يصف هذا البروتوكول مجموعة متكاملة من الاختبارات تستغرق 60 دقيقة — تشمل الإشراط الخوفي البافلوفي-الإجرائي مع التجنب، واكتساب الخوف-إطفاؤه-إعادة اكتسابه باستخدام محفزات اجتماعية، والتعلم الاحتمالي للمكافأة — والتي تسجل الموصلية الجلدية، والسلوك، والتقييمات لكل مرحلة بشكل متزامن لاستخلاص مؤشرات فردية لكل مشارك حول تعلم التهديد والمكافأة لدى البالغين.
يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية
مقالة منهجية
التعلم الترابطي وتجارب الطفولة القاسية: بروتوكول متعدد الأنظمة
في هذه المقالة
ملخص
الملخص
تُعد تجارب الطفولة السيئة (ACEs) عوامل خطر تشخيصية متقاطعة مثبتة للقلق والاكتئاب لدى البالغين، ومع ذلك لا تزال الآليات المعرفية العصبية التي تربط بين الشدائد المبكرة والأعراض غير واضحة ضمن إطار عمل موحد. يقدم هذا البروتوكول مجموعة تجريبية متكاملة متعددة الأنظمة ترصد التمييز بين التهديدات، وتعلم السلامة، والحساسية للمكافأة ضمن جلسة مختبرية واحدة. أكمل ثمانية وثلاثون شخصاً بالغاً من الأصحاء ثلاثة نماذج سلوكية — وهي التكييف الخوفي البافلوفي إلى الإجرائي مع التجنب (التجربة 1)، واكتساب الخوف ثم إطفاؤه ثم إعادة اكتسابه باستخدام محفزات اجتماعية (التجربة 2)، وتعلم المكافأة الاحتمالي (التجربة 3) — إلى جانب تقارير ذاتية معتمدة عن شدائد الطفولة (CTQ-SF)، وتجارب الطفولة الإيجابية (BCE)، والاكتئاب (PHQ-9)، والقلق (GAD-7, STAI). تم جمع بيانات متعددة القنوات بشكل متزامن: استجابة الموصلية الجلدية (SCR) كمؤشر فسيولوجي للاستثارة الذاتية، وتجنب الضغط على الزر والخيارات الاحتمالية كمؤشرات سلوكية، بالإضافة إلى تقييمات ذاتية لكل مرحلة للتوقع والتهديد والارتياح. أنتج كل نموذج تأثيره المعياري: التمييز البافلوفي في استجابة SCR (p = 0.009, ηp2 = 0.12)، والتوقع (p < 0.001, ηp2 = 0.58)، وتقييمات التهديد (p < 0.001, ηp2 = 0.35)؛ والارتياح الإجرائي الذي ميز بين التهديد الذي يمكن تجنبه والتهديد الذي لا يمكن تجنبه (p < 0.001, d = 0.86)؛ وظهرت استجابة ذاتية متباينة عند الاكتساب ولكن ليس عند الإطفاء في التجربة 2 (الاكتساب p = 0.008؛ الإطفاء p = 0.168) بالتزامن مع معرفة تقريرية مستمرة بالارتباط الشرطي (p < 0.001, d = 3.08)؛ وتعلم مكافأة احتمالي أعلى من مستوى الصدفة في التجربة 3 (M = 73%, p < 0.001, d = 1.97). كشف التصميم متعدد الأنظمة عن انفصالات كان من الممكن أن تغفل عنها القناة الواحدة، وأبرزها تضاؤل الاستجابة الذاتية إلى جانب استمرار الشعور الذاتي بالتهديد. وكانت المؤشرات المستمدة من البروتوكول لكل مشارك حساسة للفروق الفردية في تجارب الطفولة، مع الإشارة إلى تحليلات التعديل التوضيحية في المواد التكميلية. يوفر هذا البروتوكول إطار عمل قابلاً للنقل والتوسع لفهرسة كيفية إعادة معايرة الشدائد المبكرة لمعالجة التهديد والمكافأة في مرحلة البلوغ.
المقدمة
تنتشر تجارب الطفولة السيئة (ACEs)، التي تشمل الإساءة والإهمال والاختلال الوظيفي الأسري، بشكل واسع في جميع أنحاء العالم، حيث تتجاوز معدلاتها 60% في العديد من المجموعات السكانية1. وتشير التوليفات البحثية إلى أن معظم الأطفال يتعرضون لحدث سيئ واحد على الأقل خلال مرحلة النمو2. وتعد تجارب الطفولة السيئة عوامل خطر عابرة للتشخيص ومثبتة جيداً في الإصابة بالاعتلالات النفسية لدى البالغين3، حيث تساهم في ما يقدر بنحو 30% من اضطرابات القلق و 40% من حالات الاكتئاب1. وبالرغم من هذا الارتباط القوي، تعتمد التقييمات السريرية الشائعة على التشخيصات الفئوية والتقارير الذاتية الاسترجاعية، والتي تكون عرضة لانحياز التذكر ولا ترصد العمليات المعرفية العصبية في الوقت الفعلي4.
للتغلب على هذه القيود، هناك تركيز متزايد على النهج العابرة للتشخيص التي تستهدف الآليات الأساسية، ولا سيما التعلم الترابطي. ويوفر التعلم الترابطي، الذي يشمل كلاً من الإشراط البافلوفي والإشراط الإجرائي، إطاراً لفهم كيفية ترميز الأفراد للعلاقات بين الإشارات البيئية والسلوكيات والنتائج لتوجيه عملية اتخاذ القرار4,5. وضمن هذا الإطار، تفترض نظرية الهشاشة الكامنة أن الشدائد المبكرة تؤدي إلى تكيفات عصبية بيولوجية، مثل زيادة اليقظة، والتي تكون تكيفية في البداية في البيئات غير المتوقعة ولكنها قد تصبح غير تكيفية في سياقات لاحقة أكثر أماناً6,7.
تشير الأدلة إلى أن تجارب الطفولة adversity (ACEs) تؤثر على عمليات التعلم المرتبطة بكل من التهديد والمكافأة. فغالباً ما يظهر الأفراد الذين لديهم تاريخ من الشدائد انخفاضاً في القدرة على التمييز بين إشارات الخطر الشرطية (CS+) وإشارات الأمان (CS−)، وهو ما يشير إلى حدوث تغيير في تعلم التهديد8. وبالتوازي مع ذلك، ارتبطت الشدائد المبكرة بتراجع الحساسية للمكافأة، وهو ما ينعكس في انخفاض الدقة وبطء اكتساب احتمالات المكافأة8. وفي ظل ظروف عدم اليقين، قد يظهر هؤلاء الأفراد أيضاً زيادة في تباين الخيارات وانحيازاً نحو افتراض تقديم المكافأة بشكل عشوائي، وهو ما يتسق مع التعرض المبكر لبيئات متقلبة5,9.
تتشكل أنماط التعلم هذه بشكل أكبر من خلال عوامل وقائية وعوامل تعتمد على الحالة. فقد تعمل تجارب الطفولة الإيجابية (BCEs) على تخفيف آثار الشدائد على أنظمة التعلم10، بينما يمكن للحالات العاطفية الحالية، مثل القلق، أن تعدل عمليات الإشراط11. وتوفر المقاييس الفسيولوجية للاستثارة الذاتية، بما في ذلك استجابة موصلية الجلد (SCR)، مؤشرات موضوعية لهذه العمليات وتُستخدم على نطاق واسع في نماذج الإشراط12.
يتمثل أحد القصور الرئيسية في الدراسات الحالية في استخدام مهام منفصلة تقيم تعلم التهديد أو المكافأة بشكل مستقل، مما يحد من القدرة على رصد الأداء العصبي المعرفي المتكامل1. ويعالج البروتوكول الحالي هذه الفجوة من خلال توفير إطار عمل موحد يجمع بين القياسات السلوكية والفسيولوجية عبر مجالات تعلم متعددة. وبشكل محدد، يتضمن البروتوكول ثلاثة مكونات تجريبية: (1) نموذج لتقييم الانتقالات من الإشراط البافلوفي إلى الإشراط الإجرائي، (2) مهمة إطفاء الخوف الاجتماعي، و(3) مهمة تعلم المكافأة الاحتمالية8.
