需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

关联学习与童年不良经历：一种多系统研究方案

129 次观看

⸱

DOI：

10.3791/72357

⸱

2026年8月21日

 ,  ,  ,  ,  ,  ,  ,  ,  , 
1Escuela de Psicología, Universidad de los Andes, Chile, 2Facultad de Ingeniería y Ciencias aplicadas, Universidad de los Andes, Chile, 3Departamento de Psicología, Universidad de Chile, 4Departamento de Kinesiología, Universidad Metropolitana de Ciencias de la Educación, 5Centro Nacional de Inteligencia Artificial (CENIA), 6Universidad de O'Higgins, 7Departamento de Psiquiatría Norte, Universidad de Chile

本文内容

摘要

本方案描述了一种整合式60分钟测试组合——包含回避行为的巴甫洛夫式到操作式恐惧条件反射、以社会性刺激进行的恐惧习得–消退–再习得，以及概率性奖赏学习——同步记录皮肤电导、行为表现和 分阶段评分，以获得成人个体在威胁与奖赏学习方面的量化指标。

摘要

不良童年经历（ACEs）是成人焦虑和抑郁的跨诊断风险因素，但早期逆境与症状之间的神经认知机制在统一框架下仍不明确。本方案介绍了一种整合的、多系统的实验范式，可在单次实验室会话中同时评估威胁辨别、安全学习和奖赏敏感性。38名健康成年参与者完成了三项行为范式——带有回避行为的巴甫洛夫-操作性恐惧条件反射（实验1）、使用社会性刺激的恐惧习得-消退-再习得（实验2）以及概率性奖赏学习（实验3），并同时填写经过验证的自评量表，包括童年逆境（CTQ-SF）、良善童年经历（BCE）、抑郁（PHQ-9）、焦虑（GAD-7、STAI）。同步采集多通道数据：皮肤电导反应（SCR）作为自主神经唤醒的生理指标，按键回避行为和概率性选择作为行为指标，以及分阶段的主观预期、威胁和缓解评分。每个范式均产生了典型的效应：在实验1中，SCR上呈现巴甫洛夫式辨别（p = 0.009，ηp2 = 0.12）、预期评分（p < 0.001，ηp2 = 0.58）和威胁评分（p < 0.001，ηp2 = 0.35）；操作性缓解效应可区分可避免与不可避免的威胁（p < 0.001，d = 0.86）；实验2中，习得阶段存在差异性自主反应（p = 0.008），但消退阶段无此差异（p = 0.168），而对刺激关联的陈述性知识持续存在（p < 0.001，d = 3.08）；实验3中观察到显著高于随机水平的概率性奖赏学习（M = 73%，p < 0.001，d = 1.97）。多系统设计揭示了单一通道无法捕捉的分离现象，最显著的是自主反应减弱的同时主观威胁感知持续存在。从本方案中提取的个体化指标对童年经历的个体差异具有敏感性，示例性的调节分析见补充材料。该方案提供了一个可移植、可扩展的框架，用于评估早期逆境如何在成年期重新校准对威胁和奖赏的加工过程。

引言

童年不良经历（Adverse Childhood Experiences, ACEs），包括虐待、忽视和家庭功能障碍，在全球范围内极为普遍，在许多人群中发生率超过60%1。研究综述表明，大多数儿童在发育过程中至少暴露于一种不良事件2。ACEs是成人心理病理学中明确的跨诊断风险因素3，据估计可导致约30%的焦虑障碍和40%的抑郁症病例1。尽管存在这种强关联，临床常用评估方法仍依赖于分类诊断和回顾性自评报告，这些方法易受回忆偏倚影响，且无法捕捉实时的神经认知过程4。

为了克服这些局限性，目前越来越重视跨诊断方法，以针对潜在的机制，特别是联想学习。联想学习包括经典条件反射和操作条件反射，为理解个体如何编码环境线索、行为与结果之间的关系以指导决策提供了一个框架4,5。在此框架下，潜在易感性理论认为，早期逆境会引发神经生物学上的适应性改变，例如警觉性增强，这些改变在不可预测的环境中最初具有适应性，但在后续更安全的环境中可能变得不适应6,7。

有证据表明，不良童年经历（ACEs）会影响与威胁和奖赏相关的学习过程。有逆境经历的个体通常表现出对条件化危险线索（CS+）与安全线索（CS−）之间辨别能力的下降，提示其威胁学习发生改变8。同时，早期逆境与奖赏敏感性降低相关，表现为对奖赏关联的学习准确率较低且习得速度较慢8。在不确定条件下，这些个体还可能表现出选择变异性增加，并倾向于认为奖赏是随机出现的，这与早期暴露于不稳定环境相一致5,9。

这些学习模式还会受到保护性因素和状态依赖性因素的进一步影响。良性的童年经历（BCEs）可能减轻逆境对学习系统的影响10，而当前的情绪状态（如焦虑）则可能调节条件化过程11。自主神经兴奋性的生理指标，如皮肤电导反应（SCR），为这些过程提供了客观的测量指标，并在条件化范式中被广泛使用12。

当前文献中的一个主要局限在于使用孤立的任务分别评估威胁或奖赏学习，这限制了对整合性神经认知功能的捕捉能力1。本实验方案通过提供一个标准化的框架，结合多个学习领域的行为与生理测量指标，弥补了这一不足。具体而言，该方案包含三个实验组成部分：（1）评估从经典条件反射向操作性条件反射转变的范式；（2）社会性恐惧消退任务；（3）概率性奖赏学习任务8。

