Hello，这里是行上行下，我是喵君姐姐~
今天给大家分享一篇关于情绪偏向元分析文献解读，方便对元分析与情绪偏向感兴趣的小伙伴细细研读。
该文章由袁加锦教授团队在国际行为与神经科学领域权威期刊《Neuroscience & Biobehavioral Reviews》（5-year IF：10.02）在线发表了题为“Emotional Bias varies with Stimulus type, Arousal and Task setting: Meta-analytic evidences”的学术论文。
该项工作揭示了人类情绪偏向的影响因素与变化规律，为解决该领域的证据分歧和如何选择刺激情境实现轻松的情绪调节提供了重要参考。这项工作由袁加锦教授担任通讯作者，合作者包括博士生田宇（共同第一作者）等人。
温馨提示：本文阅读时间较长，也可直接在后台回复“情绪偏向元分析”查看中英文解读~
情绪偏向，是指人们对情绪刺激的不对称加工，包括负性偏向(对负性刺激相比正性刺激反应更强烈)和正性偏向(对正性刺激更敏感)。先前的研究表明，刺激唤醒(高/低)、刺激类型(情景/语言)、文化背景(东方/西方)和任务类型(外显/内隐)可以调节情绪偏向，但结果并不确定。为了了解情绪偏向是如何随这些因素而变化的，研究人员以P3波幅为指标进行了元分析。使用Hedges’g法对38项研究的49个效应值进行了计算，总共包含1263名被试。
结果显示：唤醒度、刺激类型和任务类型是重要调节变量，特别是高唤醒刺激、场景刺激、外显情绪任务增强了负性偏向；而言语刺激却导致正性情绪偏向，同时内隐情绪任务或低唤醒度刺激却没有表现出显著的情绪偏向。这些结果表明，情绪偏向是不稳定的，其极性取决于刺激唤醒度，刺激类型和任务类型。这些发现对于如何通过情境选择进行情绪调节具有重要启示。
关键字：情绪偏向 P3 唤醒 刺激类型 元分析 情绪调节
人类的情绪偏向驱使我们趋近目标，而远离危险。常见的分类是将情绪刺激分为积极和消极两类但人类对情绪刺激的反应通常是不对称的，这被称为情绪偏向。
具体来说，有两种情绪偏向现象：一种是负性偏向，描述的是对消极刺激的反应比积极刺激更强烈;另一种是正性偏向，描述的是对积极刺激的反应比消极刺激更强烈。
这些情绪偏向反映了动机系统的激活，在进化上对人类的生存很重要。具体来说，负性偏向与促进人类防御行为(如躲避危险)的防御动机系统相关，而正性偏向与促进人类接近行为(如寻找食物)的欲望动机系统相关。
为了研究情绪偏向，许多研究人员使用事件相关电位技术来比较不同时间、阶段和不同头皮位置的积极和消极刺激引起的脑活动差异。其中最显著的发现之一是：由于使用不同的刺激和任务，事件相关的潜在成分P3振幅发生变化。
P3(也称为P3b、P300、晚期正成分或者晚期正电位)是位于中央-顶区的第三个正向事件相关电位成分。它可以由视觉或听觉刺激引起，它与多种认知加工过程有关，其功能一直被认为是复杂的，不能与特定的认知过程相联系。
一个突出的观点是，P3振幅可能是认知图式被修改过程的表现，因此，P3振幅可被视为反映了信息加工导致的神经系统激活程度(Johnson,2010; Polich and John, 2004)。
在情绪研究中，P3振幅被认为反映了大脑中注意资源的分配和情绪介入后动机环路的激活程度，可以作为一个客观指标来指示情绪加工的强度。实证研究表明，刺激的唤醒(高/低)、刺激的刺激类型(情景/言语)、刺激的处理类型(外显/内隐情绪任务)和参与者的文化背景(东方/西方)可能在情绪偏向中起重要作用。
1.1 唤醒度对情绪偏向的影响
唤醒度，是指由情绪刺激引起的生理激活强度，以往研究提示刺激唤醒度对情感偏向可能有影响。
具体来说，高唤醒刺激与负性偏向有关;相比之下，大脑可能会对低唤醒的情绪刺激产生正性偏向。有相关的数据支持这一观点。使用低唤醒刺激的研究发现，相对于消极刺激，积极刺激会导致P3振幅的增加，而使用高唤醒刺激的研究发现，消极刺激相对于积极刺激导致P3振幅更大。更直接的证据是，一项操纵刺激唤醒度的研究发现，P3在高唤醒条件下呈现负性偏向，而在低唤醒条件下却表现出相反的情绪偏向。