لا يكمن المبرر لهذا المزيج المحدد من النماذج في كون أي من هذه المهام الثلاث، بشكل منفصل، أكثر حساسية للمحن المبكرة من العديد من نماذج التعلم الراسخة الأخرى المتاحة؛ بل هو مبرر يتعلق بالقياس. ففي مراجعتهم المنهجية لـ 81 دراسة (38 حول التهديد، و43 حول المكافأة)، أظهر Ruge et al.1 أن الأدبيات التي تربط تجارب الطفولة السيئة (ACEs) بالتعلم الترابطي لا تزال غير متجانسة، وغير حاسمة في جوانب رئيسية، وذلك تحديداً لأن الدراسات عادةً ما تعتمد مهمة واحدة، وتسجل قناة استجابة واحدة، وتحدد المحن إجرائياً بطرق غير موحدة. وعلى سبيل المثال، أبلغ نصف دراسات تعلم المكافأة السلوكية عن ضعف في التعلم بينما أبلغ النصف الآخر عن نتائج معدومة؛ كما تهيمن النتائج المعدومة على الأدبيات المحدودة المتعلقة بالانطفاء، بالإضافة إلى التقارير التي تغفل مرحلة الاكتساب السابقة؛ ولم يظهر أي مقياس للنتائج كأكثر موثوقية بشكل عالمي، لذا فإن قنوات الاستجابة المختلفة ليست بدائل قابلة للتبادل فيما بينها. وتتمثل توصيتهم الصريحة في الانتقال نحو بروتوكولات متعددة المجالات ومتعددة القنوات داخل الشخص الواحد، بما يؤدي إلى الحصول على مؤشرات على المستوى الفردي. ويتبع الثلاثي الحالي هذه التوصية لأن مهامه الثلاث تشمل ثلاثة متطلبات متميزة حسابياً لا يغطيها نموذج واحد، وتتوقع نظرية الضعف الكامن7 أن المحن يجب أن تشكلها بطرق مختلفة: (i) التمييز بين التهديد والسلامة مقترناً بالقدرة على التحكم الأدواتي، مع اعتبار الراحة هي المعزز المفترض للتجنب13؛ (ii) التعلم التثبيطي (السلامة) وعودة الخوف، والتي يتم فحصها باستخدام محفزات الوجوه الاجتماعية11، وهو مجال المحفزات ذو الصلة بيئياً بسوء المعاملة بين الأشخاص؛ و(iii) التعلم التعزيزي في ظل عدم اليقين الاحتمالي، والذي ينتج معاملات حسابية لكل مشارك (معدل التعلم alpha، ودرجة الحرارة العكسية beta)8. وبما أن المهام الثلاث تُجرى على المشارك نفسه، فقد تم تصميم هذا النموذج للإجابة عما إذا كانت التغيرات المرتبطة بتجارب الطفولة السيئة (ACE) عامة في جميع المجالات — أي إعادة معايرة شاملة للتعلم الترابطي، كما يقترح Hanson et al.8 وكما يتوقع تفسير الضعف الكامن العصبي الحسابي6 — أو أنها محددة بالتكافؤ، ومقتصرة على التهديد. وبناءً على ذلك، لا يمكن لدراسة تعتمد على مهمة واحدة أن تفصل بين هذه الفرضيات المتنافسة.
صُممت هذه البطارية لاختبار مجموعة من التنبؤات الاتجاهية الصريحة، والتي لا تملك العينة الحالية القدرة الإحصائية الكافية للفصل فيها، لذا تُذكر هنا كأهداف لدراسات ذات قدرة إحصائية كافية. وتماشياً مع نمط التعلم المضعف الذي وصفه Ruge et al.1، يُتوقع أن يرتبط ارتفاع حمل تجارب الطفولة السيئة (ACE) بما يلي: (1) انخفاض التمييز بين CS+/CS− في التجربة 1، مدفوعاً بتوهين الاستجابة لـ CS+، ومن المتوقع أن يكون هذا التأثير أكثر وضوحاً في القناة اللاإرادية (SCR) منه في التوقعات التصريحية التي قد تظل سليمة؛ (2) زيادة استجابة التجنب وارتفاع مستوى الراحة الذاتية تجاه CS+ القابل للتجنب، بما يتوافق مع التجنب المعزز بالراحة13؛ (3) بطء في الانطفاء وعودة أسرع وأكبر للخوف عند إعادة الاكتساب في التجربة 2، وهو تأثير يُتوقع أن يتضخم بفعل المثيرات الاجتماعية (الوجه) التي تحمل أهمية بيئية بالنسبة للمحن الشخصية11؛ (4) انخفاض دقة الاختيار، ومعدل تعلم أقل (alpha)، وزيادة تباين الاختيار (beta أقل) في التجربة 38. وبشكل حاسم، تقدم المهام الثلاث معلومات مشتركة حول تنبؤ تمييزي خامس: إذا كان التغيير المرتبط بـ ACE عاماً في كافة المجالات، فيجب أن يظهر التوهين عبر المهام الثلاث جميعها؛ أما إذا كان خاصاً بالتكافؤ، فيجب أن يقتصر على نموذجي التهديد ويغيب في التعلم الاحتمالي للمكافأة. ونظراً لتسجيل قنوات الاستجابة بشكل متزامن، يمكن اختبار تنبؤ إضافي، وهو أن تأثيرات ACE ستعتمد على القناة بدلاً من أن تكون موحدة، بحيث أن الاستنتاجات المستخلصة من أي قناة واحدة لن تعمم على القنوات الأخرى.
تعتمد التجربة 1 نموذج إشراط الخوف من البافلوفي إلى الإجرائي مع التجنب وتقييمات الراحة لكل محاولة التي طورها San Martín et al.13، حيث يتم استخدام مؤشرين من نوع CS+ (أحدهما يمكن تجنبه والآخر لا يمكن تجنبه) ومؤشر واحد من نوع CS− للفصل بين التمييز البافلوفي والتحكم الإجرائي في النتيجة المنفرة. في النموذج الأصلي، تم تقييم تصنيفات توقع US خلال مرحلة الاكتساب البافلوفي بأثر رجعي في نهاية المرحلة من قبل الباحث بدلاً من تقييمها على أساس كل محاولة. أما في التعديل الحالي، فقد جُمعت التقييمات الذاتية للتوقع والتهديد والراحة بشكل متزامن طوال المهمة على أساس كل مرحلة باستخدام مقاييس التناظر المرئي، مما يسمح بالتتبع المستمر لديناميكيات التعلم عبر المراحل.
تعتمد التجربة 2 بروتوكول اكتساب الخوف وإخماده باستخدام محفزات اجتماعية (الوجوه) من دراسة Dibbets and Evers9، مع توسيعه ليشمل اختبار إعادة اكتساب وجيز لتقييم الظهور السريع للاستجابة الشرطية (تأثير الادخار).
تعتمد التجربة 3 مهمة تعلم المكافأة الاحتمالية التي قدمها Hanson et al.8 لدراسة الاختلافات في التعلم المرتبطة بالشدائد المبكرة، مع وجود احتمالين للمكافأة (80/20 و 70/30) مما يسمح بتقدير معلمات تعلم التعزيز لكل مشارك (Q-learning Alpha و Beta). ومن خلال دمج هذه النماذج الثلاثة ضمن جلسة مختبرية واحدة، يتيح البروتوكول الحالي مقارنة مباشرة داخل المشارك الواحد بين عمليات تعلم التهديد والمكافأة التي تُدرس عادةً بشكل منفصل. وبالإضافة إلى دقة كل محاولة ومعلمات Q-learning، ينتج مسار التحليل أيضًا منحدرات مسار التعلم الفردية من نموذج خطي مختلط، وهي متاحة للاستخدام في عينات أكبر.