选择这一特定范式组合的理由，并非因为这三项任务中的任何一项单独来看，比其他众多已建立的学习范式对早期逆境更为敏感；其依据在于测量学考量。Ruge 等人1在其对81项研究（38项关于威胁，43项关于奖赏）的系统综述中指出，将不良童年经历（ACEs）与联想学习关联起来的文献仍存在异质性，且在关键方面尚无定论，其原因正是大多数研究通常仅使用单一任务、记录单一反应通道，并以非标准化的方式操作化“逆境”概念。例如，行为奖赏学习研究中约一半报告学习能力减弱，而另一半则报告无显著结果；微弱的消退学习文献则主要呈现阴性发现，或缺少对先前习得阶段的报告；尚无任何一种结果指标被证明具有普遍更高的可靠性，因此不同反应通道之间不可互为替代指标。Ruge 等人明确建议，应转向被试内、多领域、多通道的研究方案，以获得个体层面的指标。本研究所采用的三项任务组合遵循了这一建议，因为这三项任务涵盖了三种在计算上可分离的认知需求，而单一范式无法覆盖这些需求，且根据潜在脆弱性理论7，逆境应以不同方式影响这些需求：（i）威胁–安全辨别结合工具性可控性，以回避行为的缓解作为潜在强化物13；（ii）抑制性（安全）学习与恐惧重现，采用社会性面孔刺激进行探测11，该刺激域在人际虐待的生态学背景下具有相关性；（iii）在概率不确定性条件下的强化学习，可为每位参与者提供计算参数（学习率 alpha、逆温度参数 beta）8。由于这三项任务均在同一被试中实施，该设计旨在探讨与 ACE 相关的改变是跨领域的——即如 Hanson 等人8所提出、以及神经计算层面的潜在脆弱性模型所预测的，对联想学习的全局性重新校准6——还是局限于负性情绪（威胁）的特异性改变。单一任务研究在设计上无法区分这两种相互竞争的假设。

该实验设计旨在检验一组明确的、具有方向性的预测，但当前样本量不足以对这些预测做出判断，此处列出这些预测作为未来具备充分统计效能的研究目标。与 Ruge 等人1所描述的学习迟钝模式一致，预计较高的童年期不良经历（ACE）负荷将与以下现象相关：（i）实验1中对条件刺激（CS+）与条件刺激（CS−）的辨别能力下降，其主要表现为对CS+的反应减弱，且该效应在自主神经通道（皮肤电反应，SCR）中比在陈述性预期中更为显著，而陈述性预期可能保持完整；（ii）对可回避的CS+表现出更强的回避反应和更高的主观缓解感，符合“缓解强化回避”假说13；（iii）实验2中恐惧消退更慢，并在再习得阶段出现更快、更强的恐惧反弹，该效应预计会因使用具有生态学意义的社会性刺激（面部表情）而进一步增强，因其与人际逆境密切相关11；以及（iv）实验3中选择准确性更低、学习率（alpha）更低、选择变异性更高（即beta值更低）8。关键的是，这三个任务共同提供了一个第五项具有鉴别意义的预测：如果与ACE相关的改变是跨领域的（domain-general），则衰减效应应在所有三项任务中均出现；如果该改变是效价特异性的（valence-specific），则应仅限于两个威胁范式，而在概率性奖赏学习任务中不出现。由于不同反应通道的数据是同步记录的，因此还可检验另一项预测：ACE的影响具有通道依赖性而非一致性，即基于任一单一通道得出的结论无法推广至其他通道。

实验1采用了San Martín等人开发的从经典条件反射到操作性恐惧条件反射的实验范式，结合回避行为及逐次试验的缓解程度评分13，该范式使用两个CS+线索（一个可回避，一个不可回避）和一个CS−线索，以区分经典条件反射的辨别能力与对厌恶结果的操作性控制。在原始范式中，无条件刺激预期（US-expectancy）评分是在经典条件反射习得阶段结束后由实验者回顾性评估，而非在每次试验中进行。在本研究的改进版本中，通过视觉模拟量表在任务进行过程中逐阶段同步采集被试对预期、威胁和缓解的主观评分，从而实现对各阶段学习动态的连续追踪。

实验2采用了Dibbets和Evers提出的基于社会性（面部）刺激的恐惧习得-消退范式9，并增加了一个简短的再习得测试，以评估条件化反应的快速重现（节省效应）。

实验3改编了Hanson等人8提出的概率性奖励学习任务，用于研究早期逆境相关的学习差异，包含两种奖励条件（80/20和70/30），可估算每位参与者的强化学习参数（Q学习中的Alpha和Beta）。通过在一个实验室内会话中整合这三种范式，本方案能够直接在同一批参与者中比较通常被独立研究的威胁学习与奖励学习过程。除每轮试验的准确率和Q学习参数外，分析流程还可通过线性混合模型拟合生成个体学习轨迹的斜率，适用于更大样本的研究。

