Article de méthode

Étude d’hyperbalayage par spectroscopie proche infrarouge fonctionnelle en conseil psychologique

DOI :

10.3791/67183

⸱

17 janvier 2025

 ,  ,  , 
1Shanghai Key Laboratory of Mental Health and Psychological Crisis Intervention, School of Psychology and Cognitive Science, East China Normal University, 2School of Psychology and Cognitive Science, East China Normal University, 3School of Health and Clinical Psychology, East China Normal University, 4School of Psychology, Shanghai Normal University

* These authors contributed equally

Dans cet article

Avis d’erratum

Important: There has been an erratum issued for this article. View Erratum Notice

Résumé

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Le protocole vise à fournir une description détaillée de la méthodologie de réalisation d’une étude d’hyperbalayage fNIRS en conseil psychologique. Cela comprend les préparatifs de l’expérience, la procédure de collecte des données et le processus d’analyse des données qui s’ensuit.

Résumé

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

L’hyperbalayage par spectroscopie fonctionnelle dans le proche infrarouge (fNIRS) est une technique innovante qui permet de surveiller en temps réel l’activité cérébrale de plusieurs individus engagés dans des interactions sociales. Les chercheurs dans ce domaine quantifient les activités cérébrales simultanées grâce à l’indice de synchronie intercérébrale (IBS). Dans la recherche en conseil psychologique, l’utilisation de la fNIRS pour mesurer le SCI a attiré l’attention pour son potentiel à éclairer la dynamique des interactions conseiller-client. Néanmoins, le domaine ne dispose actuellement pas d’un protocole standardisé pour mesurer précisément le SCI entre les conseillers et les clients, ce qui faciliterait la révélation des modèles d’interaction en temps réel pendant les séances de conseil. Pour répondre à ce besoin, cet article propose un protocole standardisé détaillé, décrivant les étapes procédurales de la réalisation d’un hyperbalayage fNIRS dans des contextes de conseil psychologique, en se concentrant sur l’acquisition de signaux cérébraux, le calcul du SCI entre les conseillers et les clients, et l’analyse des modèles de décalage du SCI tout au long des séances de conseil. La mise en œuvre de ce pipeline d’hyperbalayage fNIRS standardisé améliore non seulement la reproductibilité et la fiabilité des mesures du SCI dans la recherche en conseil psychologique, mais facilite également une compréhension plus approfondie des mécanismes neuronaux sous-jacents à l’alliance de travail. En intégrant l’hyperbalayage fNIRS dans des environnements de conseil naturalistes, les chercheurs peuvent faire progresser la compréhension de la corrélation entre le SCI et les résultats du conseil, ce qui pourrait éclairer les approches personnalisées du traitement de la santé mentale.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ces dernières années, l’utilisation de techniques d’hyperbalayage pour explorer les activités cérébrales partagées lors d’interactions dyadiques ou de groupe est devenue une direction de recherche populaire. Les chercheurs utilisent souvent l’électroencéphalogramme (EEG)1, l’imagerie par résonance magnétique fonctionnelle (IRMf)2 ou la spectroscopie fonctionnelle dans le proche infrarouge (fNIRS)3 pour surveiller simultanément les activités neuronales et cérébrales de plusieurs sujets. La métrique neurologique de la synchronie intercérébrale (IBS)4 est ainsi introduite pour quantifier le degré de couplage de l’activité cérébrale entre les personnes avec une analyse méticuleuse de l’alignement de phase et d’amplitude des signaux neuronaux ou hémodynamiques dans le temps5. Le SCI fait référence au phénomène où les activités cérébrales de deux individus ou plus s’alignent ou se synchronisent lors d’interactions sociales. Cette synchronisation peut se produire sous diverses formes, telles que la phase, la fréquence ou l’amplitude des oscillations cérébrales 6,7,8.

Dans le domaine des interactions sociales naturalistes impliquant plusieurs participants, un vaste éventail de recherches a mis en lumière le phénomène du SCI, en particulier dans des contextes aussi divers que la dynamique parent-enfant9, les échanges éducateur-élève10, les partenariats romantiques11 et les engagements public-artiste12. Notamment, le SCI présente des niveaux plus élevés dans les relations intimes telles que les partenariats parent-enfant et romantiques, par rapport aux interactions avec des étrangers13,14, soulignant sa sensibilité à la profondeur du lien émotionnel. Parallèlement, cette augmentation du SCI coïncide souvent avec une efficacité accrue de la collaboration et des améliorations comportementales, ce qui suggère un rôle fonctionnel dans la facilitation de résultats sociaux positifs15.