يجب الفصل هنا بين هدفين متميزين لأنهما غير متكافئين. يتمثل الهدف الأول في إثبات أن مجموعة الاختبارات من هذا النوع يمكن تنفيذها كجلسة واحدة متكاملة مدتها 60-min، وأن كل مكون من مكوناتها يستحث التأثير النموذجي الذي صُمم من أجل استحثاثه؛ ويُعد إعادة إنتاج التأثيرات النموذجية دليلاً كافياً لتحقيق هذا الهدف الأول. أما الهدف الثاني فهو إثبات أن المؤشرات الناتجة حساسة ومحددة لتبعات الشدائد في مرحلة الطفولة؛ ولا تُعد إعادة إنتاج التأثيرات النموذجية دليلاً كافياً على ذلك، كما أن العينة الحالية ليست ذات قوة إحصائية كافية لتقديم هذا الدليل. ولذلك، فإن الغرض الأساسي من هذا التقرير هو الجدوى التقنية والمنهجية لمجموعة الاختبارات المتكاملة: أي ما إذا كان من الممكن اكتساب تعلم التهديد، والتجنب الأداتي مع الراحة، والانطفاء وعودة الخوف مع المحفزات الاجتماعية، وتعلم المكافأة الاحتمالي بشكل متزامن عبر القنوات الذاتية والسلوكية وقنوات التقرير الذاتي ضمن جلسة واحدة، وما إذا كانت سلسلة المعالجة تعطي مؤشرات مستقرة وقابلة لإعادة الاستخدام لكل مشارك (تباينات SCR التفاضلية، وتباين الراحة الإجرائية، ومعلمات alpha وbeta لـ Q-learning، ومنحدرات مسار التعلم الفردية). ويشكل تقييم التغيرات المرتبطة بـ ACE في التعلم هدفاً ثانوياً واستكشافياً وتوضيحياً: إذ تهدف تحليلات الفروق الفردية الواردة هنا إلى إظهار القدرة القياسية للبروتوكول وإتاحة مؤشراته المرشحة للأعمال المستقبلية، وليس لاختبار مسارات الصدمة والتعلم بشكل محدد. وبذلك يوفر البروتوكول مؤشرات مرشحة؛ أما ما إذا كانت هذه المؤشرات تمتلك الحساسية والنوعية المطلوبة لتوصيف التبعات المعرفية العصبية للشدائد في مرحلة الطفولة، فهذا أمر يظل بحاجة إلى إثبات في عينات أكبر، ويفضل أن تكون معززة بمجموعات متطرفة ومسجلة مسبقاً1,14.
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
البروتوكول
يصف البروتوكول الحالي الإجراءات والأجهزة المستخدمة لقياس استجابة موصلية الجلد (SCR) لدى مشاركين أصحاء تبلغ أعمارهم 18 عاماً أو أكثر، وذلك وفقاً لمتطلبات لجنة الأخلاقيات. وقبل المشاركة في الدراسة، وقع جميع المشاركين على نموذج موافقة مستنيرة تضمن أيضاً إمكانية الاتصال بهم مرة أخرى بعد ستة أشهر لإجراء تقييم للمتابعة. وقد تمت الموافقة على جميع الإجراءات الموضحة في هذا المستند من قبل لجنة الأخلاقيات العلمية في Universidad de los Andes (معرف: CEC2025023).
ملاحظة: يوفر هذا البروتوكول وصفاً تفصيلياً لسير العمل التجريبي الكامل (الشكل 1)، بما في ذلك جدولة المشاركين، والتحضير المختبري، واكتساب الإشارات الفسيولوجية، وتنظيم البيانات، ومعالجة البيانات بعد التجربة. بالإضافة إلى ذلك، يوضح إجراء تدريب الموظفين الذي تم تنفيذه لضمان جمع تسجيلات SCR بشكل متسق وموحد وموثوق عبر جميع الجلسات التجريبية.
الشكل 1: مخطط عام لتصميم الدراسة. أتم كل مشارك جلسة مختبرية واحدة تغطي ثلاثة نماذج سلوكية متتالية: الإشراط الخوفي البافلوفي إلى الإجرائي مع التجنب (التجربة 1)، واكتساب الخوف-الإطفاء-إعادة الاكتساب باستخدام محفزات اجتماعية (التجربة 2)، وتعلم المكافأة الاحتمالي (التجربة 3). كما جُمعت تقارير ذاتية عن شدائد الطفولة (CTQ-SF)، وتجارب الطفولة الإيجابية (BCE)، والأعراض الحالية (PHQ-9، GAD-7، STAI). وسُجلت البيانات متعددة القنوات بالتزامن، والتي شملت استجابة موصلية الجلد، والسلوك (التجنب، والخيارات الاحتمالية)، والتقييمات الذاتية (التوقع، والتهديد، والراحة). أُدخلت مؤشرات كل مشارك في تحليلات الفروق الفردية (انظر الملف التكميلي 2). يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.
1. تدريب الموظفين
- قم بتدريب كل عضو في الفريق على ثلاث مراحل تدريجية لضمان قياس البيانات بشكل معياري ودقيق.
- إجراء تجارب داخلية يقوم فيها كل فرد من طاقم العمل بسحب العينات وتنفيذ التجارب الثلاث جميعها وفقاً للبروتوكولات الخاصة بكل منها، وذلك ليتعرف المتدرب على المعدات وكيفية التعامل مع المشاركين.
- بعد ذلك، يطلب من كل متدرب سحب عينات من مشاركين حقيقيين تحت إشراف واحد على الأقل من الباحثين الرئيسيين، وذلك للتحقق من قدرتهم على تنفيذ البروتوكول وتصحيح أي أخطاء.
- يتم التصريح للمساعد بسحب العينات بشكل مستقل وجدولة مشاركين جدد فقط بعد تطبيق البروتوكول كاملاً بشكل صحيح تحت الإشراف.
2. الجدولة
- استقطاب المشاركين وجدولتهم من خلال وسائل التواصل الاجتماعي، مع توضيح الأهداف العامة للبحث ومعايير المشاركة.
- تصميم ملصق رقمي وتوزيعه عبر قنوات الاستقطاب للوصول إلى أكبر عدد ممكن من المشاركين المحتملين.
- توجيه المرشحين المهتمين للتواصل مع الفريق البحثي عبر البريد الإلكتروني لجدولة جلسة في اليوم الذي يناسب المشارك.
- إرسال رابط الاستبيان الإلكتروني للمشارك، والذي يحمل عنوان "العلامات غير المرئية: دور التعلم الترابطي في العلاقة بين تجارب الطفولة القاسية والصحة النفسية في مرحلة البلوغ".
- بدء الاستبيان بنموذج موافقة مستنيرة، وإلزام المشارك بقراءته والموافقة عليه قبل عرض أي بنود أخرى.
- تضمين قسم للبيانات السوسيو-ديموغرافية في الاستبيان، بالإضافة إلى المقاييس السيكومترية المعتمدة التالية: استبيان صحة المريض-9 (PHQ-9)15، ومقياس اضطراب القلق العام (GAD-7)16، وقائمة جرد القلق سمة-حالة (STAI)17، واستبيان صدمات الطفولة—النسخة القصيرة (CTQ-SF)18، ومقياس تجارب الطفولة الإيجابية (BCEs)10.
3. التحضيرات
- تأكد من وجود موظف واحد على الأقل في المختبر قبل وصول المشارك. قم بتجهيز البيئة التجريبية، والتحقق من كفاءة عمل الأجهزة، والتأكد من استيفاء جميع متطلبات البروتوكول قبل بدء الجلسة:
- قم بتشغيل جهاز كمبيوتر المختبر والتحقق من أن نظام التشغيل، والبرنامج التجريبي، وجميع الأجهزة الطرفية تعمل بشكل صحيح.
- تأكد من أن الملفات التجريبية ونظام الحصول على البيانات جاهزان للاستخدام.
- افتح وراجع ملف التشغيل اليومي قبل دخول المشارك إلى المختبر.
- حدد رمز التعريف (ID) المقابل المخصص للمشارك القادم.
- تحقق من ترتيب تنفيذ الظروف التجريبية وفقاً للموازنة المسبقة (counterbalancing).
- تأكد من تعيين المشارك في الترتيب التجريبي الصحيح قبل بدء أي عملية للحصول على البيانات.
ملاحظة: يحتوي ملف التشغيل اليومي على جميع المعلومات اللازمة لتعيين رمز التعريف الخاص بالمشارك وتحديد ترتيب تنفيذ التجربة مع الحفاظ على الموازنة المطلوبة عبر جميع الظروف التجريبية. على سبيل المثال، قد يتم تعيين رمز التعريف "015" للمشارك. - نظم تخزين البيانات على جهاز كمبيوتر المختبر وفقاً لبنية الدليل الموحدة المطلوبة في مسار المعالجة الآلي: مجلد واحد على المستوى الأعلى لكل تجربة، ومجلد فرعي واحد لكل حالة موازنة، ومجلد واحد لكل رمز تعريف مشارك، بالإضافة إلى مجلدين عالميين يستقبلان البيانات المعالجة وقواعد البيانات الموحدة (راجع Supplementary File 1).
- أنشئ مجلد المشارك المقابل لرمز التعريف وحالة الموازنة المدرجة في ملف التشغيل اليومي قبل البدء في الحصول على البيانات، واتبع اتفاقيات تسمية الملفات والأدلة المحددة في Supplementary File 1 طوال الجلسة، لأن برمجيات المعالجة المسبقة وقواعد البيانات تحدد مواقع الملفات عن طريق المسار والاسم.
