VIC 框架 - 变异性-整合-裂隙

该受试者的整合程度比其儿科变异性预测的要好 (C_subject > +1 sigma)。

该受试者的整合程度比其儿科变异性预测的要差 (C_subject < -1 sigma)。

该受试者遵循预测的轨迹 (C_subject在±1 sigma范围内)。

合成数据 - R9模拟器锚点 (N=500/现象, 种子42)。不是诊断。不用于患者分诊。无真实患者数据。

点击一个点来查看其C_subject,或在下方选择。

I = 0.5 功能 + 0.3 掩蔽 + 0.2 异常压力

0.25 V + 0.25 I + 0.50 C

0.40 队列 + 0.40 工具 + 0.20 获取

VIC不是诊断,也不是患者级别的分诊工具。

所有当前锚点都是合成的(模拟器),不是实证患者数据。

VIC是一个研究框架,用于优先考虑研究现象,而不是评估个人。

版本v1.0.0 - 初步规范。参数将随经验数据而变化。

VIC框架 - 变异性-整合-裂隙

用于关键发育窗口期的多学科评分工具

VIC框架(变异性-整合-裂隙)是一项研究规范,命名并量化了一个精确的方法论问题:对于许多发育现象,关键可塑性窗口期在成人工具适用之前关闭,没有任何单一队列跨越该窗口期跟踪相同的受试者。VIC对这种配置进行命名并为个人穿越打分。

该工具由Guillaume Desvaux开发,在MIT和CC-BY-4.0许可证下发布。当前版本为v1.0.0 - 初步规范。所有当前数值锚点都是合成的(R9模拟器,N=500每个现象,种子42),而不是实证患者数据。

裂隙:没有队列从童年跟踪同一受试者至成年。

一个持续的方法论问题贯穿发育神经科学:儿科研究记录早期变异性,成人研究衡量整合成本,但没有任何队列跨越关键窗口期连接同一个人。关键窗口期 那些神经可塑性高度升高的时期 在标准化的成人临床工具适用之前关闭。

VIC对这种配置进行命名:儿科研究A、成人研究B、不重叠的时间窗口,以及单一队列覆盖两者的结构性不可能。裂隙(C)是无法从儿科变异性预测成人整合的量化。

这不是统计功效问题。这是一个本体约束:相同的受试者不能在相同的条件下在关闭的窗口期之前和之后进行测量。VIC将此观察形式化,并提出了一个评分框架来优先考虑研究现象。

VIC三角形:V (儿科变异性), I (复合成人整合成本), C (残差裂隙)。

V测量儿科发育轨迹的离散程度,归一化为[0, 1]。高V表示在关键窗口期内个体变异性强;低V表示发育同质。V由儿科研究数据(段A)构建。

I是衡量成人功能整合成本的复合指数。其计算方式为I = 0.5 * I_functional + 0.3 * I_masking + 0.2 * I_allostatic,每个子轴归一化为[0, 1]。默认权重(0.5, 0.3, 0.2)可根据学科背景进行调整。I由成人研究数据(段B)构建。

C是从V测量I的残差不可预测性。在队列级别:C_cohort = Var(I - I_predicted) / Var(I) = 1 - R^2。高的C_cohort意味着成人整合方差的大部分未被儿科变异性解释 这就是裂隙。在受试者级别:标准化残差C_subject = (I_observed - I_predicted) / sigma_residual表示个人是否比其儿童期变异性预测的整合程度更好(C > +1 sigma)或更差(C < -1 sigma)。

VIC的四个资格认定条件。四个条件都必须满足。

发育现象满足VIC资格认定当且仅当以下四个条件同时满足。任何一个未满足的条件都会使该现象失去资格。

C1: 存在关键窗口期 - 可塑性在儿科发育的有限期间显著升高。

C2: 窗口在成人测量前关闭 - 标准化临床工具仅在窗口关闭后适用。

C3: 两个段分别有文献记录 - 该现象存在儿科研究(段A)和成人研究(段B),但不存在覆盖两者的单一队列。

C4: 没有队列跨越窗口期 - 该现象不存在单一纵向队列从儿科窗口期跟踪同一受试者至成年。

此筛选器故意设置得很严格。它消除了已经存在完整纵向数据(C4未满足)或未建立关键窗口期(C1)的现象。它针对的是差距是结构性的、无法通过简单增加统计功效来克服的情况。

评分流程:严重程度和可行性推动优先级。

对于队列,C_cohort = 1 - 从I sim V回归得出的R^2。它是无法从儿科变异性预测的成人整合方差的分数。高值(例如visual_asd的0.421)表示裂隙很大;低值(例如attachment_bpd的0.082)表示儿科变异性很好地预测成人整合。

VIC计算三个领域评分来帮助优先考虑研究工作。这些评分适用于研究领域(现象),而不是个别患者:

严重程度 = 0.25 * V_disp + 0.25 * I_disp + 0.50 * C - 权衡轴离散和裂隙,裂隙权重加倍。

可行性 = 0.40 * cohort\_feasibility + 0.40 * instrument\_availability + 0.20 * accessibility - 测量进行缺失纵向研究的实际便利性。

优先级 = 严重程度 / max(可行性, 0.05) - 严重且易于研究的现象获得最高优先级。0.05的下限避免零除。

VIC已应用于七个候选发育现象,涵盖神经科学、精神病学和发育心理学。visual_asd是工作示例。六个评分现象具有校准的合成锚点(R9 sim, N=500, 种子42)。hormonal_identity现象因工具异质性而延期。

元标尺锚点 (R9模拟器, 合成)

下表再现了已发布的合成元标尺锚点。这些值由R9模拟器使用每个现象N=500个受试者和随机种子42生成。它们不是实证患者数据。它们用作合成演示器的校准锚点。

合成数据注: 上表中的所有数值都是合成模拟器锚点(R9, N=500, 种子42),不是真实患者的实证测量。

下面的交互式演示器重播模拟器锚点 - 不是患者数据。它从已发布的元标尺参数(beta_1, sigma_residual, 种子42)确定性地重新计算,为六个评分现象中的每一个生成说明性的V vs I散点图。回归线对应于已发布的beta_1斜率。选择受试者会显示其标准化残差C_subject。

VIC是一个正在开发中的研究框架。其v1.0.0版本是初步规范。源存储库中的CLINICAL_NOTICE.md列出了以下限制,逐字复述:

复合I权重(0.5/0.3/0.2)是说明性默认值,未经实证验证。四个条件(C1-C4)的资格认定阈值需要学科操作化 - VIC提供框架,而非阈值。可行性子轴(队列可行性、工具可用性、获取)的数据可用性需要专家领域评估。迄今没有任何现象具有实证锚点;所有当前参数都是合成的。

走向实证锚点的道路需要涵盖关键窗口期至成年过渡的纵向研究 - 正是VIC旨在帮助优先考虑的研究。此自举过程对规范是固有的,并在文档中如此确认。