Dans le contexte du counseling, l’alliance de travail – un concept pivot étroitement lié à l’efficacité du counseling16 – incarne une dynamique interpersonnelle distincte qui évolue progressivement entre le conseiller et le client au cours du processus thérapeutique. Essentiellement, cette alliance repose sur la promotion de liens émotionnels profonds et l’établissement de cadres de collaboration efficaces17. Par conséquent, l’exploration du SCI dans les interactions de conseil offre une nouvelle perspective qui améliore la compréhension des complexités et de la qualité de ces relations thérapeutiques.

L’empathie du conseiller, telle qu’elle est perçue par le client, contribue au développement d’une alliance de travail18. Cela indique que l’établissement de l’alliance de travail peut découler de la compréhension mutuelle et des activités neuronales correspondantes entre le conseiller et le client. L’empathie peut être dissociée en deux composantes : l’empathie affective et l’empathie cognitive. Le gyrus frontal inférieur (GIF) est impliqué dans l’empathie affective et est également associé aux processus neuronaux sous-jacents à la communication en face à face19. La jonction temporale-pariétale droite (rTPJ), une partie importante du réseau de la théorie de l’esprit, est étroitement liée à l’empathie cognitive, en particulier dans la compréhension des états mentaux des autres20. Par conséquent, les premières études de synchronisation cérébrale en counseling ont donné la priorité à ces deux régions en tant que régions d’intérêt (ROI) et ont identifié le SCI principalement dans le rTPJ21. Les recherches ultérieures se sont donc concentrées principalement sur le rTPJ22. Des études ont montré que la synchronisation neuronale dans la rTPJ entre les clients et les thérapeutes pendant le conseil est significativement plus élevée que dans des contextes conversationnels. Il existe une corrélation positive entre l’augmentation de l’activité neuronale synchrone dans la rTPJ et la force de l’alliance thérapeutique21. Les modèles d’activité uniques dans le conseil peuvent résulter de l’exploration approfondie des expressions émotionnelles et des expériences personnelles. Cela suggère que le SCI justifie une enquête plus approfondie dans le cadre du conseil. De plus, la corrélation entre l’activité accrue de la rTPJ et la force de l’alliance de travail indique que le SCI pourrait servir de base neurobiologique pour évaluer les relations de conseil, offrant ainsi une nouvelle mesure d’évaluation.

Bien que ces résultats soulignent le rôle prometteur du SCI dans la dynamique conseiller-client, ils soulignent également la nécessité de clarifier davantage le lien de causalité direct entre la synchronisation cérébrale, l’efficacité du conseil et l’alliance de travail. Pour faire progresser ce domaine en plein essor, il est primordial de développer des protocoles d’hyperbalayage standardisés et des méthodologies d’analyse de données rigoureuses. En affinant la boîte à outils méthodologique, il est possible de cartographier plus précisément les fondements neuronaux d’un conseil efficace, améliorant ainsi la qualité des interventions thérapeutiques et leurs résultats.

Cet article fournit un protocole sur la façon de mener une étude d’hyperbalayage basée sur la fNIRS et sur la façon d’observer et d’analyser le SCI entre les dyades conseiller-client. La fNIRS est une technique d’imagerie non invasive utilisée pour mesurer l’activité cérébrale. Il fonctionne en détectant les changements dans l’oxygénation du sang et le volume sanguin dans le cerveau, qui sont des marqueurs indirects de l’activité neuronale. Ceci est réalisé en émettant de la lumière proche infrarouge dans le cerveau et en mesurant la quantité de lumière absorbée ou diffusée par les cellules sanguines23. Ainsi, l’activité hémodynamique/oxygénation est mesurée. En comparaison, la fNIRS offre une résolution temporelle plus élevée que l’IRMf et est moins vulnérable aux artefacts de mouvement que l’EEG, ce qui la rend bien adaptée à l’étude des interactions sociales dans des contextes naturels tels que le conseil psychologique8.

Cet article présente également les étapes spécifiques du calcul de l’IBS via la méthode de cohérence par transformée en ondelettes (WTC)24. Le WTC est une technique analytique qui mesure la relation entre deux signaux à différentes fréquences au fil du temps. Il est bénéfique pour identifier les zones de synchronie entre les régions du cerveau ou entre les participants à une étude. Il calcule la cohérence entre deux séries temporelles en analysant leur spectre transversal à l’aide de transformées en ondelettes. Pour contextualiser l’importance du WTC, il est essentiel de comprendre d’abord les concepts fondamentaux de la transformée en ondelettes (WT) 25, de la cohérence26 et de la manière dont ils convergent dans le cadre du WTC27.

