Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Neuroscience
Click here for the English version

Neuroscience

दोहरावदार धार्मिक जप के माध्यम से भयभीत और तनावपूर्ण उत्तेजनाओं के लिए न्यूरोफिज़ियोलॉजिकल प्रतिक्रिया का मॉडुलन

Published: November 4, 2021 doi: 10.3791/62960
Automatic Translation
1, 1, 2, 1, 1, 1
1Buddhism and Science Research Lab, Centre of Buddhist Studies, The University of Hong Kong, 2School of Biomedical Engineering, Shenzhen University

ERRATUM NOTICE

Summary

वर्तमान घटना से संबंधित क्षमता (ईआरपी) अध्ययन यह जांचने के लिए एक अनूठा प्रोटोकॉल प्रदान करता है कि धार्मिक जप नकारात्मक भावनाओं को कैसे संशोधित कर सकता है। परिणामों से पता चलता है कि देर से सकारात्मक क्षमता (एलपीपी) नकारात्मक भावनात्मक उत्तेजनाओं के लिए एक मजबूत न्यूरोफिज़ियोलॉजिकल प्रतिक्रिया है और इसे दोहराए जाने वाले धार्मिक जप द्वारा प्रभावी ढंग से संशोधित किया जा सकता है।

Abstract

न्यूरोसाइकोलॉजिकल प्रयोगों में, देर से सकारात्मक क्षमता (एलपीपी) एक घटना से संबंधित क्षमता (ईआरपी) घटक है जो किसी की भावनात्मक उत्तेजना के स्तर को दर्शाता है। यह अध्ययन जांच करता है कि क्या दोहराए जाने वाले धार्मिक जप डर और तनाव-उत्तेजक उत्तेजनाओं के लिए भावनात्मक प्रतिक्रिया को संशोधित करते हैं, इस प्रकार कम उत्तरदायी एलपीपी की ओर अग्रसर होते हैं। "अमिताभ बुद्ध" के दोहराए जाने वाले धार्मिक जप में कम से कम एक वर्ष के अनुभव के साथ इक्कीस प्रतिभागियों को भर्ती किया गया था। ईईजी डेटा एकत्र करने के लिए एक 128-चैनल इलेक्ट्रोएन्सेफेलोग्राफी (ईईजी) प्रणाली का उपयोग किया गया था। प्रतिभागियों को तीन शर्तों के तहत अंतर्राष्ट्रीय भावात्मक चित्र प्रणाली (आईएपीएस) से चुने गए नकारात्मक या तटस्थ चित्रों को देखने का निर्देश दिया गया था: दोहराए जाने वाले धार्मिक जप, दोहराए जाने वाले गैर-धार्मिक जप, और कोई जप नहीं। परिणामों से पता चला है कि नकारात्मक भय और तनाव-उत्तेजक चित्रों को देखने से प्रतिभागियों में बड़े एलपीपी को नो-जप और गैर-धार्मिक जप की स्थिति के तहत तटस्थ चित्रों को देखने की तुलना में प्रेरित किया गया। हालांकि, यह बढ़ी हुई एलपीपी काफी हद तक दोहराए जाने वाले धार्मिक जप की शर्तों के तहत गायब हो गई। निष्कर्षों से संकेत मिलता है कि दोहराए जाने वाले धार्मिक जप प्रभावी रूप से चिकित्सकों के लिए भयभीत या तनावपूर्ण स्थितियों के लिए न्यूरोफिज़ियोलॉजिकल प्रतिक्रिया को कम कर सकते हैं।

Introduction

देर से सकारात्मक क्षमता (एलपीपी) लंबे समय से भावनात्मक उत्तेजना के साथ रही है, और इसका उपयोग भावनाओं से संबंधित शोध 1,2 में मज़बूती से किया गया है। धार्मिक प्रथा पूर्वी और पश्चिमी दोनों देशों में व्यापक है। यह दावा किया जाता है कि यह प्रतिकूल घटनाओं का सामना करते समय व्यवसायी की चिंता और तनाव को कम कर सकता है, खासकर कठिनाई के समय के दौरान। फिर भी, यह शायद ही कभी कठोर प्रयोगात्मक सेटिंग्स के तहत प्रदर्शित किया गया है।

कई अध्ययनों ने पुष्टि की है कि भावना विनियमन को विभिन्न रणनीतियों और ढांचे 4,5,6 के साथ सीखा जा सकता है। कुछ अध्ययनों से पता चला है कि माइंडफुलनेस और ध्यान भावात्मक घटनाओं के लिए तंत्रिका प्रतिक्रिया को संशोधित कर सकते हैं7,8। हाल ही में, यह पाया गया कि ध्यान चिकित्सक संज्ञानात्मक मूल्यांकन, दमन और विकर्षण के अलावा अन्य भावना मॉडुलन रणनीतियों को नियोजित कर सकते हैं8,9। अंतर्राष्ट्रीय भावात्मक चित्र प्रणाली (IAPS) से उत्तेजनाओं का उपयोग सकारात्मक या नकारात्मक भावनाओं को मज़बूती से प्राप्त करने के लिए किया जा सकता है, और भावात्मक अनुसंधान 10 में निर्दिष्ट वैलेंस और उत्तेजना के स्तर के साथ डिज़ाइन किए गए चित्रों को खोजने के लिए मानक मानदंड हैं।

भावनात्मक उत्तेजनाएं मस्तिष्क में जल्दी और बाद में प्रतिक्रियाओं का कारण बन सकती हैं3,11। इसी तरह, बौद्ध धर्म परंपरा ने प्रारंभिक और माध्यमिक मानसिक प्रक्रियाओं द्वारा मन के विचारों पर एनालॉजिकल विश्लेषण किया3,12,13। सलाथा सुत्ता (तीर सुत्ता), एक प्रारंभिक बौद्ध पाठ, में उल्लेख किया गया है कि संज्ञानात्मक प्रशिक्षण भावनाओं को वश में कर सकता है। एरो सुत्ता में कहा गया है कि एक अच्छी तरह से प्रशिक्षित बौद्ध व्यवसायी और एक अप्रशिक्षित व्यक्ति दोनों एक हानिकारक घटना का सामना करते समय दर्द की प्रारंभिक और नकारात्मक धारणा का अनुभव करते हैं। यह अपरिहार्य प्रारंभिक दर्द एक तीर द्वारा मारा जा रहा है एक व्यक्ति के समान है, जैसा कि सलाथा सुट्टा में वर्णित है। प्रारंभिक अवधारणात्मक दर्द प्रारंभिक प्रसंस्करण के चरण के समान होता है जब कोई व्यक्ति अत्यधिक नकारात्मक तस्वीर देखता है। प्रारंभिक तंत्रिका प्रसंस्करण आमतौर पर एक एन 1 घटक को प्राप्त करता है। अप्रशिक्षित व्यक्ति प्रारंभिक, अपरिहार्य दर्दनाक भावनाओं का अनुभव करने के बाद अत्यधिक भावनाओं को विकसित कर सकते हैं, जैसे कि चिंता, चिंता और तनाव। सलाथा सुत्ता के अनुसार, यह देर से विकसित होने वाली नकारात्मक भावना या मनोवैज्ञानिक दर्द एक दूसरे तीर से टकराने जैसा है। एक घटना से संबंधित क्षमता (ईआरपी) प्रयोग वर्तमान डिजाइन की शुरुआती और बाद की मनोवैज्ञानिक प्रक्रियाओं को कैप्चर कर सकता है, यह मानते हुए कि एन 1 और एलपीपी ऊपर उल्लिखित दो तीरों के अनुरूप हो सकते हैं।

