摘要：阿尔法不对称的能力型认为，与静止状态下的阿尔法活动相比，陈述情绪操纵是更有效地检测与抑郁相关的动机缺陷。本研究使用时频方法研究了在患有烦躁不安的个体（n = 23）和没有烦躁不安的个体（n = 24）的情感图片的被动观看过程中，与事件有关的阿尔法功率变化的时间动态。在整个组中，与中性图片相比，愉悦和不愉快的处理与刺激后538-1400µms的中心顶和顶头皮部位事件相关的alpha功率（即alpha去同步）的降低有关。与烦躁不安的组相比，对烦躁不安的组，额叶，额中和顶叶中心部位的刺激表现出比不烦躁的组更小的阿尔法失调。有趣的是，在中央和顶顶头皮部位，响应愉悦刺激的组间差异被偏向右半球，而在额叶和额中部头皮部位未观察到明显的偏侧。这些发现表明，在涉及双侧额叶和右边缘化的壁区域的网络中，皮质活动的减少（即，α去同步化的减少）可能提供了抑郁症中与进路相关的动力缺乏的具体量度。
抑郁的特征是过度和持续的负面情绪，有时候会伴随这躁狂症和日常活动中的快感丧失。 已经提出，抑郁症状的出现和维持都由对情绪一致（即阴性）信息的优先处理偏见来解释（综述参见Clark和Beck2）。 这种偏见被认为会产生消极或与威胁相关的想法，意象和解释，这与消极情绪会增强同价或匹配情绪的想法一致，这就是所谓的消极增强假说。
尽管有实验支持这种概念化[4,5,6]，但相反，最近的证据表明，抑郁症状的出现主要是由于对积极valence和奖励性刺激的情绪反应减少所致，[7,8]可能表明与大脑中的进路调节动机系统异常相关的[9,10]。重要的是，与进路有关的动机降低是造成临床抑郁症的重要危险因素11，尽管在临床实践中很少考虑，但它可能解释了核心症状，如快感不足，冷漠和兴趣丧失（有关综述，请参见Admon＆Pizzagalli12）。这种被称为正衰减假说的模型最近被第三种选择所扩展，该模型假定抑郁症的特征是对所有情绪刺激的反应迟钝，而不论其效价如何，即所谓的情绪情境不敏感（ECI）13,14。具体而言，ECI模型认为，抑郁的人由于愉悦的刺激和与负刺激假说相反的反应而显示出降低的反应性，这分别是由于令人不快的刺激和防御性动机系统导致的不适刺激。
到目前为止，绝大多数关于抑郁症的额叶不对称性的研究都研究了休息时与进场相关的动机减少。这与动机和情感风格的倾向模型是一致的，该模型表明，个体具有一种特质样的倾向，无论是根据情况的具体要求还是采取进退还是退缩的方式23。然而，不一致的结果出现了，这引起了人们对静息额叶不对称作为抑郁症潜在生物标志物的有效价值的批评（有关最近的荟萃分析，请参见van der Vinne等人，27）。针对这些问题，提出了一种能力模型，该模型指出，在具有特定情绪冲动的情况下，个人的情绪调节能力有所不同28。换句话说，与情绪休息相比，抑郁中与进场相关的动机减少比在休息时更为明显，因为情境的情绪需求突出了动机缺陷，并减少了与静息状态相关的不良变化25、28、29 。
迄今为止，只有很少的研究开始研究情绪或奖励相关任务中抑郁症的阿尔法不对称性[9,29,30,31]。此外，应该提到两个方法上的缺陷。首先，脑电图活动通常在几秒钟内平均，没有提供有关对情绪刺激做出反应的时间过程的信息。考虑到情绪响应和调节发生在几百毫秒之内，并且考虑到据报道，α不对称性在休息时也会瞬间破裂，这令人惊讶。此外，尽管有一些例外情况，最近的研究仅在前头皮部位分析了α活性，即使也有在后头皮部位报道了抑郁症的α带不对称的报道。尤其是，抑郁症（当前的或缓解的）和对抑郁症的熟悉度以右颞顶叶功能障碍为特征，如右相对于左顶叶α活性增加[19,33,34]。右顶叶活动的减少被认为反映了唤醒的减少和对情绪刺激的处理受损[33,35,36,37]，因此可能导致抑郁症的情绪失调。