La transformée en ondelettes, un outil mathématique, excelle dans la décomposition de signaux complexes en leurs composantes temps-fréquence constitutives, permettant l’analyse à la fois des changements localisés de fréquence au fil du temps et du contenu fréquentiel global d’un signal27. Cette caractéristique est particulièrement avantageuse lors de l’étude de l’activité neuronale, qui est intrinsèquement non stationnaire et présente des changements dynamiques à travers différentes fréquences. La cohérence, quant à elle, quantifie le degré auquel deux signaux partagent des composantes de fréquence et des relations de phase similaires, servant de mesure de synchronisation entre eux26. En combinant ces deux concepts, le WTC fournit un moyen puissant d’évaluer le SCI, en capturant à la fois l’évolution temporelle et la spécificité fréquentielle du couplage neuronal entre les individus et en fournissant des informations sur la façon dont les différentes parties du cerveau interagissent de manière dynamique tout au long d’une tâche ou d’un stimulus24.

Alors que le cadre traditionnel du WTC teste simplement la corrélation entre les signaux cérébraux de différents individus, une méthode tenant compte de la directionnalité de l’interaction entre le conseiller et le client est présentée ici. Il existe différents modèles de décalage, où un signal précède systématiquement les variations de l’autre d’un intervalle de temps spécifique, indiquant une relation temporelle dans IBS selon des études antérieures28,29. Le SCI peut ne pas se produire simultanément entre le conseiller et le client pendant le conseil. Ainsi, une méthode complète est nécessaire pour explorer la directionnalité du SCI. La méthode clarifie le rôle que jouent les conseillers tout au long des différentes phases du conseil (direction de l’IBS, IBS en phase avec le client ou dirigé par le client).

Cette étude propose un protocole détaillé et réalisable basé sur la question de recherche de savoir si les scores IBS entre les conseillers et les clients peuvent servir de biomarqueurs potentiels pour évaluer la qualité de l’alliance ou les résultats entre les clients ayant différents styles d’attachement adulte. Le protocole décrit l’utilisation de la technologie d’hyperbalayage fNIRS pour étudier le SCI entre les conseillers psychologiques et les clients dans un contexte de conseil. Il fournit des descriptions complètes des procédures expérimentales, des précautions à prendre pour chaque étape et des méthodes de traitement des données ultérieures. On s’attend à ce que ce protocole offre des informations et des conseils précieux aux futurs chercheurs intéressés à explorer le SCI dans le domaine du conseil psychologique. Le protocole spécifique de collecte et de traitement des données est présenté ci-dessous.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Tous les participants ont signé un formulaire écrit de consentement éclairé avant de participer et ont été rémunérés avec environ 60 yuans (monnaie chinoise) après l’expérience. La procédure d’étude décrite ci-dessus a été approuvée par le Comité universitaire sur la protection de la recherche humaine de l’Université normale de Chine orientale (HR 425-2020).