इस प्रोटोकॉल में, "अमिताभ बुद्ध" (संस्कित: अमिताभा) नाम के दोहराए जाने वाले जप को धार्मिक जप के संभावित प्रभाव का परीक्षण करने के लिए चुना गया था जब कोई व्यक्ति एक भयभीत या तनावपूर्ण स्थिति में होता है। यह धार्मिक जप चीनी बौद्धों के बीच धार्मिक झुकाव वाले व्यक्तियों की सबसे लोकप्रिय प्रथाओं में से एक है, और यह पूर्वी एशियाई शुद्ध भूमि बौद्ध धर्म 14 का एक मुख्य अभ्यास है। यह परिकल्पना की गई थी कि दोहराए जाने वाले धार्मिक जप उत्तेजक उत्तेजनाओं के लिए मस्तिष्क की प्रतिक्रिया को कम कर देंगे, अर्थात्, भयभीत या तनावपूर्ण चित्रों से प्रेरित एलपीपी। ईईजी और इलेक्ट्रोकार्डियोग्राम (ईसीजी) दोनों डेटा विभिन्न परिस्थितियों में प्रतिभागियों की न्यूरोफिज़ियोलॉजिकल प्रतिक्रियाओं का आकलन करने के लिए एकत्र किए गए थे।

Protocol

इस ईआरपी अध्ययन को हांगकांग संस्थागत समीक्षा बोर्ड विश्वविद्यालय द्वारा अनुमोदित किया गया था। इस अध्ययन में भाग लेने से पहले, सभी प्रतिभागियों ने एक लिखित सूचित सहमति फॉर्म पर हस्ताक्षर किए।

1. प्रयोगात्मक डिजाइन

  1. प्रतिभागियों की भर्ती
    1. इस अध्ययन के लिए "अमिताभ बुद्ध" के नाम का जप करने में कम से कम 1 वर्ष (~ 200-3,000 ज) के अनुभव के साथ प्रतिभागियों को भर्ती करें।
      नोट: वर्तमान अध्ययन में, 40-52 वर्ष की आयु के 21 मानव प्रतिभागियों का चयन किया गया था; इनमें से 11 पुरुष थे।
  2. धार्मिक जप बनाम अधार्मिक जप
    1. 40 सेकंड के लिए "अमिताभ बुद्ध" के नाम का जप करें। अमिताभ बुद्ध की छवि के साथ पहले 20 s और IAPS छवियों के साथ अगले 20 s।
      1. प्यूरलैंड स्कूल 14 में अमिताभ बुद्ध की छवि को देखते हुए "अमिताभ बुद्ध" के नाम के केवल चार पात्रों का जप करें।
    2. 40 सेकंड के लिए सांता क्लॉज (गैर-धार्मिक जप की स्थिति) के नाम का जप करें। सांता क्लॉज़ की छवि को देखते हुए पहले 20 एस और आईएपीएस छवियों के साथ अगले 20 एस।
      1. सांता क्लॉज के नाम के केवल चार पात्रों का जप करें और सांता क्लॉज की कल्पना करें।
    3. 40 सेकंड के लिए चुप रहो। नियंत्रण उद्देश्य के लिए एक खाली छवि के साथ पहले 20 एस और IAPS छवियों के साथ अगले 20 एस।
      नोट: कोई जप नहीं।
  3. ईईजी रिकॉर्डिंग सिस्टम
    1. रिकॉर्ड ईईजी डेटा एक 128-चैनल ईईजी सिस्टम का उपयोग करके जिसमें एक एम्पलीफायर, हेडबॉक्स, ईईजी कैप और दो डेस्कटॉप कंप्यूटर होते हैं ( सामग्री की तालिका देखें)।
  4. उद्दीपन प्रस्तुत करने की प्रणाली
    1. डेस्कटॉप कंप्यूटर पर IAPS से तटस्थ और नकारात्मक चित्र दिखाने के लिए उत्तेजना प्रस्तुति सॉफ़्टवेयर ( सामग्री की तालिका देखें) का उपयोग करें.
  5. ईसीजी रिकॉर्डिंग प्रणाली
    1. ईसीजी डेटा रिकॉर्ड करने के लिए एक शारीरिक डेटा रिकॉर्डिंग सिस्टम का उपयोग करें ( सामग्री की तालिका देखें)।

2. भावात्मक मॉडुलन प्रयोग

नोट: प्रयोग में 2 x 3 डिजाइन के साथ दो कारक थे: पहला कारक चित्र प्रकार था: तटस्थ और नकारात्मक (भय- और तनाव-उत्तेजक)। दूसरा कारक जप प्रकार था: "अमिताभ बुद्ध" का जप करना, "सांता क्लॉज" का जाप करना और कोई जप नहीं करना (मूक दृश्य)।

  1. एक ब्लॉक डिज़ाइन का उपयोग करें, क्योंकि यह अधिक प्रभावी ढंग से भावना से संबंधित घटकों को प्राप्त कर सकता है15।
    नोट: छह स्थितियां थीं, और अनुक्रमों को प्रतिभागियों के बीच यादृच्छिक और प्रतिसंतुलित किया गया था (चित्रा 1)। छह शर्तें इस प्रकार थीं: नकारात्मक चित्रों को देखते समय धार्मिक जप (अमीनेग); तटस्थ चित्रों को देखते समय धार्मिक जप (AmiNeu); नकारात्मक चित्रों को देखते समय कोई जप नहीं (PasNeg); तटस्थ चित्रों को देखते समय कोई जप नहीं (PasNeu); नकारात्मक चित्रों को देखते समय गैर-धार्मिक जप (सैननेग); और तटस्थ चित्रों (SanNeu) को देखते हुए गैर-धार्मिक जप।

Figure 1
चित्रा 1: प्रयोगात्मक प्रक्रिया। छह स्यूडोरैंडोमाइज्ड स्थितियां थीं, और प्रत्येक प्रतिभागी को एक स्यूडोरैंडोमाइज्ड अनुक्रम प्राप्त हुआ। प्रत्येक स्थिति को दो अलग-अलग सत्रों में छह बार दोहराया गया था। इस आंकड़े को Reference3 से अनुकूलित किया गया है। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

