← Archive
lm-002874 · 2026-08

ADHD 動態配置統合理論：可證偽命題與未來研究綱領

zh-Hant · md Raw source ↗ Metadata ↗
下載 MD 檔 ⬇
📎 附件 · Companion files — 隨文交付的程式 / 證明 / 資料，可獨立下載重驗

ADHD 動態配置統合理論：可證偽命題與未來研究綱領

英文題名： An Integrated Dynamic Configuration Theory of ADHD: Falsifiable Hypotheses and a Future Research Program
系列： ADHD 動態配置與認知拓撲系列，第 10 篇／封頂篇
版本： v1.0
日期： 2026-08-17
作者： Neo.K（許筌崴）
協作： GPT-5.6 Sol
文件性質： 理論整合／認知科學命題／研究綱領／系列封頂文件
文獻檢索截點： 2026-08-17

0. 醫學、診斷、藥理與證據邊界聲明

本文不是臨床研究、診斷工具、治療指南、藥理試驗、神經影像 biomarker 研究或醫療建議。

本文提出的「動態配置」「神經調節層」「配置熵」「認知拓撲」「臨床可見性」「連續配置空間」「情境匹配核」等概念均屬待驗證理論構件。除非本文明確指出某一背景結論來自既有研究，否則不能將本文新增數學形式視為已被神經科學、精神醫學或臨床心理學驗證的 ADHD 機制。

原作者並非醫學、精神醫學、藥理學、神經科學、遺傳學或臨床心理專業研究者。本文不提供新的臨床、人體、藥理、遺傳、神經影像、流行病學或心理實驗數據。本文所有實證性背景均依賴公開同行評審文獻與正式分類資料。

本文不使用原作者的個人 ADHD 診斷史、用藥經驗或其他個人經驗作為一般化實證證據。個人觀察最多可構成研究問題的來源，不構成群體層證明。

本文不得被用於：

  • 自行診斷或排除 ADHD；
  • 替他人判斷是否有 ADHD；
  • 自行開始、停止、增加、減少或混合藥物；
  • 以本文的 configuration score、entropy、graph metric 或 fit score 取代臨床評估；
  • 以「局部優勢」否定功能損害或醫療需要；
  • 以「連續光譜」主張所有人都有 ADHD；
  • 以「biotype」主張目前已有可供個人臨床使用的腦影像分型。

本文最核心的證據規則是：

formal plausibility≠empirical validation≠clinical utility.\boxed{ \text{formal plausibility} \neq \text{empirical validation} \neq \text{clinical utility}. }

摘要

本系列以十篇論文重新檢視 ADHD 是否能被建模為一個多層、動態、情境依賴的配置系統，而不是僅以「注意力不足」作為完整機制敘述。

截至 2026 年，外部研究已提供數個彼此相容的重要背景。第一，ADHD symptoms、功能損害與遺傳 liability 具有明顯 dimensional evidence；2025 年大型 GWAS 支持 clinical ADHD 位於由 ADHD symptoms 索引的 continuous liability 高端。第二，ADHD 內部存在顯著 heterogeneity；2026 年 JAMA Psychiatry 的 normative morphometric-network study 在連續個體偏差上辨識出三個可外部驗證的 pediatric biotypes，顯示 dimensional variation 與 local clustering 可以同時存在。第三，刺激劑作用不能簡化為「增加一條注意力」；2025 年 Cell 研究將 stimulant-related connectivity effects 主要連結至 arousal、reward、salience 與 action-related systems，而 2026 年成人 ADHD dual-tracer PET 顯示 methylphenidate 同時影響 DAT 與 NET，但 transporter binding change 與 cognitive improvement 並非簡單一對一。第四，ADHD cognition 的平均值可能不足以描述動態差異；2025 年兒童研究發現 cognitive-control neural representations 的 temporal variability 與 spatial stability 差異，另有 methylphenidate 研究觀察到 whole-brain network flexibility 的穩定化。第五，adult ADHD literature 仍保留多項重大未解問題，包括 late-onset、emotional dysregulation、functional impairment、executive dysfunction、objective diagnostic measures 與長期 treatment effects。

基於上述背景，本篇將前九篇整合為「Integrated Dynamic Configuration Theory, IDCT-ADHD」。其最小核心不是：

ADHD=one mechanism,\text{ADHD} = \text{one mechanism},

而是：

ci,t+1=Φ(ci,t,qi,t,ei,t,si,text,ki,t,ui,t;θi)+εi,t.\boxed{ \mathbf c_{i,t+1} = \Phi \left( \mathbf c_{i,t}, \mathbf q_{i,t}, \mathbf e_{i,t}, \mathbf s_{i,t}^{\mathrm{ext}}, \mathbf k_{i,t}, \mathbf u_{i,t}; \boldsymbol\theta_i \right) + \boldsymbol\varepsilon_{i,t}. }

其中 ci,t\mathbf c_{i,t} 是時間 tt 的動態認知配置， q\mathbf q 是任務／生活需求， e\mathbf e 是環境， sext\mathbf s^{\mathrm{ext}} 是外部支架， k\mathbf k 是補償策略， u\mathbf u 是即時輸入， θi\boldsymbol\theta_i 是較慢變個體參數。

客觀性能為：

pi,t=F(ci,t,qi,t,ei,t).\mathbf p_{i,t} = F \left( \mathbf c_{i,t}, \mathbf q_{i,t}, \mathbf e_{i,t} \right).

主觀狀態：

χi,t=H(ci,t,ei,t,xi,texpectancy).\chi_{i,t} = H \left( \mathbf c_{i,t}, \mathbf e_{i,t}, \mathbf x_{i,t}^{\mathrm{expectancy}} \right).

元認知估計：

p^i,t=M(pi,t,χi,t,fi,tfeedback).\widehat{\mathbf p}_{i,t} = M \left( \mathbf p_{i,t}, \chi_{i,t}, \mathbf f_{i,t}^{\mathrm{feedback}} \right).

功能損害：

ii,t=J(pi,t,qi,t,ei,t,si,text,ki,t).\mathbf i_{i,t} = J \left( \mathbf p_{i,t}, \mathbf q_{i,t}, \mathbf e_{i,t}, \mathbf s_{i,t}^{\mathrm{ext}}, \mathbf k_{i,t} \right).

臨床診斷則保留為獨立決策層：

Di,t=Γ(yi,t,ii,t,Hidev,Xi,tdiff),\boxed{ \mathfrak D_{i,t} = \Gamma \left( \mathbf y_{i,t}, \mathbf i_{i,t}, H_i^{\mathrm{dev}}, X_{i,t}^{\mathrm{diff}} \right), }

其中 y\mathbf y 為可觀察表型， HdevH^{\mathrm{dev}} 為發展史， XdiffX^{\mathrm{diff}} 為跨情境與鑑別診斷證據。

因此本理論的核心不是把 ADHD 診斷替換成數學模型，而是提出：

Configuration≠Phenotype≠Impairment≠Diagnosis.\boxed{ \text{Configuration} \neq \text{Phenotype} \neq \text{Impairment} \neq \text{Diagnosis}. }

本篇建立三層證據帳本：（A）已有較強外部證據支持的背景；（B）有間接或局部支持、但仍需特定驗證的中層連結；（C）主要由本系列提出的新假說。配置熵、認知 graph topology、disengagement barrier、attention debt、reversal surface 等均被明確列入 C 層，不得與 continuous genetic liability、clinical heterogeneity 等 A 層證據等量齊觀。

本文提出十八項統一可證偽命題與六階段研究綱領。若高維動態模型不能在獨立樣本中超越 symptom score、executive-function model、單一 trait dimension 或現行 diagnosis 對功能損害、病程與 treatment-relevant outcomes 的預測，本理論應被簡化或放棄。

最終研究問題是：

Does a dynamic, multilevel, context-sensitive configuration model predict what simpler ADHD models systematically miss?\boxed{ \text{Does a dynamic, multilevel, context-sensitive configuration model predict what simpler ADHD models systematically miss?} }

關鍵詞： ADHD、dynamic configuration、neuromodulation、attention allocation、heterogeneity、continuous liability、biotype、metacognition、context dependence、person–environment fit、falsifiability

1. 本系列真正提出了什麼？

本系列不是提出：

ADHD 的真正本質已被找到。

更弱、也更科學的命題是：

是否存在一個可操作的中層動態模型，可以把神經調節、注意配置、狀態穩定性、認知路徑、主觀狀態、發展支架、功能損害與情境性能放進同一個可證偽框架？

因此：

IDCT-ADHD=research framework,\boxed{ \text{IDCT-ADHD} = \text{research framework}, }

不是：

IDCT-ADHD=established medical theory.\boxed{ \text{IDCT-ADHD} = \text{established medical theory}. }

2. 十篇系列的依賴結構

本系列依序建立：

Paper 1

Attention Deficit→Dynamic Configuration Conjecture.\text{Attention Deficit} \rightarrow \text{Dynamic Configuration Conjecture}.