1. Préparation de l’expérience

  1. Mesures incluses dans l’étude
    1. Style d’attachement adulte
      1. Préparez la version chinoise révisée des Expériences en matière de relations étroites révisées (ECR-R30,31) sur une plateforme de sondage en ligne chinoise appelée Wenjuanxing (similaire à SurveyMonkey ou Qualtrics dans d’autres parties du monde ; voir la table des matières) afin de présélectionner les participants.
        REMARQUE : La version chinoise de l’ECR-R se compose de 18 items mesurant deux dimensions du style d’attachement (évitement de l’attachement et anxiété d’attachement). Utilisez une échelle de Likert d’auto-évaluation en 7 points allant de 1 (pas du tout d’accord) à 7 (tout à fait d’accord). Cette échelle s’adresse aux participants sinophones. Les chercheurs peuvent choisir l’ECR32 ou une version révisée appropriée en fonction de la langue et de l’origine culturelle des participants.
      2. Préparez une version révisée en chinois du questionnaire sur les relations (QR)30 pour vous assurer que les participants correspondent à un style d’attachement typique.
        REMARQUE : Le QR comprend quatre courts paragraphes décrivant quatre styles de fixation différents. Demandez aux participants de choisir le paragraphe qui leur convient le mieux à l’aide d’une échelle de Likert d’auto-évaluation en 7 points allant de 1 (pas du tout d’accord) à 7 (tout à fait d’accord). Il est nécessaire de trouver une deuxième échelle mesurant les mêmes dimensions pour clarifier le style d’attachement des participants, car des participants typiques sont nécessaires. Ce questionnaire s’adresse aux participants sinophones. Les chercheurs peuvent choisir le QR33 ou une version révisée appropriée en fonction de la langue et du milieu culturel des participants.
    2. Alliance de travail
      1. Préparer la version chinoise de l’Inventaire de l’Alliance de travail - Formulaire abrégé révisé (version client)34,35 (WAI-SR) pour mesurer les alliances de travail déclarées par les clients après l’expérience.
        REMARQUE : La version chinoise de WAI-SR se compose d’un total de 12 items mesurant trois aspects des alliances thérapeutiques de travail, y compris (a) l’accord sur les tâches de la thérapie, (b) l’accord sur les objectifs de la thérapie, et (c) le développement d’un lien affectif. L’échelle était basée sur une échelle de Likert à 5 points allant de 1 = « jamais » à 5 = « toujours », les scores les plus élevés représentant une alliance qui fonctionne mieux. Ce questionnaire s’adresse aux participants sinophones. Les chercheurs peuvent choisir le WAI-SR36 ou une version révisée appropriée en fonction de la langue et de l’origine culturelle des participants.
    3. Résultat clinique
      1. Préparer la version révisée chinoise des résultats cliniques dans l’évaluation de routine - Mesure des résultats (CORE-OM)37,38 pour le recrutement des participants.
        REMARQUE : La version révisée chinoise de CORE-OM comprend quatre dimensions : le bien-être subjectif, les problèmes/symptômes, la vie/le fonctionnement social et le risque pour soi-même et pour les autres, soit un total de 34 éléments. Assurez-vous que ces domaines reflètent différents domaines de détresse et de dysfonctionnement, avec des « groupes d’éléments » abordant des domaines de symptômes tels que l’anxiété, la dépression, les problèmes physiques et les traumatismes. Ce questionnaire s’adresse aux participants sinophones. Les chercheurs peuvent choisir le CORE-OM37 ou une version révisée en fonction de la langue et de l’origine culturelle des participants.
      2. Utilisez la version chinoise révisée du Clinical Outcomes in Routine Evaluation-10 (CORE-10)38 pour évaluer la gravité des symptômes avant et après l’expérience afin d’alléger la charge cognitive des participants.
        REMARQUE : Le CORE-10 est une version abrégée du CORE-MO, qui se compose de 10 éléments sur une échelle de 5 points allant de 0 à 4, les scores les plus élevés indiquant un niveau plus élevé de détresse psychologique. Évaluez les clients à l’aide d’un pré et d’un post-test avant et après le processus de conseil, et notez que la différence entre les scores avant et après le test indique l’efficacité clinique de la première séance de conseil. Calculez l’ampleur de la variation du CORE-10 (score avant le test moins score après le test) pour démontrer une amélioration des symptômes du client. Ce questionnaire s’adresse aux participants sinophones. Les chercheurs peuvent choisir le CORE-1038 ou une version révisée appropriée en fonction de la langue et de l’origine culturelle des participants.
  2. Participants
    1. Clientèle
      1. Selon les résultats précédents, recrutez des clients et des conseillers du même sexe (féminin) pour éviter l’effet de genre39,40 dans l’activité cérébrale synchrone.
      2. Recrutez des étudiantes en détresse psychologique sur le campus par le biais de la plateforme Wenjuanxing (voir le tableau des matériaux) et demandez aux participantes de signaler leur plainte principale pour obtenir des conseils. Assurez-vous qu’ils ont le désir de demander de l’aide par eux-mêmes.
      3. Assurez-vous que les clients étudiants sont droitiers et ont une vision et une ouïe normales ou corrigées à la normale. Assurez-vous que les clients étudiants n’ont pas de diagnostic psychiatrique ou physique connu, antérieur ou actuel. Assurez-vous qu’ils n’ont pas d’autres conseils psychologiques en cours.
      4. Utilisez le score seuil établi pour vous assurer que le score CORE-OM pour les échantillons féminins reste inférieur à 1,17, confirmant qu’elles n’ont pas satisfait aux critères de diagnostic clinique de détresse psychologique au cours de la dernière semaine et maintenant le contrôle sur les niveaux de santé mentale des clientes. Classez les clients en catégories de pièces jointes sécurisées ou de rejet en fonction de leur auto-évaluation de la version chinoise du QR.