  1. ~ 1.8-2.2 s के लिए प्रत्येक चित्र दिखाएँ, 0.4-0.6 s के इंटरस्टिमुलस अंतराल (आईएसआई) के साथ।
    नोट:: प्रत्येक सत्र में एक ही प्रकार (तटस्थ या नकारात्मक) के 10 चित्र थे।
  2. अगले सत्र पर जप या चित्र देखने के संभावित अवशिष्ट प्रभावों का मुकाबला करने के लिए प्रत्येक सत्र के बाद 20 सेकंड की आराम अवधि की अनुमति दें।
  3. प्रतिभागियों की आंखों से 75 सेमी की दूरी पर एक CRT मॉनिटर पर चित्रों को प्रस्तुत करें, जिसमें 15 ° (ऊर्ध्वाधर) और 21 ° (क्षैतिज) के दृश्य कोण हैं।
  4. प्रतिभागियों को चित्रों को ध्यान से देखने के लिए कहें।
  5. प्रतिभागियों को एक संक्षिप्त अभ्यास रन प्रदान करें ताकि उन्हें प्रत्येक स्थिति के साथ खुद को परिचित करने की अनुमति मिल सके। यह सुनिश्चित करने के लिए एक वीडियो मॉनिटर का उपयोग करें कि प्रतिभागियों को नींद न आए।
  6. प्रतिभागियों को 40 मिनट के प्रयोग के बीच में 10 मिनट का आराम दें।

3. ईईजी और ईसीजी डेटा संग्रह

नोट: प्रयोग पर आने से पहले, प्रत्येक प्रतिभागी को कंडीशनर या किसी और चीज का उपयोग किए बिना अपने बालों और खोपड़ी को अच्छी तरह से धोने के लिए कहें जो सिस्टम की प्रतिबाधा को बढ़ा सकता है। दो अलग-अलग प्रणालियों द्वारा एक साथ ईईजी और ईसीजी डेटा एकत्र करें।

  1. प्रयोगात्मक प्रक्रियाओं के प्रत्येक प्रतिभागी को सूचित करें, अर्थात्, प्रभावी चित्रों को विभिन्न जप स्थितियों के तहत देखा गया था।
  2. नमूना दर को 1,000 हर्ट्ज पर सेट करें, और जब भी संभव हो या सिस्टम की आवश्यकताओं के अनुसार 30 kΩ से नीचे प्रत्येक इलेक्ट्रोड की प्रतिबाधा बनाए रखें।
  3. एक शारीरिक डेटा रिकॉर्डिंग प्रणाली का उपयोग करके ईसीजी डेटा सहित शारीरिक डेटा एकत्र करें ( सामग्री की तालिका देखें)।

4. ईईजी डेटा विश्लेषण

  1. प्रक्रिया और EEGLAB के साथ ईईजी डेटा का विश्लेषण ( सामग्री की तालिका देखें), अनुपूरक फ़ाइल 1-2, एक खुला स्रोत software16 नीचे दिए गए चरणों के बाद.
  2. एक उचित डेटा फ़ाइल आकार बनाए रखने के लिए 1,000 हर्ट्ज से 250 हर्ट्ज तक डेटा को पुन: नमूना करने के लिए EEGLAB फ़ंक्शन "pop_resample" का उपयोग करें। उपकरण > बदलें नमूना दर पर क्लिक करें.
  3. 0.1-100 हर्ट्ज पासबैंड के साथ एक परिमित आवेग प्रतिक्रिया (एफआईआर) फ़िल्टर के साथ डेटा फ़िल्टर करने के लिए EEGLAB फ़ंक्शन "pop_eegfiltnew" का उपयोग करें। Tools > Filter the Data > Basic FIR Filter (new, default) पर क्लिक करें।
  4. एक nonlinear अनंत आवेग प्रतिक्रिया (IIR) फ़िल्टर के साथ एक 47-53 हर्ट्ज stopband के साथ डेटा फिर से फ़िल्टर बारी वर्तमान से शोर को कम करने के लिए. टूल्स > डेटा को फ़िल्टर करें पर क्लिक करें > पास बैंड के बजाय नॉच फ़िल्टर डेटा का चयन करें।
  5. नेत्रहीन आंखों और मांसपेशियों के आंदोलनों द्वारा उत्पन्न मजबूत कलाकृतियों को हटाने के लिए डेटा का निरीक्षण करें। प्लॉट > चैनल डेटा (स्क्रॉल) पर क्लिक करें।
  6. नेत्रहीन किसी भी चैनल द्वारा उत्पन्न किसी भी सुसंगत शोर के लिए डेटा का फिर से निरीक्षण करें, और खराब चैनलों को नोट किया गया था।
  7. गोलाकार इंटरपोलेशन का उपयोग करके खराब चैनलों का पुनर्निर्माण करें। इंटरपोलेट इलेक्ट्रोड > टूल्स पर क्लिक करें > डेटा चैनलों से चुनें।
  8. ओपन-सोर्स एल्गोरिथ्म "runica" 16 के साथ स्वतंत्र घटक विश्लेषण (ICA) चलाएँ। Tools > Run ICA पर क्लिक करें।
  9. आंखों के आंदोलनों, ब्लिंक्स, मांसपेशियों के आंदोलन और लाइन शोर के अनुरूप स्वतंत्र घटकों (आईसी) को हटा दें। ICA > अस्वीकारें डेटा का उपयोग करके डेटा अस्वीकारें पर क्लिक करें > मानचित्र द्वारा घटकों को अस्वीकार करें.
  10. शेष आईसीएस का उपयोग करके डेटा का पुनर्निर्माण करें। उपकरण > घटकों को निकालें पर क्लिक करें.
  11. 30 हर्ट्ज लो-पास फ़िल्टर के साथ डेटा फ़िल्टर करें. Tools > Filter the Data > Basic FIR Filter (new, default) पर क्लिक करें।
  12. निकालने और औसत समय के लिए समय-अवरोधित epochs प्रत्येक स्थिति के लिए -200 से 0 ms की एक समय विंडो के साथ बेसलाइन के रूप में और 0 से 800 ms के रूप में ERP के रूप में ERP डेटा प्राप्त करें। उपकरण > निकालें epochs पर क्लिक करें.
  13. बाएं और दाएं मास्टॉइड चैनलों के औसत के साथ ईआरपी डेटा को फिर से संदर्भित करें। फिर से संदर्भ > उपकरण पर क्लिक करें.
  14. सभी प्रतिभागियों से डेटासेट के लिए उपरोक्त चरणों को दोहराएं और सांख्यिकीय विश्लेषण सॉफ़्टवेयर में टी-टेस्ट या दोहराए गए-उपायों एनोवा का उपयोग करके स्थितियों के बीच के अंतर की तुलना करें (सामग्री की तालिका देखें)।
  15. स्थापित सिद्धांतों 8,17 और वर्तमान डेटा 3 के आधार पर N1 और LPP के लिए समय विंडो निर्धारित करें।
    नोट: इस काम में, N1 को 100-150 ms के रूप में परिभाषित किया गया था, जबकि LPP को उत्तेजना की शुरुआत से 300-600 ms के रूप में परिभाषित किया गया था; LPP केंद्रीय-पार्श्विका क्षेत्र में सबसे प्रमुख है (चित्रा 2)।
  16. तीन स्थितियों (चित्रा 3) के बीच युग्मित टी-परीक्षण का उपयोग करके N1 घटक पर तटस्थ बनाम नकारात्मक चित्र अंतर ज्ञात कीजिये।
  17. तीन स्थितियों के बीच युग्मित टी-परीक्षण का उपयोग करके LPP घटक पर तटस्थ बनाम नकारात्मक चित्र अंतर ज्ञात कीजिये (चित्र4)।
  18. किसी क्षेत्र का प्रतिनिधित्व करने के लिए प्रासंगिक चैनलों के औसत द्वारा N1 और LPP घटकों पर रुचि का क्षेत्र (ROI) विश्लेषण करें।
    नोट: ROI का चयन करने के लिए, सभी तीन स्थितियों के epochs उन चैनलों की गणना करने के लिए औसत थे जहां तटस्थ और नकारात्मक चित्रों में एक अंतर था जो विशिष्ट समय विंडो में महत्वपूर्ण था (उदाहरण के लिए, N1 या LPP के लिए)।
  19. N1 और LPP पर अंतर की तुलना अलग से करें, सांख्यिकीय विश्लेषण सॉफ़्टवेयर में दोहराए गए उपायों एनोवा और पोस्ट हॉक आंकड़ों का उपयोग करके।
    नोट:: पोस्ट हॉक विश्लेषण (Bonferroni सुधार) का उपयोग करें और मॉडल महत्वपूर्ण था, तो अलग से दो शर्तों के बीच महत्वपूर्ण अंतर निर्धारित करें। महत्व थ्रेशोल्ड को पी < 0.05 पर सेट किया गया था।