Paper 2

Neuromodulation≠Attention.\text{Neuromodulation} \neq \text{Attention}.

Paper 3

Salience≠Activation≠Allocation≠Observation≠Update≠Action.\text{Salience} \neq \text{Activation} \neq \text{Allocation} \neq \text{Observation} \neq \text{Update} \neq \text{Action}.

Paper 4

Distractibility⊥̸Hyperfocus-like lock-in.\text{Distractibility} \not\perp \text{Hyperfocus-like lock-in}.

Paper 5

Associative breadth≠Path diversity≠Coherence≠Convergence.\text{Associative breadth} \neq \text{Path diversity} \neq \text{Coherence} \neq \text{Convergence}.

Paper 6

Subjective state≠Metacognitive confidence≠Objective performance.\text{Subjective state} \neq \text{Metacognitive confidence} \neq \text{Objective performance}.

Paper 7

Configuration≠Impairment≠Visibility≠Diagnosis.\text{Configuration} \neq \text{Impairment} \neq \text{Visibility} \neq \text{Diagnosis}.

Paper 8

Continuous variation+Local clusters+Categorical clinical decisions.\text{Continuous variation} + \text{Local clusters} + \text{Categorical clinical decisions}.

Paper 9

Functional effect=F(Configuration,Task,Environment).\text{Functional effect} = F \left( \text{Configuration}, \text{Task}, \text{Environment} \right).

Paper 10

將上述結構統一並建立：

measurement→prediction→falsification→possible translation.\boxed{ \text{measurement} \rightarrow \text{prediction} \rightarrow \text{falsification} \rightarrow \text{possible translation}. }

3. 統一符號：停止讓不同論文的符號互相碰撞

前九篇在局部模型中使用過若干重複符號。

封頂篇重新定義 canonical notation。

3.1 神經調節狀態

nt=neuromodulatory state.\mathbf n_t = \text{neuromodulatory state}.

候選包括：

nt=(Dt,NEt,…).\mathbf n_t = (D_t,NE_t,\ldots).

3.2 中介調節狀態

zt=(ztarousal,ztreward,ztsalience,ztvigor,ztgating,ztstability).\mathbf z_t = \left( z_t^{\mathrm{arousal}}, z_t^{\mathrm{reward}}, z_t^{\mathrm{salience}}, z_t^{\mathrm{vigor}}, z_t^{\mathrm{gating}}, z_t^{\mathrm{stability}} \right).

3.3 配置分布

πt=(π1(t),…,πn(t)),\boldsymbol\pi_t = \left( \pi_1(t),\ldots,\pi_n(t) \right),

其中：

∑iπi(t)=1.\sum_i\pi_i(t)=1.

3.4 配置動態

xt=(H^π,Lt,Ttdwell,νtswitch,Btexit,Rtgoal).\mathbf x_t = \left( \widehat{\mathcal H}_{\pi}, L_t, T_t^{\mathrm{dwell}}, \nu_t^{\mathrm{switch}}, B_t^{\mathrm{exit}}, R_t^{\mathrm{goal}} \right).

3.5 認知關係圖

Gt=(Vt,Et,Wt).\mathcal G_t = \left( V_t,E_t,W_t \right).

3.6 表徵、更新與行動狀態

mt=(mtobs,mtupdate,mtmemory,mtgate).\mathbf m_t = \left( m_t^{\mathrm{obs}}, m_t^{\mathrm{update}}, m_t^{\mathrm{memory}}, m_t^{\mathrm{gate}} \right).

3.7 客觀性能

pt=(ptaccuracy,ptRT,ptRTV,ptmemory,ptinhibition,ptreasoning,pttransfer,…).\mathbf p_t = \left( p_t^{\mathrm{accuracy}}, p_t^{\mathrm{RT}}, p_t^{\mathrm{RTV}}, p_t^{\mathrm{memory}}, p_t^{\mathrm{inhibition}}, p_t^{\mathrm{reasoning}}, p_t^{\mathrm{transfer}}, \ldots \right).

3.8 主觀狀態

χt=subjective clarity／engagement state.\chi_t = \text{subjective clarity／engagement state}.

3.9 元認知估計

p^t=estimated performance.\widehat{\mathbf p}_t = \text{estimated performance}.

3.10 生命／任務需求

qt=task and life demands.\mathbf q_t = \text{task and life demands}.

3.11 環境

et=environmental state.\mathbf e_t = \text{environmental state}.

3.12 外部支架

stext=external scaffolding.\mathbf s_t^{\mathrm{ext}} = \text{external scaffolding}.

3.13 補償策略

kt=compensation.\mathbf k_t = \text{compensation}.

3.14 功能損害

it=functional impairment profile.\mathbf i_t = \text{functional impairment profile}.

3.15 臨床可見性

vt=clinical visibility.v_t = \text{clinical visibility}.

3.16 臨床判定

Dt∈{0,1}.\mathfrak D_t \in \{0,1\}.

此符號只是抽象表示「不符合／符合正式診斷決策」，不是臨床計算公式。

4. 全域配置狀態

定義個體 ii 在時間 tt 的全域 configuration：

ci,t=(ni,t,zi,t,πi,t,xi,t,Gi,t,mi,t).\boxed{ \mathbf c_{i,t} = \left( \mathbf n_{i,t}, \mathbf z_{i,t}, \boldsymbol\pi_{i,t}, \mathbf x_{i,t}, \mathcal G_{i,t}, \mathbf m_{i,t} \right). }

此表示故意沒有直接包含：

D.\mathfrak D.

因為診斷不是底層認知狀態本身。

5. 全域狀態更新

候選：

ci,t+1=Φ(ci,t,qi,t,ei,t,si,text,ki,t,ui,t;θi)+εi,t.\boxed{ \mathbf c_{i,t+1} = \Phi \left( \mathbf c_{i,t}, \mathbf q_{i,t}, \mathbf e_{i,t}, \mathbf s_{i,t}^{\mathrm{ext}}, \mathbf k_{i,t}, \mathbf u_{i,t}; \boldsymbol\theta_i \right) + \boldsymbol\varepsilon_{i,t}. }

其中：

  • ui,t\mathbf u_{i,t}：即時輸入；
  • θi\boldsymbol\theta_i：較慢變的個體參數；
  • εi,t\boldsymbol\varepsilon_{i,t}：未建模波動。

這是系列最重要的候選動力式。

6. 為什麼一定要保留時間？

若只測：

c‾i=1T∑tci,t,\overline{\mathbf c}_i = \frac1T \sum_t \mathbf c_{i,t},

可能遺失：

Var⁡t(c),\operatorname{Var}_t(\mathbf c), P(ct+1∣ct),P \left( \mathbf c_{t+1} \mid \mathbf c_t \right), Tdwell,T^{\mathrm{dwell}}, transition asymmetry.\text{transition asymmetry}.