      5. Selon les scores de l’ECR-R, sélectionnez les 27 % les plus performants de tous les participants ayant des niveaux élevés d’évitement dans la catégorie de l’attachement de rejet pour former le groupe de rejet ; Sélectionnez les 27 % de tous les participants ayant un faible niveau d’anxiété dans la catégorie Attachement sécurisé pour participer au groupe sécurisé.
      6. Après avoir réussi à recruter les participants, vérifiez auprès des conseillers si les séances se concentrent sur les problèmes signalés par les participants et évaluez la gravité des problèmes signalés.
        REMARQUE : Le processus de présélection a impliqué 252 clients étudiants, ce qui a finalement abouti à la sélection de 37 participants confrontés à un stress scolaire modéré, à des problèmes d’adaptation scolaire ou à des difficultés relationnelles pour l’expérience formelle. L’âge moyen des participants clients était de 20,46 ans (ET = 2,17), et tous les participants étaient des étudiantes de niveau collégial. Aucune différence significative n’a été observée entre les clients congédiés (n = 16) et les clients en sécurité (n = 21) en ce qui concerne l’âge (t(35) = 0,51, p = 0,62) ou dans le domaine des problèmes et symptômes de l’OCRE-OM (t(35) = −1,76, p = 0,09).
    2. Conseillers
      1. Recrutez plusieurs conseillers du centre de santé mentale du collège.
      2. Assurez-vous que les conseillers sont droitiers avec une vision et une audition normales ou corrigées, enregistrés auprès de l’Association chinoise de psychologie et possèdent de 2 à 10 ans d’expérience en conseil.
      3. Assurez-vous que les conseillers ont reçu des programmes de formation en counseling universitaire et utilisez la même méthode de thérapie d’orientationd’intégration de conseil 41 pour un conseil semi-structuré, en se concentrant sur l’état émotionnel du visiteur, sa détresse actuelle et ses objectifs de conseil.
        REMARQUE : Au total, 7 conseillères de l’Association de psychologie chinoise (CPS) ont participé à cette étude, avec un âge moyen de 34,42 ans (SD = 5,09). Parmi les conseillers, 6 se sont identifiés comme solidement attachés, et 1 s’est identifié comme étant solidement attaché. Cependant, les notes du conseiller congédiant sur l’alliance, le BS et l’IBS ne différaient pas significativement de celles des 6 autres conseillers ( tous p > 0,05).
    3. Appariement aléatoire des conseillers et des clients
      1. Associez au hasard les conseillers et les clients étudiants dans les dyades. En raison du petit nombre de conseillers, chaque conseiller est jumelé à plusieurs clients à différents moments. Assurez-vous qu’un conseiller ne voit qu’un seul visiteur à la fois.
  3. Bouchons fNIRS faits maison
    REMARQUE : Les bouchons fNIRS faits maison sont inutiles s’il existe des bouchons standard appropriés avec le système fNIRS.
    1. Préparez deux bonnets de bain de taille moyenne en tissu de nylon pour placer la grille du support d’optode et couvrir la région cérébrale d’intérêt (voir le tableau des matériaux). Raccommodez les bonnets de bain en suivant les étapes suivantes pour répondre aux besoins de l’expérience.
      REMARQUE : Étant donné les différentes tailles de tête des participants, des pinces à reliure de différentes tailles doivent être préparées pour maintenir les optodes près de la tête du participant pendant le processus expérimental.
    2. Pour ancrer les optodes de référence sur le bonnet de bain selon le système international standard 10-2042, utilisez un casque EEG standard 10-20 (voir tableau des matériaux ). Placez le bonnet EEG sur un moule de tête, puis l’un des bonnets de bain sur le bonnet EEG.
      REMARQUE : Étant donné que le bonnet de bain et le bonnet EEG peuvent ne pas être exactement de la même taille, assurez-vous qu’aucun des bonnets n’est mis de travers.
    3. Marquez les optodes de référence (Cz, T3, T4) avec un marqueur rouge sur le bonnet de bain à travers les électrodes du bonnet EEG. Ensuite, marquez les optodes de référence des régions d’intérêt (ROI).
      REMARQUE : Dans l’étude, la jonction temporale-pariétale droite (rTPJ) est sélectionnée comme ROI, avec un patch de sonde optode 4 x 4 placé sur la région temporopariétale droite. L’optode de référence du ROI est placée à P6.
    4. Référez-vous à l’écusson en P6 sur le bonnet de bain. Placez P6 à la deuxième optode à partir de l’arrière de la colonne près de T4 sur le patch. Marquez les positions des autres optodes, puis découpez de petits trous d’un diamètre d’environ 15 mm aux positions marquées pour vous assurer que le support de grille s’adapte.
      REMARQUE : Le patch 4 x 4 comprend huit émetteurs et huit détecteurs, comprenant 24 canaux de mesure (CH1-CH24). Le système fNIRS est un système de topographie optique conçu pour collecter des données fNIRS en mesurant simultanément les variations des concentrations d’hémoglobine oxygénée (oxy-Hb) et d’hémoglobine désoxygénée (déoxy-Hb) (voir tableau des matériaux), fournit une séparation standard de 30 mm. De plus, la structure anatomique correspondante de chaque canal (voir Figure 1) serait déterminée dans un espace de coordonnées standard de l’Institut neurologique de Montréal à l’aide de la boîte à outils MATLAB (voir Table des matériaux) de SPM8 plus tard.
    5. Enfoncez les sondes dans les trous pour monter correctement les patchs sur les bonnets de bain modifiés. Raccommodez l’autre bonnet de bain selon les étapes ci-dessus. Enfin, définissez la disposition d’un ensemble de sondes 4 x 4 pour chaque participant via le système de mesure fNIRS, correspondant à la disposition des sondes des deux capuchons.