ملاحظة: تتوفر شجرة الأدلة، وتسميات المجلدات الفرعية للموازنة، واتفاقيات تسمية الملفات، ومثال تطبيقي في Supplementary File 1. إن الانحراف عن هذه الاتفاقيات يمنع المسار الآلي من تحديد موقع ملفات المشارك. - تحقق من أن المكتب التجريبي خالٍ تماماً من أي أجسام خارجية أو مشتتة. اسمح فقط بوجود نظام الحصول على البيانات والأجهزة الطرفية للكمبيوتر المطلوبة للتجربة على المكتب.
- ادعُ المشارك للدخول إلى الغرفة بطريقة هادئة ومهنية.
- اطلب من المشارك ترك جميع المقتنيات الشخصية جانباً في المنطقة المخصصة.
- وجه المشارك لوضع جهازه المحمول في وضع الصامت لتجنب المقاطعات أو التشتيت أثناء الجلسة التجريبية.
- اطلب من المشارك إزالة جميع الإكسسوارات من يده غير المهيمنة، وخاصة الخواتم أو الأساور أو أي جسم موجود في الإصبعين الوسطى والبنسر، لأنها قد تتداخل مع القياسات.
- وجه المشارك للجلوس بشكل مريح على الكرسي الموجود أمام جهاز كمبيوتر المختبر.
- زود المشارك بنسخة ورقية مطبوعة من وثيقة الموافقة المستنيرة.
- امنح المشارك وقتاً كافياً لقراءة الوثيقة وطرح الأسئلة إذا لزم الأمر.
- تأكد من توقيع نموذج الموافقة المستنيرة بشكل صحيح قبل البدء في أي إجراء تجريبي.
ملاحظة: يتم تكرار إجراء الموافقة المستنيرة في شكل مادي اتباعاً للمتطلبات التي وضعتها لجنة الأخلاقيات ومن أجل الاحتفاظ بنسخة احتياطية مادية من وثائق موافقة المشارك.
4. الإعداد التجريبي
ملاحظة: يجب أن يتبع الإعداد التجريبي بروتوكولاً صارماً وموحداً لضمان الحصول على جميع القياسات الفسيولوجية تحت ظروف مضبوطة ومتطابقة لدى جميع المشاركين.
- قم بتشغيل نظام الحصول على البيانات وتحقق من أن الجهاز متصل بشكل صحيح بجهاز الكمبيوتر الخاص بالمختبر وأنه مُعرف بواسطة برنامج نظام الحصول على البيانات (انظر الشكل 2A–E).
- تأكد مرة أخرى من أن جميع الوحدات والملحقات المطلوبة تعمل بشكل صحيح قبل البدء في تحضير المشارك.
- خذ قطبين كهربائيين لقياس النشاط الكهربائي للجلد (EDA) (انظر الشكل 2F).
- ضع كمية صغيرة من الجل الموصل على سطح التلامس لكل قطب كهربائي (انظر الشكل 2G،H).
- تأكد من توزيع الجل الموصل بالتساوي عبر سطح القطب لتحسين التلامس الكهربائي مع جلد المشارك وتحسين جودة الإشارة.
ملاحظة: إذا لم يتم وضع الجل الموصل على الأقطاب الكهربائية، فقد تحتوي الإشارة المسجلة على ضوضاء مفرطة، وقد تتأثر جودة قياس استجابة موصلية الجلد (SCR) بشكل كبير. - ضع الأقطاب الكهربائية على اليد غير المهيمنة للمشارك.
- ثبّت أحد الأقطاب الكهربائية على السلامى الأولى من الإصبع الوسطى (الإصبع الثالث) والقطب الثاني على السلامى الأولى من إصبع البنصر (الإصبع الرابع) (انظر الشكل 2I).
- تحقق من أن كلا القطبين مثبتان بإحكام ويحافظان على تلامس مستقر مع الجلد دون التسبب في إزعاج للمشارك.
- ضع حزام المعصم على معصم المشارك.
- اترك أقطاب EDA غير متصلة بحزام المعصم خلال مرحلة المعايرة (انظر الشكل 2J).
- قم بتشغيل حزام المعصم لإنشاء اتصال لاسلكي مع نظام الحصول على البيانات الفسيولوجية.
- تأكد من اكتشاف الجهاز بنجاح.
ملاحظة: يجب إيلاء اهتمام خاص لحزام المعصم طوال الجلسة التجريبية بأكملها. يجب على أعضاء فريق العمل التحقق باستمرار من بقاء الجهاز قيد التشغيل ومتصلاً قبل بدء التجربة، حيث إن أي انقطاع في الاتصال قد يؤثر على التسجيل الفسيولوجي. - ابدأ عملية الحصول على البيانات في برنامج الحصول على البيانات.
- انتظر ظهور نافذة المعايرة، والتي تظهر تلقائياً على الشاشة بمجرد بدء عملية الحصول على البيانات.
- قم بإجراء عملية المعايرة بينما تظل الأقطاب الكهربائية غير متصلة بحزام المعصم.
- اتبع تعليمات المعايرة المقدمة من البرنامج حتى تكتمل العملية.
- بعد إتمام المعايرة بنجاح، قم بتوصيل أقطاب EDA بحزام المعصم (انظر الشكل 2K).
- تحقق من خلال البرنامج من أن إشارة استجابة موصلية الجلد (SCR) يتم الحصول عليها بشكل صحيح.
- وجّه المشارك لإبقاء يده غير المهيمنة ساكنة تماماً طوال التجربة.
- اشرح أن الحركات غير الضرورية، أو انقباضات الأصابع، أو التغييرات في الوضعية قد تؤدي إلى إدخال ضوضاء إلى إشارة SCR.
- اطلب من المشارك الحفاظ على وضعية مريحة ومسترخية خلال الجلسة.
- زود المشارك بسماعات الرأس قبل بدء المهمة التجريبية.
- تحقق من أن سماعات الرأس تعمل بشكل صحيح وأن المشارك يمكنه إدراك المحفزات السمعية المقدمة خلال التجربة بوضوح.
- قم بتشغيل المهمة التجريبية في برنامج PsychoPy19.
- عندما تفتح واجهة PsychoPy، أدخل اسم المشارك في النافذة الإضافية التي تطلبه.
- أدخل المعرف (ID) المخصص للمشارك تماماً كما هو محدد في ملف التشغيل اليومي قبل بدء التجربة.
ملاحظة: بناءً على المثال السابق، يجب أن يكون معرف المشارك الذي يتم إدخاله في PsychoPy هو "015".
الشكل 2: نظام الحصول على البيانات والمواد ومواضع الأقطاب الكهربائية لتسجيل الموصلية الجلدية. (A) الوحدة الرئيسية Biopac MP200. (B) وحدة الحصول على الإشارات الفسيولوجية (PPG/EDA). (C) وحدة موصلات المستشعرات. (D) وحدة الإدخال التماثلي. (E) وحدة TTL للتواصل بين PsychoPy وAcqKnowledge. (F) أقطاب كهربائية تستخدم لمرة واحدة (EL507A). (G) هلام متساوي التوتر (GEL101A) لتحسين التلامس الجلدي. (H) وضع الهلام على القطب الكهربائي. (I) وضع الأقطاب الكهربائية في السُلامى الأولى للإصبعين الثالث والرابع من اليد غير المهيمنة. (J) وضع حزام المعصم على اليد غير المهيمنة لقياس SCR. (K) توصيل الأقطاب الكهربائية بعد عملية المعايرة. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.
5. بداية التجربة
- قبل البدء في مهمة التجربة، اشرح للمشارك بالتفصيل كيفية الاستجابة للأسئلة المقدمة أثناء التجربة.
- تأكد من أن المشارك يستوعب بوضوح: (1) طريقة الاستجابة التي سيتم استخدامها أثناء المهمة، (2) معنى التعليمات المعروضة على الشاشة، و(3) أهمية البقاء يقظاً وتقليل الحركات غير الضرورية طوال فترة التجربة.
- أجب عن أي أسئلة متبقية لدى المشارك قبل بدء جلسة التسجيل.
- أجرِ تحققاً نهائياً من إعداد التجربة الكامل للتأكد من أن جميع الأنظمة تعمل بشكل صحيح وفقاً للبروتوكول المعتمد، بما في ذلك: الاتصال بنظام الحصول على البيانات الفسيولوجية، وتوصيل سوار المعصم، وجودة إشارة SCR، وتشغيل برنامج PsychoPy، وتقديم الصوت عبر سماعات الرأس، والتسجيل الصحيح لمعرف المشارك.