5. ईआरपी स्रोत विश्लेषण

  1. नीचे दिए गए चरणों का पालन करते हुए SPM19 ओपन-सोर्स सॉफ़्टवेयर (सामग्री तालिका देखें) के साथ ERP स्रोत विश्लेषण 18 निष्पादित करें।
  2. ईईजी कैप सेंसर समन्वय प्रणाली को एक मानक संरचनात्मक एमआरआई छवि (मॉन्ट्रियल न्यूरोलॉजिकल इंस्टीट्यूट (एमएनआई) निर्देशांक) की समन्वय प्रणाली से मील का पत्थर-आधारित सह-पंजीकरण द्वारा लिंक करें। SPM में, M/EEG > स्रोत पुनर्निर्माण > बैच > SPM > Head model specification पर क्लिक करें।
  3. ईईजी सेंसर पर लगाए गए कॉर्टिकल जाल पर प्रत्येक द्विध्रुव के प्रभाव की गणना करने के लिए आगे की गणना करें। एक ही बैच संपादक के तहत, स्रोत व्युत्क्रम > स्रोत पुनर्निर्माण > M/EEG > SPM पर क्लिक करें।
    नोट: इन परिणामों को एक जी मैट्रिक्स (एन एक्स एम) में रखा गया था, जहां एन सेंसर (ईईजी स्पेस आयाम) की संख्या है और एम जाल शीर्षों (स्रोत अंतरिक्ष आयाम) की संख्या है। स्रोत मॉडल X = GS था, जहां X एक n x k मैट्रिक्स है जो प्रत्येक स्थिति के ERP डेटा को दर्शाता है, k समय बिंदुओं की संख्या है, और S एक m x k मैट्रिक्स है जो ERP स्रोत को दर्शाता है।
  4. व्युत्क्रम पुनर्निर्माण करने के लिए तीसरे चरण (उपलब्ध कई एल्गोरिदम के बीच) में लालची खोज-आधारित एकाधिक विरल प्राथमिकता एल्गोरिथ्म (चूंकि एस अज्ञात है) का उपयोग करें क्योंकि यह अन्य विधियों की तुलना में अधिक विश्वसनीय है20। स्रोत व्युत्क्रम विंडो में व्युत्क्रम प्रकार के लिए MSP (GS) चुनें.
  5. SPM में सामान्य रैखिक मॉडलिंग का उपयोग करके शर्तों के बीच का अंतर निर्धारित करें। 0.05 < p करने के लिए महत्व स्तर सेट करें। बैच संपादक के तहत, SPM > आँकड़े > फैक्टोरियल डिज़ाइन विनिर्देश पर क्लिक करें.

6. ईसीजी डेटा और व्यवहार मूल्यांकन विश्लेषण

  1. ईसीजी डेटा को संसाधित करने और विश्लेषण करने के लिए शारीरिक और डेटा प्रोसेसिंग सॉफ़्टवेयर का उपयोग करें (सामग्री की तालिका देखें)। प्रत्येक शर्त के लिए माध्य स्कोर की गणना करें। EEGLAB में, QRS events21 > पता लगाने के > FMRIB Tools के उपकरण पर क्लिक करें।
    नोट: ERP आयाम विश्लेषण के समान, सांख्यिकीय सॉफ़्टवेयर का उपयोग दोहराए गए उपायों एनोवा के साथ डेटा का विश्लेषण करने के लिए किया गया था। पोस्ट हॉक विश्लेषण दो स्थितियों के बीच महत्वपूर्ण अंतर को अलग-अलग निर्धारित करने के लिए किया गया था यदि मॉडल महत्वपूर्ण था। महत्व स्तर को 0.05 < पी पर सेट किया गया था।
  2. प्रतिभागियों से 1-9 के पैमाने पर विषय के नाम (अमिताभ बुद्ध, सांता क्लॉस, आदि) का जाप करने की प्रभावकारिता में अपने विश्वास को रेट करने के लिए कहें, जहां 1 को सबसे कमजोर और 9 को सबसे मजबूत माना जाता है।

Representative Results

व्यवहारिक परिणाम
प्रतिभागियों के जप के विश्वास के परिणामों ने "अमिताभ बुद्ध" के लिए 8.16 ± 0.96, "सांता क्लॉस" के लिए 3.26 ± 2.56 और रिक्त नियंत्रण स्थिति (पूरक तालिका 1) के लिए 1.95 ± 2.09 के औसत स्कोर का खुलासा किया।