2. Avant l’arrivée des participants

  1. Démarrez le système fNIRS au moins 30 minutes à l’avance pour assurer une plage de température normale stable de 5 °C à 35 °C pendant l’expérience.
    REMARQUE : Il n’est pas nécessaire d’allumer le laser.
  2. Dans le système fNIRS, activez le mode de mesure lié à l’événement et assurez-vous que l’enregistrement de différents états peut être déclenché en appuyant sur des touches spécifiques. Vérifiez d’autres paramètres, tels que l’ID du sujet, pour vous assurer que la mesure fNIRS est correcte. Connectez les capuchons fNIRS au système fNIRS en insérant les sondes d’optode correspondantes dans les patchs de sonde d’orthode sur les capuchons.
    1. Plus précisément, définissez la procédure d’expérience ici comme une conception liée à un événement qui comprend deux parties : la séance d’état de repos et la séance de conseil. Dans le système NIRSPort (NIRx), définissez la touche F1 comme marqueur pour la séance d’état de repos et la touche F2 comme marqueur pour la séance de conseil.
      REMARQUE : Pour les utilisateurs d’autres systèmes fNIRS, la procédure de marquage des sessions peut différer, et il est important de consulter le manuel ou les paramètres du système spécifique pour garantir un marquage de session correct.
  3. Préparez les formulaires de consentement éclairé et les questionnaires mentionnés à l’étape 1.1 pour les participants. Préparez un chronomètre pour rappeler aux participants que l’état de repos est terminé. Préparez une horloge pour rappeler au conseiller la limite de temps de conseil. Préparez des sondes lumineuses pour écarter les cheveux des participants au cas où les cheveux bloqueraient le signal.
  4. Définissez le laboratoire comme une salle de conseil standard dans un scénario réel, avec le conseiller et le client assis à 90° l’un de l’autre dans les deux groupes, avec une distance de 40 cm entre les deux chaises. Le conseiller serait assis à droite et le client à gauche.

