”）。中文版SNAP-IV已被证明是一个可靠有效的工具，具有令人满意的信度（SNAP-IV分量表的所有Cronbach's α系数> 0.88）以及足够的敏感性（0.87）和特异性（0.79）[ 73 ] 。

自闭症谱系筛查问卷
ASSQ 由 27 个三点评分量表组成（0 =“正常”，1 =“某些异常”，2 =“明确异常”）。9 个项目是针对社交互动设计的，7 个是针对沟通问题设计的，11 个是针对 RRB 设计的[ 72 ]。ASSQ已被证明具有良好的内部一致性（Cronbach's α  = 0.86）[ 74 ]。为了在我们的研究中定义 ADHD + AT 组，我们使用了普通话版本，其截止值为 12 可以区分 ASD 个体与未受影响的对照 [ 72 ]。

静息态功能 MRI
数据采集
我们使用带有标准 12 通道头部线圈的西门子 Skyra 扫描仪（德国福希海姆西门子医疗保健公司）获取了 SCH 儿童的 rs-fMRI 数据。使用具有以下参数的回波平面成像序列采集功能图像：重复时间 = 2000 ms，回波时间 = 30 ms，翻转角 = 90°，厚度/跳跃 = 3.5/0.7 mm，矩阵 = 64 × 64，视场视图 = 200 × 200 mm、33 个轴向切片、240 个体积和 3 × 3 mm 面内分辨率。所有参与者都被要求在 8 分钟的功能磁共振成像扫描期间闭上眼睛，不要睡着。

数据处理
我们在 MATLAB R2014a 平台上使用 RESTplus [ 75 ]获取静息态功能图像。数据预处理包括以下步骤：排除前 10 个时间点、切片计时、重新对齐、将每个参与者的图像分割到回波平面成像标准模板，然后归一化到蒙特利尔神经研究所空间（重新采样的体素大小 = 3 × 3 × 3 mm 3）、使用 6 毫米半高全宽高斯滤波器进行空间平滑、线性去趋势和讨厌的协变量回归（包括 friston 24 参数模型、WM 信号和脑脊液信号）[ 76 ]。

为了提高灰质区域的重测可靠性，并且对辨别个体和群体之间的差异更加敏感 [ 26 ]，选择 ALFF 而不是 fALFF 来验证我们的假设。经过预处理后，我们计算了ALFF。平均 ALFF（mALFF；每个体素的 ALFF 通过灰质体素的平均 ALFF 标准化）用于统计分析。

统计分析
对于行为数据，使用两个样本t检验或方差分析 (ANOVA) 以及使用最小显着差异 (LSD) t检验、χ 2检验或 Fisher 精确检验进行事后分析来比较人口统计和行为数据。 HC-ATs和ADHD两组或HC-ATs、ADHD-ATs和ADHD+ATs三组的临床特征。我们使用以性别、年龄和 FSIQ 作为协变量的一般线性模型分析，或使用协方差分析 (ANCOVA) 和使用 LSD t进行事后分析-测试，比较 ADHD 和 HC – AT 受试者之间或三组之间的 AT 症状和 ADHD 症状。采用性别、年龄和 FSIQ 作为协变量的偏相关分析，分别探讨 ADHD 组和 HC − AT 组中 AT 症状与 ADHD 症状之间的关系。

对于神经影像数据，我们使用 ANCOVA 和 RESTplus 比较 ADHD + AT、ADHD – AT 和 HC – AT 组儿童的 mALFF，以性别、年龄和 FSIQ 作为协变量。多重比较校正基于 Analysis of Function NeuroImages 的 AlphaSim，阈值P  < 0.01，簇大小 ≥ 42 [ 77 ]。然后，我们从每个显着簇中提取 mALFF 信号，使用 LSD t检验进行以下事后分析：使用逐步多重线性回归分析研究不同大脑区域的 mALFF 值与 ASSQ 和 SNAP-IV 评估的症状之间的关系，在消除方差膨胀因子值 > 10 的因子后。

我们使用 SAS 9.1 版（SAS Institute，卡里，北卡罗来纳州，美国）和 SPSS 23 版（IBM Corp.，阿蒙克，纽约州，美国）进行所有行为和 mALFF 值统计分析。P  < 0.05 被认为是显着的。