# 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： $$ \boxed{ \text{formal plausibility} \neq \text{empirical validation} \neq \text{clinical utility}. } $$ --- # 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： $$ \text{ADHD} = \text{one mechanism}, $$ 而是： $$ \boxed{ \mathbf c_{i,t+1} = \Phi \left( \mathbf c_{i,t}, \mathbf q_{i,t}, \mathbf e_{i,t}, \mathbf s_{i,t}^{\mathrm{ext}}, \mathbf k_{i,t}, \mathbf u_{i,t}; \boldsymbol\theta_i \right) + \boldsymbol\varepsilon_{i,t}. } $$ 其中 $\mathbf c_{i,t}$ 是時間 $t$ 的動態認知配置， $\mathbf q$ 是任務／生活需求， $\mathbf e$ 是環境， $\mathbf s^{\mathrm{ext}}$ 是外部支架， $\mathbf k$ 是補償策略， $\mathbf u$ 是即時輸入， $\boldsymbol\theta_i$ 是較慢變個體參數。 客觀性能為： $$ \mathbf p_{i,t} = F \left( \mathbf c_{i,t}, \mathbf q_{i,t}, \mathbf e_{i,t} \right). $$ 主觀狀態： $$ \chi_{i,t} = H \left( \mathbf c_{i,t}, \mathbf e_{i,t}, \mathbf x_{i,t}^{\mathrm{expectancy}} \right). $$ 元認知估計： $$ \widehat{\mathbf p}_{i,t} = M \left( \mathbf p_{i,t}, \chi_{i,t}, \mathbf f_{i,t}^{\mathrm{feedback}} \right). $$ 功能損害： $$ \mathbf i_{i,t} = J \left( \mathbf p_{i,t}, \mathbf q_{i,t}, \mathbf e_{i,t}, \mathbf s_{i,t}^{\mathrm{ext}}, \mathbf k_{i,t} \right). $$ 臨床診斷則保留為獨立決策層： $$ \boxed{ \mathfrak D_{i,t} = \Gamma \left( \mathbf y_{i,t}, \mathbf i_{i,t}, H_i^{\mathrm{dev}}, X_{i,t}^{\mathrm{diff}} \right), } $$ 其中 $\mathbf y$ 為可觀察表型， $H^{\mathrm{dev}}$ 為發展史， $X^{\mathrm{diff}}$ 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： $$ \boxed{ \text{Configuration} \neq \text{Phenotype} \neq \text{Impairment} \neq \text{Diagnosis}. } $$ 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： $$ \boxed{ \text{Does a dynamic, multilevel, context-sensitive configuration model predict what simpler ADHD models systematically miss?} } $$ **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： $$ \boxed{ \text{IDCT-ADHD} = \text{research framework}, } $$ 不是： $$ \boxed{ \text{IDCT-ADHD} = \text{established medical theory}. } $$ --- # 2. 十篇系列的依賴結構 本系列依序建立： ## Paper 1 $$ \text{Attention Deficit} \rightarrow \text{Dynamic Configuration Conjecture}. $$ ## Paper 2 $$ \text{Neuromodulation} \neq \text{Attention}. $$ ## Paper 3 $$ \text{Salience} \neq \text{Activation} \neq \text{Allocation} \neq \text{Observation} \neq \text{Update} \neq \text{Action}. $$ ## Paper 4 $$ \text{Distractibility} \not\perp \text{Hyperfocus-like lock-in}. $$ ## Paper 5 $$ \text{Associative breadth} \neq \text{Path diversity} \neq \text{Coherence} \neq \text{Convergence}. $$ ## Paper 6 $$ \text{Subjective state} \neq \text{Metacognitive confidence} \neq \text{Objective performance}. $$ ## Paper 7 $$ \text{Configuration} \neq \text{Impairment} \neq \text{Visibility} \neq \text{Diagnosis}. $$ ## Paper 8 $$ \text{Continuous variation} + \text{Local clusters} + \text{Categorical clinical decisions}. $$ ## Paper 9 $$ \text{Functional effect} = F \left( \text{Configuration}, \text{Task}, \text{Environment} \right). $$ ## Paper 10 將上述結構統一並建立： $$ \boxed{ \text{measurement} \rightarrow \text{prediction} \rightarrow \text{falsification} \rightarrow \text{possible translation}. } $$ --- # 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 $$ \mathbf n_t = \text{neuromodulatory