ERP परिणाम
पीजेड (पार्श्विका लोब) के प्रतिनिधि चैनल ने प्रदर्शित किया कि जप की स्थिति का तटस्थ और नकारात्मक चित्रों के शुरुआती (एन 1) और देर से (एलपीपी) प्रसंस्करण पर अलग-अलग प्रभाव पड़ा। इसने क्रमशः N1 और LPP की समय खिड़की दिखाई (चित्रा 2)।

प्रारंभिक अवधारणात्मक अवस्था
ईआरपी परिणामों ने तीन जप स्थितियों (चित्रा 3) में नकारात्मक चित्रों को देखते हुए एक बढ़ी हुई एन 1 दिखाया। यह दिखाया गया है कि नकारात्मक छवियों ने तटस्थ छवियों की तुलना में मजबूत केंद्रीय मस्तिष्क गतिविधियों को प्रेरित किया, और वृद्धि तीन स्थितियों में तुलनीय है।

देर से भावनात्मक / संज्ञानात्मक चरण
ईआरपी ने गैर-धार्मिक जप और नो-जप की स्थिति में एक बढ़ी हुई एलपीपी का प्रदर्शन किया। हालांकि, नकारात्मक चित्रों से प्रेरित एलपीपी मुश्किल से दिखाई देता है जब प्रतिभागी अमिताभ बुद्ध के नाम (चित्रा 4) का जाप करता है।

रुचि का क्षेत्र (ROI) विश्लेषण
तीन शर्तों को उन क्षेत्रों का अनुमान लगाने के लिए जोड़ा गया था जो आम तौर पर एन 1 और एलपीपी घटकों पर सक्रिय थे। दोहराए गए उपाय एनोवा को जप की स्थिति (चित्रा 5) के बीच एन 1 और एलपीपी घटकों में अंतर की गणना करने के लिए सांख्यिकीय सॉफ़्टवेयर के साथ किया गया था।

बाएं तीन कॉलम तीन जप शर्तों के लिए एन 1 घटक में अंतर दिखाते हैं: मूक देखने की स्थिति, गैर-धार्मिक जप की स्थिति, और धार्मिक जप की स्थिति। एन 1 घटक में अंतर तीन स्थितियों में समान थे। सही तीन कॉलम तीन जप शर्तों के लिए एलपीपी घटक में अंतर दिखाते हैं। यह दर्शाता है कि एलपीपी घटक में अंतर गैर-धार्मिक जप की स्थिति और मूक देखने की स्थिति की तुलना में धार्मिक जप की स्थिति में बहुत छोटा है।

स्रोत विश्लेषण
स्रोत विश्लेषण LPP परिणामों (चित्रा 6) के आधार पर संभावित मस्तिष्क मानचित्रण को निकालने के लिए लागू किया गया था। परिणामों से पता चलता है कि जब तटस्थ चित्रों के साथ तुलना की जाती है, तो नकारात्मक चित्र गैर-धार्मिक जप की स्थिति में अधिक पार्श्विका सक्रियण को प्रेरित करते हैं और कोई जप की स्थिति नहीं होती है। इसके विपरीत, यह नकारात्मक चित्र-प्रेरित सक्रियण काफी हद तक धार्मिक जप की स्थिति में गायब हो जाता है।

शारीरिक परिणाम: दिल की दर
गैर-धार्मिक जप की स्थिति में नकारात्मक और तटस्थ चित्रों के बीच हृदय गति (एचआर) में एक महत्वपूर्ण परिवर्तन हुआ था। एक समान प्रवृत्ति नो-जप की स्थिति में पाई गई थी। हालांकि, धार्मिक जप की स्थिति (चित्रा 7) में ऐसा कोई एचआर अंतर नहीं पाया गया था।

Figure 2
चित्रा 2: एक प्रतिनिधि चैनल (पीजेड) ने छह जप शर्तों में अलग-अलग ईआरपी दिखाए। छह शर्तें हैं (1) तटस्थ चित्रों को देखते समय धार्मिक जप (अमीन्यू); (2) नकारात्मक चित्रों को देखते हुए धार्मिक जप (AmiNeg); (3) तटस्थ चित्रों को देखते समय गैर-धार्मिक जप (SanNeu); (4) नकारात्मक चित्रों को देखते समय गैर-धार्मिक जप (सैननेग); (5) तटस्थ चित्रों को देखते समय कोई जप नहीं (PasNeu); और (6) नकारात्मक चित्रों (PasNeg) को देखते समय कोई जप नहीं। चैनल Pz खोपड़ी के मध्य पार्श्विका क्षेत्र में स्थित है. कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 3
चित्रा 3: तीन जप स्थितियों में N1 घटक का प्रदर्शन करने के लिए ERP परिणाम। प्रत्येक चित्र प्रकार के लिए तीन शर्तों के लिए N1 घटक के दो-आयामी मानचित्र. अंतिम कॉलम में, महत्वपूर्ण अंतर वाले चैनल (पी < 0.05) डॉट्स के साथ दिखाए जाते हैं; गहरे रंग में होने वाले डॉट्स अधिक महत्व (यानी, छोटे पी-मान) को इंगित करते हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 4
चित्रा 4: तीन जप शर्तों में एलपीपी घटक का प्रदर्शन करने के लिए ईआरपी परिणाम। प्रत्येक चित्र प्रकार के लिए तीन शर्तों के लिए देर से सकारात्मक क्षमता (LPP) घटक के दो आयामी नक्शे। अंतिम कॉलम में, महत्वपूर्ण अंतर वाले चैनल (पी < 0.05) डॉट्स के साथ दिखाए जाते हैं; गहरे रंग में होने वाले डॉट्स अधिक महत्व (यानी, छोटे पी-मान) को इंगित करते हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 5
चित्रा 5: ब्याज का क्षेत्र (ROI) विश्लेषण। प्रारंभिक घटक, एन 1, और देर से घटक, देर से सकारात्मक क्षमता (एलपीपी) के लिए नकारात्मक बनाम तटस्थ चित्र-प्रेरित मस्तिष्क प्रतिक्रियाओं के बीच अंतर पर रुचि का क्षेत्र (आरओआई) विश्लेषण। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 6
चित्रा 6: तीन स्थितियों के तहत देर से सकारात्मक क्षमता (एलपीपी) घटक का स्रोत विश्लेषण। हाइलाइट किए गए क्षेत्र नकारात्मक बनाम तटस्थ स्थितियों में उच्च मस्तिष्क गतिविधि को इंगित करते हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 7
चित्रा 7: तीन जप शर्तों के तहत दिल की धड़कन अंतराल। इलेक्ट्रोकार्डियोग्राम के इंटर-बीट अंतराल (आरआर) प्रत्येक चित्र प्रकार / जप संयोजन और संबंधित पी मानों के तहत। अमी: अमिताभ बुद्ध जप शर्त, सैन: सांता क्लॉज जप शर्त, पास: निष्क्रिय देखने की स्थिति, Neu: तटस्थ तस्वीर, नेग: नकारात्मक तस्वीर. कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

अनुपूरक तालिका 1: जप विषय (अमिताभ बुद्ध, सांता क्लॉज) की प्रभावकारिता में विश्वास की रेटिंग। यह एक 1-9 पैमाने का उपयोग करता है, जहां 1 कम से कम विश्वास और 9 सबसे मजबूत विश्वास को इंगित करता है। इस तालिका को डाउनलोड करने के लिए कृपया यहाँ क्लिक करें.

