摘要
客观的为了确定自由水(FW)含量是否可能构成与认知能力相关的白质(WM)微结构差异的敏感生物标志物，该含量最初是为了纠正扩散张量成像得出的指标，最近发现与血管危险因素密切相关，但仍不清楚。
方法536名认知差异个体，年龄77±8岁，每年接受综合临床评估和基线MRI检查，其中224人接受随访MRI检查。在每个个体的WM体素内计算WM显微结构测量，包括FW、分数各向异性和校正FW和WM高强度负荷的平均扩散率。然后使用MRI指标的基线和变化作为自变量，使用线性、逻辑和Cox比例风险回归来解释情景记忆(EM)、执行功能(EF)和临床痴呆评分(CDR)的基线和变化。
结果较高的基线FW和WM高强度与较低的基线EM和EF、较高的基线CDR、加速的EF和EM下降以及向更严重的CDR阶段过渡的可能性较高相关(p值< 0.01)。FW的年度变化还与认知和功能表现的伴随变化有关(p值< 0.01)。
结论本研究发现，在认知多样性个体的大样本中，FW内容与认知和功能表现轨迹之间存在横断面和纵向关联。这支持了研究FW增加的病理生理过程的必要性，FW增加可能导致更严重的WM领域损伤，并促进认知和功能衰退。
术语表
- 广告＝
- 阿尔茨海默病;
- CDR＝
- 临床痴呆等级;
- CeVD＝
- 脑血管疾病;
- 英孚＝
- 执行功能;
- 新兴市场＝
- 情景记忆;
- 足总＝
- 分数各向异性;
- 足总天哪 ＝
- 校正分数各向异性;
- 天赋＝
- 流体衰减反演采收率;
- 视场＝
- 视野;
- 目前＝
- FMRIB的软件库;
- 弗兰克-威廉姆斯＝
- 自由水;
- MCI＝
- 轻度认知障碍;
- 医学博士＝
- 意思是扩散系数;
- 医学博士天哪 ＝
- 修正后的平均扩散系数;
- NAWM＝
- 外观正常的白质;
- 或＝
- 优势比;
- TCV＝
- 总颅容积;
- TE＝
- 回声的时间;
- 通过采用＝
- 血管性痴呆;
- WM＝
- 白质;
- 研究负责人＝
- 白质高强度
脑血管病(CeVD)，以及神经退行性变和混合病理，是导致认知能力下降和痴呆风险的主要原因。1，2然而，尽管人们已经做出了很大的努力来描述与神经退行性变相关的大脑事件的级联反应，3.与血管疾病相关的病理生理机制及其年代学受到的关注较少。
最近的扩散张量成像(DTI)研究表明，DTI衍生的分数各向异性(FA)和平均扩散率(MD)是与血管危险因素相关的细微白质(WM)损伤的生物标志物。4即使在年轻人中，也比白质高强度(WMH)出现或认知能力下降早几十年。5，6然而，这些DTI衍生的指标可能被细胞外水污染，并提出了一种方法来纠正DTI数据的细胞外水污染。7“提取”的细胞外含水量反映了相对不受其局部微环境(称为自由水(FW))限制的水分子的数量，不仅可以提高dti衍生指标的特异性8，9同时也大大减少了自己的复测再现性误差。10
有趣的是，FW最近受到了关注，因为它能敏感地反映与认知相关的脑损伤11，12但也与相对健康的成年人的血管危险因素有关。13鉴于这一证据，我们研究了FW预测认知和功能表现变化的潜力，这些变化不能完全由社区人群中海马萎缩测量的神经变性来解释。
方法
研究人群
本研究中包括的个体是加州大学戴维斯分校阿尔茨海默病中心队列的一个亚组。大约74%的参与者是通过基于社区的招募方案招募的，该方案旨在增强种族和民族多样性，并强调正常认知和轻度认知障碍(MCI)的认知功能障碍范围。14另外26%的人最初在加州大学戴维斯分校阿尔茨海默病中心寻求临床评估。排除标准包括不稳定的重大医学疾病、严重的原发性精神障碍和过去5年的药物滥用或依赖。
基线MRI样本包括536人，他们接受了标准化的大脑MRI扫描，包括DTI获取(表1)及时完成初步临床检查。几乎所有受试者都完成了年度临床和认知评估。来自基线样本的224个人的亚样本也接受了一次或多次重复的MRI检查。
标准方案批准，注册和病人同意
所有参与机构的机构审查委员会批准了本研究，个人或其法定代理人给予书面知情同意。
认知和功能结果