必须区分两个不同的目标，因为它们并不等同。第一个目标是验证此类电池式测试能否作为一个完整的、整合的60分钟单次会话运行，并且其各个组成部分均能引发预期的经典效应；重现经典效应足以支持这一目标。第二个目标是验证所获得的指标对童年逆境的后果具有敏感性和特异性；仅靠重现经典效应不足以支持该目标，而当前样本量也未达到实现该目标所需的统计效力。因此，本报告的主要目标是评估整合式测试电池的技术与方法学可行性：即在一个单次会话中，是否能够同时在自主神经、行为和自我报告通道上获取威胁习得、伴随缓解的工具性回避、消退及社会刺激下的恐惧重现，以及概率性奖赏学习等过程；并评估该流程是否能产生稳定且可重复使用的个体指标（包括差异性皮肤电反应对比、操作性缓解对比、Q学习中的α和β参数，以及个体学习轨迹斜率）。对童年不良经历（ACE）相关学习改变的评估属于次要、探索性和示范性目标：本文报告的个体差异分析旨在展示该方案的测量能力，并使其候选指标可用于后续研究，而非专门检验创伤—学习通路。因此，该方案提供了候选指标；这些指标是否具备充分的敏感性和特异性以刻画童年逆境的神经认知后果，仍有待在更大规模、理想情况下富含极端组别且预先注册的样本中进一步验证1,14。

访问受限。请登录或开始试用以查看此内容。

方案

本方案描述了在符合伦理委员会要求的前提下，对18岁或以上健康受试者进行皮肤电导反应（SCR）测量所使用的方法和仪器。所有受试者在参与研究前均签署了知情同意书，同意书中包含在六个月后可能被再次联系以进行随访评估的内容。本文件所述所有程序均已获得安第斯大学科学伦理委员会批准（编号：CEC2025023）。

注意：本方案详细描述了完整的实验工作流程（图1），包括受试者安排、实验室准备、生理信号采集、数据整理以及实验后的数据处理。此外，本方案还概述了为确保在所有实验过程中皮肤电导反应（SCR）记录的一致性、标准化和可靠性而实施的人员培训程序。

整合的多系统研究流程图；问卷、实验；生理与行为测量。
图1： 研究设计总体示意图。每位参与者完成一次实验室会话，涵盖三个依次进行的行为范式：带有回避行为的巴甫洛夫-操作性恐惧条件反射（实验1）、使用社会性刺激的恐惧习得–消退–再习得（实验2）以及概率性奖赏学习（实验3）。同时收集了关于童年逆境（CTQ-SF）、良性的童年经历（BCE）以及当前症状（PHQ-9、GAD-7、STAI）的自评报告。同步记录多通道数据——皮肤电导反应、行为数据（回避行为、概率性选择）以及主观评分（预期、威胁感、缓解感）。每位参与者的指标均被纳入个体差异分析（见补充文件2）。请点击此处查看该图的放大版本。

1. 工作人员培训

  1. 对每位团队成员进行三个渐进阶段的培训，以确保数据测量的标准化和准确性。
    1. 开展内部试验，让每位工作人员按照各自实验方案采集样本并完成全部三项实验，使受训人员熟悉仪器设备及受试者的处理流程。
    2. 接下来，在至少一名主要研究人员的监督下，让每位受训人员对真实受试者进行采样，以验证其执行实验方案的能力，并及时纠正任何错误。
    3. 只有在受监督的情况下完整且正确地执行了全部实验流程后，方可授权助理独立采样并自主安排新的受试者。

2. 实验安排

  1. 通过社交媒体招募并安排参与者，向其说明研究的总体目标和参与标准。
    1. 制作电子海报，并通过招募渠道进行分发，以尽可能覆盖更多潜在参与者。
    2. 指导有意参与的候选人通过电子邮件联系研究团队，并在方便的时间安排一次会话。
    3. 向参与者发送一份在线问卷链接，问卷标题为“隐形印记：联想学习在童年不良经历与成年期心理健康关系中的作用”。
    4. 问卷开始前需包含知情同意书，要求参与者阅读并接受后方可继续后续内容。
    5. 问卷中应包括社会人口学信息部分，以及以下经过验证的心理测量量表：患者健康问卷-9（PHQ-9）15、广泛性焦虑障碍筛查量表（GAD-7）16、状态-特质焦虑问卷（STAI）17、童年创伤问卷—简版（CTQ-SF）18 和积极童年经历（BCEs）10。

3. 准备工作

  1. 确保在参与者到达前，至少有一名工作人员在实验室内。准备实验环境，检查设备运行正常，并在实验开始前确认所有实验方案要求均已满足：
    1. 打开实验室计算机，检查操作系统、实验软件及所有外设是否正常运行。
    2. 确认实验文件和数据采集系统已准备就绪，可正常使用。
    3. 在参与者进入实验室前，打开并审阅当日运行文件。
    4. 确定即将参与实验的参与者的对应识别码（ID）。
    5. 根据预设的平衡设计，确认实验条件的执行顺序。
    6. 在开始任何数据采集之前，确保参与者已被分配至正确的实验顺序。
      注：当日运行文件包含分配参与者ID并确定实验执行顺序所需的所有信息，同时确保所有实验条件之间的平衡设计得以维持。例如，某参与者可能被分配ID“015”。
    7. 按照自动化处理流程所要求的标准目录结构，在实验室计算机上组织数据存储：每个实验一个顶层文件夹，每个平衡条件一个子文件夹，每个参与者ID一个文件夹，外加两个用于存放处理后数据和整合数据库的全局文件夹（参见 补充文件1）。
    8. 在开始数据采集前，根据当日运行文件中列出的ID和平衡条件创建对应的参与者文件夹，并在整个实验过程中遵循 补充文件1 中规定的目录和文件命名规范，因为预处理和数据库脚本将依据路径和文件名定位文件。
      注：补充文件1 中提供了目录结构、平衡子文件夹标签、文件命名规范及一个完整示例。偏离这些规范将导致自动化流程无法定位参与者的文件。
    9. 确保实验台面完全清除外部或可能造成干扰的物品。台面上仅允许放置数据采集系统及实验所需的计算机外设。
    10. 以平静且专业的态度邀请参与者进入实验房间。
    11. 请参与者将所有个人物品放置在指定区域。
    12. 指导参与者将手机调至静音模式，以避免在实验过程中产生干扰或分心。
    13. 请参与者取下非优势手上的所有饰品，特别是戒指、手链，或位于中指和无名指上的任何物品，因其可能干扰测量结果。
    14. 引导参与者在位于实验室计算机前的椅子上舒适就座。
    15. 向参与者提供一份知情同意书的纸质打印件。
    16. 给予参与者充足的时间阅读文件，并在必要时提出问题。
    17. 在开始任何实验操作前，确认知情同意书已正确签署。
      注：根据伦理委员会的要求，知情同意程序需以纸质形式重复进行，以便保留参与者同意文件的物理备份。