state}. $$ 候選包括： $$ \mathbf n_t = (D_t,NE_t,\ldots). $$ --- ## 3.2 中介調節狀態 $$ \mathbf z_t = \left( z_t^{\mathrm{arousal}}, z_t^{\mathrm{reward}}, z_t^{\mathrm{salience}}, z_t^{\mathrm{vigor}}, z_t^{\mathrm{gating}}, z_t^{\mathrm{stability}} \right). $$ --- ## 3.3 配置分布 $$ \boldsymbol\pi_t = \left( \pi_1(t),\ldots,\pi_n(t) \right), $$ 其中： $$ \sum_i\pi_i(t)=1. $$ --- ## 3.4 配置動態 $$ \mathbf x_t = \left( \widehat{\mathcal H}_{\pi}, L_t, T_t^{\mathrm{dwell}}, \nu_t^{\mathrm{switch}}, B_t^{\mathrm{exit}}, R_t^{\mathrm{goal}} \right). $$ --- ## 3.5 認知關係圖 $$ \mathcal G_t = \left( V_t,E_t,W_t \right). $$ --- ## 3.6 表徵、更新與行動狀態 $$ \mathbf m_t = \left( m_t^{\mathrm{obs}}, m_t^{\mathrm{update}}, m_t^{\mathrm{memory}}, m_t^{\mathrm{gate}} \right). $$ --- ## 3.7 客觀性能 $$ \mathbf p_t = \left( p_t^{\mathrm{accuracy}}, p_t^{\mathrm{RT}}, p_t^{\mathrm{RTV}}, p_t^{\mathrm{memory}}, p_t^{\mathrm{inhibition}}, p_t^{\mathrm{reasoning}}, p_t^{\mathrm{transfer}}, \ldots \right). $$ --- ## 3.8 主觀狀態 $$ \chi_t = \text{subjective clarity／engagement state}. $$ --- ## 3.9 元認知估計 $$ \widehat{\mathbf p}_t = \text{estimated performance}. $$ --- ## 3.10 生命／任務需求 $$ \mathbf q_t = \text{task and life demands}. $$ --- ## 3.11 環境 $$ \mathbf e_t = \text{environmental state}. $$ --- ## 3.12 外部支架 $$ \mathbf s_t^{\mathrm{ext}} = \text{external scaffolding}. $$ --- ## 3.13 補償策略 $$ \mathbf k_t = \text{compensation}. $$ --- ## 3.14 功能損害 $$ \mathbf i_t = \text{functional impairment profile}. $$ --- ## 3.15 臨床可見性 $$ v_t = \text{clinical visibility}. $$ --- ## 3.16 臨床判定 $$ \mathfrak D_t \in \{0,1\}. $$ 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 $i$ 在時間 $t$ 的全域 configuration： $$ \boxed{ \mathbf c_{i,t} = \left( \mathbf n_{i,t}, \mathbf z_{i,t}, \boldsymbol\pi_{i,t}, \mathbf x_{i,t}, \mathcal G_{i,t}, \mathbf m_{i,t} \right). } $$ 此表示故意沒有直接包含： $$ \mathfrak D. $$ 因為診斷不是底層認知狀態本身。 --- # 5. 全域狀態更新 候選： $$ \boxed{ \mathbf c_{i,t+1} = \Phi \left( \mathbf c_{i,t}, \mathbf q_{i,t}, \mathbf e_{i,t}, \mathbf s_{i,t}^{\mathrm{ext}}, \mathbf k_{i,t}, \mathbf u_{i,t}; \boldsymbol\theta_i \right) + \boldsymbol\varepsilon_{i,t}. } $$ 其中： - $\mathbf u_{i,t}$：即時輸入； - $\boldsymbol\theta_i$：較慢變的個體參數； - $\boldsymbol\varepsilon_{i,t}$：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： $$ \overline{\mathbf c}_i = \frac1T \sum_t \mathbf c_{i,t}, $$ 可能遺失： $$ \operatorname{Var}_t(\mathbf c), $$ $$ P \left( \mathbf c_{t+1} \mid \mathbf c_t \right), $$ $$ T^{\mathrm{dwell}}, $$ $$ \text{transition asymmetry}. $$ 2025 年 cognitive-control neural-stability 研究與 network-flexibility stimulant study 都支持： $$ \boxed{ \text{temporal organization itself can carry information}. } $$ 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： $$ \boxed{ \text{Evidence Layer A}. } $$ 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： $$ \boxed{ \text{replace ADHD diagnosis}. } $$ --- # 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： $$ \boxed{ \text{ADHD} \neq \text{one uniform cognitive state}. } $$ --- # 10. A3：Symptoms 與 Genetic Liability 具有連續性 2025 Nature Genetics GWAS： $$ 290,134 $$ 次 symptom measures， 來自： $$ 70,953 $$ 名獨立個體， 支持 clinical ADHD 位於 ADHD symptom continuous liability 高端。 