2025 年 cognitive-control neural-stability 研究與 network-flexibility stimulant study 都支持：

temporal organization itself can carry information.\boxed{ \text{temporal organization itself can carry information}. }

但這仍不證明本文的具體配置變量正確。

7. 外部證據層 A：目前相對較強的背景事實

本文把以下內容列入：

Evidence Layer A.\boxed{ \text{Evidence Layer A}. }

其意義是：

有多項現代研究或大型研究支持相關背景，但仍不代表本文所有中介公式成立。

8. A1：ADHD 是臨床有效的神經發展診斷框架

截至 2026 年 ICD-11 最新 release，ADHD 仍位於 neurodevelopmental-disorder framework。

因此本系列不主張：

replace ADHD diagnosis.\boxed{ \text{replace ADHD diagnosis}. }

9. A2：ADHD 具有顯著異質性

2025 World Psychiatry 成人 ADHD 綜述明確將 heterogeneity、functional impairment、executive dysfunction、late-onset、emotional dysregulation 等列為重要研究問題。

2026 JAMA Psychiatry 又以 data-driven methods 找到可重現 pediatric biotypes。

因此：

ADHD≠one uniform cognitive state.\boxed{ \text{ADHD} \neq \text{one uniform cognitive state}. }

10. A3：Symptoms 與 Genetic Liability 具有連續性

2025 Nature Genetics GWAS：

290,134290,134

次 symptom measures，

來自：

70,95370,953

名獨立個體，

支持 clinical ADHD 位於 ADHD symptom continuous liability 高端。

因此：

continuous liability\boxed{ \text{continuous liability} }

具有相當外部支持。

11. A4：連續性不排除 Local Clustering

2026 pediatric biotype study 的方法本身先建立 normative dimensional deviations，再進行 clustering。

因此：

dimension+cluster\boxed{ \text{dimension} + \text{cluster} }

不是邏輯矛盾。

12. A5：Stimulant 作用不是單純「Attention Channel Gain」

2025 Cell study 在大型 ABCD data 與 highly sampled drug-imaging validation 中，將 stimulant-related functional connectivity effects 主要連結至：

  • arousal；
  • reward；
  • salience；
  • action-related systems；

而非 canonical attention networks 的簡單增強。

因此：

stimulant effect≠one attention-network amplifier.\boxed{ \text{stimulant effect} \neq \text{one attention-network amplifier}. }

13. A6：DAT 與 NET 都與 Methylphenidate 有關

2026 issue 的成人 ADHD longitudinal dual-tracer PET 顯示 extended-release methylphenidate 同時改變：

DATDAT

與：

NETNET

binding。

但 transporter change 與 cognitive improvement 不是簡單一對一。

因此：

target engagement≠cognitive outcome.\boxed{ \text{target engagement} \neq \text{cognitive outcome}. }

14. A7：ADHD Cognitive／Neural Variability 值得獨立研究

2025 Nature Communications 兒童研究顯示：

temporal variability↑\text{temporal variability}\uparrow

與：

spatial stability↓\text{spatial stability}\downarrow

可以出現在 cognitive-control neural representations。

另有 2025 methylphenidate study 觀察到 whole-brain flexibility 降低及部分 behavioral variability 改善。

因此：

mean state≠dynamic stability.\boxed{ \text{mean state} \neq \text{dynamic stability}. }

15. A8：成人 ADHD 的晚診斷與晚起病不可直接等同

2025 adult ADHD review 與 2026 late-onset literature 仍將 adult-onset ADHD 視為未完全解決的 controversy。

因此：

adult diagnosis≠adult onset.\boxed{ \text{adult diagnosis} \neq \text{adult onset}. }

16. 外部證據層 B：有局部或間接支持的中層連結

以下列為：

Evidence Layer B.\boxed{ \text{Evidence Layer B}. }

它們不是純想像，但證據仍不足以支持本系列最強版本。

17. B1：Allocation Capacity 與 Allocation Stability 可分離

2025 working-memory prioritization 研究顯示，具有 ADHD symptoms 的成人仍可以依價值有效 prioritise information。

因此：

ADHD⇏universal allocation incapacity.\boxed{ \text{ADHD} \not\Rightarrow \text{universal allocation incapacity}. }

真正差異可能在：

  • maintenance；
  • switching；
  • interference；
  • update；
  • context coupling。

但這需要臨床與跨任務 replication。

18. B2：Hyperfocus 可被量化，但不是 ADHD 專屬核心

2024 AHQ-D validation 支持 dispositional hyperfocus 可以可靠測量。

但：

hyperfocus≠ADHD-specific defining symptom.\text{hyperfocus} \neq \text{ADHD-specific defining symptom}.

因此本系列只把 hyperfocus 作為 candidate state。

19. B3：Metacognitive Calibration 可能具有 Domain-Specific Difference

2026 college-student study 比較：

7070

名正式診斷 ADHD 學生與：

7070

名 matched controls，

在 verbal 與 non-verbal tasks 觀察到 performance 與 confidence calibration 差異。

但：

ADHD≠global metacognitive blindness.\boxed{ \text{ADHD} \neq \text{global metacognitive blindness}. }

其他認知域仍可保有相對完整 metacognition。

20. B4：Associative Breadth／Divergent Thinking 可能在部分 Profiles 不同

既有成人 ADHD semantic-activation 與 creativity literature 支持：

associative breadth\text{associative breadth}

與：

divergent thinking\text{divergent thinking}

可能存在 profile-specific differences。

但 2026 strengths review 顯示整個 evidence base 高度異質。

因此：

networked cognition\boxed{ \text{networked cognition} }

仍是候選機制，不是既定 ADHD 特徵。

21. B5：Person–Environment Fit 對 Function 具有合理性

2024 employment systematic review 顯示工作環境、support、structure、autonomy 與 ADHD occupational experience 具有重要關係。

但多數 evidence 仍不足以證明：

specific trait→objective performance reversal.\text{specific trait} \rightarrow \text{objective performance reversal}.

所以 performance reversal 仍需實驗。

22. 外部證據層 C：主要由本系列提出的新假說

以下全部列為：

Evidence Layer C.\boxed{ \text{Evidence Layer C}. }

除非未來實驗支持，不得稱為 ADHD 已知機制。

23. C1：Allocation Entropy

H^π=−∑iπilog⁡πilog⁡n.\widehat{\mathcal H}_{\pi} = -\frac{ \sum_i\pi_i\log\pi_i }{ \log n }.

目前只是候選描述變量。

它不是：

  • EEG entropy；
  • thermodynamic entropy；
  • validated ADHD biomarker。

24. C2：Disengagement Barrier

BexitB^{\mathrm{exit}}

表示從 dominant allocation state 退出的候選成本。

目前沒有成熟 ADHD standard measure。

25. C3：Attention Debt

DtattnD_t^{\mathrm{attn}}

表示長期未處理必要事件形成的累積負荷。

這是本系列新增機制。

26. C4：Cognitive Path Topology

Gt=(Vt,Et,Wt)\mathcal G_t = (V_t,E_t,W_t)

及：

DP,C‾P,XP,EconvD_P, \overline C_P, X_P, E_{\mathrm{conv}}

都是本系列中層模型。

不能用 brain network topology 直接證明。

27. C5：Configuration Phase Transition

「相變」只表示：

nonlinear regime shift.\text{nonlinear regime shift}.

它不是對真實腦熱力學相變的宣稱。

28. C6：Reversal Surface

Rk={(T,E):∂P∂ck=0}.\mathcal R_k = \left\{ (T,E): \frac{\partial P}{\partial c_k}=0 \right\}.

這是 performance-reversal research 的新候選工具。

29. C7：Global Fit Kernel

Kfit=K(c,q,e).K_{\mathrm{fit}} = K \left( \mathbf c, \mathbf q, \mathbf e \right).

尚未被 ADHD workplace research 直接驗證。

30. 統一 Neuromodulation Layer

第 2 篇的 canonical form：

zt=Ψ(nt,bi,qt,et).\mathbf z_t = \Psi \left( \mathbf n_t, \mathbf b_i, \mathbf q_t, \mathbf e_t \right).

其中：

nt\mathbf n_t

不是注意力本身。

而：

zt\mathbf z_t

可能調節：

  • arousal；
  • reward；
  • salience；
  • vigor；
  • gating；
  • stability。

31. 統一 Allocation Layer

給定候選事件：

Et={e1,…,en},\mathcal E_t = \{e_1,\ldots,e_n\},

配置：

πt=Π(zt,qt,mt,ht).\boldsymbol\pi_t = \Pi \left( \mathbf z_t, \mathbf q_t, \mathbf m_t, \mathbf h_t \right).