然而，已有研究结果却存在不一致。研究发现，当觉醒高低不同时，可能出现消极偏向或积极偏向或者没有情绪偏向。因此，唤醒对情绪偏向的影响仍然存在争议。
1.2 刺激类型对情绪偏向的影响
情景呈现和语言描述是人们获得情感信息的两种最常见的刺激类型。语言描述和情景呈现是否同等有效的诱导情感反应是一个悬而未决的问题。在实证研究中，情景呈现体现在图像上，而言语描述通常表现在文字上。
一个关于文字和图像处理区别的理论观点认为：在进入的情感方面之前，文字处理包含了比图像处理更多额外的过程。文字的额外处理包括自上而下的处理，并产生心理表征，帮助我们获得情感方面的刺激。由于自我保护的本能，文字的消极心理表征可能通过个体的意识系统被削弱。因此，文字和图片之间的情感偏向可能是不同的。
然而，实证研究的结果并不一致。一些研究发现，以P3振幅为指标，文字可能引起正性偏向，而图片导致负性偏向。相比之下，也有一些研究发现了文字的负性偏向和图片的正性偏向或无情绪偏向。因此，需要进行元分析来澄清这些问题。
1.3 文化背景对情绪偏向的影响
文化背景通过文化一致性的方式为人们的体验和表达情感做准备，从而调节情感偏好。具体来说，欧美人更喜欢积极性较高的积极状态，例如兴奋和兴高采烈，而东亚人更喜欢体验积极性较低的积极状态，例如和平与安宁。东西方文化在情感偏好上的差异，可能导致西方文化背景的被试比东方文化背景的被试体验到更多的情感积极性。因此，我们有理由推断文化背景可能在情绪偏向中起着重要的作用。
此外，一些研究以P3振幅为指标，观察到具有典型西方文化背景的参与者的正性偏向;而东方文化背景的人则存在负性偏向。然而，一些研究显示了相反的结果。至少，这些发现表明，情绪偏向可能受到文化背景的调节，这需要通过元分析来进一步说明。
1.4 任务类型对情绪偏向的影响
用于情绪偏向研究的任务类型是多种多样的。例如，要求参与者对刺激的效价和唤起程度进行评分，对情感类型的刺激进行分类，完成情感stroop任务或者情感oddball任务，使用情感刺激进行新旧辨别，阅读情感词汇、被动观看情感画面等等。
尽管任务种类繁多，但一个常见的分类是将其分为外显或内隐情绪任务。外显情绪任务要求参与者明确识别刺激效价、唤醒或情绪类别，而内隐情绪任务要求参与者执行非情绪认知任务，如观看、阅读或根据非情绪属性进行分类。据报告，与内隐情绪任务相比，外显情绪任务更容易将注意力资源分配到情绪刺激上。由于自我保护和进化的本能，更多的注意力资源可以促进一个人对负面刺激比如威胁的认知。因此，在外显情绪任务中更容易观察到负性偏向。
一些研究以P3振幅为标准变量，表明外显情绪任务导致负性偏向;内隐情绪任务导致了正性偏向。一个研究使用相同的材料来比较外显和内隐情绪任务的情绪处理。结果表明，外显情绪任务的负性偏向大于内隐情绪任务。然而，这些发现并没有得到广泛的重复，而且仍然存在不一致的结果。因此，有必要在元分析方法中明确任务类型是否对情绪偏向有影响。
1.5 现有研究
许多研究使用P3振幅作为一个指标，以评估人们的情绪偏向。如前所述，先前的研究表明，唤醒、刺激类型、文化背景和任务类型可能在情绪偏向中扮演重要角色。然而，结果是混乱的，需要元分析来进一步说明。鉴于上述许多研究的样本量相对较小，很明显，一些结果的统计能力有限，增加了I型和随机误差的风险。然而这些结果可以很好地应用于元分析--这是一种强大的统计方法，可以根据效应大小识别许多小样本研究的趋势。
因此，本研究的目的是通过元分析，明确唤醒、刺激类型、文化背景和任务类型是否调节情绪偏向。具体来说，通过元分析，以检查潜在调节变量的影响(即基于P3振幅的情绪偏向研究(包括:唤醒、刺激类型、文化背景和任务类型)。另一方面，厘清材料性质和唤醒度等因素对人类情绪偏向的影响，也对指导人们如何通过选择不同的刺激情境达到情绪调节的目的也具有重要的启示意义。