- بمجرد التحقق من جميع الأنظمة وتأكيد المشارك لاستعداده للبدء، ابدأ المهمة التجريبية.
- غادر غرفة التجربة بمجرد بدء المهمة، وذلك لتقليل المؤثرات الخارجية والمشتتات أثناء عملية الحصول على البيانات.
- ابقَ قريباً ومتاحاً في حال تطلب الأمر مساعدة تقنية أو دعماً للمشارك، وانتظر حتى يكمل المشارك الجلسة.
6. بين التجارب
- أعد دخول الغرفة التجريبية بمجرد انتهاء المشارك من المهمة، وأوقف التسجيل الفسيولوجي في برنامج الاستحواذ.
- احفظ التسجيل الفسيولوجي في مجلد المشارك كملف استحواذ، ثم قم بتصدير التسجيل نفسه إلى صيغة MATLAB مع الأحداث، بحيث يحمل الملف المُصدَّر علامات التحفيز التي أنشأها برنامج PsychoPy عبر وحدة TTL؛ كما ينتج عن عملية التصدير ملف علامات منفصل.
ملاحظة: معلومات الأحداث والعلامات مطلوبة في مسار المعالجة المسبقة (القسم 8) لتقسيم الإشارة حسب التجربة ونوع التحفيز. - احفظ جدول بيانات مخرجات PsychoPy الذي تم إنشاؤه في نهاية المهمة في مجلد المشارك نفسه. استخدم اتفاقية تسمية الملفات الموحدة الموضحة في Supplementary File 1 لجميع الملفات الأربعة.
ملاحظة: في نهاية كل تجربة، يجب أن يحتوي مجلد المشارك على ملف الاستحواذ، وملف MATLAB المُصدَّر، وملف العلامات، وجدول بيانات PsychoPy. الأسماء والمسارات الدقيقة ومثال تطبيقي موضحة في Supplementary File 1. - افصل أقطاب EDA بعناية عن المشارك، مع التأكد من عدم حدوث حركة مفرطة أو انزعاج أثناء الإزالة.
- افتح مهمة PsychoPy التجريبية التالية وأعد تشغيل برنامج الاستحواذ استعداداً للتجربة التالية.
- كرر إجراءات التحضير والاستحواذ الكاملة بدءاً من الخطوة 4.1.
ملاحظة: تتكون الجلسة التجريبية الكاملة من ثلاث تجارب مستقلة. لذا، بمجرد انتهاء التجربة الثانية، يجب تكرار نفس الإجراء الموصوف أعلاه للتجربة الثالثة. - في نهاية الجلسة التجريبية الكاملة، تأكد من وجود ثلاثة مجلدات فرعية للمشارك لكل مهمة تجريبية، بحيث يحتوي كل منها على جميع الملفات المذكورة سابقاً.
ملاحظة: تم تقدير المدة التقريبية لكل مهمة تجريبية مسبقاً للسماح لأعضاء الفريق بمراقبة المشارك والتحقق من عمل نظام الاستحواذ بشكل صحيح طوال الجلسة. المدة المقدرة لكل تجربة هي كما يلي:
Experiment_1: حوالي 24 min.
Experiment_2: حوالي 17 min.
Experiment_3: حوالي 8 min.
وبالنظر إلى التحضير والمعايرة وفترات الانتقال بين التجارب وإجراءات الإنهاء، تبلغ المدة التقريبية للجلسة التجريبية الكاملة 60 min.
7. نهاية التجارب
- أغلق جلسة التسجيل الفسيولوجي بمجرد الانتهاء من المهام التجريبية الثلاث جميعها.
- أوقف عملية الحصول على البيانات في برنامج الحصول على البيانات إذا لم يتم إيقافها بالفعل.
- افصل أقطاب EDA عن سوار المعصم، ثم انزع سوار المعصم من معصم المشارك.
- اسمح للمشارك بنزع أقطاب EDA بنفسه لتقليل الشعور بعدم الارتياح وضمان إزالتها بأمان من الجلد.
- تحقق من حفظ جميع الملفات التجريبية والتسجيلات الفسيولوجية بشكل صحيح قبل إنهاء الجلسة.
- اشكر المشارك على تعاونه وقدم له وجبة خفيفة كعربون تقدير بعد اكتمال الإجراء التجريبي.
ملاحظة: في حال حدوث أي مشكلة أثناء التسجيل الفسيولوجي نتيجة مشكلات تقنية، بما في ذلك، على سبيل المثال لا الحصر: فقدان الاتصال بين سوار المعصم ووحدة نظام الحصول على البيانات الفسيولوجية، أو الإغلاق المفاجئ لسوار المعصم، أو ارتخاء الأقطاب أو انفصالها جزئياً، أو انقطاع الإشارة مؤقتاً أو وجود ضوضاء مفرطة ناتجة عن مشكلات في الاتصال، يجب أن تستمر التجربة كما هو مخطط لها، ويجب ألا يكرر المشارك الجلسة التجريبية.
8. المعالجة المسبقة للبيانات
ملاحظة: بمجرد اكتمال الجلسة التجريبية وتخزين جميع التسجيلات الفسيولوجية بشكل صحيح، يجب أن تخضع بيانات SCR لإجراء معالجة مسبقة موحد قبل التحليل.
- قم بتشغيل سكربت MATLAB المسمى Ledalab_Format لإعادة تنظيم بنية البيانات الخاصة بالتسجيل الفسيولوجي المُصدر من برنامج الاستحواذ، وذلك لجعله متوافقاً مع Ledalab، وهو صندوق أدوات قائم على MATLAB مصمم لتحليل إشارات EDA.
ملاحظة: في كود Ledalab_Format.mat، حدد مسار ملف {Identification_Code}.mat كمتغير مدخل. يتيح ذلك تحويل ملف التسجيل الفسيولوجي المُصدر إلى تنسيق يمكن لـ Ledalab قراءته ومعالجته بشكل صحيح. وبمجرد اكتمال عملية التحويل، يجب إنشاء ملف MATLAB جديد وحفظه داخل مجلد المشارك المقابل باستخدام اصطلاح التسمية التالي: Ledalab_{Identification_Code}.mat. اتباعاً للمثال السابق، إذا تم تحويل بيانات Experiment_1 للمشارك "015"، فيجب تسمية الملف الناتج: Ledalab_015.mat. - افتح Ledalab، ومن شريط القوائم الموجود في الزاوية العلوية اليسرى، اختر File > Import Data > Matlab File (*.mat). بعد ذلك، قم بتحميل ملف البيانات الذي تم إنشاؤه حديثاً والمقابل للحالة التجريبية للمشارك.
- أدخل معاملات أخذ العينات في نافذة التكوين التي يظهرها Ledalab بمجرد تحميل الملف.
- تردد الاستحواذ الأصلي لإشارة SCR هو 2000 Hz. ومن أجل تقليل الحمل الحسابي، قم بخفض معدل أخذ عينات الإشارة (downsample) إلى 10 Hz باستخدام المعاملات التالية: تردد أخذ العينات المستهدف: 10 Hz، عامل خفض العينات: 200، طريقة إعادة أخذ العينات: Steps.
- بعد إكمال إجراء خفض العينات، قم بإجراء تحليل التفكيك المستمر (CDA)20 داخل Ledalab لتفكيك إشارة EDA إلى مكوناتها التوترية (tonic) والطورية (phasic).
- في شريط القوائم، اختر Analysis > Continuous Decomposition Analysis (Extraction of Continuous Phasic/Tonic Activity).
- انتظر ظهور نافذة التكوين على الشاشة.
- في هذه النافذة، اختر خيار Optimize لضبط معاملات التحليل تلقائياً.
- بمجرد اكتمال عملية التحسين، انقر فوق Apply لبدء تحليل CDA.
- بمجرد اكتمال تحليل CDA، اختر Results > Event-related Analysis, وستظهر نافذة تكوين على الشاشة.
- اضبط حد السعة الأدنى على القيمة الافتراضية لـ Ledalab وهي 0.01 µS واترك خيار z-scale غير محدد. تقوم علامات الأحداث المُصدرة من برنامج الاستحواذ بتمييز بداية المثير الشرطي وبداية المثير غير الشرطي بشكل منفصل، لذا فإن التحليل المرتبط بالحدث يعيد استجابة لكل منهما. اضبط نافذة الاستجابة كما يلي:
- بالنسبة لـ Experiment 1، استخدم من 0 s إلى 9 s بعد علامة الحدث.