其核心不是：

attention amount,\text{attention amount},

而是：

who gets processing opportunity.\boxed{ \text{who gets processing opportunity}. }

32. Processing Opportunity 命題

令：

ot(e)o_t(e)

為有效處理。

則：

P(ot(e)=1∣πt(e))P \left( o_t(e)=1 \mid \pi_t(e) \right)

通常可以隨配置提高，但不必：

=1.=1.

所以：

allocation≠successful processing.\boxed{ \text{allocation} \neq \text{successful processing}. }

33. Observation–Update–Action 分離

本文統一為：

mtobs,m_t^{\mathrm{obs}}, mtupdate,m_t^{\mathrm{update}}, mtgate.m_t^{\mathrm{gate}}.

因此可以：

mobs>0m^{\mathrm{obs}}>0

但：

mupdate≈0,m^{\mathrm{update}}\approx0,

也可以：

mupdate>0m^{\mathrm{update}}>0

但：

mgate=0.m^{\mathrm{gate}}=0.

所以：

noticed≠updated≠acted.\boxed{ \text{noticed} \neq \text{updated} \neq \text{acted}. }

34. 統一 Allocation Dynamics

xt=(H^π,Lt,Ttdwell,νtswitch,Btexit,Rtgoal).\mathbf x_t = \left( \widehat{\mathcal H}_{\pi}, L_t, T_t^{\mathrm{dwell}}, \nu_t^{\mathrm{switch}}, B_t^{\mathrm{exit}}, R_t^{\mathrm{goal}} \right).

此層用來描述：

  • distribution；
  • dominance；
  • dwell；
  • switching；
  • disengagement；
  • goal-relative allocation。

35. Distractibility 的統一定義方向

分心不能單獨由 entropy 決定。

令：

Rtgoal=∑e∈Gtgoalπt(e).R_t^{\mathrm{goal}} = \sum_{e\in\mathcal G_t^{\mathrm{goal}}} \pi_t(e).

則 task-relative distraction：

Dttask=1−Rtgoal.D_t^{\mathrm{task}} = 1-R_t^{\mathrm{goal}}.

因此：

H^π↓\widehat{\mathcal H}_{\pi}\downarrow

仍可能：

Dttask↑D_t^{\mathrm{task}}\uparrow

如果資源集中在錯誤目標。

36. Hyperfocus-like State 的統一候選

候選至少需要：

Lt↑,L_t\uparrow, Ttdwell↑,T_t^{\mathrm{dwell}}\uparrow, Btexit↑.B_t^{\mathrm{exit}}\uparrow.

因此：

low entropy alone≠hyperfocus.\boxed{ \text{low entropy alone} \neq \text{hyperfocus}. }

37. 統一 Cognitive Topology Layer

Gt=(Vt,Et,Wt).\mathcal G_t = (V_t,E_t,W_t).

需要至少區分：

semantic,\text{semantic}, causal,\text{causal}, temporal,\text{temporal}, analogical,\text{analogical}, goal.\text{goal}.

多 association 不能直接叫推理。

38. Topology Quality

候選：

Θttopo=(Btassoc,Rtact,DtP,CtP,XtP,Etconv).\Theta_t^{\mathrm{topo}} = \left( B_t^{\mathrm{assoc}}, R_t^{\mathrm{act}}, D_t^{P}, C_t^{P}, X_t^{P}, E_t^{\mathrm{conv}} \right).

有效多路徑 cognition 需要：

Expansion+Coherence+Cross-validation+Convergence.\boxed{ \text{Expansion} + \text{Coherence} + \text{Cross-validation} + \text{Convergence}. }

39. 統一 Subjective–Metacognitive Layer

主觀狀態：

χt.\chi_t.

元認知 performance estimate：

p^t.\widehat{\mathbf p}_t.

客觀 performance：

pt.\mathbf p_t.

因此：

χt≠p^t≠pt.\boxed{ \chi_t \neq \widehat{\mathbf p}_t \neq \mathbf p_t. }

40. Metacognitive Error

etmeta=p^t−pt.\mathbf e_t^{\mathrm{meta}} = \widehat{\mathbf p}_t - \mathbf p_t.

這個誤差可以：

  • positive；
  • negative；
  • domain-specific；
  • state-dependent。

所以：

ADHD≠global overconfidence.\boxed{ \text{ADHD} \neq \text{global overconfidence}. }

41. Metacognitive Feedback

pt→p^t→at+1strategy→pt+1.\mathbf p_t \rightarrow \widehat{\mathbf p}_t \rightarrow \mathbf a_{t+1}^{\mathrm{strategy}} \rightarrow \mathbf p_{t+1}.

因此 metacognition 不只是 report，也可能參與下一步行動。

42. 統一 Life-History Layer

生命需求：

qt.\mathbf q_t.

外部支架：

stext.\mathbf s_t^{\mathrm{ext}}.

補償：

kt.\mathbf k_t.

有效需求—支持差：

lt=qt−rt−stext−ktnet,\boxed{ \mathbf l_t = \mathbf q_t - \mathbf r_t - \mathbf s_t^{\mathrm{ext}} - \mathbf k_t^{\mathrm{net}}, }

其中 rt\mathbf r_t 表示可用功能資源。

43. Compensation Cost

ktnet=kt−ctK.\mathbf k_t^{\mathrm{net}} = \mathbf k_t - \mathbf c_t^{K}.

這避免：

successful output\text{successful output}

被直接等同：

low burden.\text{low burden}.

44. Impairment Layer

it=J(pt,qt,et,stext,kt).\mathbf i_t = J \left( \mathbf p_t, \mathbf q_t, \mathbf e_t, \mathbf s_t^{\mathrm{ext}}, \mathbf k_t \right).

因此：

symptom≠impairment.\boxed{ \text{symptom} \neq \text{impairment}. }

45. Visibility Layer

vt=V(yt,it,Ωo,Atcare).v_t = V \left( \mathbf y_t, \mathbf i_t, \Omega_o, A_t^{\mathrm{care}} \right).

其中：

  • Ωo\Omega_o：觀察者 sampling domain；
  • AcareA^{\mathrm{care}}：醫療可近性。

所以：

impairment≠visibility.\boxed{ \text{impairment} \neq \text{visibility}. }

46. Clinical Decision Layer

Dt=Γ(yt,it,Hdev,Xtdiff).\boxed{ \mathfrak D_t = \Gamma \left( \mathbf y_t, \mathbf i_t, H^{\mathrm{dev}}, X_t^{\mathrm{diff}} \right). }

這一層故意不由：

ct\mathbf c_t

直接推出。

原因是正式 ADHD diagnosis 還必須處理：

  • developmental history；
  • cross-context evidence；
  • differential diagnosis；
  • functional significance。

47. Continuous Configuration Space

令：

ci,t∈ΩC.\mathbf c_{i,t} \in \Omega_C.

群體：

ρ(c).\rho(\mathbf c).

clinical ADHD sample：

ρD(c).\rho_D(\mathbf c).

因此可以：

continuous density+local cluster structure.\boxed{ \text{continuous density} + \text{local cluster structure}. }

48. Subthreshold 邊界

本文再次明確：

subthreshold traits≠hidden clinical ADHD.\boxed{ \text{subthreshold traits} \neq \text{hidden clinical ADHD}. }

可以：

D=0\mathfrak D=0

但：

y≠0\mathbf y\neq0

或：

i≠0.\mathbf i\neq0.

這表示可能需要支持，不表示特定 diagnosis 必然成立。

49. 統一 Context-Fit Layer

任務需求：

qT.\mathbf q_T.

環境：

e.\mathbf e.

configuration：

c.\mathbf c.

fit：

Kfit=K(c,qT,e).K_{\mathrm{fit}} = K \left( \mathbf c, \mathbf q_T, \mathbf e \right).

performance：

p=F(Kfit,c,qT,e).\mathbf p = F \left( K_{\mathrm{fit}}, \mathbf c, \mathbf q_T, \mathbf e \right).