所有的参与者都接受了全面的临床评估和每年一次的标准化测试的神经心理测试。本研究的主要认知结果测量是西班牙语和英语神经心理评估量表中的执行功能(EF)和情景记忆(EM)，该量表专门用于测量广泛的认知能力和语言偏好的认知。15使用混合模型随机效应回归分析来模拟认知结果测量的变化率。16
第二个结果包括临床痴呆评分(CDR)量表。CDR表征了适用于阿尔茨海默病(AD)和相关痴呆的认知和功能表现，是确定痴呆严重程度最广泛使用的措施之一。17根据基线CDR阶段将个体分为3组:CDR = 0的199人(无痴呆的正常老年人)，CDR = 0.5的259人(可疑的痴呆或轻度认知障碍)，CDR≥1的78人(轻度至重度痴呆)，根据他们的CDR轨迹将基线和任何随访检查之间过渡到更严重CDR状态的人与没有过渡到更严重CDR状态的人分开分为2组。事件时间定义为基线检查日期与首次记录CDR增加的检查日期之间的时间差，或者，如果没有CDR增加，则为个体可获得的最近检查日期。
图像处理
所有脑成像均在加州大学戴维斯分校成像研究中心使用1.5T GE Signa Horizon LX-Echospeed系统(GE Healthcare, Waukesha, WI)进行。使用了三个序列:三维t1日冕被宠坏的gradient-recalled回波采集(反演recovery-prepped,回波时间(TE) = 1.9毫秒(女士),翻转角度= 20°,视野FOV = 24厘米,矩阵= 256×256,124的连续切片,切片厚度= 1.6毫米),一个axial-oblique二维fluid-attenuated反转恢复(天赋)快速自旋回波序列(TE = 144毫秒,重复时间= 11000毫秒,TI = 2250毫秒,翻转角度= 90°,FOV = 22厘米,矩阵= 256×192,连续切片,DTI采用弥散加权回波平面序列(TE = 94 ms，重复时间= 8000 ms，翻转角度= 90°，FOV = 22 cm，矩阵= 128 × 128，切片厚度= 5 mm)。在6个方向上使用梯度生成扩散加权图像，重复4次，分别为(Gx,Gy,Gz) =(1,1,0)，(1，−1,0)，(1,0,1)，(1,0,1)，(0,1,1)(0,1，−1)，(0,1，−1)，总梯度扩散灵敏度在b = 1,000 s/mm处测量2．
我们使用DTI测量FW含量，FW校正分数各向异性(FA)天哪)和经fw校正的平均扩散系数(MD天哪)。简而言之，dti首先使用FMRIB的软件库(FSL)软件工具进行预处理。18包括校正涡流引起的扭曲和参与者头部运动。使用线性和非线性转换，将单个未校正的FA图共同注册到FSL FA DTI模板中。得到的变换参数被反演并应用到FSL WM标签图谱中，在个体的原生DTI空间中提供WM区域的掩码。对于每个个体，总体测量平均FW, FA天哪、MD天哪通过将单个WM掩模叠加到各自的dti衍生图上并在这些WM体素内平均值来计算。
此外，我们将海马体积作为神经退行性变的一种测量方法。利用FLAIR进行WMH、海马和总颅体积(TCV)的分割，以增强WMH的分割19和t1加权图像的自动程序之前描述过，这显示了高的判读可靠性。14，20.，21对于每个个体，计算总体WMH负荷和海马体积，并通过TCV归一化，以解释头部体积的差异。由此产生的WMH负担也进行了对数变换，以使总体方差正常化。最后将WMH映射共配到个体的原生DTI空间上，并从WM掩码中减去WM掩码，生成正常出现的WM掩码(NAWM)。
基准FW、FA天哪医学博士天哪， WMH定义为平均FW、FA天哪、MD天哪以及首次MRI时可用的WMH负担。FW、FA的个体年变化天哪医学博士天哪， WMH采用混合模型随机效应回归计算。
统计分析
本研究的目的是探讨FW、FA的敏感性天哪、MD天哪和WMH负担来预测认知和功能表现的可变性，以及预测这些测量的纵向轨迹。我们通过调查下面描述的关联来实现这一目标。所有模型均根据基线年龄、性别、教育水平、高血压、糖尿病状况和TCV进行调整。海马体体积也被用作额外的协变量来控制与神经变性相关的认知和功能表现的可变性。22为了便于回归系数比较，对连续测量进行了标准化。