2.1 文献研究
我们按照系统审查和元分析指南的首选报告项目进行元分析。发表的文章是通过the Sciencedirect.com, John Wiley, Taylor& Francis, PsycInfo, and PubMed数据库。文章是通过对谷歌学术在线数据库的搜索来选择的。关键搜索词的组合如下:图片、文字、情景或语言，情感或情绪，积极或愉快，消极或不愉快，结合ERP或事件相关的电位。
此外，我们还对所有文章的参考书目进行了搜索，以确保没有遗漏任何相关文章。当研究结果不明确或不足以纳入元分析时(例如，未报告计算效应大小所需的信息)，我们联系了研究的相应作者，要求进一步的信息。由同一研究人员进行的多项研究被标记为进一步审查，以确保样本不重叠。
文献检索的起始日期为1993年1月1日，因为我们认为与当前研究主题相关的第一篇文章是在1993年发表的(i.e., Cacioppo et al., 1993);文献检索截止日期为2018年9月1日。
2.2 文献选择
文章选择的标准如下:
第一，研究使用了健康的被试;
第二，研究使用了积极和消极的图片或文字;
第三，研究报告了刺激的唤醒水平;
第四，消极刺激和积极刺激的唤起相匹配;
第五，研究报告了P3振幅对情绪刺激的反应;
第六，研究报告的统计数据允许计算效应大小;
第七，研究使用情绪刺激作为任务相关刺激;
第八，这些研究发表在同行评审的期刊上。
由于P3的命名和规范在不同的研究中有所不同，因此P3在时间和形貌上都有所不同。P3成分，也被称为晚期正成分，P3b, P300，或晚期正电位，被认为是正向成分，是中央顶叶或顶叶分布刺激后的第三个正成分，是情绪诱发的ERP成分。
本文分析的文章发表于1993年至2018年之间。每篇文章的标题和摘要都经过人工审核，以确保这些文章适合纳入元分析。
2.3 数据析取
数据由两位博士生独立提取，反复核对，直到达成一致。从每一篇合格的文章中提取以下变量来研究鉴定数据（第一作者和出版年份），被试的平均年龄与标准差(SD)、女性被试的比例、样本量、刺激效价与觉醒、刺激类型（图片或文字）任务类型、P3的窗口时间、P3的电极、效应大小计算的统计数据、以及被试的居住国(基于主要参与者)。
为了涵盖尽可能多的研究以加强元分析，我们纳入了包含主题无关因素的研究。对于这些研究，我们只是提取了与本元分析主题相关的数据。具体来说，在涉及精神障碍、老龄化和双语的研究中，元分析只纳入了健康样本、年轻人样本和被试以第一语言完成的任务下的数据。
2.3.1 唤醒和效价
唤醒和效价数据统一转换为9点李克特量表(1 =低唤醒或负性，9=高唤醒或正性)，大多数研究都使用这个量表。
本研究采用对分法提取各研究的唤醒数据，因为各研究对唤醒值的分类标准不一致，并没有公认的标准来将唤醒度划分为高和低。具体来说，我们按照升序对所有研究的平均唤醒值进行排序，前一半为低唤醒值，后一半为高唤醒值。高唤醒刺激的典型例子是蜘蛛、暴力和欢呼的文字或场景，而低唤醒刺激的典型例子是昆虫、难民和宴会。虽然这种二分法比较粗糙，但它有助于检查唤醒是否影响情绪偏向。如果研究没有报告特定的唤醒值，我们根据作者对刺激的描述进行了分类。独立t检验显示，高唤醒研究的唤醒值(均值SD= 6.65 0.35)显著高于低唤醒研究(均值SD =5.20 0.63)， t(43) = -9.14, p < 0.001，说明二分法是有效的唤醒水平划分方法。
2.3.2 刺激类型
根据作者对刺激的描述，提取各研究中刺激类型的数据。在情景研究中，如果研究同时使用面部图像和情景图片，那么只有情景图片的数据被提取出来，因为面部的情感处理与情景图片不同(Bayer,et al., 2014)。在语言研究中，只提取了被试的母语数据，如果同时使用文字和图片作为刺激，则分别提取数。
2.3.3 文化背景