3. Processus de collecte des données

  1. Fournir des instructions aux participants
    1. Lorsque les deux participants arrivent, assurez-vous qu’ils ne se connaissent plus. Rappelez aux participants de garder leur téléphone portable en mode silencieux.
    2. Demandez aux participants clients de lire et de signer les formulaires de consentement éclairé, de fournir des renseignements démographiques et de remplir le CORE-10 pour évaluer leur bien-être psychologique à leur arrivée au laboratoire. Ce processus prend généralement environ 5 min.
    3. Asseyez les participants. Allumez le laser. Ensuite, mettez les bouchons fNIRS sur les participants.
      REMARQUE : Localisez le centre du capuchon à CZ sur la tête du participant, avec le patch 4 x 4 recouvrant le rTPJ.
    4. Rappelez aux participants qu’ils peuvent ajuster leurs postures s’ils se sentent mal à l’aise lors de l’ajustement des optodes. Organisez les faisceaux de fibres optiques et placez-les sur le bras de la chaise sans toucher les participants au cas où ils se sentiraient lourds ou fatigués.
      1. Rappelez aux participants de ne pas ajuster la position du capuchon ou de faire des mouvements de tête intenses pendant l’expérience pour éviter d’endommager les fibres optiques ou de changer la position des optodes.
    5. Calibrez les signaux. Cliquez sur AUTO GAIN dans le système fNIRS pour vérifier la qualité des signaux. Pour les signaux médiocres, assurez-vous d’abord que les pointes des sondes sont bien en place. Ensuite, utilisez des pinces à reliure pour fermer les espaces entre les chapeaux et une sonde éclairée pour dégager les obstructions des cheveux au cas où les cheveux bloqueraient les signaux. Répétez l’opération jusqu’à ce que tous les canaux s’affichent en vert, indiquant une qualité de signal acceptable.
      REMARQUE : Dans le système NIRSPort (NIRx), un signal faible sur un canal est indiqué en jaune, tandis qu’un signal suffisant est indiqué en vert. Les utilisateurs d’autres systèmes fNIRS doivent se référer aux instructions spécifiques de leur système pour les ajustements appropriés.
  2. Exécuter l’expérience
    1. Obtenez le consentement du participant, puis allumez la caméra pour enregistrer le processus de conseil.
    2. Vérifiez la qualité du signal et lancez l’enregistrement fNIRS. Demandez aux participants de se reposer les yeux fermés pendant 5 minutes, en marquant le départ avec une touche prédéfinie (par exemple, F1) et en utilisant un chronomètre pour chronométrer la période de repos.
    3. Rappelez aux participants d’arrêter de se reposer 5 minutes plus tard. Appuyez à nouveau sur F1 pour marquer que l’état de repos est terminé. Vérifiez à nouveau la qualité des signaux.
    4. Rappelez aux participants qu’il s’agit d’un conseil de 40 minutes et où se trouve l’horloge. Dites aux participants qu’ils peuvent commencer à suivre des conseils. Appuyez sur F2 comme configuré précédemment pour marquer le début de la consultation.
    5. Laissez les participants dans le laboratoire jusqu’à 40 min plus tard.
  3. Après l’expérience
    1. Frappez à la porte du laboratoire pour vous assurer que les participants ont terminé leur conversation. Appuyez sur F2 pour marquer la fin de l’expérience. Terminez l’enregistrement de la caméra. Aidez les participants à enlever les bouchons.
      REMARQUE : Visionnez la vidéo par la suite pour confirmer que le conseil s’est déroulé comme prévu.
    2. Invitez le client à remplir le WAI-SR et le CORE-10. Ce processus prend généralement environ 5 min. Remerciez les participants et offrez-leur une compensation monétaire.
    3. Enregistrez les données. Utilisez un disque et cliquez sur Sortie de fichier texte pour exporter les données fNIRS brutes. Éteignez le système fNIRS. Débranchez les sondes optode.
      REMARQUE : Cette étape est spécifique au système NIRSPort (NIRx). Pour les autres systèmes, veuillez effectuer les réglages nécessaires selon les instructions du système.
    4. Essuyez les sondes et les supports de sonde avec de l’éthanol. Lavez régulièrement les capuchons (avec le support de sonde débranché) avec un détergent doux et séchez-les à l’air.