对情绪刺激的EEG反应进行时频分析可以克服这些局限性。 重要的是，可以随着时间的推移评估额叶对情绪刺激的反应，从而克服了传统的基于平均过程的快速傅立叶变换（FFT）频谱分析所提供的“静态图片”。 有趣的是，这种方法已被证明可成功检测特定恐惧症中对恐惧图片的短暂动机响应，如额叶部位的α光能所表明的那样。 更具体地说，时频方法可以评估与抑郁症相关的动机倾向如何以极好的时间分辨率（在毫秒范围内）响应情绪刺激而影响阿尔法力量。
根据阿尔法不对称的能力模型，本研究的目的是通过分析国际情感图片系统（IAPS）库39对情绪刺激做出的时频变化来分析抑郁症的动机缺陷。到目前为止，大多数关于事件相关电位（ERP）的不同组成部分都对被动观看任务中的情感图片处理进行了评估。特别是，与低刺激性中性刺激相比，高刺激性愉悦和不愉快刺激通常会在300-700µms时间窗内的顶顶中心区域引起更大的P3和晚期正电位（LPP）振幅，这被认为反映了情绪刺激的注意处理40,41,42。在本研究中，选择图片（令人愉快，中性和不愉快）来激发鲁棒的P3 / LPP复合物，作为实验性操作检查。与对照组相比，患有烦躁不安的人群在左前和右后区域的事件相关alpha功率（即降低的alpha失步）降低的幅度较小，与对照组相比，作为减少与进场相关的动力的关联。鉴于负增强模型和ECI模型对响应负刺激的抑郁相关情绪反应性做出了两个相反的预测，因此没有针对事件相关α功率响应不愉快图片的变化方向制定先验假设。
招募参与者的方法基于Messerotti Benvenuti等人先前的研究[10]中描述的方法。具体来说，为了初步确定患有烦躁不安的参与者，帕多瓦大学的197名大学生完成了在线《贝克抑郁量表》 -II（BDI-II43； Ghisi等人撰写的意大利语版本44）。 BDI-II是一种可靠且有效的自我报告调查表，用于评估过去两周内抑郁症状的严重程度。答案以四分（0–3）李克特量表给出，分数范围为0到63，分数越高表明抑郁症状越严重。在意大利语版本中，有12分被认为是区分有或没有抑郁症状的个体的最佳分值44。参加者在在线版BDI-II上得分等于或大于12（n = 77）被邀请参加研究，并接受纸笔版BDI-II和情绪发作模块（模块A）初筛后约一周，DSM-IV轴I（SCID-I45；意大利版本，Mazzi等人46）的结构化临床访谈。施用SCID-1的模块A以确认烦躁不安的存在，并且排除患有严重抑郁，心律不齐或躁郁症的个体。 SCID-I的模块A由训练有素的心理学家进行管理，该心理学家先前具有管理结构化临床访谈的经验。 23位参与者[22位女性和1位男性；年龄，平均（M）= 21.9，标准偏差（SD）= 2.2； BDI-II得分，M = 17.3，SD = 4.4]，在两个BDI-II版本中得分均等于或大于12，并且至少有两种当前的抑郁症状，持续时间至少两周，未达到诊断标准重度抑郁，心律不齐或躁郁症的标准被归入烦躁不安组。为了确保有烦躁症和没有烦躁症的人群之间的分离，我们选择了没有烦躁症的24个人[23名女性和1名男性；年龄，M = 22.0，SD = 1.9； BDI-II得分，M = 2.6，SD = 1.9]，在线BDI-II得分≤8（对应于45°百分位数），并在随后的纸笔式BDI-II管理中得到证实。在网上或纸笔BDI-II上得分在9到11之间，或通过SCID-I访谈评估的至少一种抑郁症状的参与者被排除在本研究之外。
通过临时访谈评估，参加本研究的所有参与者均符合以下纳入标准：1）身体健康，并且2）不含精神药物。 关于人口统计学变量，两组（患有烦躁不安，没有烦躁不安的人）在性别（费舍尔精确检验，p = age0.99）和年龄，F（1,45）= 0.05，p = 0.83，η2p=方面没有差异。 0.00。 烦躁不安组的BDI-II评分明显高于无烦躁不安组，F（1,45）= 226.69，p <0.001，η2p= 0.83
Ethics statement and informed consent
本研究是在参与者充分理解和书面同意的情况下根据《赫尔辛基宣言》进行的。这项研究得到了帕多瓦大学当地伦理委员会的批准。(No. 2101)，并获得每位受试者的书面知情同意。