- بالنسبة لـ Experiment 2، استخدم من 0 s إلى 6 s بعد علامة الحدث.
- قم بتصدير النتيجة كملف جدول بيانات. يقوم Ledalab بإنشاء جدول بيانات يحتوي على المعلومات الفسيولوجية والمرتبطة بالأحداث ذات الصلة والمستخرجة من إشارة SCR.
ملاحظة: تتوافق نافذة الاستجابة مع المدة الكاملة للمثير الشرطي في كل مهمة (Supplementary Table 1: 9 s في Experiment 1 و 6 s في Experiment 2)، بحيث تغطي الاستجابة المستحثة بواسطة CS كامل الفترة الفاصلة بين CS-US ولا تتأثر بالاستجابة غير الشرطية، والتي يتم تسجيلها بشكل منفصل بناءً على علامة الحدث الخاصة بها. تُكتب الاستجابات التي تقل عن حد 0.01 µS كصفر بواسطة Ledalab ويتم الاحتفاظ بها في التحليل كأصفار؛ لا تقم بحذفها، لأن إزالتها ستؤدي إلى تضخيم متوسط استجابة المشاركين ذوي الاستجابة المنخفضة. - كرر إجراءات المعالجة المسبقة الكاملة، وخفض العينات، وإجراء CDA لـ Experiment 2 (راجع الملاحظة أدناه بخصوص Experiment 3، التي تتبع إجراءً مختلفاً ولا تتطلب مخرجات CDA).
ملاحظة: في نهاية مرحلة المعالجة المسبقة، يجب أن يحتوي كل مجلد تجريبي على ملف جدول بيانات إضافي يقابل نتائج تحليل CDA التي أنشأها Ledalab. يجب تحويل هذا الملف لاحقاً إلى تنسيق .xlsx للتخزين والتنظيم ومزيد من التحليل. يتبع Experiment 3 إجراء معالجة مسبقة مختلفاً. بالنسبة لهذه التجربة، يجب استخدام سكربت MATLAB فقط، وهي لا تتطلب مخرجات CDA، بل تتطلب فقط قيم alpha و beta. عند تنفيذ السكربت لـ "Experiment_3"، فإنه يستخرج قيم alpha و beta تلقائياً، ويدمجها مع المعلومات السلوكية، ويحفظ جدول البيانات الناتج في Global_Data/Exp_3. - قم بإجراء مراقبة جودة الإشارة، وتحديد غير المستجيبين، ومعالجة الشوائب (artifacts).
- قبل أي تحليل إحصائي، اعرض مخطط موصلية الجلد الكامل بعد خفض العينات لكل مشارك في Ledalab وافحصه بصرياً من أول علامة حدث إلى آخر علامة حدث. قم بهذا الفحص لكل مشارك ولكل مهمة على حدة، لأن جودة الإشارة تعتمد على القناة والمهمة.
- ارفض المخطط بالكامل، وعامل قناة SCR لتلك المهمة كبيانات مفقودة لذلك المشارك، إذا لوحظ أي مما يلي: (i) إشارة مسطحة أو غائبة طوال المهمة، مما يشير إلى فقدان الاتصال اللاسلكي مع سوار المعصم، أو إيقاف تشغيل سوار المعصم، أو انفصال القطب الكهربائي؛ (ii) مستوى موصلية الجلد التوترية أقل من 0.05 µS بشكل مستمر طوال المهمة، مما يشير إلى عدم كفاية التلامس بين القطب والجلد بدلاً من انخفاض الاستثارة؛ (iii) انحراف (drift) غير قابل للتفسير أو تضخم مفاجئ ومستمر في السعة غير مرتبط زمنياً بأي حدث؛ أو (iv) تشبع نطاق المضخم.
ملاحظة: لا تكرر الجلسة ولا تستبعد المشارك من المهام الأخرى أو من قنوات السلوك والتقارير الذاتية. - حدد المشارك كغير مستجيب (non-responder) لمهمة معينة إذا لم تصل أي استجابة طورية إلى حد 0.01 µS أو تتجاوزه في أي حدث من تلك المهمة، بما في ذلك أحداث المثير غير الشرطي في التجارب المعززة — أي إذا لم ينتج المشارك أي استجابة كهرومجلدية قابلة للقياس حتى تجاه النتيجة المنفرة نفسها.
- استبعد غير المستجيب من كل قناة في تلك المهمة — سواء كانت موصلية الجلد أو السلوك أو التقييمات الذاتية — لأن غياب أي استجابة كهرومجلدية حتى للمثير غير الشرطي يشير إلى أن النظام الكهرومجلدي لم يكن قابلاً للقياس في تلك الجلسة، ويثير التساؤل حول ما إذا كان المشارك قد تفاعل مع العلاقة الشرطية على الإطلاق.
- احتفظ بهذا المشارك في المهمتين المتبقيتين. ميز هذه الحالة عن الفقدان التقني للإشارة (قطب منفصل، أو سوار معصم فقد الاتصال اللاسلكي)، حيث يكون المشارك قد استجاب بالفعل ولكن الإشارة لم تُسجل: في هذه الحالة، عامل قناة SCR لتلك المهمة كبيانات مفقودة واحتفظ بالبيانات السلوكية والذاتية لتلك المهمة، والتي لا تتأثر بجودة الإشارة الكهرومجلدية.
- أبلغ عن معدل غير المستجيبين ومعدل الفقدان التقني بشكل منفصل لكل مهمة.
- حدد شوائب الحركة على المخطط كـ (i) عوابر صاعدة مفاجئة غير مرتبطة زمنياً بأي علامة حدث، أو (ii) إزاحات شبيهة بالدرجات في المستوى التوتري ناتجة عن انقباض الأصابع، أو تغيير في الوضعية، أو فرك الأقطاب الكهربائية في الكرسي أو المكتب.
- ضع علامة على كل تجربة تحتوي على مثل هذه الشائبة ضمن نافذة التسجيل الخاصة بها واستبعدها على مستوى التجربة؛ لا تستبعد المشارك.
- استبعد المشارك من كل قناة في المهمة، وليس فقط من تحليل SCR الخاص بها، إذا تم تمييز أكثر من 25% من تجارب تلك المهمة على أنها ملوثة بالشوائب: حيث لا تعد التجارب المتبقية كافية لتقديم تقدير مستقر لكل مشارك، وتكون ظروف التسجيل في تلك الجلسة غير مناسبة لأي قناة. احتفظ بهذا المشارك في المهمتين المتبقيتين.
- قم بتحويل سعات مستوى التجربة باستخدام log(SCR + 1) قبل حساب المتوسط، وذلك لتقنين التوزيع الملتوي إيجابياً للسعات الكهرومجلدية؛ وقم بتثبيت أي قيمة CDA سالبة (وهي نتيجة نادرة لانحراف الخط الأساسي) عند الصفر قبل التحويل.
- قم بتجميع التجارب المحولة للحصول على قيمة واحدة لكل مشارك، لكل مرحلة، ولكل مثير.
- أبلغ عن العدد التحليلي n بشكل منفصل لكل قناة (SCR، السلوك، التقييمات) ولكل مهمة، لأن الفقدان الخاص بالقناة يجعل هذه القيم من n تتباعد.
- سجل كل قرار تم اتخاذه في الخطوات 8.14.1–8.14.9 في سجل جودة لكل مشارك يحتوي على: معرف المشارك، المهمة، حالة الموازنة المضادة، المخطط المقبول أو المرفوض (مع ذكر السبب)، نطاق المستوى التوتري، عدد وهوية التجارب المرفوضة بسبب الشوائب، نسبة التجارب المرفوضة بسبب الشوائب، حالة غير المستجيب، والمساهمة النهائية في العدد التحليلي n لكل قناة.
- قم بتخزين سجل الجودة مع قواعد البيانات الموحدة بحيث يكون فقدان البيانات الخاص بالقناة قابلاً للتدقيق وإعادة الإنتاج.