4. 实验设置

注意： 实验设置必须遵循严格且标准化的方案，以确保所有参与者的生理测量均在相同且受控的条件下进行。

  1. 启动采集系统，并确认设备已正确连接至实验室计算机，且被采集系统软件识别（见图 2A–E）。
  2. 在开始受试者准备前，再次确认所有必需的模块和外设均正常工作。
  3. 取两个皮肤电活动（EDA）电极（见图 2F）。
  4. 在每个电极的接触面上涂抹少量导电凝胶（见图 2G、H）。
  5. 确保导电凝胶均匀分布在电极表面，以改善与受试者皮肤的电接触，优化信号质量。
    注意：若未在电极上涂抹导电凝胶，所记录的信号可能含有过多噪声，皮肤电导反应（SCR）测量质量将严重受损。
  6. 将电极放置于受试者的非优势手。
  7. 将一个电极贴附于中指（第三指）的第一指骨，另一个电极贴附于无名指（第四指）的第一指骨（见图 2I）。
  8. 确认两个电极均牢固贴附，并与皮肤保持稳定接触，且不会引起受试者不适。
  9. 将腕带佩戴于受试者手腕上。
  10. 在校准阶段，保持 EDA 电极与腕带断开连接（见图 2J）。
  11. 打开腕带电源，以建立与生理信号采集系统的无线通信。
  12. 确认设备已被成功检测到。
    注意：在整个实验过程中必须特别关注腕带状态。实验开始前，工作人员必须持续确认设备处于开机且连接状态，因为任何通信中断都可能影响生理信号的记录。
  13. 在采集软件中启动采集过程。
  14. 等待校准窗口出现，采集开始后该窗口将自动显示在屏幕上。
  15. 在校准过程中，保持电极与腕带断开连接。
  16. 按照软件提供的校准说明操作，直至校准完成。
  17. 成功校准后，将 EDA 电极连接至腕带（见图 2K）。
  18. 在软件中确认皮肤电导反应（SCR）信号正在被正确采集。
  19. 指导受试者在整个实验过程中保持非优势手完全静止。
  20. 说明不必要的动作、手指收缩或姿势改变可能会在 SCR 信号中引入噪声。
  21. 要求受试者在实验期间保持舒适和放松的姿势。
  22. 在开始实验任务前，为受试者佩戴耳机。
  23. 确认耳机工作正常，且受试者能够清晰感知实验过程中呈现的听觉刺激。
  24. 在 PsychoPy19 中启动实验任务。
  25. 当 PsychoPy 界面打开后，在弹出的附加窗口中输入受试者姓名。
  26. 在启动实验前，严格按照每日运行文件中指定的内容输入受试者的编号。
    注意：按照前述示例，应在 PsychoPy 中输入的受试者编号为“015”。

用于采集皮肤电活动信号的系统及电极；用于生理数据记录的等渗凝胶装置。
图 2： 皮肤电导记录的采集系统、材料及电极放置方式。（A）Biopac MP200 主控单元。（B）生理信号采集模块（PPG/EDA）。（C）传感器连接模块。（D）模拟信号输入模块。（E）用于 PsychoPy 与 AcqKnowledge 之间通信的 TTL 模块。（F）一次性电极（EL507A）。（G）等渗导电凝胶（GEL101A），用于改善皮肤接触。（H）将凝胶涂抹于电极上的操作。（I）将电极置于非优势手的第三和第四手指的第一指骨处。（J）在非优势手上佩戴腕带以进行皮肤电反应（SCR）测量。（K）完成校准后连接好的电极。请点击此处查看该图的放大版本。

5. 实验开始

  1. 实验任务开始前，向参与者详细说明如何回答实验过程中呈现的问题。
  2. 确保参与者清楚理解：(i) 任务期间应使用的反应方式，(ii) 屏幕上显示的指导语含义，以及 (iii) 在整个实验过程中保持注意力集中并尽量减少不必要动作的重要性。
  3. 在开始记录会话前，回答参与者可能存在的任何疑问。
  4. 对完整的实验装置进行最终核查，确保所有系统均按照既定方案正常运行，包括：生理信号采集系统的通信、腕带连接、皮电反应（SCR）信号质量、PsychoPy 程序执行、耳机中的音频呈现，以及参与者编号的正确登记。
  5. 在所有系统均已确认无误且参与者表示已准备就绪后，启动实验任务。
  6. 任务开始后离开实验室，以尽量减少数据采集期间的外部干扰和影响。
  7. 在附近保持待命状态，以便在需要技术支持或参与者协助时及时响应，并等待参与者完成整个实验会话。