अनुपूरक फ़ाइल 1: ईईजी डेटा बैच प्रीप्रोसेसिंग के लिए कोड। यह खराब चैनलों को हटा देता है, डेटा को 250 हर्ट्ज पर फिर से नमूना देता है, और फिर डेटा को फ़िल्टर करता है। कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें।

अनुपूरक फ़ाइल 2: ERP डेटा मरम्मत के लिए कोड। यह शोर spikes के साथ बुरा epochs की मरम्मत. कृपया इस फ़ाइल को डाउनलोड करने के लिए यहाँ क्लिक करें।

Discussion

इस अध्ययन की विशिष्टता एक व्यापक धार्मिक अभ्यास के अंतर्निहित तंत्रिका तंत्र की जांच करने के लिए एक न्यूरोसाइंटिफिक विधि का अनुप्रयोग है, यानी, दोहराए जाने वाले धार्मिक जप। इसके प्रमुख प्रभाव को देखते हुए, यह विधि चिकित्सकों या चिकित्सकों के लिए भावनात्मक समस्याओं से निपटने और चिंता और तनाव से पीड़ित ग्राहकों का इलाज करने के लिए नए हस्तक्षेपों को सक्षम कर सकती है। पिछले अध्ययनों के साथ, भविष्य के अध्ययनों में व्यापक भावना विनियमन अनुसंधान पर विचार किया जाना चाहिए7,8,9,22।

जप पर कुछ ईआरपी अध्ययन हैं, प्रयोगों के निर्माण की कठिनाई को देखते हुए जो जप और अन्य संज्ञानात्मक घटनाओं को जोड़ते हैं। यह अध्ययन जप / प्रार्थना के भावनात्मक प्रभाव की जांच के लिए एक व्यवहार्य प्रोटोकॉल प्रदर्शित करता है, जो वास्तविक दुनिया में लोकप्रिय है। पिछले कार्यात्मक एमआरआई (एफएमआरआई) अध्ययनों में पाया गया कि प्रार्थना सामाजिक अनुभूति के क्षेत्रों को भर्ती करती है23। एक आराम-राज्य एफएमआरआई अध्ययन से पता चला है कि "ओएम" का जप करने से पूर्वकाल सिंगुलेट, इन्सुला और ऑर्बिटोफ्रंटल कोर्टिस 24 से आउटपुट कम हो गया है। एक अन्य ईईजी अध्ययन में पाया गया कि "ओएम" ध्यान ने डेल्टा तरंगों में वृद्धि की, विश्राम और गहरी नींद के अनुभव को प्रेरित किया। हालांकि, ये तरीके धार्मिक जप के बाद विशिष्ट घटना से संबंधित परिवर्तनों की सटीक जांच नहीं कर सके।

शोधकर्ताओं को दोहराए जाने वाले धार्मिक जप के संभावित प्रभाव की सफलतापूर्वक सफलतापूर्वक जांच करने के लिए भाषा प्रसंस्करण और परिचितता के भ्रमित कारकों को नियंत्रित करना चाहिए। जैसा कि प्रतिभागियों ने बड़े पैमाने पर और दैनिक रूप से "अमिताभ बुद्ध" नाम का जप करने का अभ्यास किया (चीनी वर्ण: Equation 1; कैंटोनीज उच्चारण: o1-nei4-to4-fat6), हमने "सांता क्लॉस" नाम का उपयोग किया (चीनी वर्ण: ; Equation 2 कैंटोनीज़ उच्चारण: नियंत्रण की स्थिति के रूप में 3-दान3-lou5-jan4) गाओ क्योंकि स्थानीय सांता क्लॉस से परिचित है। चीनी में, दोनों नामों में चार वर्ण होते हैं, इस प्रकार भाषा समानता के लिए नियंत्रित होते हैं। परिचितता के बारे में, सांता क्लॉज़ हांगकांग में भी काफी लोकप्रिय है क्योंकि यह आंशिक रूप से पश्चिमी शहर है। इसके अलावा, सांता क्लॉज़ हांगकांग में कुछ हद तक सकारात्मक आंकड़ा भी है, जहां आधिकारिक क्रिसमस की छुट्टियां हैं। फिर भी, परिचितता का यह नियंत्रण आंशिक है, क्योंकि चिकित्सकों के लिए अमिताभ बुद्ध के नाम की समझ से पूरी तरह से मेल खाना मुश्किल है।

वर्तमान अध्ययन में एक महत्वपूर्ण कदम डर- या तनाव-उत्तेजक चित्रों की तैयारी थी। चूंकि धार्मिक जप बेहतर काम कर सकता है जब घटनाओं को धमकी दी जाती है, तो IAPS छवि पूल 26 से उचित उत्तेजनाओं का चयन करना महत्वपूर्ण था। यह अनुशंसा की जाती है कि संभावित प्रतिभागियों का साक्षात्कार किया जाए और बहुत अधिक भय या घृणा से बचने के लिए उपयुक्त चित्रों को चुना जाए। अत्यधिक नकारात्मक चित्र प्रतिभागियों को जानबूझकर अपना ध्यान हटाने से रोक सकते हैं; एक ही समय में, भय और तनाव-उत्तेजक उत्तेजनाओं को प्रतिभागियों को पर्याप्त खतरे का अनुभव करने में सक्षम बनाना चाहिए। एक और महत्वपूर्ण मुद्दा अध्ययन का ब्लॉक डिजाइन है। ईईजी / ईआरपी सिग्नल हर घटना का पालन करने के लिए पर्याप्त रूप से संवेदनशील और गतिशील है। हालांकि, 20-30 सेकंड की देखने की अवधि के साथ एक ब्लॉक डिज़ाइन को लागू करना अधिक उपयुक्त होगा क्योंकि कार्डियक फ़ंक्शन या भावनाओं का पैटर्न सेकंड 27 के क्रम में नहीं बदल सकता है। दूसरी ओर, एक 60 एस ब्लॉक बहुत लंबा हो सकता है, और ईआरपी अध्ययनों में तंत्रिका प्रतिक्रिया की आदत हो सकती है।