ملاحظة: في العينة الحالية، لم يستوفِ أي مشارك معيار غير المستجيب في الخطوة 8.14.3، ولم يتجاوز أي مشارك حد الشوائب بنسبة 25% في الخطوة 8.14.6؛ وبالتالي، لم يتم استبعاد أي مشارك من جميع قنوات المهمة. التباينات في العدد التحليلي n من نوعين مستقلين: الفقدان التقني للقناة الكهرومجلدية، الذي يترك السجلات السلوكية والذاتية لتلك المهمة سليمة، والسجلات السلوكية أو التقارير الذاتية غير المكتملة (مهمة لم تكتمل، أو استجابات تناظرية بصرية مفقودة)، وهي مستقلة عن جودة الإشارة الكهرومجلدية. يتم الإبلاغ عن العدد التحليلي n الدقيق لكل قناة وكل مهمة في فقرة العينة التحليلية في النتائج التمثيلية. لا يتضمن Experiment 3 قناة SCR، لذا فإن قيمة n الخاصة به تعكس فقدان البيانات السلوكية بدلاً من الكهرومجلدية. إن الإبلاغ عن هذه المعايير صراحةً يعالج نقص التنسيق في التشغيل الإجرائي والإبلاغ عن النتائج الكهرومجلدية الذي سلط الضوء عليه Ruge et al.1.
9. قواعد البيانات
- قم بتشغيل نص Python البرمجي Data_Bases.py لدمج القياسات الفسيولوجية التي تم الحصول عليها من تسجيلات SCR مع الاستجابات التي تم جمعها أثناء المهمة التجريبية، وذلك لكل مشارك.
ملاحظة: يقوم النص البرمجي بدمج المعلومات التي تم الحصول عليها من التسجيلات الفسيولوجية التي تمت معالجتها عبر Ledalab، ومخرجات تحليل CDA، وجداول بيانات الاستجابة الخاصة بـ PsychoPy التي تم إنشاؤها أثناء التجربة. - بعد تشغيل النص البرمجي بنجاح، تأكد من إنشاء جدول بيانات موحد يحتوي على المعلومات الفسيولوجية والسلوكية لمشارك واحد وتخزينه في مجلد Global_Data.
ملاحظة: اتباعاً للمثال السابق، إذا تم اختيار Experiment_1 للتحليل، فسيقوم نص Python البرمجي تلقائياً بالتنقل عبر مجلدات جميع المشاركين المرتبطين بتلك التجربة، ودمج مخرجات CDA مع البيانات السلوكية المقابلة لكل مشارك، وإنشاء ملف جدول بيانات فردي لكل مشارك داخل مجلد Global_Data/Exp_1 . - بمجرد إنشاء قواعد البيانات الفردية للمشاركين، استخدم نص Python البرمجي Completed_Bases_Per_Experiment.py لدمج البيانات من جميع المشاركين لكل مهمة تجريبية.
ملاحظة: يجمع النص البرمجي المعلومات من جميع مجلدات المشاركين في قاعدة بيانات موحدة لكل تجربة، مما يسهل التحليل الإحصائي ومعالجة البيانات لاحقاً. إذا اكتمل الإجراء بنجاح، سيتم إنشاء ثلاثة جداول بيانات نهائية، كل منها يتوافق مع واحدة من التجارب الثلاث:
جدول بيانات واحد لـ Experiment_1
جدول بيانات واحد لـ Experiment_2
جدول بيانات واحد لـ Experiment_3 - قم بتخزين قواعد البيانات الكاملة الناتجة في مجلد Complete_Data_Bases.
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
النتائج
العينة التحليلية
أكمل ما مجموعه 38 بالغاً من الأصحاء الجلسة التجريبية الكاملة ومجموعة مقاييس التقرير الذاتي (CTQ-SF، وBCE، وPHQ-9، وGAD-7، وSTAI). تباينت أحجام العينات لكل تحليل بشكل طفيف بسبب فقدان البيانات في قنوات محددة، وليس بسبب انسحاب المشاركين. أحجام العينات حسب التحليل: التجربة 1 — تحليلات ANOVA لـ SCR والتقييم (المرحلتان بافلوفية والإجرائية)، n = 37؛ وتحليل ANOVA لضغط الزر الإجرائي، n = 38. التجربة 2 — تحليلات التقييم (الاكتساب، والانطفاء، وإعادة الاكتساب) وSCR الاكتس...
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
المناقشة
تثبت النتائج الحالية الجدوى التقنية والمنهجية لمجموعة اختبارات متكاملة في جلسة واحدة تغطي اكتساب التهديد مع التحكم الأدواتي، وتعلم الأمان، وعودة الخوف، وتعلم المكافأة الاحتمالي. وفي عينة تتراوح بين 35 إلى 38 بالغاً سليماً (اختلفت أحجام العينات التحليلية قليلاً عبر التجارب بسبب فقدان الإشارة في قنوات محددة، وليس بسبب انسحاب المشاركين)، أعاد كل نموذج إنتاج تأثيره المعياري: تكييف ذاتي وتكييف لاإرادي (بشكل أضعف) تفاضلي خلال المرحلة البافلوفية، وتجنب وراحة يعتمدان على القدرة على التحكم خلال المرحلة الإجرائية، وانطفاء انتقائي ...
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
الإفصاحات
يصرح المؤلفون بعدم وجود أي تضارب في المصالح المالية أو غير المالية.
شكر وتقدير
يشكر المؤلفون جميع المشاركين على وقتهم وتفاعلهم، كما يشكرون المساعدين البحثيين والفريق المختبري في Universidad de los Andes. تم دعم هذا البحث من قبل Agencia Nacional de Investigacion y Desarrollo de Chile (ANID) من خلال منحة Fondecyt Iniciacion رقم #11250037 (الباحث الرئيسي: Maria Consuelo San Martin). كما تلقى R.C.V دعماً من National Center for Artificial Intelligence CENIA FB210017، Basal ANID.
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
المواد
| الاسم | الشركة | رقم فهرسي | التعليقات |
|---|---|---|---|
| برنامج AcqKnowledge | BIOPAC Systems Inc. | ACK100W (Windows) / ACK100M (Mac) | برنامج لتحصيل وتحليل البيانات للإشارات الفسيولوجية. RRID:SCR_014279 (يُرجى التحقق من إدخال SciCrunch الحالي). |
| حزمة afex (في لغة R) | Singmann, Bolker, Westfall, Aust & Ben-Shachar | الإصدار 1.5-1 | حزمة R للتجارب العاملية. استُخدمت لجميع تحليلات التباين (ANOVA) ذات القياسات المتكررة (التجارب 1-3) عبر الدالة ()aov_ez. RRID:SCR_022761 (يُرجى التحقق من إدخال SciCrunch الحالي). |
| حزمة ARTool (في لغة R) | Wobbrock, Findlater, Gergle & Higgins | الإصدار 0.11.2 | تحويل الرتب المصطف (Aligned Rank Transform) لتحليل التباين العاملي غير المعلمي. استُخدمت لتحليل التباين (Phase x Stimulus) الخاص بالتوصيل الجلدي في التجربة 2، والتي تميزت بتوزيع غير غاوسي (non-Gaussian). |
| مقياس تجارب الطفولة الإيجابية (BCE) | Narayan, Rivera, Bernstein, Harris & Lieberman (2018) | أداة متاحة للمجال العام (10 بنود) | استُخدم التكيف الإسباني. لا يوجد RRID مخصص لهذه الأداة؛ يُرجى الاستشهاد بورقة التحقق الأصلية. |
| سوار معصم BioNomadix (جهاز إرسال) | BIOPAC Systems Inc. | BN-PPGED-T | جهاز إرسال قابل للارتداء لإشارات EDA وPPG. استُخدم بالتزامن مع وحدة استقبال BioNomadix. |
| استبيان صدمات الطفولة - النموذج القصير (CTQ-SF) | Bernstein et al. (2003) | تقرير ذاتي استرجاعي مُعتمد مكون من 28 بنداً | خمسة مقاييس فرعية (EA, PA, SA, EN, PN). لا يوجد RRID؛ يُرجى الاستشهاد بورقة التحقق الأصلية. استُخدم التكيف الإسباني. |
| هلام موصل لأقطاب EDA | BIOPAC Systems Inc. | GEL101A | هلام متساوي التوتر لقياسات التوصيل الجلدي. |
| أقطاب EDA من Ag/AgCl ذات استخدام واحد | BIOPAC Systems Inc. | EL507A | أقطاب كهربائية مخصصة للاستخدام مرة واحدة لتسجيل التوصيل الجلدي. |
| مقياس اضطراب القلق العام (GAD-7) | Spitzer, Kroenke, Williams & Löwe (2006) | تقرير ذاتي مكون من 7 بنود | استُخدمت النسخة الإسبانية المعتمدة. لا يوجد RRID للأداة؛ يُرجى الاستشهاد بالمصدر الأصلي. |
| حزمة ggplot2 (في لغة R) | Wickham | الإصدار 4.0.3 | نظام رسم بياني قائم على "قواعد الرسوميات". RRID:SCR_014601 (يُرجى التحقق من إدخال SciCrunch الحالي). |
| سماعات رأس (تغطي الأذن) | HyperX (HP Inc.) | Cloud III | سماعة ألعاب سلكية مغلقة الظهر؛ استُخدمت لتقديم المثير غير الشرطي السمعي أثناء تكييف الخوف. |
| Ledalab | Benedek & Kaernbach (2010) | مجموعة أدوات MATLAB مفتوحة المصدر v3.2.5 | تحليل التفكيك المستمر (CDA) لإشارات التوصيل الجلدي. لم يتم تخصيص RRID (يُرجى الاستشهاد بالورقة الأصلية بدلاً من ذلك). |