6. 实验间期

  1. 当参与者完成任务后，重新进入实验房间，并在采集软件中停止生理信号记录。
  2. 将生理记录数据以采集文件格式保存至该参与者的文件夹中，然后将同一记录导出为包含事件信息的MATLAB格式，确保导出的文件包含由PsychoPy通过TTL模块生成的刺激标记；导出过程还将生成一个独立的标记文件。
    注意：预处理流程（第8节）需要事件和标记信息，以按试验和刺激类型对信号进行分段。
  3. 将任务结束时生成的PsychoPy输出电子表格保存至同一参与者文件夹中。所有四个文件均需按照补充文件1中详述的标准命名规范进行命名。
    注意：每次实验结束后，参与者的文件夹中必须包含采集文件、导出的MATLAB文件、标记文件以及PsychoPy电子表格。具体文件名、路径及示例详见补充文件1。
  4. 小心地将EDA电极从参与者身上拆除，确保在移除过程中不会引起过度移动或不适。
  5. 打开下一个PsychoPy实验任务，并重新启动采集软件，为下一个实验做好准备。
  6. 从步骤4.1开始，重复完整的准备和数据采集流程。
    注意：整个实验会话包含三个独立的实验。因此，在第二个实验结束后，必须再次重复上述流程以进行第三个实验。
  7. 在整个实验会话结束时，确保每位参与者的文件夹中包含三个子文件夹，每个子文件夹对应一个实验任务，并包含前述所有文件。
    注意：每个实验任务的预计持续时间此前已进行估算，以便工作人员在实验过程中监控参与者状态并验证采集系统的正常运行。各实验的预计时长如下：
    Experiment_1：约24分钟。
    Experiment_2：约17分钟。
    Experiment_3：约8分钟。
    考虑到准备、校准、实验间过渡时间以及结束流程，整个实验会话的总时长约为60分钟。

7. 实验结束

  1. 完成所有三项实验任务后，关闭生理记录会话。
  2. 如果采集软件中的采集过程尚未停止，则需手动停止。
  3. 断开皮电反应（EDA）电极与腕带的连接，并将腕带从受试者手腕上取下。
  4. 允许受试者自行取下皮电反应电极，以最大程度减少不适感，并确保电极安全地从皮肤移除。
  5. 在结束实验会话前，确认所有实验文件和生理记录数据均已正确保存。
  6. 感谢受试者的合作，并在实验流程结束后提供少量零食作为感谢。
    注意：若在生理记录过程中因技术问题出现任何异常情况，包括但不限于腕带与生理信号采集系统模块之间通信中断、腕带意外关机、电极松动或部分脱落、或因连接问题导致的信号暂时中断或噪声过大，实验仍须按原计划继续进行，受试者无需重复实验会话。