50. Performance Reversal

對 configuration dimension：

ck,c_k,

定義：

βk(T,E)=∂P∂ck.\beta_k(T,E) = \frac{ \partial P }{ \partial c_k }.

真正 reversal 需要：

βk(Ta,Ea)<0\beta_k(T_a,E_a)<0

而：

βk(Tb,Eb)>0.\beta_k(T_b,E_b)>0.

這仍是 C 層候選命題，尚未被 ADHD literature 系統驗證。

51. 局部優勢與全域損害可同時成立

令：

Ai(T,E)=Pi(T,E)−Pref(T,E).A_i(T,E) = P_i(T,E)-P_{\mathrm{ref}}(T,E).

可以：

Ai(T∗,E∗)>0A_i(T^*,E^*)>0

同時：

∥ii∥>0.\|\mathbf i_i\|>0.

所以：

local advantage≠absence of disorder-related impairment.\boxed{ \text{local advantage} \neq \text{absence of disorder-related impairment}. }

52. 一條統一因果候選鏈

將所有層整合：

nt→zt→πt→xt→Gt→mt→pt→yt.\boxed{ \mathbf n_t \rightarrow \mathbf z_t \rightarrow \boldsymbol\pi_t \rightarrow \mathbf x_t \rightarrow \mathcal G_t \rightarrow \mathbf m_t \rightarrow \mathbf p_t \rightarrow \mathbf y_t. }

但同時存在：

qt,et,stext,kt\boxed{ \mathbf q_t, \mathbf e_t, \mathbf s_t^{\mathrm{ext}}, \mathbf k_t }

對多層的調節。

53. 另一條主觀／元認知迴路

zt→χt→p^t→at+1strategy→pt+1.\boxed{ \mathbf z_t \rightarrow \chi_t \rightarrow \widehat{\mathbf p}_t \rightarrow \mathbf a_{t+1}^{\mathrm{strategy}} \rightarrow \mathbf p_{t+1}. }

所以 subjectivity 不是附錄，而可能參與動態閉環。

54. 生命史／診斷鏈

pt+qt+et+stext+kt→it→vt→assessment→Dt.\boxed{ \mathbf p_t + \mathbf q_t + \mathbf e_t + \mathbf s_t^{\mathrm{ext}} + \mathbf k_t \rightarrow \mathbf i_t \rightarrow v_t \rightarrow \text{assessment} \rightarrow \mathfrak D_t. }

這條鏈解釋：

diagnosis timing\text{diagnosis timing}

為何不能被當作：

biological onset time.\text{biological onset time}.

55. IDCT-ADHD 十八項統一可證偽命題

U-H1：非單因子命題

不存在一個單一 scalar：

aa

能穩定、完整解釋 ADHD-related symptom、impairment、task variation 與 treatment response。

如果單一 scalar model 在跨資料集持續勝過 IDCT，則本理論應簡化。

U-H2：動態增量命題

加入：

Var⁡t(c)\operatorname{Var}_t(\mathbf c)

與：

P(ct+1∣ct)P(\mathbf c_{t+1}\mid\mathbf c_t)

應在部分 outcomes 提供超越平均值的預測力。

U-H3：Allocation–Maintenance 分離命題

能初始 prioritise 不代表能長時間穩定維持配置。

U-H4：Observation–Update–Action 分離命題

noticed≠updated≠acted.\text{noticed} \neq \text{updated} \neq \text{acted}.

若三者無法可靠操作化區分，SAD 部分應被簡化。

U-H5：State-Multiplicity 命題

distractibility、mind wandering、adaptive focus 與 hyperfocus-like lock-in 不應被單一 attention amount 完整描述。

U-H6：Neuromodulatory Mediation 命題

部分 pharmacological effects 透過：

zt\mathbf z_t

狀態中介，而不是直接：

drug→P.\text{drug} \rightarrow P.

U-H7：Subjective–Objective 分離命題

存在：

Δχ>0\Delta\chi>0

而：

Δp≈0\Delta\mathbf p\approx0

的可重現狀態。

U-H8：Metacognitive Feedback 命題

p^t−pt\widehat{\mathbf p}_t-\mathbf p_t

能預測後續 strategy change。

U-H9：Associative Breadth 非充分命題

Bassoc↑B^{\mathrm{assoc}}\uparrow

只有在：

CP,XP,EconvC^P, X^P, E^{\mathrm{conv}}

足夠時才可能提高有效推理。

U-H10：Demand–Support 命題

qt−stext−kt\mathbf q_t - \mathbf s_t^{\mathrm{ext}} - \mathbf k_t

的變化應能解釋部分 within-person impairment change。

U-H11：Visibility 非等同命題

功能損害與 clinical visibility 可在不同時間尺度變化。

U-H12：Dimensional-plus-Cluster 命題

高維 ADHD-related space 同時容許 continuous variation 與 local clusters。

U-H13：Subthreshold Non-Identity 命題

below-threshold traits 不等於 clinical ADHD。

U-H14：Context-Fit 命題

KfitK_{\mathrm{fit}}

對 objective task performance 應有增量預測力。

U-H15：Performance-Reversal 命題

至少某些 configuration dimensions 在嚴格 matched tasks 中可能出現 effect-sign reversal。

U-H16：Local–Global 分離命題

局部 performance advantage 不等於整體 impairment 消失。

U-H17：Transdiagnostic Overlap 命題

部分 IDCT variables 應跨 ADHD、anxiety、sleep problems 等共享，因此不能被直接當 ADHD-specific biomarker。

U-H18：Out-of-Sample Superiority 命題

整套模型只有在：

PIDCT,out>Psimpler,outP_{\mathrm{IDCT,out}} > P_{\mathrm{simpler,out}}

時才值得保留。

這是最重要的一條。

56. 什麼叫「更簡單模型」？

至少應比較：

M1：Binary Diagnosis Model

P=F(D).P = F(\mathfrak D).

M2：Symptom Total Model

P=F(Stotal).P = F(S_{\mathrm{total}}).

M3：Executive Function Model

P=F(EF).P = F(EF).

M4：Single Dimensional Liability Model

P=F(zADHD).P = F(z_{\mathrm{ADHD}}).

M5：Static High-Dimensional Model

P=F(c).P = F(\mathbf c).

M6：Dynamic Configuration Model

P=F(ct,Δct,T,E).P = F \left( \mathbf c_t, \Delta\mathbf c_t, T, E \right).

只有：

M6M6

在外部驗證中有穩定增量，動態理論才有存在價值。

57. Complexity Penalty

模型越複雜，越容易 overfit。

因此 model selection 必須包括：

prediction gain−λcomplexity.\text{prediction gain} - \lambda \text{complexity}.

可以使用：

  • held-out likelihood；
  • cross-validation；
  • information criteria；
  • preregistered primary metric。

而不是：

模型看起來比較完整。

58. 研究綱領 Phase A：Construct Validation

第一階段完全不需要 neuroimaging。

先建立：

  • allocation stability；
  • disengagement；
  • cognitive-path diversity；
  • subjective clarity；
  • compensation cost；
  • context fit；

的可靠 measurement。

要求：

Reliability⁡>0\operatorname{Reliability}>0

且跨 session 可重現。

如果 construct 本身測不穩，後面全部停止。

59. Phase B：Within-Person Dynamic Experiments

同一人跨不同：

  • novelty；
  • reward；
  • structure；
  • interruption；
  • delay；
  • task type；

重複測量。

核心：

within-person transition\boxed{ \text{within-person transition} }

而不是只做：

ADHD mean−control mean.\text{ADHD mean} - \text{control mean}.

60. Phase C：Clinical Replication

Phase A、B 的 construct 必須在：

  • clinically diagnosed ADHD；
  • matched controls；
  • relevant clinical comparison groups；

重現。

尤其需要：

  • sleep disorders；
  • anxiety；
  • depression；
  • autism；

作 differential comparison。

61. Phase D：Multimodal Mechanism

只有在行為 construct 成立後，再加入：

  • EEG；
  • fMRI；
  • PET；
  • pupillometry；
  • actigraphy；
  • digital phenotyping。

避免：

brain-first storytelling.\boxed{ \text{brain-first storytelling}. }

62. Phase E：Longitudinal Development

追蹤：

ct,qt,et,stext,kt,it,vt.\mathbf c_t, \mathbf q_t, \mathbf e_t, \mathbf s_t^{\mathrm{ext}}, \mathbf k_t, \mathbf i_t, v_t.