因此： $$ \boxed{ \text{continuous liability} } $$ 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： $$ \boxed{ \text{dimension} + \text{cluster} } $$ 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： $$ \boxed{ \text{stimulant effect} \neq \text{one attention-network amplifier}. } $$ --- # 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： $$ DAT $$ 與： $$ NET $$ binding。 但 transporter change 與 cognitive improvement 不是簡單一對一。 因此： $$ \boxed{ \text{target engagement} \neq \text{cognitive outcome}. } $$ --- # 14. A7：ADHD Cognitive／Neural Variability 值得獨立研究 2025 Nature Communications 兒童研究顯示： $$ \text{temporal variability}\uparrow $$ 與： $$ \text{spatial stability}\downarrow $$ 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： $$ \boxed{ \text{mean state} \neq \text{dynamic stability}. } $$ --- # 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： $$ \boxed{ \text{adult diagnosis} \neq \text{adult onset}. } $$ --- # 16. 外部證據層 B：有局部或間接支持的中層連結 以下列為： $$ \boxed{ \text{Evidence Layer B}. } $$ 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： $$ \boxed{ \text{ADHD} \not\Rightarrow \text{universal allocation incapacity}. } $$ 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： $$ \text{hyperfocus} \neq \text{ADHD-specific defining symptom}. $$ 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： $$ 70 $$ 名正式診斷 ADHD 學生與： $$ 70 $$ 名 matched controls， 在 verbal 與 non-verbal tasks 觀察到 performance 與 confidence calibration 差異。 但： $$ \boxed{ \text{ADHD} \neq \text{global metacognitive blindness}. } $$ 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： $$ \text{associative breadth} $$ 與： $$ \text{divergent thinking} $$ 可能存在 profile-specific differences。 但 2026 strengths review 顯示整個 evidence base 高度異質。 因此： $$ \boxed{ \text{networked cognition} } $$ 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： $$ \text{specific trait} \rightarrow \text{objective performance reversal}. $$ 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： $$ \boxed{ \text{Evidence Layer C}. } $$ 除非未來實驗支持，不得稱為 ADHD 已知機制。 --- # 23. C1：Allocation Entropy $$ \widehat{\mathcal H}_{\pi} = -\frac{ \sum_i\pi_i\log\pi_i }{ \log n }. $$ 目前只是候選描述變量。 它不是： - EEG entropy； - thermodynamic entropy； - validated ADHD biomarker。 --- # 24. C2：Disengagement Barrier $$ B^{\mathrm{exit}} $$ 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 $$ D_t^{\mathrm{attn}} $$ 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 $$ \mathcal G_t = (V_t,E_t,W_t) $$ 及： $$ D_P, \overline C_P, X_P, E_{\mathrm{conv}} $$ 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： $$ \text{nonlinear regime shift}. $$ 它不是對真實腦熱力學相變的宣稱。 --- # 28. C6：Reversal Surface $$ \mathcal R_k = \left\{ (T,E): \frac{\partial P}{\partial c_k}=0 \right\}. $$ 這是 performance-reversal research 的新候選工具。 --- # 29. C7：Global Fit Kernel $$ K_{\mathrm{fit}} = K \left( \mathbf c, \mathbf q, \mathbf e \right). $$ 尚未被 ADHD workplace research 直接驗證。 --- # 30. 統一 Neuromodulation Layer 第 2 篇的 canonical form： $$ \mathbf z_t = \Psi \left( \mathbf n_t, \mathbf b_i, \mathbf q_t, \mathbf e_t \right). $$ 其中： $$ \mathbf n_t $$ 不是注意力本身。 而： $$ \mathbf z_t $$ 可能調節： - arousal； - reward； - salience； - vigor； - gating； - stability。 --- # 31. 統一 Allocation Layer 給定候選事件： $$ \mathcal E_t = \{e_1,\ldots,e_n\}, $$ 配置： $$ \boldsymbol\pi_t = \Pi \left( \mathbf z_t, \mathbf q_t, \mathbf m_t, \mathbf h_t \right). $$ 其核心不是： $$ \text{attention amount}, $$ 而是： $$ \boxed{ \text{who gets processing opportunity}. } $$ --- # 32. Processing Opportunity 命題 令： $$ o_t(e) $$ 為有效處理。 則： $$ P \left( o_t(e)=1 \mid \pi_t(e) \right) $$ 通常可以隨配置提高，但不必： $$ =1. $$ 所以： $$ \boxed{ \text{allocation} \neq \text{successful processing}. } $$ --- # 33. Observation–Update–Action 分離 本文統一為： $$ m_t^{\mathrm{obs}}, $$ $$ m_t^{\mathrm{update}}, $$ $$ m_t^{\mathrm{gate}}. $$ 因此可以： $$ m^{\mathrm{obs}}>0 $$ 但： $$ m^{\mathrm{update}}\approx0, $$ 也可以： $$ m^{\mathrm{update}}>0 $$ 但： $$ m^{\mathrm{gate}}=0. $$ 所以： $$ \boxed{ \text{noticed} \neq \text{updated} \neq \text{acted}. } $$ --- # 34. 統一 Allocation Dynamics $$ \mathbf x_t = \left( \widehat{\mathcal H}_{\pi}, L_t, T_t^{\mathrm{dwell}}, \nu_t^{\mathrm{switch}}, B_t^{\mathrm{exit}}, R_t^{\mathrm{goal}} \right). $$ 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： $$ R_t^{\mathrm{goal}} = \sum_{e\in\mathcal G_t^{\mathrm{goal}}} \pi_t(e). $$ 則 task-relative distraction： $$ D_t^{\mathrm{task}} = 1-R_t^{\mathrm{goal}}. $$ 因此： $$ \widehat{\mathcal H}_{\pi}\downarrow $$ 仍可能： $$ D_t^{\mathrm{task}}\uparrow $$ 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： $$ L_t\uparrow, $$ $$ T_t^{\mathrm{dwell}}\uparrow, $$ $$ B_t^{\mathrm{exit}}\uparrow. $$ 因此： $$ \boxed{ \text{low entropy alone} \neq \text{hyperfocus}. } $$ --- # 37. 統一 Cognitive Topology Layer $$ \mathcal G_t = (V_t,E_t,W_t). $$ 需要至少區分： $$ \text{semantic}, $$ $$ \text{causal}, $$ $$ \text{temporal}, $$ $$ \text{analogical}, $$ $$ \text{goal}. $$ 多 association 不能直接叫推理。 --- # 38. Topology Quality 候選： $$ \Theta_t^{\mathrm{topo}} = \left( B_t^{\mathrm{assoc}}, R_t^{\mathrm{act}}, D_t^{P}, C_t^{P}, X_t^{P}, E_t^{\mathrm{conv}} \right). $$ 有效多路徑 cognition 需要： $$ \boxed{ \text{Expansion} + \text{Coherence} + \text{Cross-validation} + \text{Convergence}. } $$ --- # 39. 統一 Subjective–Metacognitive Layer 主觀狀態： $$ \chi_t. $$ 元認知 performance estimate： $$ \widehat{\mathbf p}_t. $$ 客觀 performance： $$ \mathbf p_t. $$ 因此： $$ \boxed{ \chi_t \neq \widehat{\mathbf p}_t \neq \mathbf p_t. } $$ --- # 40. Metacognitive Error $$ \mathbf e_t^{\mathrm{meta}} = \widehat{\mathbf p}_t - \mathbf p_t. $$ 這個誤差可以： - positive； - negative； - domain-specific； - state-dependent。 所以： $$ \boxed{ \text{ADHD} \neq \text{global overconfidence}. } $$ --- # 41. Metacognitive Feedback $$ \mathbf p_t \rightarrow \widehat{\mathbf p}_t \rightarrow \mathbf a_{t+1}^{\mathrm{strategy}} \rightarrow \mathbf p_{t+1}. $$ 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： $$ \mathbf q_t. $$ 外部支架： $$ \mathbf s_t^{\mathrm{ext}}. $$ 補償： $$ \mathbf k_t. $$ 有效需求—支持差： $$ \boxed{ \mathbf l_t = \mathbf q_t - \mathbf r_t - \mathbf s_t^{\mathrm{ext}} - \mathbf k_t^{\mathrm{net}}, } $$ 其中 $\mathbf r_t$ 表示可用功能資源。 --- # 43. Compensation Cost $$ \mathbf k_t^{\mathrm{net}} = \mathbf k_t - \mathbf c_t^{K}. $$ 這避免： $$ \text{successful output} $$ 被直接等同： $$ \text{low burden}. $$ --- # 44. Impairment Layer $$ \mathbf i_t = J \left( \mathbf p_t, \mathbf q_t, \mathbf e_t, \mathbf s_t^{\mathrm{ext}}, \mathbf k_t \right). $$ 因此： $$ \boxed{ \text{symptom} \neq \text{impairment}. } $$ --- # 45. Visibility Layer $$ v_t = V \left( \mathbf y_t, \mathbf i_t, \Omega_o, A_t^{\mathrm{care}} \right). $$ 其中： - $\Omega_o$：觀察者 sampling domain； - $A^{\mathrm{care}}$：醫療可近性。 所以： $$ \boxed{ \text{impairment} \neq \text{visibility}. } $$ --- # 46. Clinical Decision Layer $$ \boxed{ \mathfrak D_t = \Gamma \left( \mathbf y_t, \mathbf i_t, H^{\mathrm{dev}}, X_t^{\mathrm{diff}} \right). } $$ 這一層故意不由： $$ \mathbf c_t $$ 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： $$ \mathbf c_{i,t} \in \Omega_C. $$ 群體： $$ \rho(\mathbf c). $$ clinical ADHD sample： $$ \rho_D(\mathbf c). $$ 因此可以： $$ \boxed{ \text{continuous density} + \text{local cluster structure}. } $$ --- # 48. Subthreshold 邊界 本文再次明確： $$ \boxed{ \text{subthreshold traits} \neq \text{hidden clinical ADHD}. } $$ 可以： $$ \mathfrak D=0 $$ 但： $$ \mathbf y\neq0 $$ 或： $$ \mathbf i\neq0. $$ 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： $$ \mathbf q_T. $$ 環境： $$ \mathbf e. $$ configuration： $$ \mathbf c. $$ fit： $$ K_{\mathrm{fit}} = K \left( \mathbf c, \mathbf q_T, \mathbf e \right). $$ performance： $$ \mathbf p = F \left( K_{\mathrm{fit}}, \mathbf c, \mathbf q_T, \mathbf e \right). $$ --- # 50. Performance Reversal 對 configuration dimension： $$ c_k, $$ 定義： $$ \beta_k(T,E) = \frac{ \partial P }{ \partial c_k }. $$ 真正 reversal 需要： $$ \beta_k(T_a,E_a)<0 $$ 而： $$ \beta_k(T_b,E_b)>0. $$ 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： $$ A_i(T,E) = P_i(T,E)-P_{\mathrm{ref}}(T,E). $$ 可以： $$ A_i(T^*,E^*)>0 $$ 同時： $$ \|\mathbf i_i\|>0. $$ 所以： $$ \boxed{ \text{local advantage} \neq \text{absence of disorder-related impairment}. } $$ --- # 52. 一條統一因果候選鏈 將所有層整合： $$ \boxed{ \mathbf n_t \rightarrow \mathbf z_t \rightarrow \boldsymbol\pi_t \rightarrow \mathbf x_t \rightarrow \mathcal G_t \rightarrow \mathbf m_t \rightarrow \mathbf p_t \rightarrow \mathbf y_t. } $$ 但同時存在： $$ \boxed{ \mathbf q_t, \mathbf e_t, \mathbf s_t^{\mathrm{ext}}, \mathbf k_t } $$ 對多層的調節。 --- # 53. 另一條主觀／元認知迴路 $$ \boxed{ \mathbf z_t \rightarrow \chi_t \rightarrow \widehat{\mathbf p}_t \rightarrow \mathbf a_{t+1}^{\mathrm{strategy}} \rightarrow \mathbf p_{t+1}. } $$ 所以 subjectivity 不是附錄，而可能參與動態閉環。 --- # 54. 生命史／診斷鏈 $$ \boxed{ \mathbf p_t + \mathbf q_t + \mathbf e_t + \mathbf s_t^{\mathrm{ext}} + \mathbf k_t \rightarrow \mathbf i_t \rightarrow v_t \rightarrow \text{assessment} \rightarrow \mathfrak D_t. } $$ 這條鏈解釋： $$ \text{diagnosis timing} $$ 為何不能被當作： $$ \text{biological onset time}. $$ --- # 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： $$ a $$ 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： $$ \operatorname{Var}_t(\mathbf c) $$ 與： $$ P(\mathbf c_{t+1}\mid\mathbf c_t) $$ 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 $$ \text{noticed} \neq \text{updated} \neq \text{acted}. $$ 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： $$ \mathbf z_t $$ 狀態中介，而不是直接： $$ \text{drug} \rightarrow P. $$ --- ## U-H7：Subjective–Objective 分離命題 存在： $$ \Delta\chi>0 $$ 而： $$ \Delta\mathbf p\approx0 $$ 的可重現狀態。 --- ## U-H8：Metacognitive Feedback 命題 $$ \widehat{\mathbf p}_t-\mathbf p_t $$ 能預測後續 strategy change。 --- ## U-H9：Associative Breadth 非充分命題 $$ B^{\mathrm{assoc}}\uparrow $$ 只有在： $$ C^P, X^P, E^{\mathrm{conv}} $$ 足夠時才可能提高有效推理。 --- ## U-H10：Demand–Support 命題 $$ \mathbf q_t - \mathbf s_t^{\mathrm{ext}} - \mathbf k_t $$ 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 $$ K_{\mathrm{fit}} $$ 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： $$ P_{\mathrm{IDCT,out}} > P_{\mathrm{simpler,out}} $$ 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 $$ P = F(\mathfrak D). $$ ## M2：Symptom Total Model $$ P = F(S_{\mathrm{total}}). $$ ## M3：Executive Function Model $$ P = F(EF). $$ ## M4：Single Dimensional Liability Model $$ P = F(z_{\mathrm{ADHD}}). $$ ## M5：Static High-Dimensional Model $$ P = F(\mathbf c). $$ ## M6：Dynamic Configuration Model $$ P = F \left( \mathbf c_t, \Delta\mathbf c_t, T, E \right). $$ 只有： $$ M6 $$ 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： $$ \text{prediction gain} - \lambda \text{complexity}. $$ 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： $$ \operatorname{Reliability}>0 $$ 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： $$ \boxed{ \text{within-person transition} } $$ 而不是只做： $$ \text{ADHD mean} - \text{control mean}. $$ --- # 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： $$ \boxed{ \text{brain-first storytelling}. } $$ --- # 62. Phase E：Longitudinal Development 追蹤： $$ \mathbf c_t, \mathbf q_t, \mathbf e_t, \mathbf s_t^{\mathrm{ext}}, \mathbf k_t, \mathbf i_t, v_t. $$ 才能研究： - late diagnosis； - compensation collapse； - developmental trajectories； - context transition。 --- # 63. Phase F：Prediction and Translation 最後才測： $$ P \left( \text{future impairment} \mid \mathbf c \right), $$ $$ P \left( \text{treatment response} \mid \mathbf c \right). $$ 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： $$ \boxed{ \text{Construct} \rightarrow \text{Reliability} \rightarrow \text{Replication} \rightarrow \text{Prediction} \rightarrow \text{Clinical utility}. } $$ 不能： $$ \text{nice equation} \rightarrow \text{clinical tool}. $$ --- # 65. Measurement Principle 1：平均值與變異都要保存 至少測： $$ \mathbb E[X], $$ $$ \operatorname{Var}(X), $$ $$ \operatorname{Autocorr}(X_t), $$ $$ P(X_{t+1}\mid X_t). $$ 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： $$ \chi_t, $$ $$ \widehat{\mathbf p}_t, $$ $$ \mathbf p_t. $$ 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： $$ \mathbf q_T = \left( \text{sustained demand}, \text{novelty}, \text{reward delay}, \text{switching}, \text{interruption}, \ldots \right). $$ 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： $$ X $$ 在： - ADHD； - anxiety； - sleep deprivation； 都相同改變， 則： $$ X $$ 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： $$ X $$ 定義 ADHD subgroup， 再說： $$ X $$ 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： $$ Y^{\mathrm{self}}, Y^{\mathrm{parent}}, Y^{\mathrm{teacher}}, Y^{\mathrm{partner}}. $$ 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： $$ \text{child ADHD mechanism} \Rightarrow \text{adult ADHD mechanism} $$ 自動成立。 