8. 数据预处理

注意：实验阶段完成后，且所有生理记录均已妥善保存，皮肤电导反应（SCR）数据在分析前必须经过标准化的预处理流程。

  1. 运行 Ledalab_Format MATLAB 脚本，重新组织从采集软件导出的生理记录数据结构，使其与 Ledalab 兼容。Ledalab 是一个基于 MATLAB 的工具箱，专用于分析 EDA 信号。
    注意：在 Ledalab_Format.mat 代码中，将 {Identification_Code}.mat 文件的路径定义为输入变量。这使得导出的生理记录文件可被转换为 Ledalab 能正确读取和处理的格式。转换完成后，必须生成一个新的 MATLAB 文件，并按照以下命名规则保存到相应被试的文件夹中：Ledalab_{Identification_Code}.mat。例如，若将实验1的数据转换为被试“015”，则生成的文件应命名为：Ledalab_015.mat。
  2. 打开 Ledalab，在左上角的菜单栏中选择 文件 > 导入数据 > Matlab 文件 (*.mat)，然后加载对应被试实验条件的 newly generated 数据文件。
  3. 在 Ledalab 加载文件后显示的配置窗口中输入采样参数。
  4. SCR 信号的原始采集频率为 2000 Hz。为降低计算负荷，使用以下参数将信号下采样至 10 Hz：目标采样频率：10 Hz，下采样因子：200，重采样方法：Steps。
  5. 完成下采样后，在 Ledalab 中执行连续分解分析（CDA）20，将 EDA 信号分解为张力性和时相性成分。
  6. 在菜单栏中选择 分析 > 连续分解分析（连续时相/张力性活动提取）。
  7. 等待配置窗口在屏幕上出现。
  8. 在该窗口中选择 优化 选项，以自动调整分析参数。
  9. 优化过程完成后，点击 应用 以启动 CDA 分析。
  10. CDA 分析完成后，选择 结果 > 事件相关分析，屏幕上将出现一个配置窗口。
  11. 将最小振幅阈值设为 Ledalab 默认值 0.01 µS，并不选择 z-scale 选项。从采集软件导出的事件标记分别标注了条件刺激和非条件刺激的起始时间，因此事件相关分析将为每个事件返回一个响应。设置响应窗口如下：
    1. 对于实验1，使用事件标记后 0 s 至 9 s。
    2. 对于实验2，使用事件标记后 0 s 至 6 s。
  12. 将结果导出为电子表格文件。Ledalab 会生成一个包含从 SCR 信号中提取的相关生理和事件相关信息的电子表格。
    注意：响应窗口对应于每项任务中条件刺激的完整持续时间（补充表1：实验1为9 s，实验2为6 s），以确保 CS 诱发的响应覆盖整个 CS-US 间隔，且不会受到非条件响应的污染，后者在其独立的事件标记上单独评分。低于 0.01 µS 阈值的响应由 Ledalab 记录为零，并保留在分析中作为零值；不得删除这些数据，因为删除会高估低响应被试的平均响应。
  13. 对实验2重复完整的预处理、下采样和 CDA 流程（参见下方关于实验3的说明，其实验流程不同，无需 CDA 输出）。
    ​注意：预处理阶段结束时，每个实验文件夹必须包含一个额外的电子表格文件，对应 Ledalab 生成的 CDA 分析结果。该文件随后必须转换为 .xlsx 格式，用于存储、整理和进一步分析。实验3采用不同的预处理流程。对于该实验，仅需使用 MATLAB 脚本，且不需要 CDA 输出，仅需 alpha 和 beta 值。当脚本在“Experiment_3”上运行时，会自动提取 alpha 和 beta 值，将其与行为信息合并，并将生成的电子表格保存至 Global_Data/Exp_3。
  14. 进行信号质量控制、无响应者判断及伪迹处理。
    1. 在任何统计分析之前，在 Ledalab 中显示每位被试完整的下采样皮肤电导轨迹，并从第一个到最后一个事件标记进行目视检查。需对每位被试和每项任务分别执行此检查，因为信号质量具有通道和任务特异性。
    2. 若出现以下任一情况，则拒绝整条轨迹，并将该被试在该任务中的 SCR 通道视为缺失：(i) 任务期间信号平坦或缺失，表明与腕带的无线通信中断、腕带断电或电极脱落；(ii) 整个任务期间张力性皮肤电导水平持续低于 0.05 µS，表明电极-皮肤接触不良而非低唤醒状态；(iii) 无法解释的漂移或未与任何事件时间锁定的突然且持续的振幅升高；或 (iv) 放大器范围饱和。
      ​注意：不要重复该实验环节，也不要将该被试从其他任务或行为与自评通道中排除。
    3. 若某被试在特定任务的所有事件（包括强化试次中的非条件刺激事件）中均无任何时相性响应达到或超过 0.01 µS 阈值，则定义该被试为该任务的无响应者——即，即使对厌恶结果本身也未产生可测量的皮肤电反应。
      1. 将无响应者从该任务的所有通道（包括皮肤电导、行为和主观评分）中排除，因为即使对非条件刺激也无任何皮肤电反应，表明该次实验中皮肤电系统无法测量，并质疑该被试是否真正参与了该任务的刺激关联。
      2. 保留该被试在其余两项任务中的数据。将此情况与技术性信号丢失（如电极脱落或腕带无线通信中断）区分开：后者被试实际有反应，但信号未被记录，此时仅将该任务的 SCR 通道视为缺失，而保留该任务的行为和主观数据，因其不受皮肤电信号质量影响。
      3. 对每项任务分别报告无响应者率和技术性丢失率。
    4. 将轨迹上的运动伪迹识别为：(i) 未与任何事件标记时间锁定的突然上升瞬变，或 (ii) 由手指收缩、姿势改变或电极与椅子或桌面摩擦引起的张力性水平的阶跃式偏移。
    5. 标记评分窗口内包含此类伪迹的每一个试次，并在试次层面将其排除；不要排除被试。
    6. 若某任务中超过 25% 的试次被标记为伪迹污染，则将该被试从该任务的所有通道（而不仅是 SCR 分析）中排除：剩余试次不足以支持稳定的个体估计，且该次实验的记录条件对任何通道均不充分。保留该被试在其余两项任务中的数据。
    7. 在平均之前，对试次层面的振幅进行 log(SCR + 1) 转换，以标准化皮肤电振幅的正偏态分布；在转换前，将因基线漂移导致的罕见负 CDA 值截断为零。
    8. 汇总转换后的试次，获得每位被试、每个阶段和每种刺激的一个数值。
    9. 分别报告每个通道（SCR、行为、评分）和每项任务的分析样本量（n），因为通道特异性丢失会导致这些 n 值不同。
    10. 将步骤 8.14.1–8.14.9 中做出的每一项决策记录在每位被试的质量日志中，内容包括：被试编号、任务、平衡条件、轨迹接受或拒绝（含原因）、张力性水平范围、伪迹排除试次的数量与编号、伪迹排除试次百分比、无响应者状态，以及各通道的最终分析样本量贡献。
    11. 将质量日志与整合数据库一同存储，以便对通道特异性数据丢失进行审计和复现。
      注意：在当前样本中，无被试符合步骤 8.14.3 的无响应者标准，也无被试超过步骤 8.14.6 的 25% 伪迹阈值；因此，无被试从某任务的所有通道中被排除。分析样本量（n）的差异来自两种独立原因：皮肤电通道的技术性丢失（不影响该任务的行为和主观记录），以及不完整的行为或自评记录（任务未完成或缺失视觉模拟评分），后者与皮肤电信号质量无关。每通道每任务的具体分析样本量在代表性结果部分的分析样本段落中报告。实验3不包含 SCR 通道，因此其 n 反映的是行为数据而非皮肤电数据的丢失。明确报告这些标准，有助于解决 Ruge 等人1所指出的皮肤电结果操作化和报告缺乏统一性的问题。