才能研究：

  • late diagnosis；
  • compensation collapse；
  • developmental trajectories；
  • context transition。

63. Phase F：Prediction and Translation

最後才測：

P(future impairment∣c),P \left( \text{future impairment} \mid \mathbf c \right), P(treatment response∣c).P \left( \text{treatment response} \mid \mathbf c \right).

只有 out-of-sample predictive gain 足夠，才討論 precision support。

64. 不允許跳過的順序

本文提出：

Construct→Reliability→Replication→Prediction→Clinical utility.\boxed{ \text{Construct} \rightarrow \text{Reliability} \rightarrow \text{Replication} \rightarrow \text{Prediction} \rightarrow \text{Clinical utility}. }

不能：

nice equation→clinical tool.\text{nice equation} \rightarrow \text{clinical tool}.

65. Measurement Principle 1：平均值與變異都要保存

至少測：

E[X],\mathbb E[X], Var⁡(X),\operatorname{Var}(X), Autocorr⁡(Xt),\operatorname{Autocorr}(X_t), P(Xt+1∣Xt).P(X_{t+1}\mid X_t).

ADHD dynamic research 不應只報平均 performance。

66. Measurement Principle 2：主觀與客觀不能互換

同步測：

χt,\chi_t, p^t,\widehat{\mathbf p}_t, pt.\mathbf p_t.

主觀資料不是低級資料，但它測的是不同東西。

67. Measurement Principle 3：Task 必須明確參數化

不要只寫：

attention task。

應寫：

qT=(sustained demand,novelty,reward delay,switching,interruption,…).\mathbf q_T = \left( \text{sustained demand}, \text{novelty}, \text{reward delay}, \text{switching}, \text{interruption}, \ldots \right).

否則 context dependence 無法重現。

68. Measurement Principle 4：Environment 必須被記錄

至少保留：

  • noise；
  • social presence；
  • autonomy；
  • structure；
  • feedback；
  • time pressure；
  • support。

這些不能全部當 noise。

69. Measurement Principle 5：跨診斷對照

如果某變量：

XX

在：

  • ADHD；
  • anxiety；
  • sleep deprivation；

都相同改變，

則：

XX

可能是 general dysregulation marker，而非 ADHD-specific marker。

這不是失敗，而是分類修正。

70. Measurement Principle 6：Clinical Diagnosis 不可由研究變量循環定義

若先用：

XX

定義 ADHD subgroup，

再說：

XX

證明 ADHD subgroup 不同，

即 circularity。

因此 clinical diagnosis 與 experimental constructs 必須保持可追溯分離。

71. Measurement Principle 7：多評分者與觀察域

保存：

Yself,Yparent,Yteacher,Ypartner.Y^{\mathrm{self}}, Y^{\mathrm{parent}}, Y^{\mathrm{teacher}}, Y^{\mathrm{partner}}.

不要只求一個平均值就丟失 disagreement。

disagreement 本身可能包含 context information。

72. Measurement Principle 8：Treatment State 必須記錄

至少區分：

  • stimulant-naïve；
  • currently medicated；
  • washout／not washout；
  • treatment history；
  • dose／formulation。

否則不同研究不應被直接比較。

73. 成人與兒童必須分開驗證

不能：

child ADHD mechanism⇒adult ADHD mechanism\text{child ADHD mechanism} \Rightarrow \text{adult ADHD mechanism}

自動成立。

需要：

developmental invariance test.\boxed{ \text{developmental invariance test}. }

74. Cross-Cultural Validity

ADHD diagnosis、observer threshold、school demand 與 work structure 受文化與制度影響。

因此：

ΦTaiwan\Phi_{\text{Taiwan}}

不必：

=ΦUS.= \Phi_{\text{US}}.

研究需檢驗 measurement invariance。

75. Digital Phenotyping 的角色

2026 成人 ADHD digital-health review 顯示數位工具研究快速增加。

IDCT 可利用：

  • task timing；
  • switching；
  • calendar behavior；
  • phone interaction；
  • EMA；

做高頻狀態測量。

但：

digital trace≠diagnosis.\boxed{ \text{digital trace} \neq \text{diagnosis}. }

76. 生態瞬時評估

EMA 特別適合：

ct\mathbf c_t

與：

et\mathbf e_t

的 repeated measurements。

例如每次記錄：

  • current task；
  • interest；
  • stress；
  • clarity；
  • distraction；
  • urge to switch；
  • time awareness；
  • competing obligations。

77. 模型必須保存零結果

如果某構念：

XX

在 preregistered study：

ΔX≈0,\Delta X\approx0,

不能只把它移出故事。

需要保留：

null evidence.\text{null evidence}.

本理論的演化應為：

T0→Test→T1,T_0 \rightarrow \text{Test} \rightarrow T_1,

而不是只累積正向發現。

78. Pre-registration Rule

所有關鍵 experiment 應提前固定：

  • primary hypothesis；
  • primary outcome；
  • exclusion criteria；
  • model comparison；
  • stopping rule；
  • multiplicity correction。

避免 model flexibility 讓任何結果都可以「解釋」。

79. Out-of-Sample Rule

任何新的 IDCT construct 要進入核心模型，至少要求：

Pout>Pbaseline,out.P_{\text{out}} > P_{\text{baseline,out}}.

如果只在 training sample 漂亮：

discard or downgrade.\boxed{ \text{discard or downgrade}. }

80. Falsification Level F0：Measurement Failure

如果：

Reliability⁡(X)≈0,\operatorname{Reliability}(X)\approx0,

直接淘汰 XX。

不需要進入神經機制討論。

81. F1：Dissociation Failure

若：

Q,P^,PQ, \widehat P, P

實際上高度不可分，

則 SMOSH 簡化。

若：

Salience,Activation,AllocationSalience, Activation, Allocation

不可區分，

則 SAD 簡化。

82. F2：Dynamic Failure

若：

Var⁡t(X)\operatorname{Var}_t(X)

與 transition features 沒有增量價值，

則 dynamic component 應移除。

83. F3：Topology Failure

若 graph-derived：

DP,CP,XP,EconvD_P, C_P,X_P,E_{\mathrm{conv}}

不優於普通 executive／divergent measures，

則 NCTH 淘汰。

84. F4：Context-Reversal Failure

若嚴格 matched-task crossover 中：

βk(T,E)\beta_k(T,E)

從不換號，

performance-reversal hypothesis 應大幅削弱。

85. F5：Longitudinal Failure

若：

Δq,Δsext,Δk\Delta q, \Delta s^{\mathrm{ext}}, \Delta k

無法預測 within-person impairment change，

DCVH 簡化。

86. F6：Clinical Increment Failure

如果整體 configuration model 在控制：

  • diagnosis；
  • symptom severity；
  • executive function；
  • IQ；
  • comorbidity；

後：

ΔR2≈0,\Delta R^2\approx0,

則 IDCT 不具有臨床研究增量價值。

87. 最強反證：簡單模型一直贏

如果跨多資料集：

P(Msimple,out)>P(MIDCT,out),P(M_{\mathrm{simple,out}}) > P(M_{\mathrm{IDCT,out}}),

則最合理結論不是：

資料還不夠理解高深理論。

而是：

use the simpler model.\boxed{ \text{use the simpler model}. }

88. IDCT 成功的最低條件

本理論不需要所有模組都成立。

最低成功條件是：

  1. 至少數個 dynamic constructs 可可靠測量；
  2. 它們跨情境可重現；
  3. 可預測 within-person performance changes；
  4. 在 external data 有增量；
  5. 能明確指出何時失效。

89. IDCT 的強成功條件

更強版本需要：

configuration→future impairment\boxed{ \text{configuration} \rightarrow \text{future impairment} }

與：

configuration→treatment-relevant outcome\boxed{ \text{configuration} \rightarrow \text{treatment-relevant outcome} }

具有可重複 external prediction。

在此之前不應宣稱 precision psychiatry。

90. Clinical Translation Guardrail

任何未來 clinical tool 至少需要：

  • prospective validation；
  • external replication；
  • calibration；
  • fairness；
  • harm analysis；
  • clinical utility analysis；
  • clinician oversight。

不能只報：

AUC.AUC.

