心理病理学网络中的症状可预测性如何？对 18 个已发表数据集的再分析

背景：心理病理学数据的网络分析侧重于网络结构及其导出指标，如节点中心性。从中心性指标可以得出一个结论：中心性最高的节点最有可能受其相邻节点决定。然而，中心性是一个相对指标：知道一个节点具有高中心性，并不能提供关于它在多大程度上由其相邻节点决定的信息。在此，我们提供了一种对节点决定性（或可控性）的绝对度量——其可预测性。我们引入了可预测性，估计了 18 篇既往心理病理学实证网络论文中所有节点的可预测性，并将其与中心性进行统计关联分析。方法：我们进行了文献综述，收集了该领域 18 篇已发表论文中的 25 个数据集（涵盖多种情绪与焦虑障碍、物质滥用、精神病、自闭症及跨诊断数据）。我们对所有数据集拟合了 state-of-the-art 网络模型，并计算了所有节点的可预测性。结果：可预测性与样本量无关，在多数症状网络中中高，且在数据集内部和数据集之间存在显著差异。社区样本的可预测性高于临床样本，情绪与焦虑障碍最高，精神病最低。结论：可预测性是症状网络的重要补充特征，因为它给出了每个节点可控性的绝对度量。它允许得出关于症状网络自决程度的结论，并可能有助于制定干预策略。本文讨论了可预测性的局限性及未来方向。