MRI测量与认知和功能表现之间的基线关联
模型1对连续测量(EM和EF)使用线性回归，对分类变量(即CDR阶段)使用多项逻辑回归，使用EM和EF和CDR阶段的基线得分作为因变量，在单独的模型中，每个基线平均FW, FA天哪医学博士天哪， WMH负担为自变量。
基线MRI测量作为认知和功能表现变化的预测指标
模型2对连续测度(EM和EF)使用线性回归模型，对分类变量(即CDR增加状态)使用Cox比例风险回归模型。因变量为EM和EF的年变化以及CDR增加的时间。4个MRI指标中的每一个作为自变量在一个单独的模型中使用。
MRI测量和认知及功能表现的伴随变化
模型3由模型2的设计组成，但增加了每个MRI指标的年变化作为自变量，以及相应的基线MRI指标。
在无痴呆的个体中复制
为了确保在分析中纳入痴呆患者不会高估MRI测量值与EM和EFs之间的关联，我们复制了模型1、2和3，仅包括基线CDR≤0.5的个体。
中介分析
因为FW似乎是比WMH更敏感的认知和功能表现衡量标准(表2)，我们进行调解分析23研究在将FW作为中介后，认知和功能表现测量与WMH之间的独立关联是否仍然显著。最后，我们还研究了仅在NAWM体素内计算平均FW时，认知和功能表现测量与FW之间的关联是否仍然存在。
数据可用性
本研究中使用的数据来自加州大学戴维斯分校阿尔茨海默病中心，可通过该研究网站(ucdmc.ucdavis.edu/alzheimers/)。
结果
人口统计资料
与接受至少2次MRI检查的个体相比，仅接受基线MRI检查的个体年龄较大，基线CDR较高，EM和EF评分较低，WMH负担较大，海马较大，平均FW较高(表1)。在纵向样本中，男性和高血压和糖尿病患者的比例较低。
MRI测量与认知和功能表现之间的基线关联
较大的基线FW和WMH与较差的基线EM相关(β = - 0.16;p= 0.0014， β = - 0.14，p= 0.0012;表2)和EF (β = - 0.29;p< 0.001， β = - 0.17;p分别< 0.001)。
多项逻辑回归显示，基线FW对基线CDR严重程度的影响较大，而WMH对基线CDR严重程度的影响较小(χ = 20.22，p< 0.001， χ = 6.98;p= 0.030)。CDR分期比较表明，基线FW每增加1 SD, CDR≥1的风险几乎增加一倍，而不是0.5(优势比[OR] = 1.87)。p< 0.001, 95% ci 1.30-2.72;表2)，并且CDR≥1而不是0的风险增加了两倍(OR = 3.14)。p< 0.001, 95% ci 1.89-5.55)。基线WMH每增加1个SD, CDR≥1的风险增加61%，而不是0 (OR = 1.61)。p= 0.035, 95% ci 1.04-2.56)。图1说明了这些关联。
基线MRI测量作为认知和功能表现变化的预测指标
较大的基线FW和WMH负担预示着EM的加速下降(β = - 0.17;p= 0.0012， β = - 0.18，p分别< 0.001;表2)和EF (β = - 0.33;p< 0.001， β = - 0.21;p分别< 0.001)。较大基线MD天哪发现与EM加速下降有关(β = - 0.13;p= 0.035)。
Cox比例风险回归显示，随着时间的推移，较大的基线FW和WMH负担增加了转向更严重CDR状态的风险(风险比= 1.40，p< 0.001, 95% CI 1.18-1.66，风险比= 1.23;p= 0.011, 95% ci 1.05-1.43;表2)。图2说明了基线FW和WMH负担与认知和功能表现轨迹之间的关系。
MRI测量和认知功能表现的伴随变化
在4项MRI指标中，只有FW的变化与认知表现的变化有关(表2)， FW的较大增加与伴随的EM和EF的加速下降有关(β = - 0.34;p< 0.001， β = - 0.38;p分别< 0.001)。