9. 数据库

  1. 运行 Python 脚本 Data_Bases.py，将每位参与者在实验任务期间采集的皮肤电反应（SCR）生理测量数据与其行为反应数据进行合并。
    注意：该脚本整合了通过 Ledalab 处理的生理记录数据、CDA 分析结果，以及实验过程中由 PsychoPy 生成的反应数据表格。
  2. 脚本成功运行后，确保已为每位参与者生成一个包含生理与行为信息的整合数据表，并存储于 Global_Data 文件夹中。
    注意：以之前的示例为例，若选择对 Experiment_1 进行分析，该 Python 脚本将自动遍历与该实验相关的所有参与者文件夹，将每位参与者的 CDA 输出结果与其对应的行为数据合并，并在 Global_Data/Exp_1 文件夹内为每位参与者生成单独的数据表文件。
  3. 在生成每位参与者的独立数据库后，使用 Python 脚本 Completed_Bases_Per_Experiment.py 将每个实验任务中所有参与者的数据进行合并。
    注意：该脚本将所有参与者文件夹中的信息整合为每个实验的统一数据库，便于后续的统计分析与数据处理。若该流程成功完成，将生成三个最终的数据表，分别对应以下三项实验：
    一份用于 Experiment_1 的数据表
    一份用于 Experiment_2 的数据表
    一份用于 Experiment_3 的数据表
  4. 将生成的完整数据库存储至 Complete_Data_Bases 文件夹中。

访问受限。请登录或开始试用以查看此内容。

结果

分析样品

共有38名健康成年人完成了全部实验环节和自评量表（CTQ-SF、BCE、PHQ-9、GAD-7、STAI）。由于个别通道数据丢失而非参与者退出，各分析的样本量略有差异。各项分析的样本量如下：实验1——皮肤电导反应（SCR）和评分ANOVA分析（经典条件反射和操作性条件反射阶段），n = 37；操作性按键反应ANOVA分析，n = 38。实验2——评分分析（习得、消退、再习得阶段）及习得阶段SCR分析，n = 36；消退阶段SCR分析以及SCR阶段×刺激ART-ANOVA分析，n = 35。实验3——所有分析，n = 37。仅涉及自评量表（CTQ、BCE、症状）的相关性分析使用完整样本（N = 38）。

实验1：带有回避的巴甫洛夫式和操作式条件反射

经典条件反射阶段：针对三种条件刺激（可回避CS+、不可回避CS+、CS−）进行的重复测量方差分析（ANOVA）在两种外显指标上均证实了条件性分化，即预...

访问受限。请登录或开始试用以查看此内容。

讨论

本研究结果证实了一种整合式单次实验流程在技术与方法学上的可行性，该流程涵盖威胁习得与工具性控制、安全学习、恐惧重现以及概率性奖赏学习。在35至38名健康成年人的样本中（由于通道特异性信号丢失而非受试者退出，各实验的分析样本量略有差异），每种实验范式均成功复现了其典型的效应：在经典条件反射阶段出现差异性的主观感受，以及较弱的自主神经条件化反应；在操作性条件反射阶段表现出依赖于可控性的回避行为与缓解反应；实验2中陈述性威胁的选择性消退，同时伴随自主神经反应的非选择性下降；实验3中显著高于随机水平的概率性学习。需要明确指出的是，本研究证明了什么，以及未证明什么。已证明的是：这三种范式可在一次60分钟的实验会话中并行实施而无相互干扰；在该会话所导致的试验次数压缩条件下，三种典型效应均得以保留；且该实验流程可生成一组个体水平的指标，这些指标可直接应用于其他样本而无需修改。尚未证明——也仍有待确立的是：这些指标对童年逆境后果具有敏感性和特异性。复现典型的个体内效应是支持该主张的必要条件，但非充分条件，而本研究样本在用于确证性个体差异检验时统计效能不足27。因此，个体差异结果仅用于说明测量能力，而非对创...