Stimuli and procedure
向与会人员展示了从IAPS39中选出的72张图片，分为三类：24张令人愉悦的图片（例如色情场面，运动），24张中性的图片（例如中性面孔，家用物品）和24张令人不快的图片（例如攻击人类和动物） ）。这些图片是根据它们对情感唤起和效价的标准化等级选择的。令人愉悦，中性和不愉快的图片的平均（SD）规范化价等级分别为7.0（0.5），4.9（0.3）和2.9（0.7）。令人愉快，自然和不愉快的图片的平均（SD）规范唤醒评分分别为6.5（0.4），2.9（0.7）和6.5（0.5）。令人愉悦的刺激与不愉快的刺激相匹配（p = 0.92）。 IAPS图片编号为1050、1114、1120、1300、1302、1930、1932、3500、4611、4647、4651、4652、4660、4664、4670、4680、4683、4690、4695、4810、6200、6210、6230 ，6242、6243、6244、6250、6260、6312、6313、6370、6510、6540、6550、6560、7000、7002、7004、7009、7010、7020、7035、7036、7041、7050、7056、7059、7130 ，7175、7224、7223、7242、7491、7500、7554、7560、7595、7700、7950、8030、8031、8034、8080、8161、8180、8185、8186、8200、8370、8400、8490、9425。
使用带tin电极的弹性帽(Waveguard EEG cap, ANT Neuro, Enschede，荷兰)在32个头皮位置记录脑电图。脑电图位点为FP1、FPz、FP2、F7、F3、Fz、F4、F8、FC5、FC1、FC2、FC6、T7、C3、Cz、C4、T8、CP5、CP1、CP2、CP6、P7、P3、Pz、P4、P8、POz、O1、Oz、O2、A1(左乳突)、A2(右乳突)，均为CPz在线参考。为了控制眼球运动和眨眼，使用双极蒙太奇记录垂直和水平的眼电图。电极对分别置于右眼眶上、眶下及眼外视区。电极阻抗一直低于10 kΩ。脑电图和EOG信号经eego放大器(ANT Neuro, Enschede，荷兰)放大，带通滤波(0.3 - 40hz)， 1000hz数字化。
图片以半随机的顺序呈现，每个图片持续6,000μms（即，在相同的情绪条件下，必须连续显示不超过一个刺激）。每张图片前都有3,000毫秒的灰色间隔，在屏幕中央居中放置了一个白色注视十字。为了确保参与者能够处理每张图片的内容，他们必须注视中央注视交叉并将注视保持在屏幕中央。在每个试验中，以四个间隔之一（即在图片开始后300、1500、3500或4500μms）呈现一个声音惊吓探针，从而为每个情感类别中的每种时间状况提供6个数据点。数据分析不包括在图片发作后300µms送出惊吓探针的试验。因此，从分析中排除了每种情绪状况的六个刺激。此处未显示惊吓反射（和心率）数据。刺激间隔在6,000和8,000µms之间随机变化。该任务由19英寸的奔腾IV计算机呈现。使用E-prime 2.0演示软件（心理软件工具，美国宾夕法尼亚州匹兹堡）在计算机屏幕上显示。
根据Messerotti Benvenuti等人10先前研究报告的程序，到达实验室后，首先为参与者提供纸和铅笔版本的BDI-II和情绪发作模块（模块A）。 SCID-I采访。然后，在昏暗的灯光，声音衰减的房间中，参与者坐在距计算机显示器100 monitorcm的地方。传感器安装后，提供了六次实践试验，包括两张令人愉快的，两张中性的和两张不愉快的照片。然后，每个参与者执行情感被动观看任务。
在被动观看任务结束时，再次以随机顺序显示36张图片（每个情感类别12张），并使用两个计算机化的9点自我评估模型（SAM）量表获得了情感价和唤醒的等级47 。 SAM使用人体模型来表示价数和唤醒尺寸。在化合价维度上，SAM的形象范围从皱眉不开心的形象（1，非常不愉快）到微笑开心的人物（9，非常愉快）。在唤醒维度上，SAM人物的范围从闭眼的静态人物（1，非常平静）到活动的睁大眼睛的人物（9，非常唤醒）。在完成对情绪价和唤醒的自我评估后，参加者进行了全面汇报。整个过程持续约90分钟。
数据预处理
脑电信号被下采样至500 Hz，并离线重新参考链接的乳突蒙太奇。用30 offlineHz的低通滤波器离线过滤EEG，并使用EEGLAB48中实现的独立成分分析（ICA）手动校正眨眼伪像。在Brainstorm49中进行了进一步处理。然后将脑电图分为4,000个时期，从刺激发作前的2,000µms到刺激发作后的2,000µms，以防止边界效应。通过减去-252 ms和-52 ms之间的平均预激励电压，对每个时期进行基线校正。然后，排除了包含超过±70μV（峰对峰）的残留伪影的片段。工件失真导致ERP和时频分析的平均（SD）接受度为烦躁不安组的17.0（1.2）个令人愉快的试验，17.0（1.1）个中性试验和17.1（1.0）个不愉快的试验，以及在没有烦躁不安的组中，有16.6（1.1）个愉快的试验，16.8（1.2）个中性试验和17.0（0.9）个不愉快的试验。在愉快，中立和不愉快的试验的平均接受度上，各组之间或情绪条件之间没有显着差异（所有ps≥0.25）。
事件相关电位（ERP）
通过针对每个参与者和情绪状况分别在时域中平均EEG时期来计算ERP。
时频分析
关于时频分析，对单个试验的Morlet小波变换适用于1至20 Hz之间的每个1 Hz频点，使用1 Hz的母小波并具有2 s的时间分辨率（由在最大值的一半； FWHM）。然后将每个受试者和情绪状况的时频分解取平均值，并计算与事件相关的频谱摄动（ERSP），以相对于基线（-500至-52 ms）的功率变化（以分贝（dB）表示）。每个时间点的每个频点。然后，针对每种情绪状况，对患有烦躁不安的参与者和没有烦躁不安的参与者进行数据平均。
统计分析
自我报告数据
对自我报告的价和唤醒进行独立的方差（ANOVA）混合分析，以组（烦躁不安，没有烦躁不安）为对象间因素，以类别（愉快，中性，不愉快）为对象内因素。报告了涉及对象内部变量具有两个以上级别的效应的校正后的p值，以及Greenhouse-Geisser epsilon（ε）和未校正的自由度。 Tukey HSD post-hoc测试之后是重要的主要影响和/或相互作用（p <0.05），以便校正多次比较。计算相关比较的Cohen d（绝对值）作为效果大小的度量。所有效应大小（针对样本偏差50进行校正）均以95％的置信区间（CI）进行报告，如果CI不重叠零，则认为具有显着性。
时频分析
关于时频分析，对单个试验的Morlet小波变换适用于1至20 Hz之间的每个1 Hz频点，使用1 Hz的母小波并具有2 s的时间分辨率（由在最大值的一半； FWHM）。然后将每个受试者和情绪状况的时频分解取平均值，并计算与事件相关的频谱摄动（ERSP），以相对于基线（-500至-52 ms）的功率变化（以分贝（dB）表示）。每个时间点的每个频点。然后，针对每种情绪状况，对患有烦躁不安的参与者和没有烦躁不安的参与者进行数据平均。
统计分析
自我报告数据
对自我报告的价和唤醒进行独立的方差（ANOVA）混合分析，以组（烦躁不安，没有烦躁不安）为对象间因素，以类别（愉快，中性，不愉快）为对象内因素。报告了涉及对象内部变量具有两个以上级别的效应的校正后的p值，以及Greenhouse-Geisser epsilon（ε）和未校正的自由度。 Tukey HSD post-hoc测试之后是重要的主要影响和/或相互作用（p <0.05），以便校正多次比较。计算相关比较的Cohen d（绝对值）作为效果大小的度量。所有效应大小（针对样本偏差50进行校正）均以95％的置信区间（CI）进行报告，如果CI不重叠零，则认为具有显着性。
网友评论