在4项MRI指标中，没有发现与随着时间的推移向更严重CDR状态转移的风险增加有关(表2)。
海马体积对认知的影响
如方法部分所述，所有分析均根据年龄、性别、教育程度、糖尿病、高血压、TCV和海马体积进行调整，以解释变性对认知和功能测量的影响。虽然本研究的目的不是调查这些特定的关联，但我们进行了不包括WM微观结构测量的初步模型。海马体积与认知测量(表3)。在海马测量模型中加入FW并没有显著改变海马的显著性和回归系数。例如，海马体积与基线EM之间的关系为β = 0.44;p< 0.001，模型中只有海马，β = 0.41;p< 0.001，加入FW后。同样，忽略海马体积并没有显著改变FW与认知结果之间的关联强度。这些结果表明，这两个变量测量相对独立的过程。
额外的分析
排除患有晚期认知障碍的个体并没有显著改变上述MRI指标与认知表现之间的关联(数据未显示)。
图3总结了模型1和模型2中基线WMH对认知和CDR的显著直接影响是否可能由FW介导的中介分析结果。在加入FW作为中介后，WMH的影响不再显著。中介效应和调解员的直接效应都非常显著(p值< 0.01)。上述结果表明，模型1和模型2所示，WMH负荷对认知和功能表现及其变化率的影响完全由FW含量介导。以基线FW为预测因子，以WMH为中介的反向中介并未揭示基线WMH对基线FW与认知和功能输出之间关联的中介作用(数据未显示)。
对于每个模型，i、ci和ci’表示预测者的直接和间接影响(即基线WMH)， βi表示中介者的中介作用(即基线FW)， bi表示中介者的影响，ai表示预测者对中介者的影响。结果包括基线情景记忆和执行功能(分别为i = 1和i = 2)，情景记忆和执行功能的变化(分别为i = 3和i = 4)， CDR≥1而不是0的基线风险(i = 5)，以及与CDR增加相关的生存时间(i = 6)。模型1至4、5和6的系数分别代表标准化回归、赔率和风险比系数。*p< 0.05;**p< 0.01;＊＊＊p< 0.001。临床痴呆分级;FW =游离水;白质高强度。
同样，计算NAWM体素的平均FW也不会影响上述关联。基线FW仍与EM和EF显著相关(β = - 0.87;p= 0.37， β = - 0.21，p分别< 0.001)。FW也与EM和EF加速下降显著相关(β = - 0.13，p= 0.0046， β = - 0.23，p< 0.001)，基线CDR严重程度(χ = 16.23，p< 0.001)，并且随着时间的推移，转移到更严重CDR状态的风险增加(OR = 1.2，p= 0.0089, 95% ci 1.05-1.38)。
仅为说明，所有个体计算的平均FW图，以及根据CDR阶段计算的平均FW差异，如图所示图4．
讨论
这项大型纵向DTI研究的主要发现是，在WM整体微观结构的4个MRI指标中，包括FA天哪和医学博士天哪WM中的FW含量是老年人认知和功能轨迹的最强预测因子，即使考虑到海马体积(一种常用的神经变性测量方法)的影响也是如此。22第二个重要的发现是，FW对认知和功能表现的影响优于WMH，在某种程度上，FW测量完全介导了WMH与认知的关联。第三，WM、FW和WMH测量的病理过程似乎不同于传统的神经退行性变(即海马)测量。最后，我们的分析没有揭示FA总体测量之间的关联天哪和医学博士天哪认知和功能表现。我们将在下面讨论这些发现的意义。
越来越多的DTI研究报道，校正细胞外含水量提高了传统FA和MD的灵敏度，因此表明校正细胞外含水量是一种很有前途的方法，可以识别WM微观结构中更细微的变化。7，10然而，有趣的是，最终提取的水含量，简称FW，直到最近才受到关注，作为脑损伤的独立衡量标准，对帕金森病、精神分裂症或遗传性和散发性小血管疾病的个体进行了初步研究。12，24，25然而，细胞外水发生的潜在病理过程尚不清楚，迄今为止还没有研究明确调查FW增加是否与神经退行性变、血管疾病或两者相关。尽管细胞外水可能源于不同的生理机制，如脑脊液扩散、灌注效应(来自血浆的信号)、萎缩(来自脑脊液的信号)、水肿、神经炎症和微观降解/细胞密度，但MRI和组织学研究支持其主要为年龄依赖性间质水分数的解释。