需要： $$ \boxed{ \text{developmental invariance test}. } $$ --- # 74. Cross-Cultural Validity ADHD diagnosis、observer threshold、school demand 與 work structure 受文化與制度影響。 因此： $$ \Phi_{\text{Taiwan}} $$ 不必： $$ = \Phi_{\text{US}}. $$ 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： $$ \boxed{ \text{digital trace} \neq \text{diagnosis}. } $$ --- # 76. 生態瞬時評估 EMA 特別適合： $$ \mathbf c_t $$ 與： $$ \mathbf e_t $$ 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： $$ X $$ 在 preregistered study： $$ \Delta X\approx0, $$ 不能只把它移出故事。 需要保留： $$ \text{null evidence}. $$ 本理論的演化應為： $$ T_0 \rightarrow \text{Test} \rightarrow T_1, $$ 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： $$ P_{\text{out}} > P_{\text{baseline,out}}. $$ 如果只在 training sample 漂亮： $$ \boxed{ \text{discard or downgrade}. } $$ --- # 80. Falsification Level F0：Measurement Failure 如果： $$ \operatorname{Reliability}(X)\approx0, $$ 直接淘汰 $X$。 不需要進入神經機制討論。 --- # 81. F1：Dissociation Failure 若： $$ Q, \widehat P, P $$ 實際上高度不可分， 則 SMOSH 簡化。 若： $$ Salience, Activation, Allocation $$ 不可區分， 則 SAD 簡化。 --- # 82. F2：Dynamic Failure 若： $$ \operatorname{Var}_t(X) $$ 與 transition features 沒有增量價值， 則 dynamic component 應移除。 --- # 83. F3：Topology Failure 若 graph-derived： $$ D_P, C_P,X_P,E_{\mathrm{conv}} $$ 不優於普通 executive／divergent measures， 則 NCTH 淘汰。 --- # 84. F4：Context-Reversal Failure 若嚴格 matched-task crossover 中： $$ \beta_k(T,E) $$ 從不換號， performance-reversal hypothesis 應大幅削弱。 --- # 85. F5：Longitudinal Failure 若： $$ \Delta q, \Delta s^{\mathrm{ext}}, \Delta k $$ 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： $$ \Delta R^2\approx0, $$ 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： $$ P(M_{\mathrm{simple,out}}) > P(M_{\mathrm{IDCT,out}}), $$ 則最合理結論不是： > 資料還不夠理解高深理論。 而是： $$ \boxed{ \text{use the simpler model}. } $$ --- # 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： $$ \boxed{ \text{configuration} \rightarrow \text{future impairment} } $$ 與： $$ \boxed{ \text{configuration} \rightarrow \text{treatment-relevant outcome} } $$ 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： $$ AUC. $$ --- # 91. Imaging Biomarker Guardrail 2026 biotype study 是重要研究進展。 但目前不能： $$ \boxed{ \text{brain scan} \rightarrow \text{routine ADHD diagnosis}. } $$ 研究 stratification 與 clinical biomarker 仍是不同階段。 --- # 92. Genetics Guardrail 2025 genetics 支持 continuous liability。 但： $$ \boxed{ \text{polygenic score} \neq \text{individual ADHD diagnosis}. } $$ 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： $$ \boxed{ \text{ADHD strength} \neq \text{universal advantage}. } $$ 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： $$ \boxed{ \text{late diagnosis} \neq \text{masking by default}. } $$ --- # 95. Transdiagnostic Guardrail 如果 IDCT 最後發現： $$ \mathbf c $$ 中的很多變量同樣適用於 anxiety、autism、sleep disorder， 可能意味： $$ \boxed{ \text{IDCT becomes a general cognitive-regulation framework}. } $$ 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： $$ \Phi $$ 對不同 neurodevelopmental／psychiatric groups 都有效， 則最合理名稱可能從： $$ \text{ADHD Dynamic Configuration Theory} $$ 變成： $$ \text{General Dynamic Cognitive Configuration Theory}. $$ 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： $$ \boxed{ \text{allocation stability} \times \text{task novelty} \times \text{reward timing}. } $$ 每個人重複完成： - low novelty／delayed reward； - low novelty／immediate reward； - high novelty／delayed reward； - high novelty／immediate reward。 