addiction medicine 篇论文

成瘾医学致力于理解药物依赖、酒精滥用及行为成瘾背后的复杂机制，并探索更有效的治疗与预防策略。这一领域不仅关注生理层面的神经变化，更深入探讨心理社会因素如何影响个体的康复进程，旨在为受困者提供科学支持。

Gist.Science 持续追踪并处理来自 medRxiv 的每一份新增预印本，确保这些前沿研究能被广泛触及。我们不仅提供详尽的技术摘要，更精心撰写通俗易懂的通俗解读，让专业成果跨越学术壁垒，真正服务于大众与从业者。

以下是该分类下最新收录的预印本论文，涵盖了从最新临床数据到机制研究的多元视角。

本研究方案概述了一项横断面功能性近红外光谱实验，旨在利用组间相关性和多带频域分析，探究具有不同赌博经验的个体对赌博广告的前额叶皮层反应，以识别易感性神经标记并为公共卫生监管提供依据。

这项针对高风险新兴成年人的初步研究显示，大麻使用障碍严重程度越高，特定眶额皮层及内侧前额叶/前扣带皮层亚区的表面积越小、皮层厚度越厚，而这些变化进一步与抑郁、创伤症状、冲动性以及特定的大麻使用动机相关。

本项涵盖 11 项系统评价（涉及超过 300 万个体）的伞状综述与荟萃分析估计，问题性互联网使用行为的全球患病率范围从游戏行为的 6% 到智能手机使用行为的 32% 不等，同时凸显了显著的方法学异质性以及对更高质量、地理分布更多样化研究的迫切需求。

该研究利用荷兰 Lifelines 队列及澳大利亚双胞胎数据表明，酒精使用障碍和尼古丁依赖的代际传递主要由直接遗传效应驱动，而通过家庭环境介导的间接遗传效应仅在吸烟数量上表现出微弱影响。

该研究通过倾向评分匹配分析发现，阿片类药物使用障碍（OUD）个体的代谢异常（如血脂失衡和糖化血红蛋白升高）与肥胖及慢性炎症密切相关，且炎症在肥胖与代谢风险之间起到了中介作用，提示改善代谢健康和抗炎可能是提升 OUD 患者长期预后的新途径。

本研究利用 ABCD 研究的纵向数据，提出了一种结合图发现与双重机器学习（DML）的因果推断框架，成功识别了睡眠、家庭环境等影响青少年物质使用启动的高维时变预测因子，为制定针对性预防策略提供了科学依据。

本研究利用 ABCD 研究数据，通过结合多任务学习与动态离散时间建模，证明了整合纵向时间变化信息比单纯的多任务学习更能显著提升青少年物质使用启动的预测性能，并识别出跨物质共享的关键风险因素。

该研究通过系统调整生态瞬时评估频率、预测变量数量及训练数据来源，发现尽管机器学习算法在预测戒烟过程中的复吸风险方面表现出一定的效果，但整体性能仅属中等且个体差异显著，提示单一依赖机器学习可能不足以支撑实时自适应干预，建议将其与基于规则的方法相结合。

该研究方案旨在通过针对美国英语使用者的横断面调查，利用效益 - 风险权衡法估算酒精使用障碍（AUD）心理治疗的最小值得差异（SWD），并分析不同临床亚组及专业人员视角下的差异，以优化临床决策。

FALCO 是一项涉及 7 个国家 600 名参与者的国际随机对照试验方案，旨在评估主动音乐团体和音乐聆听小组相较于常规治疗对物质使用障碍患者长期康复效果及作用机制的影响，以推动欧洲及全球成瘾治疗的创新与实施。