26，27虽然这个问题不是我们研究的目的，但我们实验室之前的研究结果支持血管疾病参与与WM - FW增加相关的假设。例如，我们最近发现，在健康成年人中，FW与血流动力学功能紊乱密切相关，表现为血压升高和动脉僵硬度增加。13除了年龄增长，这也是血管性脑损伤的前两大危险因素。在一组相对年轻的个体(平均51岁)中发现，脑萎缩和WMH可能对WM微观结构的影响不太显著，这使我们假设了一种脑损伤的生物力学模型，其中动脉硬度的增加导致压力波传递到高阻力脑血管，导致内皮损伤，血脑屏障的微妙破坏，FW的转位引入了有毒的血清细胞因子或减少了间质毒素的清除，导致WM微观结构的破坏，最终导致WMH和MCI和痴呆的风险增加。28需要进一步的纵向研究来验证这一假设。
我们的研究还表明，在这个大样本的老年人中，基线FW含量和WMH负担都与认知和功能的伴随测量相关。在认知正常的个体中，WMH和认知表现之间的关联已被广泛报道，29，30.以及患有轻度认知障碍或AD的人。31，- - - - - -，34我们的研究结果支持这样的假设，即在老年人中，更大的基线WMH负担与更差的认知和功能表现以及认知和功能状态加速下降有关。我们没有发现WMH变化率与认知和功能轨迹之间的关联，证实了先前的发现35和其他人相比，36强调需要识别对WM微结构早期和细微变化敏感的新生物标志物。
值得注意的是，FW被发现完全介导WMH的作用，WMH是血管疾病的常见生物标志物。FW对WMH的介导作用，虽然不是生物学上的证据，但确实表明这两种措施可能反映了相似的生理过程。同样，需要进一步的研究来证实这一假设。
除了各种DTI测量外，我们还将海马体积作为协变量来解释所有模型中的神经退行性变。22FW对认知和功能的有害影响持续存在，这支持了我们的假设，即FW表明WM微观结构的病理改变，并表明FW作为认知能力的中介具有独立和附加的作用。
本研究表明，FW可能是量化与认知和功能结果相关的WM领域损伤的一个新的和有希望的候选。使用FW指标作为WM区域损伤的标记来研究AD和其他痴呆的报道很少。这项横断面研究发现，在115名混合性血管性和神经退行性痴呆患者的样本中，FW与痴呆严重程度有关，11包括AD、AD + CeVD和血管性痴呆(VaD)患者。他们的研究结果表明，AD + CeVD和VaD患者的FW含量高于AD患者，而AD患者的FW含量又高于对照组。此外，在AD + CeVD、VaD和AD的个体中，FW的增加也被发现与更严重的CDR阶段、更差的执行功能、视觉结构和视觉运动表现有关。这些结果表明，虽然FW测量通常与认知正常的个体不同，但也可能能够区分血管疾病和神经退行性过程，并且它们也强化了WM中的细胞外水是病理生理过程的敏感测量的概念。我们的研究通过将这些发现扩展到认知正常的个体以及处于认知和功能障碍早期阶段的个体，证实了这一假设。事实上，即使在224个具有纵向MRI数据的个体的子样本中，FW的增加与EM和EF的表现下降有关，但也与更严重的CDR有关。我们的纵向分析还强调，FW的测量可以预测未来的认知能力下降。除了这些发现的临床意义外，我们的发现还要求立即努力确定除血液动力学改变外，13促进正常个体WM区域内的细胞外水。
另一个重要的发现是，传统的DTI指标校正了细胞外水，包括FA天哪和医学博士天哪，并不是认知和功能表现的重要预测因素。先前的研究报告了认知和功能表现与FA或MD的局部测量(即基于体素或roi的水平)之间的关联，结果好坏参半。11，37，- - - - - -，42应该指出的是，大多数研究使用的DTI指标没有对细胞外水进行校正。最近一项包括遗传性和散发性小血管疾病患者的大型研究表明:(1)常规FA和MD的减少和增加，即FW未纠正的FA和MD，主要是由FW增加引起的;(2)与FW相比，组织间室的改变，即FA天哪和医学博士天哪(3)在所有影像学指标中，FW与临床缺陷的相关性最强。12我们研究的目的不是为了研究经fw校正的FA和MD比未经fw校正的FA和MD的合法性，因为上述多位点纵向研究提供了强有力的证据，证明FA的测试-重测可重复性得到了提高天哪和医学博士天哪与传统FA和MD相比。