91. Imaging Biomarker Guardrail

2026 biotype study 是重要研究進展。

但目前不能：

brain scan→routine ADHD diagnosis.\boxed{ \text{brain scan} \rightarrow \text{routine ADHD diagnosis}. }

研究 stratification 與 clinical biomarker 仍是不同階段。

92. Genetics Guardrail

2025 genetics 支持 continuous liability。

但：

polygenic score≠individual ADHD diagnosis.\boxed{ \text{polygenic score} \neq \text{individual ADHD diagnosis}. }

IDCT 不使用 genetics 作單人 diagnostic oracle。

93. Strengths Guardrail

2026 strengths scoping review 支持 strengths field 值得研究。

但：

ADHD strength≠universal advantage.\boxed{ \text{ADHD strength} \neq \text{universal advantage}. }

每個 strength 都需要：

  • objective measure；
  • context；
  • comparator；
  • cost；
  • generalization。

94. Masking Guardrail

ADHD camouflaging／masking 目前仍需要更成熟 construct validation。

所以：

late diagnosis≠masking by default.\boxed{ \text{late diagnosis} \neq \text{masking by default}. }

95. Transdiagnostic Guardrail

如果 IDCT 最後發現：

c\mathbf c

中的很多變量同樣適用於 anxiety、autism、sleep disorder，

可能意味：

IDCT becomes a general cognitive-regulation framework.\boxed{ \text{IDCT becomes a general cognitive-regulation framework}. }

這不必視為失敗。

但其 ADHD-specific claim 必須縮小。

96. 理論可能最後「離開 ADHD」

這是一個重要可能。

若：

Φ\Phi

對不同 neurodevelopmental／psychiatric groups 都有效，

則最合理名稱可能從：

ADHD Dynamic Configuration Theory\text{ADHD Dynamic Configuration Theory}

變成：

General Dynamic Cognitive Configuration Theory.\text{General Dynamic Cognitive Configuration Theory}.

科學模型不應被原始命名綁架。

97. 最小可實作研究原型

若只做第一個真正實驗，不需要十層全部上。

可以先測：

allocation stability×task novelty×reward timing.\boxed{ \text{allocation stability} \times \text{task novelty} \times \text{reward timing}. }

每個人重複完成：

  • low novelty／delayed reward；
  • low novelty／immediate reward；
  • high novelty／delayed reward；
  • high novelty／immediate reward。

測：

accuracy,RT,RTV,switches,confidence,subjectiveclarity.accuracy, RT, RTV, switches, confidence, subjective clarity.

這已經可以同時測 Paper 3、4、6、9 的一部分命題。

98. 第二個最小實驗：Sparse vs Scaffolded Completion

比較：

IsparseI_{\mathrm{sparse}}

與：

Iscaffolded.I_{\mathrm{scaffolded}}.

測：

accuracy,completion time,path diversity,false path,confidence.accuracy, completion\ time, path\ diversity, false\ path, confidence.

若 graph measures 沒有可靠增量，Paper 5 可以直接降級。

99. 第三個最小實驗：Life-Transition EMA

追蹤進入：

  • 大學；
  • 新工作；
  • 遠距工作；
  • 親職；

前後。

測：

qt,stext,kt,it,vt.q_t, s_t^{\mathrm{ext}}, k_t, i_t, v_t.

直接測 Paper 7，而不是依賴回憶。

100. 最後的研究順序

本文建議：

先行為→再動態→再跨診斷→再神經→再縱向→最後臨床預測.\boxed{ \text{先行為} \rightarrow \text{再動態} \rightarrow \text{再跨診斷} \rightarrow \text{再神經} \rightarrow \text{再縱向} \rightarrow \text{最後臨床預測}. }

而不是從：

brain scan\text{brain scan}

直接跳到：

new ADHD subtype.\text{new ADHD subtype}.

101. 本系列最需要避免的十五種錯誤

  1. 把數學形式當證據；
  2. 把 ADHD 當單一機制；
  3. 把 dopamine 當 attention；
  4. 把 subjective enhancement 當 performance enhancement；
  5. 把 hyperfocus 當 ADHD 專屬核心；
  6. 把 creativity 當 ADHD 超能力；
  7. 把 brain network 當 cognitive graph；
  8. 把 adult diagnosis 當 adult onset；
  9. 把 compensation 當 absence of impairment；
  10. 把 masking 當已成熟 ADHD construct；
  11. 把 continuous traits 當 everyone-has-ADHD；
  12. 把 subthreshold 當 hidden diagnosis；
  13. 把 biotype 當新臨床 subtype；
  14. 把 local advantage 當 global advantage；
  15. 把 complex model 當 better model。

102. 十篇系列的最小共同命題

如果把所有內容壓到最小，只剩：

ADHD-related functioning is likely to be heterogeneous, dynamic, multidimensional, and context-sensitive.\boxed{ \text{ADHD-related functioning is likely to be heterogeneous, dynamic, multidimensional, and context-sensitive}. }

這句本身與現代 literature 相容。

但本系列真正需要被驗證的是更強版本：

specific dynamic configuration variables provide incremental predictive value.\boxed{ \text{specific dynamic configuration variables provide incremental predictive value}. }

103. 封頂總式

最終候選系統：

ct+1=Φ(ct,qt,et,stext,kt,ut)+εt,pt=F(ct,qt,et),χt=H(ct,et,xtexpectancy),p^t=M(pt,χt,ftfeedback),it=J(pt,qt,et,stext,kt),vt=V(yt,it,Ωo,Atcare),Dt=Γ(yt,it,Hdev,Xtdiff).\boxed{ \begin{aligned} \mathbf c_{t+1} &= \Phi \left( \mathbf c_t, \mathbf q_t, \mathbf e_t, \mathbf s_t^{\mathrm{ext}}, \mathbf k_t, \mathbf u_t \right) + \boldsymbol\varepsilon_t, \\ \mathbf p_t &= F \left( \mathbf c_t, \mathbf q_t, \mathbf e_t \right), \\ \chi_t &= H \left( \mathbf c_t, \mathbf e_t, \mathbf x_t^{\mathrm{expectancy}} \right), \\ \widehat{\mathbf p}_t &= M \left( \mathbf p_t, \chi_t, \mathbf f_t^{\mathrm{feedback}} \right), \\ \mathbf i_t &= J \left( \mathbf p_t, \mathbf q_t, \mathbf e_t, \mathbf s_t^{\mathrm{ext}}, \mathbf k_t \right), \\ v_t &= V \left( \mathbf y_t, \mathbf i_t, \Omega_o, A_t^{\mathrm{care}} \right), \\ \mathfrak D_t &= \Gamma \left( \mathbf y_t, \mathbf i_t, H^{\mathrm{dev}}, X_t^{\mathrm{diff}} \right). \end{aligned} }

這不是 ADHD 的已證實方程。

它是整個系列的 research-program compression。

104. 這套模型如果是錯的，應該怎麼死？

它不應該透過不斷增加自由參數來逃避反證。

最清楚的死亡條件是：

simple models predict just as well or better.\boxed{ \text{simple models predict just as well or better}. }

其次是：

new constructs cannot be measured reliably.\boxed{ \text{new constructs cannot be measured reliably}. }

再其次：

dynamic／contextual predictions fail to replicate.\boxed{ \text{dynamic／contextual predictions fail to replicate}. }

如果這三件事發生，IDCT 應被歸檔，而不是繼續擴張。

105. 這套模型如果是真的，最先會看到什麼？

最先不會是：

發現 ADHD 新腦區。

而更可能是：

  1. 同一人跨任務 performance variance 很有結構；
  2. 配置穩定性比單次平均值更能預測錯誤；
  3. subjective clarity 與 objective performance 可穩定脫鉤；
  4. context fit 可預測 within-person performance change；
  5. 某些 profile 在 matched tasks 出現可重現 sign reversal；
  6. 這些變量在 external cohorts 有增量價值。

106. 系列的理論地位

本系列最合理的目前地位：

pre-empirical integrative computational framework.\boxed{ \text{pre-empirical integrative computational framework}. }

不是：

medical theory confirmed,\text{medical theory confirmed},

也不是：

clinical diagnostic framework.\text{clinical diagnostic framework}.