根据作者对被试的描述提取文化背景数据。由于许多研究没有报告被试的文化背景，所以文化背景的分类是基于被试参与实验的地点。具体来说，来自东亚(如中国)的参与者被划分为东方文化，来自欧洲或北美(如法国、英国、荷兰、波兰、西班牙、德国和美国)的参与者被划分为西方文化。
2.3.4 任务类型
根据实验步骤描述提取任务类型数据。指导被试进行外显情绪分类的研究被确定为外显情绪任务(例如，识别刺激效价、唤醒或情绪类别)。相比之下，要求参与者执行非情绪任务的研究被确定为内隐情绪任务(例如：观看、阅读或根据非情绪属性进行分类)。数据提取如Table1所示。
2.4 元分析
2.4.1 效应量
我们使用Hedges g 作为效应量的指标，以避免Cohen’s d对于小样本研究效应量估计偏高的问题。在目前的分析中，Hedges g的计算如下:g =(正性刺激均值-负性刺激均值)/合并后标准差。如果缺少该公式的相关统计量，则根据t或p值和样本量得出Hedges g。与之前的研究相似，如果报告的结果是显著的，但没有提供p值，则假设单尾p值为0.025。如果报告结果为p < 0.05, p < 0.01或< 0.001，则假设双尾p值分别为0.05、0.01或0.001。如果结果被报告为不显著，但没有提供数据来计算确切的p值，则结果被保守地赋值为0.50的单尾p值。
采用CMA(Version 2; Biostat,Englewood, NJ, USA)软件包来预计、计算和比较效应量的大小。
2.4.2 模型选择
大多数元分析基于固定或随机效应模型。Borensteinet al. (2010)认为模型的选择应该依赖于先前的研究，即纳入的研究具有相同的目的并显示出相同的效果。如果纳入研究的特征(如参与者和方法)是一致的，而且元分析的结果不能推广到更广泛的人群，那么使用固定效应模型是合适的。否则，应选择随机效应模型。由于所选的文章在被试、方法和刺激类型方面不一致，我们希望结果可以推广到更广泛的人群，因此我们选择了随机效应模型进行当前的元分析。
2.4.3 异质性检验
使用Q和I2检验评估效应大小分布的异质性。在Q检验中，Q值有统计学意义(p <0.05)，表示效应大小分布存在异质性。在I2检验中，I2反映了实际效应大小差异所解释的总体方差的比例，I2值越大，异质性越大。Higgins et al. (2003)认为，25%、50%和75%应分别视为异质性的低、中、高阈值。
此外，异质性可以用来评估模型选择的充分性。一些研究表明，如果研究中效应大小的异质性超过低阈值，使用随机效应模型是最合适的。与固定效应模型相比，随机效应模型通常更为保守，但当异质性较低时，这两种模型的结果相似(Littleet al., 2012)。因此，如果异质性超过了低阈值(I2 > 25%)，则应在元分析中使用随机效应模型。
2.4.4 发表偏差
发表偏向通过漏斗图的目视检查， Egger’s回归检验(DeMaria et al., 2015)，Duval和Tweedie’s修剪填充法进行评估。在漏斗图中，如果效应大小以加权总体效应大小为中心对称、倒锥形分布，表明没有发表偏差。在Egger’s回归检验中，应当计算Egger’s截距和95% 置信区间，如果截距与0无显著差异(p> .05)表示不存在发表偏向。Duval和Tweedie’strim- fill方法中，对纳入研究中效应大小的分布在左右两边进行修剪或填充，以提供对称分布。如果调整后的效应大小与观察到的效应大小之间的差异不显著，表明没有发表偏向。
文献来源：
Yuan J, Tian Y,Huang X, Fan H, Wei X,(2019). Emotional Bias varies with Stimulus type, Arousaland Task setting: Meta-analytic evidences, Neuroscience and Biobehavioral Reviews, 107(2019), 461-472.
作者：袁加锦教授团队
排版：喵君姐姐
letswave系列教程
网友评论