11我们认为，与其使以前的DTI研究结果无效，倒不如纠正细胞外水的概念提供了对潜在病理过程的更深层次的理解。结果表明，FA表达的髓鞘膜和轴突鞘为WM微结构天哪和医学博士天哪，可能比最初假设的受损程度要小，而且间质环境实际上可能优先受到影响。虽然尚未完全了解，但间质液室的增加可能是与血管疾病相关的级联事件的一部分。13导致以后的认知能力下降和痴呆。此外，虽然WMH的发展是该级联的最后病理生理表现之一，并且可能反映永久性损伤，43，- - - - - -，45目前尚不清楚增加的FW含量是否可能被修改。
本研究的优势在于对大部分以社区为基础的个体进行了大量的横断面和纵向样本，并对WM微观结构、认知和功能表现进行了定量和敏感的测量。然而，存在局限性，包括我们关注整体MRI测量的认知和功能结果之间的整体关联，排除了潜在的局部关联，特别是FA天哪或医学博士天哪，在基于体素的水平上。其次，本研究的设计不能识别FW中可能涉及导致认知和功能衰退的退行性过程的成分。需要专门研究获取序列来解决这一问题。最后，我们使用平均FW, FA来报道结果天哪、MD天哪在覆盖整个WM掩模的体素内计算的测量，与WMH的存在无关。其他分析仅在正常出现的WM的体素内进行计算，即在排除WMH区域后，结果与本工作中报告的结果没有差异(数据未显示)。第三，错误配准和未能考虑到可变的脑室大小可能会导致单个WM掩模内的体素偏离到充满CSF的区域，在这种情况下，脑内CSF的数量而不是间质水的变化可能会影响结果。最后，我们没有充分研究神经变性对认知和功能表现的影响。我们只使用海马体积来解释神经变性效应，并发现它对认知和功能表现也有重要但独立的影响，正如文献中广泛报道的那样。46虽然在本研究中海马体积和FW含量是相互独立的，但需要进一步的研究来更好地表征这两个指标之间的相互作用程度。
本研究发现，在认知多样性个体的大样本中，大脑FW含量与认知和功能表现轨迹(包括EM、EF和CDR评分)之间存在横断面和纵向关联。我们的工作支持DTI研究的必要性，以纠正DTI对细胞外含量的度量，并研究通过WM内FW增加表现出来的病理生理过程，这可能导致更严重的WM损伤，并可能导致随后加速认知和功能衰退。
作者的贡献
P. Maillard起草稿件，参与研究构思和设计，分析和解释数据。E. Fletcher修改稿件，参与研究概念和设计，分析和解释数据。B. Singh分析了数据。马丁内斯分析了这些数据。D.K. Johnson参与了研究的概念和设计。J.M. Olichney参与了研究的概念和设计。st . Farias参与了研究的概念和设计。C. DeCarli修改稿件，参与研究概念和设计，分析和解释数据。
研究资金
项目资助:P30 AG010129和R01 AG047827。
信息披露
作者没有报告与手稿相关的披露。去首页Neurology.org/N全面披露。
脚注
去首页Neurology.org/N全面披露。作者认为相关的资金信息和披露(如果有的话)将在文章末尾提供。
- 收到了2018年7月10日。
- 最终接受2019年1月8日。
- ©2019美国神经病学学会首页
参考文献
信件:快速在线通信
需求
如果你要上传关于文章的信件:
您必须在六个月内更新您的披露:http://submit.首页neurology.org
您的合著者必须发送一份完整的出版协议表格来首页(对于主要/通讯作者不需要填写以下表格即可)，然后再上传您的评论。
如果你在回复一篇关于你最初撰写的文章的评论:
您(和共同作者)不需要填写表格或检查披露，因为作者表格仍然有效
并适用于信件。
提交规格:
- 文章必须少于200字，参考文献少于5篇。参考文献1必须是你所评论的文章。
- 投稿者不得超过5人。(例外:原作者回复可以包括文章的所有原作者)
- 只可提交发稿日起6个月内发表的文章。
- 不要冗余。在提交之前阅读文章上已经发布的任何评论。
- 提交的意见在发表前须经过编辑和编辑审查。
