BMC MED：暨南大學附屬第一醫(yī)院最新研究，慢性疼痛和每日運動行為與發(fā)生性精神障礙的關(guān)聯(lián)---來自大規(guī)模隊列研究的證據(jù)
患有慢性疼痛的人應該進行更多的 MVPA，減少久坐不動的行為，并且每天有 7 小時的睡眠。
Psychiatry and Clinical Neurosciences: 新生兒臍帶血中花生四烯酸衍生二羥基脂肪酸與自閉癥譜系障礙癥狀及社會適應功能的關(guān)系
本研究發(fā)現(xiàn)，新生兒臍帶血中11,12-diHETrE水平與6歲兒童的ASD癥狀和社會適應功能顯著相關(guān)，表明胎兒期diHETrE的動態(tài)變化對兒童出生后的神經(jīng)發(fā)育有重要影響。
Molecular Psychiatry：神經(jīng)膠質(zhì)細胞在認知儲備中的作用
研究表明，神經(jīng)膠質(zhì)細胞在定義認知儲備的結(jié)構(gòu)和功能方面起關(guān)鍵作用。它們通過支持突觸形成和神經(jīng)元連接，在腦維護、恢復力和補償中發(fā)揮重要作用，提供了延長認知壽命的潛在治療靶點。
益生菌對ADHD（注意力缺陷多動障礙）的作用機制探討
研究指出腸道微生物與ADHD有關(guān)，益生菌可通過多種機制調(diào)節(jié)腸道菌群平衡，改善ADHD癥狀，雖應用處于初級階段，但未來有望成為有效輔助手段。
Psychiatry and Clinical Neurosciences：童年不良經(jīng)歷加重成年自閉癥譜系障礙的外圍癥狀
童年不良經(jīng)歷顯著加重了成年自閉癥譜系障礙患者的注意缺陷多動癥狀、創(chuàng)傷后應激癥狀和感覺過敏癥狀，但對核心自閉癥癥狀沒有顯著影響。
Schizophrenia Bulletin：雙相情感障礙向精神分裂癥及精神分裂癥向雙相情感障礙診斷轉(zhuǎn)變的預測研究
首次診斷為雙相情感障礙的病例中有10.1%轉(zhuǎn)換為精神分裂癥，而首次診斷為精神分裂癥的病例中有4.5%轉(zhuǎn)換為雙相情感障礙。這種診斷轉(zhuǎn)換具有一定的可預測性，BD向SZ的轉(zhuǎn)換預測準確性高于SZ向BD的轉(zhuǎn)換。
JAMA Neurology：性別和性少數(shù)群體中癲癇的患病率
美國性別和性少數(shù)群體患活動性癲癇的比例為2.4%，高于非性別和性少數(shù)群體的1.1%。這一差異在調(diào)整了人口統(tǒng)計學因素后仍然存在。
European Child & Adolescent Psychiatry: 小學生發(fā)展性協(xié)調(diào)障礙的患病率及其相關(guān)因素研究
研究發(fā)現(xiàn)，6至10歲小學生中發(fā)展性協(xié)調(diào)障礙的患病率為2.1%，母親的教育水平、產(chǎn)后抑郁癥狀及兒童的共病障礙是其重要相關(guān)因素。
JAMA子刊：發(fā)生大規(guī)模暴力事件的社區(qū)中成年人的創(chuàng)傷后應激障礙發(fā)生情況
推定的 PTSD 在 MVI 之后很長一段時間內(nèi)在經(jīng)歷過 MVI 的社區(qū)的成年人中相當普遍
Translational Psychiatry: 個體間對低劑量LSD的神經(jīng)反應差異
低劑量LSD在健康志愿者中會降低靜息態(tài)EEG低頻功率，增強新奇檢測和預注意處理，抑制高記憶表現(xiàn)者的視覺長時程增強。LSD的刺激作用在低喚醒水平個體中最強，而抑制作用在高記憶表現(xiàn)者中最強。
Schizophrenia | 中國學者發(fā)文：苯環(huán)利定誘導精神分裂癥樣動物模型及其潛在神經(jīng)機制研究進展
本綜述總結(jié)了PCP誘導的SZ樣動物模型的研究進展，討論了PCP對行為和代謝的影響以及其在PFC和海馬中的細胞和回路靶點，提出了NMDAR功能低下在PCP誘導的SZ樣癥狀發(fā)展中的關(guān)鍵作用。
European Child & Adolescent Psychiatry：皮層下囊腫大腦白質(zhì)病中期精神病發(fā)作：病例報告
報告描述了一例11歲MLC患者的首次精神病發(fā)作。MRI顯示雙側(cè)前顳葉皮層下囊腫和白質(zhì)信號異常?；蚍治霭l(fā)現(xiàn)MLC1純合突變?；颊呓?jīng)利培酮和勞拉西泮治療后癥狀有所緩解。MLC可能增加精神病的發(fā)生風險
Translational Psychiatry：基于機器學習和深度學習方法對抑郁癥相關(guān)血液DNA甲基化的全面多隊列探索
本研究發(fā)現(xiàn)1987個與抑郁癥相關(guān)的CpG位點，隨機森林模型在批次處理的數(shù)據(jù)中表現(xiàn)最佳，AUC達0.76，而在特征預選的模型中，AUC最高達到0.91，顯示了機器學習在抑郁癥DNA甲基化分析中的潛力。