ईईजी डेटा प्रोसेसिंग चरण को प्रत्येक चरण के दौरान बैकअप बनाने की आवश्यकता होती है, क्योंकि प्रत्येक चरण डेटा को बदल देता है और उन चरणों के दौरान किए गए परिवर्तनों को रिकॉर्ड करता है। इसका उपयोग परिवर्तनों को ट्रैक करने और बैच प्रोसेसिंग के दौरान त्रुटियों को ढूंढना आसान बनाने के लिए किया जा सकता है। डेटा की गुणवत्ता में सुधार भी आवश्यक है, इसलिए कच्चे डेटा की सफाई और खराब आईसी की पहचान करने में अनुभव की आवश्यकता है। सांख्यिकीय विश्लेषण में, तुलना भव्य औसत पर की गई थी, और एनोवा लागू किया गया था। हम चेतावनी देते हैं कि निश्चित प्रभाव मॉडल के साथ यह आंकड़ा यादृच्छिक प्रभाव ों के लिए अतिसंवेदनशील है28। मिश्रित-प्रभाव मॉडल को बाहरी कारकों को नियंत्रित करने के लिए अनुकूलित किया जा सकता है29, और रैखिकता की धारणा संभावित रूप से ईआरपी डेटा 30 से निकाले गए अनुमानों को प्रभावित कर सकती है।

कई सीमाएं ध्यान देने योग्य हैं। एक सीमा यह है कि वर्तमान अध्ययन ने प्रतिभागियों के केवल एक समूह को नामांकित किया, जिन्होंने प्योरलैंड बौद्ध धर्म का अभ्यास किया। तुलना के लिए धार्मिक जप में किसी भी अनुभव के बिना एक नियंत्रण समूह को नामांकित करने से यह निर्धारित करने में मदद मिल सकती है कि धार्मिक जप का प्रभाव विश्वास या परिचितता द्वारा मध्यस्थता है या नहीं। आमतौर पर, एक यादृच्छिक नियंत्रित परीक्षण धार्मिक जप 31 पर भावना मॉडुलन के प्रभाव की जांच करने के लिए अधिक आश्वस्त होगा। हालांकि, यह गारंटी देना मुश्किल है कि कोई भी प्रतिभागी पूरी इच्छा के साथ बार-बार "अमिताभ बुद्ध" का जाप करेगा। इसके अतिरिक्त, LPP अन्य कारकों से प्रभावित होता है, जैसे कि भावनात्मक ध्वनि या सकारात्मक प्राइमिंग32,33। इस प्रकार, धार्मिक जप के प्रभाव को अंतर्निहित मौलिक न्यूरो-तंत्र को अधिक स्पष्ट रूप से चित्रित करने के लिए बेहतर-नियंत्रित प्रयोगों की आवश्यकता होती है।

संक्षेप में, पिछले अध्ययनों से पता चला है कि मानव मस्तिष्क तंत्रिका प्लास्टिसिटी और राज्यों के तेजी से परिवर्तन के लिए व्यक्तिपरक है34,35; पर्याप्त अभ्यास और इरादे के साथ, मस्तिष्क खुद को फिर से आकार दे सकता है और सामान्य रूप से भयभीत उत्तेजनाओं के लिए अलग तरह से प्रतिक्रिया कर सकता है। यह अध्ययन समकालीन संदर्भों में भावनात्मक संकट से निपटने के लिए प्रभावी मुकाबला रणनीतियों के विकास में अंतर्दृष्टि प्रदान करता है। इस प्रोटोकॉल का पालन करते हुए, शोधकर्ताओं को धार्मिक जप या अन्य पारंपरिक प्रथाओं के प्रभाव की जांच करनी चाहिए ताकि लोगों को अपने भावनात्मक कष्टों को सुधारने में मदद करने के लिए व्यवहार्य तरीकों की पहचान की जा सके।

Disclosures

लेखकों ने घोषणा की है कि उनके पास कोई प्रतिस्पर्धी वित्तीय हित नहीं है।

Acknowledgments

अध्ययन HKU और NSFC.61841704 की छोटी निधि परियोजना द्वारा समर्थित था।

Materials

Name Company Catalog Number Comments
E-Prime 2.0 Psychology Software Tools stimulus presentation, behavior data collection
EEGLAB Swartz Center for Computational Neuroscience EEG analysis software
HydroCel GSN 128 channels Electrical Geodesics, Inc. (EGI) EEG cap
LabChart ADInstruments physiological data (including ECG) acquisition software
Matlab R2011a MathWorks EEGLAB and SPM are based on Matlab; statistical analysis tool for EEG and physiological data
Netstation Electrical Geodesics, Inc. (EGI) EEG acquisition software
PowerLab 8/35 ADInstruments PL3508 physiological data (including ECG) acquisition hardware
SPM Wellcome Trust Centre for Neuroimaging EEG source analysis software
FMRIB University of Oxford Centre for Functional MRI of the Brain (FMRIB) Plug-in for EEGLAB to process ECG data
SPSS IBM statistical analysis tool for behavior and EEG ROI data
iMac 27" Apple running the Netstation software
Windows PC HP running the E-Prime 2.0 software
Windows PC Dell running the LabChart software