访问受限。请登录或开始试用以查看此内容。

披露

作者声明不存在任何竞争性财务或非财务利益。

致谢

作者感谢所有参与者所投入的时间与积极参与，以及来自安第斯大学的研究助理和实验室团队。本研究由智利国家研究与开发署（ANID）通过 Fondecyt 启动项目基金 #11250037 资助（首席研究员：Maria Consuelo San Martin）。R.C.V. 得到国家人工智能中心 CENIA FB210017 和 ANID 基础基金的支持。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
AcqKnowledge 软件BIOPAC Systems Inc.ACK100W (Windows) / ACK100M (Mac)用于生理信号的数据采集与分析软件。RRID:SCR_014279（请通过当前 SciCrunch 条目验证）。
afex（R 程序包）Singmann, Bolker, Westfall, Aust & Ben-Shachar版本 1.5-1用于析因实验的 R 程序包。通过 aov_ez() 函数执行所有重复测量方差分析（实验 1–3）。RRID:SCR_022761（请通过当前 SciCrunch 条目验证）。
ARTool（R 程序包）Wobbrock, Findlater, Gergle & Higgins版本 0.11.2用于非参数析因方差分析的对齐秩变换法。在实验 2 中用于皮肤电导的“阶段 × 刺激”方差分析，因其分布为非高斯分布。
良性童年经历（BCE）量表Narayan, Rivera, Bernstein, Harris & Lieberman (2018)公共领域工具（10 个项目）使用西班牙语改编版本。该工具未分配 RRID；请引用原始验证论文。
BioNomadix 腕带（发射器）BIOPAC Systems Inc.BN-PPGED-T用于 EDA 和 PPG 信号的可穿戴发射器。需与 BioNomadix 接收模块配对使用。
童年创伤问卷-简版（CTQ-SF）Bernstein 等 (2003)经验证的 28 项回顾性自评量表包含五个子量表（EA、PA、SA、EN、PN）。无 RRID；请引用原始验证论文。使用西班牙语改编版本。
EDA 电极用导电凝胶BIOPAC Systems Inc.GEL101A用于皮肤电导测量的等渗凝胶。
一次性 Ag/AgCl EDA 电极BIOPAC Systems Inc.EL507A用于皮肤电导记录的一次性电极。
广泛性焦虑障碍量表（GAD-7）Spitzer, Kroenke, Williams & Löwe (2006)7 项自评量表使用经验证的西班牙语版本。该工具无 RRID；请引用原始文献。
ggplot2（R 程序包）Wickham版本 4.0.3基于图形语法的绘图系统。RRID:SCR_014601（请通过当前 SciCrunch 条目验证）。
耳机（包耳式）HyperX (HP Inc.)Cloud III有线封闭式游戏耳机；用于在恐惧条件反射实验中传递听觉非条件刺激。
LedalabBenedek & Kaernbach (2010)开源 MATLAB 工具箱 v3.2.5皮肤电导信号的连续分解分析（CDA）。未分配 RRID（请引用原始论文）。
lme4（R 程序包）Bates, Maechler, Bolker & Walker版本 1.1-37线性混合效应模型。用于估计实验 3 中每位参与者的习得轨迹斜率。RRID:SCR_015654（请通过当前 SciCrunch 条目验证）。
MATLABMathWorksR2025a用于运行 Ledalab 及 SCR 预处理流程。RRID:SCR_001622。
患者健康问卷-9（PHQ-9）Kroenke, Spitzer & Williams (2001)9 项自评量表使用经验证的西班牙语版本。该工具无 RRID；请引用原始文献。
生理数据采集单元（PsychoPy）BIOPAC Systems Inc.MP200主要的生理信号采集单元。与 BioNomadix 无线 EDA 模块结合使用。
PythonPython Software Foundation版本 3.12用于预处理流程，合并 Ledalab 输出与 PsychoPy 行为记录（Data_Bases.py, Completed_Bases_Per_Experiment.py）。RRID:SCR_008394（请通过当前 SciCrunch 条目验证）。
R（统计计算环境）R Foundation for Statistical Computing版本 4.5.0所有统计分析均在此环境中进行。调节模型通过基础 stats 程序包中的 lm() 函数进行普通最小二乘回归估计，预测变量经 z 标准化处理，交互项由其乘积计算得出；未使用专门的调节分析程序包。RRID:SCR_001905（请通过当前 SciCrunch 条目验证）。
状态-特质焦虑量表（STAI）Spielberger 等 (1983)STAI Y 型量表（40 项，SAI + TAI）使用经验证的西班牙语版本。该工具无 RRID；请引用原始文献。
刺激呈现显示器SamsungLS22D300GALXZS (S22D300, 22 英寸 LED)用于呈现视觉 CS+ / CS- 刺激及评分量表的显示设备。

参考文献

  1. 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.
  2. 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.
  3. 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.
  4. Smith KE, Pollak SD. Children's value-based decision making. Sci Rep. 2022;12:5953.
  5. Montague PR, Hyman SE, Cohen JD. Computational roles for dopamine in behavioural control. Nature. 2004;431(7010):760-7.
  6. 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.
  7. 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.
  8. Hanson JL, et al. Early adversity and learning: implications for typical and atypical behavioral development. J Child Psychol Psychiatry. 2017;58(7):770-8.
  9. 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.
  10. 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.
  11. Dibbets P, Evers EAT. The influence of state anxiety on fear discrimination and extinction in females. Front Psychol. 2017;8:347.
  12. 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.
  13. 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.
  14. 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.
  15. 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.
  16. 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.
  17. Spielberger CD. Manual for the State-Trait Anxiety Inventory (Form Y). Consulting Psychologists Press; Palo Alto (CA); 1983.
  18. 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.
  19. Peirce J, et al. PsychoPy2: experiments in behavior made easy. Behav Res Methods. 2019;51(1):195-203.
  20. Benedek M, Kaernbach C. A continuous measure of phasic electrodermal activity. J Neurosci Methods. 2010;190(1):80-91.
  21. 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.
  22. 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.
  23. 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.
  24. Fritz MS, MacKinnon DP. Required sample size to detect the mediated effect. Psychol Sci. 2007;18(3):233-9.
  25. Bouton ME. Learning and behavior: a contemporary synthesis. Sinauer Associates; Sunderland (MA); 2007.
  26. 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.
  27. McClelland GH, Judd CM. Statistical difficulties of detecting interactions and moderator effects. Psychol Bull. 1993;114(2):376-90.
  28. Maier SF, Seligman MEP. Learned helplessness at fifty: insights from neuroscience. Psychol Rev. 2016;123(4):349-67.

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

威胁辨别安全学习奖赏敏感性恐惧条件反射概率性奖赏学习皮肤电导反应自主神经唤醒童年逆境

本文已发表

视频即将推出

联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。