107. 系列封頂後的下一步不是再寫更多理論篇

若此系列要繼續，優先順序應從：

theory generation\text{theory generation}

切換為：

measurement design→pilot protocol→preregistered validation.\boxed{ \text{measurement design} \rightarrow \text{pilot protocol} \rightarrow \text{preregistered validation}. }

也就是停止繼續堆疊新名詞。

108. 結論

本系列從一個很簡單的懷疑開始：

ADHD≠just too little attention.\text{ADHD} \neq \text{just too little attention}.

十篇之後，這個懷疑被拆成一套更嚴格、也更容易被打假的研究架構。

目前的外部研究支持：

  • ADHD 是高度異質的神經發展障礙；
  • symptoms 與 genetic liability 具有明顯連續性；
  • continuous variation 與 local biotypes 可以共存；
  • stimulant mechanisms 涉及 dopamine、norepinephrine、arousal、reward 與 network dynamics，而非單一 attention gain；
  • trial-to-trial neural stability 與 network flexibility 值得作為獨立變量；
  • adult ADHD diagnosis、impairment、late onset、emotional dysregulation、objective measures 仍有大量重要未解問題。

但這些證據尚未證明：

  • allocation entropy；
  • attention debt；
  • cognitive graph topology；
  • disengagement barrier；
  • reversal surface；
  • global fit kernel；

是 ADHD 的真實機制。

這些都是本系列交給未來實驗的東西。

因此封頂篇不以：

我們已經解釋 ADHD。

作結。

而以：

Can these constructs survive measurement, replication, prediction, and falsification?\boxed{ \text{Can these constructs survive measurement, replication, prediction, and falsification?} }

作結。

如果不能：

discard them.\boxed{ \text{discard them}. }

如果能：

keep only the parts that survive.\boxed{ \text{keep only the parts that survive}. }

這才是本系列最終的科學立場。

參考文獻

  1. World Health Organization. Clinical descriptions and diagnostic requirements for ICD-11 mental, behavioural and neurodevelopmental disorders (CDDR). WHO. Current ICD-11 framework accessed 2026-08-17.

  2. World Health Organization. ICD-11 2026 Release. WHO, 16 February 2026.

  3. Cortese, S., Bellgrove, M. A., Brikell, I., Franke, B., Goodman, D. W., Hartman, C. A., et al. Attention-deficit/hyperactivity disorder (ADHD) in adults: evidence base, uncertainties and controversies. World Psychiatry. 2025;24(3):347–371. DOI: 10.1002/wps.21374.

  4. Pan, N., Long, Y., Qin, K., et al. Mapping ADHD Heterogeneity and Biotypes by Topological Deviations in Morphometric Similarity Networks. JAMA Psychiatry. 2026;83(5):478–490. DOI: 10.1001/jamapsychiatry.2026.0001.

  5. van der Laan, C. M., Ip, H. F., Schipper, M., et al. Genome-wide association meta-analysis of childhood ADHD symptoms and diagnosis identifies new loci and potential effector genes. Nature Genetics. 2025;57:2427–2435. DOI: 10.1038/s41588-025-02295-y.

  6. Kay, B. P., Wheelock, M. D., Siegel, J. S., et al. Stimulant medications affect arousal and reward, not attention networks. Cell. 2025. DOI: 10.1016/j.cell.2025.11.039.

  7. Oya, M., Matsuoka, K., Kubota, M., et al. Effects of Extended-Release Methylphenidate on Dopamine and Norepinephrine Transporters in Adults With Attention-Deficit/Hyperactivity Disorder: A Longitudinal Dual-Tracer PET Study. Psychiatry and Clinical Neurosciences. 2026;80(1):48–54. DOI: 10.1111/pcn.13911.

  8. Gao, Z., et al. Reduced temporal and spatial stability of neural activity patterns predict cognitive control deficits in children with ADHD. Nature Communications. 2025;16:2346. DOI: 10.1038/s41467-025-57685-x.

  9. Nugiel, T., et al. Methylphenidate stabilizes dynamic brain network organization during tasks probing attention and reward processing in stimulant-naïve children with ADHD. Translational Psychiatry. 2025;15:488. DOI: 10.1038/s41398-025-03694-9.

  10. Atkinson, A. L., Pinheiro Sanchez, B., Warburton, M., Allmark, H., & Allen, R. J. The Ability to Direct Attention in Working Memory Is Not Impaired in Adults With Symptoms of ADHD. Journal of Attention Disorders. 2025;29(9):684–705. DOI: 10.1177/10870547251330039.

  11. Hupfeld, K. E., Osborne, J. B., Tran, Q. T., Hyatt, H. W., Abagis, T. R., et al. Validation of the dispositional adult hyperfocus questionnaire (AHQ-D). Scientific Reports. 2024;14:19460. DOI: 10.1038/s41598-024-70028-y.

  12. Elsholz, L., et al. ADHD symptomatology and metacognitive monitoring insights for college student support. Current Psychology. 2026. DOI: 10.1007/s12144-026-09164-9.

  13. Kang, S., Fu, Z., Li, Q., Yang, L., & Cao, Q. Adult-diagnosed and childhood-diagnosed attention deficit/hyperactivity disorder: cognitive and environmental contributions to symptom severity across different age of diagnosis. Frontiers in Psychiatry. 2026;17:1782999. DOI: 10.3389/fpsyt.2026.1782999.

  14. Bayard, S., Madiouni, C., Radiguer, F., Roulin, M., & Henrard, S. Late-Onset ADHD symptoms in the general population: A scoping review of longitudinal trajectories in population-based cohorts. The European Journal of Psychiatry. 2026;40(1):100337. DOI: 10.1016/j.ejpsy.2025.100337.

  15. Rafael, R. B., Jia, H., Rouel, M., Wootton, B. M., & Mitchison, D. Attention Deficit/Hyperactivity Disorder (ADHD)-Related Strengths in Adults: A Scoping Review. Journal of Attention Disorders. 2026. DOI: 10.1177/10870547261425737.

  16. Arildskov, T. W., Thomsen, P. H., Sonuga-Barke, E. J. S., Lambek, R., Østergaard, S. D., & Virring, A. Is Attention-Deficit/Hyperactivity Disorder (ADHD) a Dimension or a Category? What Does the Relationship Between ADHD Traits and Psychosocial Quality of Life Tell Us? Journal of Attention Disorders. 2024;28(7):1035–1044. DOI: 10.1177/10870547231222228.

  17. Faraone, S. V., et al. Attention-deficit/hyperactivity disorder. Nature Reviews Disease Primers. 2024;10:11. DOI: 10.1038/s41572-024-00495-0.

  18. Schork, A. J., et al. Polygenic profiles define aspects of clinical heterogeneity in attention deficit hyperactivity disorder. Nature Genetics. 2024;56:234–244. DOI: 10.1038/s41588-023-01593-7.

文獻使用聲明

本文僅使用上述研究建立截至 2026-08-17 的外部實證邊界。

本文提出的 IDCT-ADHD、全域 configuration state ct\mathbf c_t 、allocation entropy、disengagement barrier、attention debt、cognitive path topology、global fit kernel、reversal surface 與十八項統一命題，均為本系列理論構件，不應被誤認為上述研究作者的原始結論。

本篇也不把兒童、成人、healthy-control pharmacology、genetics、neuroimaging、self-report、clinical review 與 workplace research 視為可直接相加的單一證據池。不同研究只支持不同層級的局部背景。

系列封頂狀態

系列狀態： 10／10 完成
本篇狀態： v1.0 封頂理論稿
新增原始臨床／人體數據： 無
醫學用途： 無
下一階段： Measurement Design／Pilot Protocol／Preregistered Validation