測： $$ accuracy, RT, RTV, switches, confidence, subjective clarity. $$ 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： $$ I_{\mathrm{sparse}} $$ 與： $$ I_{\mathrm{scaffolded}}. $$ 測： $$ accuracy, completion\ time, path\ diversity, false\ path, confidence. $$ 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： $$ q_t, s_t^{\mathrm{ext}}, k_t, i_t, v_t. $$ 直接測 Paper 7，而不是依賴回憶。 --- # 100. 最後的研究順序 本文建議： $$ \boxed{ \text{先行為} \rightarrow \text{再動態} \rightarrow \text{再跨診斷} \rightarrow \text{再神經} \rightarrow \text{再縱向} \rightarrow \text{最後臨床預測}. } $$ 而不是從： $$ \text{brain scan} $$ 直接跳到： $$ \text{new ADHD subtype}. $$ --- # 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： $$ \boxed{ \text{ADHD-related functioning is likely to be heterogeneous, dynamic, multidimensional, and context-sensitive}. } $$ 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： $$ \boxed{ \text{specific dynamic configuration variables provide incremental predictive value}. } $$ --- # 103. 封頂總式 最終候選系統： $$ \boxed{ \begin{aligned} \mathbf c_{t+1} &= \Phi \left( \mathbf c_t, \mathbf q_t, \mathbf e_t, \mathbf s_t^{\mathrm{ext}}, \mathbf k_t, \mathbf u_t \right) + \boldsymbol\varepsilon_t, \\ \mathbf p_t &= F \left( \mathbf c_t, \mathbf q_t, \mathbf e_t \right), \\ \chi_t &= H \left( \mathbf c_t, \mathbf e_t, \mathbf x_t^{\mathrm{expectancy}} \right), \\ \widehat{\mathbf p}_t &= M \left( \mathbf p_t, \chi_t, \mathbf f_t^{\mathrm{feedback}} \right), \\ \mathbf i_t &= J \left( \mathbf p_t, \mathbf q_t, \mathbf e_t, \mathbf s_t^{\mathrm{ext}}, \mathbf k_t \right), \\ v_t &= V \left( \mathbf y_t, \mathbf i_t, \Omega_o, A_t^{\mathrm{care}} \right), \\ \mathfrak D_t &= \Gamma \left( \mathbf y_t, \mathbf i_t, H^{\mathrm{dev}}, X_t^{\mathrm{diff}} \right). \end{aligned} } $$ 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： $$ \boxed{ \text{simple models predict just as well or better}. } $$ 其次是： $$ \boxed{ \text{new constructs cannot be measured reliably}. } $$ 再其次： $$ \boxed{ \text{dynamic／contextual predictions fail to replicate}. } $$ 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： $$ \boxed{ \text{pre-empirical integrative computational framework}. } $$ 不是： $$ \text{medical theory confirmed}, $$ 也不是： $$ \text{clinical diagnostic framework}. $$ --- # 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： $$ \text{theory generation} $$ 切換為： $$ \boxed{ \text{measurement design} \rightarrow \text{pilot protocol} \rightarrow \text{preregistered validation}. } $$ 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： $$ \text{ADHD} \neq \text{just too little attention}. $$ 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： $$ \boxed{ \text{Can these constructs survive measurement, replication, prediction, and falsification?} } $$ 作結。 如果不能： $$ \boxed{ \text{discard them}. } $$ 如果能： $$ \boxed{ \text{keep only the parts that survive}. } $$ 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 $\mathbf c_t$ 、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