| حزمة lme4 (في لغة R) | Bates, Maechler, Bolker & Walker | الإصدار 1.1-37 | نماذج التأثيرات المختلطة الخطية. استُخدمت لتقدير منحدرات مسار التعلم لكل مشارك في التجربة 3. RRID:SCR_015654 (يُرجى التحقق من إدخال SciCrunch الحالي). |
| MATLAB | MathWorks | R2025a | استُخدم لتشغيل Ledalab ومسار المعالجة المسبقة لـ SCR. RRID:SCR_001622. |
| استبيان صحة المريض-9 (PHQ-9) | Kroenke, Spitzer & Williams (2001) | تقرير ذاتي مكون من 9 بنود | استُخدمت النسخة الإسبانية المعتمدة. لا يوجد RRID للأداة؛ يُرجى الاستشهاد بالمصدر الأصلي. |
| وحدة تحصيل البيانات الفسيولوجية (PsychoPy) | BIOPAC Systems Inc. | MP200 | وحدة تحصيل الإشارات الفسيولوجية الرئيسية. دُمجت مع وحدة EDA اللاسلكية من BioNomadix. |
| Python | Python Software Foundation | الإصدار 3.12 | استُخدمت في مسار المعالجة المسبقة الذي يدمج مخرجات Ledalab مع سجلات PsychoPy السلوكية (Data_Bases.py, Completed_Bases_Per_Experiment.py). RRID:SCR_008394 (يُرجى التحقق من إدخال SciCrunch الحالي). |
| لغة R (بيئة الحوسبة الإحصائية) | R Foundation for Statistical Computing | الإصدار 4.5.0 | البيئة التي أُجريت فيها جميع التحليلات الإحصائية. قُدّرت نماذج التعديل باستخدام انحدار المربعات الصغرى العادي عبر دالة ()lm الموجودة في حزمة stats الأساسية، مع توحيد المتنبئات (z-standardized) وحساب حد التفاعل كحاصل ضربها؛ لم تُستخدم أي حزمة تعديل متخصصة. RRID:SCR_001905 (يُرجى التحقق من إدخال SciCrunch الحالي). |
| مقياس قلق الحالة والسمة (STAI) | Spielberger et al. (1983) | STAI النموذج Y (40 بنداً، SAI + TAI) | استُخدمت النسخة الإسبانية المعتمدة. لا يوجد RRID للأداة؛ يُرجى الاستشهاد بالمصدر الأصلي. |
| شاشة عرض المثيرات | Samsung | LS22D300GALXZS (S22D300, 22-inch LED) | الشاشة المستخدمة لعرض مثيرات CS+ / CS- البصرية ومقاييس التقييم. |
المراجع
- Ruge J, et al. How adverse childhood experiences get under the skin: a systematic review, integration and methodological discussion on threat and reward learning mechanisms. eLife. 2024;13:e92700.
- Madigan S, et al. Adverse childhood experiences: a meta-analysis of prevalence and moderators among half a million adults in 206 studies. World Psychiatry. 2023;22(3):463-71.
- Teicher MH, Gordon JB, Nemeroff CB. Recognizing the importance of childhood maltreatment as a critical factor in psychiatric diagnoses, treatment, research, prevention, and education. Mol Psychiatry. 2022;27(3):1331-8.
- Smith KE, Pollak SD. Children's value-based decision making. Sci Rep. 2022;12:5953.
- Montague PR, Hyman SE, Cohen JD. Computational roles for dopamine in behavioural control. Nature. 2004;431(7010):760-7.
- Gerin MI, et al. A neurocomputational investigation of reinforcement-based decision making as a candidate latent vulnerability mechanism in maltreated children. Dev Psychopathol. 2017;29(5):1689-705.
- McCrory EJ, Viding E. The theory of latent vulnerability: reconceptualizing the link between childhood maltreatment and psychiatric disorder. Dev Psychopathol. 2015;27(2):493-505.
- Hanson JL, et al. Early adversity and learning: implications for typical and atypical behavioral development. J Child Psychol Psychiatry. 2017;58(7):770-8.
- van den Bos W, Güroğlu B, van den Bulk BG, Rombouts SARB, Crone EA. Better than expected or as bad as you thought? The neurocognitive development of probabilistic feedback processing. Front Hum Neurosci. 2009;3:52.
- Narayan AJ, Rivera LM, Bernstein RE, Harris WW, Lieberman AF. Positive childhood experiences predict less psychopathology and stress in pregnant women with childhood adversity. Child Abuse Negl. 2018;78:19-30.
- Dibbets P, Evers EAT. The influence of state anxiety on fear discrimination and extinction in females. Front Psychol. 2017;8:347.
- Sperl MFJ, Panitz C, Hermann C, Mueller EM. A pragmatic comparison of noise burst and electric shock unconditioned stimuli for fear conditioning research with many trials. Psychophysiology. 2016;53(7):1017-34.
- San Martín C, Jacobs B, Vervliet B. Further characterization of relief dynamics in the conditioning and generalization of avoidance: effects of distress tolerance and intolerance of uncertainty. Behav Res Ther. 2020;124:103526.
- McLaughlin KA, DeCross SN, Jovanovic T, Tottenham N. Mechanisms linking childhood adversity with psychopathology: learning as an intervention target. Behav Res Ther. 2019;118:101-9.
- Kroenke K, Spitzer RL, Williams JBW. The PHQ-9: validity of a brief depression severity measure. J Gen Intern Med. 2001;16(9):606-13.
- Spitzer RL, Kroenke K, Williams JBW, Löwe B. A brief measure for assessing generalized anxiety disorder: the GAD-7. Arch Intern Med. 2006;166(10):1092-7.
- Spielberger CD. Manual for the State-Trait Anxiety Inventory (Form Y). Consulting Psychologists Press; Palo Alto (CA); 1983.
- Bernstein DP, et al. Development and validation of a brief screening version of the Childhood Trauma Questionnaire. Child Abuse Negl. 2003;27(2):169-90.
- Peirce J, et al. PsychoPy2: experiments in behavior made easy. Behav Res Methods. 2019;51(1):195-203.
- Benedek M, Kaernbach C. A continuous measure of phasic electrodermal activity. J Neurosci Methods. 2010;190(1):80-91.
- Lonsdorf TB, et al. Don't fear "fear conditioning": methodological considerations for the design and analysis of studies on human fear acquisition, extinction, and return of fear. Neurosci Biobehav Rev. 2017;77:247-85.
- LeDoux JE, Moscarello J, Sears R, Campese V. The birth, death and resurrection of avoidance: a reconceptualization of a troubled paradigm. Mol Psychiatry. 2017;22(1):24-36.
- Wobbrock JO, Findlater L, Gergle D, Higgins JJ. The aligned rank transform for nonparametric factorial analyses using only ANOVA procedures. Presented at: Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (CHI '11); New York (NY); 2011.
- Fritz MS, MacKinnon DP. Required sample size to detect the mediated effect. Psychol Sci. 2007;18(3):233-9.
- Bouton ME. Learning and behavior: a contemporary synthesis. Sinauer Associates; Sunderland (MA); 2007.
- Rescorla RA, Wagner AR. A theory of Pavlovian conditioning: variations in the effectiveness of reinforcement and nonreinforcement. In: Black AH, Prokasy WF, editors. Classical Conditioning II: Current Research and Theory. Appleton-Century-Crofts; New York (NY); 1972.
- McClelland GH, Judd CM. Statistical difficulties of detecting interactions and moderator effects. Psychol Bull. 1993;114(2):376-90.
- Maier SF, Seligman MEP. Learned helplessness at fifty: insights from neuroscience. Psychol Rev. 2016;123(4):349-67.
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
إعادة الطباعة والأذونات
تم نشر هذه المقالة
الفيديو قريباً