DOWNLOAD MATERIALS LIST

References

  1. Kennedy, H., Montreuil, T. C. The late positive potential as a reliable neural marker of cognitive reappraisal in children and youth: A brief review of the research literature. Frontiers in Psychology. 11, 608522 (2020).
  2. Yu, Q., Kitayama, S. Does facial action modulate neural responses of emotion? An examination with the late positive potential (LPP). Emotion. 21 (2), 442-446 (2021).
  3. Gao, J. L., et al. Repetitive religious chanting modulates the late-stage brain response to fear and stress-provoking pictures. Frontiers in Psychology. 7, 2055 (2017).
  4. Barkus, E. Effects of working memory training on emotion regulation: Transdiagnostic review. PsyCh Journal. 9 (2), 258-279 (2020).
  5. Denny, B. T. Getting better over time: A framework for examining the impact of emotion regulation training. Emotion. 20 (1), 110-114 (2020).
  6. Champe, J., Okech, J. E. A., Rubel, D. J. Emotion regulation: Processes, strategies, and applications to group work training and supervision. Journal for Specialists in Group Work. 38 (4), 349-368 (2013).
  7. Sobolewski, A., Holt, E., Kublik, E., Wrobel, A. Impact of meditation on emotional processing-A visual ERP study. Neuroscience Research. 71 (1), 44-48 (2011).
  8. Katyal, S., Hajcak, G., Flora, T., Bartlett, A., Goldin, P. Event-related potential and behavioural differences in affective self-referential processing in long-term meditators versus controls. Cognitive Affective & Behavioral Neuroscience. 20 (2), 326-339 (2020).
  9. Uusberg, H., Uusberg, A., Talpsep, T., Paaver, M. Mechanisms of mindfulness: The dynamics of affective adaptation during open monitoring. Biological Psychology. 118, 94-106 (2016).
  10. Bradley, M. M., Lang, P. J. Handbook of emotion elicitation and assessment. Series in affective science. Coan, J. A., Allen, J. B. 483, Oxford University Press. 483-488 (2007).
  11. Gao, J. L., et al. Repetitive religious chanting invokes positive emotional schema to counterbalance fear: A multi-modal functional and structural MRI study. Frontiers in Behavioral Neuroscience. 14, 548856 (2020).
  12. Somaratne, G. A. The Jhana-cittas: The methods of swapping existential planes via samatha. Journal Of The Postgraduate Institute Of Pali And Buddhist Studies. 2, 1-21 (2017).
  13. Bhikkhu, T. Sallatha Sutta: The arrow (SN 36.6), Translated from the pali. Access to Insight Legacy Edition. , (2013).
  14. Halkias, G. Luminous bliss : a religious history of Pure Land literature in Tibet : with an annotated English translation and critical analysis of the Orgyan-gling gold manuscript of the short Sukhāvatīvȳuha-sūtra. , University of Hawaiʻi Press. (2013).
  15. Stewart, J. L., et al. Attentional bias to negative emotion as a function of approach and withdrawal anger styles: An ERP investigation. International Journal of Psychophysiology. 76 (1), 9-18 (2010).
  16. Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. Journal of Neuroscience Methods. 134 (1), 9-21 (2004).
  17. Ito, T. A., Larsen, J. T., Smith, N. K., Cacioppo, J. T. Negative information weighs more heavily on the brain: The negativity bias in evaluative categorizations. Journal of Personality and Social Psychology. 75 (4), 887-900 (1998).
  18. Grech, R., et al. Review on solving the inverse problem in EEG source analysis. Journal of NeuroEngineering and Rehabilitation. 5, 25 (2008).
  19. Penny, W. D., Friston, K. J., Ashburner, J. T., Kiebel, S. J., Nichols, T. E. Statistical Parametric Mapping: The Analysis of Functional BrainIimages: The Analysis of Functional Brain Images. , Academic Press. (2011).
  20. Friston, K., et al. Multiple sparse priors for the M/EEG inverse problem. NeuroImage. 39 (3), 1104-1120 (2008).
  21. Niazy, R. K., Beckmann, C. F., Iannetti, G. D., Brady, J. M., Smith, S. M. Removal of FMRI environment artifacts from EEG data using optimal basis sets. Neuroimage. 28 (3), 720-737 (2005).
  22. Nakamura, H., Tawatsuji, Y., Fang, S. Y., Matsui, T. Explanation of emotion regulation mechanism of mindfulness using a brain function model. Neural Networks. 138, 198-214 (2021).
  23. Schjoedt, U., Stdkilde-Jorgensen, H., Geertz, A. W., Roepstorff, A. Highly religious participants recruit areas of social cognition in personal prayer. Social Cognitive and Affective Neuroscience. 4 (2), 199-207 (2009).
  24. Rao, N. P., et al. Directional brain networks underlying OM chanting. Asian Journal of Psychiatry. 37, 20-25 (2018).
  25. Harne, B. P., Bobade, Y., Dhekekar, R. S., Hiwale, A. SVM classification of EEG signal to analyze the effect of OM Mantra meditation on the brain. 2019 Ieee 16th India Council International Conference (Ieee Indicon 2019). , (2019).
  26. Coan, J. A., Allen, J. J. B. Handbook of Emotion Elicitation and Assessment. , Oxford University Press. (2007).
  27. Meseguer, V., et al. Mapping the apetitive and aversive systems with emotional pictures using a Block-design fMRI procedure. Psicothema. 19 (3), 483-488 (2007).
  28. Luck, S. J., Gaspelin, N. How to get statistically significant effects in any ERP experiment (and why you shouldn't). Psychophysiology. 54 (1), 146-157 (2017).
  29. Meteyard, L., Davies, R. A. I. Best practice guidance for linear mixed-effects models in psychological science. Journal of Memory and Language. 112, 104092 (2020).
  30. Tremblay, A., Newman, A. J. Modeling nonlinear relationships in ERP data using mixed-effects regression with R examples. Psychophysiology. 52 (1), 124-139 (2015).
  31. Wu, B. W. Y., Gao, J. L., Leung, H. K., Sik, H. H. A randomized controlled trial of Awareness Training Program (ATP), a group-based mahayana buddhist intervention. Mindfulness. 10 (7), 1280-1293 (2019).
  32. Brown, D. R., Cavanagh, J. F. The sound and the fury: Late positive potential is sensitive to sound affect. Psychophysiology. 54 (12), 1812-1825 (2017).
  33. Hill, L. D., Starratt, V. G., Fernandez, M., Tartar, J. L. Positive affective priming decreases the middle late positive potential response to negative images. Brain and Behavior. 9 (1), 01198 (2019).
  34. Belzung, C., Wigmore, P. Current Topics in Behavioral Neurosciences,1 online resource. , Springer Berlin Heidelberg. Berlin Heidelberg. (2013).
  35. Denes, G. Neural Plasticity Across The Lifespan: How The Brain Can Change. , CRC Press, an imprint of the Taylor & Francis Group. (2016).

Tags

तंत्रिका विज्ञान अंक 177

Erratum

Formal Correction: Erratum: Modulation of the Neurophysiological Response to Fearful and Stressful Stimuli Through Repetitive Religious Chanting
Posted by JoVE Editors on 03/25/2022. Citeable Link.

An erratum was issued for: Modulation of the Neurophysiological Response to Fearful and Stressful Stimuli Through Repetitive Religious Chanting. The Authors section was updated.

The authors section was updated from:

Hin Hung Sik1, Georgios T. Halkias1, Chunqi Chang2, Junling Gao1, Hang Kin Leung1, Bonnie W. Y. Wu1
1Centre of Buddhist Studies, The University of Hong Kong,
2School of Biomedical Engineering, Shenzhen University

To:

Hin Hung Sik1, Georgios T. Halkias1, Chunqi Chang2, Junling Gao1, Hang Kin Leung1, Bonnie Wai Yan Wu1
1Buddhism and Science Research Lab, Centre of Buddhist Studies, The University of Hong Kong,
2School of Biomedical Engineering, Shenzhen University

दोहरावदार धार्मिक जप के माध्यम से भयभीत और तनावपूर्ण उत्तेजनाओं के लिए न्यूरोफिज़ियोलॉजिकल प्रतिक्रिया का मॉडुलन
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Sik, H. H., Halkias, G. T., Chang,… More

Sik, H. H., Halkias, G. T., Chang, C., Gao, J., Leung, H. K., Wu, B. W. Y. Modulation of the Neurophysiological Response to Fearful and Stressful Stimuli Through Repetitive Religious Chanting. J. Vis. Exp. (177), e62960, doi:10.3791/62960 (2021).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter