最佳证据表明：神经反馈对多数人有效，但并非人人适用
最有力的证据来自大规模、设计严谨的研究。一项2022年对67项随机对照试验的系统综述得出结论，神经反馈训练与ADHD症状的显著长期缓解相关，且在学业、社交和家庭环境中均观察到改善[7]。这意味着对许多儿童而言，其益处不仅限于注意力评分，更延伸至现实生活中的功能表现。
一项针对114名ADHD患者的大型多中心疗效试验发现，85%的患者症状至少减轻25%，70%的患者症状至少减轻50%，55%的患者达到缓解状态（症状降至非临床水平）[6]。这些数据虽然可观，但也表明约30%的患者未能实现50%的症状减轻，凸显了神经反馈疗法并非对所有人都有效。
一项2024年针对100名儿童的随机试验发现，与对照组相比，30次神经反馈训练显著减轻了注意力不集中和多动症状[2]。同样，2022年一项涉及55名儿童的研究表明，采用个性化β节律的神经反馈训练显著改善了ADHD评定量表得分和注意力能力[4]。
关键在于：它并非对所有人都有效，原因如下
最重要的注意事项是，神经反馈的有效性会受到儿童其他心理健康状况的显著影响。2022年一项针对142名儿童的双盲随机试验发现，对于同时患有ADHD和焦虑症的儿童，神经反馈的效果实际上比对照组更差（效应量d = -0.79，意味着对照组改善更明显）[1]。通俗地说，如果您的孩子同时患有ADHD和焦虑症，标准的θ/β神经反馈可能不仅没有帮助，甚至可能不如类似安慰剂的干预措施有效。
另一方面，同一项研究发现，患有多动症和对立违抗障碍（ODD）的儿童在13个月的随访中，对神经反馈的反应显著优于对照组（效应量d=0.74，属于中等至较大获益）[1]。这意味着神经反馈可能对同时存在对抗或愤怒情绪的多动症儿童尤其有帮助。
另一个关键发现是，仅仅接受神经反馈训练并不能保证症状改善。一项针对100名儿童的2026年研究显示，尽管大多数参与者学会了调节自身大脑活动（θ/β比值），但个体的学习效果并不能可靠地预测症状减轻的程度[3]。相反，儿童的参与度以及训练环境等因素更为重要。这表明神经反馈并非一种被动治疗——儿童的主动参与至关重要。
不同方案产生不同效果——个性化至关重要
并非所有神经反馈训练都相同。最常见的方法是通过训练儿童减少θ脑波（与走神相关）并增强β脑波（与专注相关）来改善注意力。然而，2023年一项针对64名ADHD儿童的研究比较了三种不同方案，结果发现，尽管所有方案都能改善反应抑制能力（即阻止冲动行为的能力），但其背后的脑机制却截然不同[5]。专门增强θ波功率的训练，会显著提升一种名为Nogo-P3的脑信号——该信号与意识控制密切相关，而其他方案的效果则较为笼统。这意味着，方案的选择会改变大脑的改善方式。
根据个体大脑活动定制方案可提升效果。2022年一项研究发现，采用每个儿童自身的β波频率范围（而非固定标准）能显著改善ADHD评定量表得分[4]。研究者认为，应采用个体化的脑节律划分方式，以反映儿童真实的大脑状态。
一项2025年针对72名患者的机器学习研究发现，采用仅包含人格特质、教育水平等7项关键特征的个性化方法，预测患者对神经反馈治疗反应的准确率可达88%[8]。这表明未来我们或许能够从一开始就为患者匹配最合适的治疗方案，从而避免时间和金钱的浪费。
本文引用的文献
哪些ADHD儿童对TBR神经反馈治疗有效？共病作为调节因素
共病调节神经反馈效果：患有注意缺陷多动障碍（ADHD）伴焦虑的儿童对神经反馈的反应比对照组更差（d = -0.79），而患有ADHD伴对立违抗障碍的儿童在13个月随访中获益更多（d = 0.74）。
减少小学生注意力缺陷/多动症（ADHD）症状：神经反馈的有效性
一项针对100名儿童的随机试验发现，与对照组相比，30次神经反馈训练显著减轻了ADHD症状（p < 0.05）。
神经反馈学习具有异质性，且不能保证改善ADHD症状。
在100名儿童中，通过神经反馈学习调节大脑活动并不能可靠地预测症状改善；参与度和训练环境更为重要。
针对患有多动症（ADHD）的儿童，使用个体化β节律进行神经反馈训练。
使用个体化β节律的神经反馈训练在55名儿童中，比固定频段方法显著更有效地改善了ADHD症状。
不同神经反馈方案对ADHD反应抑制神经机制的独特影响
不同的神经反馈方案（增强θ波、增强β波、两者结合）均改善了64名ADHD儿童的反应抑制能力，但各自通过不同的脑机制实现。
一项多中心QEEG引导神经反馈治疗ADHD的有效性试验：重复验证与疗效预测。
在114名ADHD患者中，基于QEEG的神经反馈治疗实现了85%的应答率（症状减轻≥25%），70%的患者症状减轻≥50%，55%的患者达到缓解。
神经反馈治疗注意缺陷多动障碍（ADHD）儿童的效果：随机对照试验的系统综述
一项对67项随机对照试验的系统综述发现，神经反馈与ADHD症状的长期显著减轻以及学业、社交和家庭功能的改善相关。
一种基于可解释机器学习的方法，用于预测ADHD神经反馈治疗的反应。
一项基于7项特征（人格、教育）的机器学习模型，在72名患者中以88%的准确率预测了神经反馈治疗的反应。