4. Analyse des données

  1. Prétraitement des données
    REMARQUE : Le logiciel MATLAB (voir Table des matériaux ) a été utilisé pour effectuer toutes les analyses de données à l’aide des boîtes à outils suivantes : Homer 243 et Hitachi2nirs44. Homer 2 est utilisé lorsque l’information temporelle est intéressante, c’est-à-dire lorsque l’activation est présente dans les deux conditions, pour comparer la différence entre les fonctions de réponse des deux conditions en termes d’amplitude moyenne et de latence. Hitachi2nirs est un script MATLAB permettant de convertir le fichier de sortie brut .csv Hitachi ETG4000 en un fichier .nirs à utiliser avec Homer244.
    1. Copiez l’ensemble de données à partir du disque et convertissez-en les fichiers .csv bruts. nirs à l’aide de csv2nirs dans Hitachi2nirs. Ensuite, lancez la boîte à outils Homer2 dans MATLAB en tapant Homer2_UI et convertissez les données d’intensité lumineuse en mesures de densité optique (OD) avec la fonction hmrIntensity2OD. Faites la moyenne des points OD de chaque canal pour chaque participant. Rejeter les canaux dans lesquels les signaux OD sont trop forts ou trop faibles (dépassant cinq écarts-types (SD).
    2. Utilisez la fonction hmrMotionArtifact pour détecter les artefacts de mouvement à l’aide d’une transformée en ondelettes avec l’ondelette de Daubechies 5 (db5) et d’un paramètre de réglage de 0,145,46 pour une sensibilité optimale. Après avoir détecté les artefacts, utilisez hmrMotionCorrectSpline pour les corriger via l’interpolation de spline, en lissant le signal et en réduisant le bruit lié au mouvement pour une meilleure qualité des données.
    3. Filtrez le signal OD à l’aide de la fonction hmrBandpassFilt avec une plage de fréquences sélectionnée de 0,01 à 0,1 Hz pour supprimer la dérive des basses fréquences et le bruit des hautes fréquences.
    4. Utilisez la fonction hmrR_OD2conc de Homer2 pour convertir les données OD en valeurs d’hémoglobine oxygénée (Oxy-Hb) et d’hémoglobine désoxygénée ( DeOxy-Hb ) selon la loi de Beer-Lambertmodifiée 47.
      REMARQUE : Les changements de concentration d’Oxy-HB sont axés sur la réalisation de toutes les analyses de données car l’indicateur peut refléter les changements dans le flux sanguin pendant l’activité cérébrale48,49, a un rapport signal/bruit élevé et a été plus largement utilisé dans les études d’interaction sociale basées sur l’hyperbalayage fNIRS50,51.
    5. Utilisez la fonction hmrMotionCorrectGlobal pour éliminer le bruit physiologique global, tel que la pression artérielle, à l’aide d’une méthode basée sur la transformée en ondelettes (basée sur la WT).
      REMARQUE : La méthode basée sur WT est plus sensible à la propriété temporelle des données. Si l’accent est mis sur le modèle d’interaction global entre les participants plutôt que sur les changements détaillés à chaque point temporel, l’analyse en composantes principales (ACP)3 est un meilleur choix. La méthode PCA, proposée par Zhang et al., implique principalement plusieurs étapes, notamment la décomposition du signal, la réalisation d’un lissage spatial et la reconstruction du signal afin d’éliminer les composants globaux non neuronaux. La fonction enPCAFilter peut être utilisée pour supprimer le bruit physiologique global des données fNIRS à l’aide de l’ACP. La méthode basée sur WT proposée par Duan et ses collègues27 est adoptée ici.
      1. Utilisez la cohérence à transformée en ondelettes (WTC)24,52 pour détecter les points temps-fréquence contaminés par le bruit physiologique global. La méthode permet de détecter la cohérence de deux signaux sur des échelles de temps différentes et convient à l’analyse de relations dynamiques complexes dans des données de séries temporelles.
        REMARQUE : Plus précisément, la carte WTC distribuée temps-fréquence (également connue sous le nom de scalogramme53) entre le signal du canal actuel et les signaux non filtrés de tous les autres canaux est d’abord calculée. Ensuite, convertissez ces cartes du WTC en forme binaire en fonction de la signification de la valeur du WTC à chaque pixel temps-fréquence. Par la suite, la moyenne de ces cartes du WTC est calculée, créant ainsi une carte temps-fréquence co-variable à l’échelle mondiale. La valeur à chaque pixel de cette carte composite indique le degré de synchronisation globale du canal actuel avec d’autres canaux à ce point temps-fréquence spécifique. En fin de compte, un masque de débruitage pour le canal actuel est produit en fixant un seuil k sur cette carte temps-fréquence co-variable à l’échelle mondiale.
      2. Utilisez WT pour décomposer le signal du canal de débruitage de courant dans l’espace temps-fréquence.
      3. Appliquez le masque dérivé des coefficients d’ondelettes pour supprimer l’énergie des ondelettes aux points temps-fréquence contaminés par le bruit.
      4. Reconstruisez le signal en utilisant l’inverse WT.
      5. Répétez les étapes ci-dessus par canal pour terminer la suppression globale du bruit physiologique.
  2. Calcul de la synchronisation inter-cérébrale client-conseiller
    1. Pour calculer la corrélation entre les signaux dans le domaine temps-fréquence mesurés dans chaque canal des deux participants, utilisez la fonction de cohérence de la transformée en ondelettes.
    2. Utilisez le réglage par défaut de l’ondelette mère (c’est-à-dire l’ondelette de Morse généralisée avec ses paramètres bêta et gamma), une forme d’onde fondamentale à partir de laquelle une famille d’ondelettes peut être dérivée par dilatation (mise à l’échelle) et translation54. Effectuez des transformations en ondelettes continues pour convertir les données de série chronologique en espace temps-fréquence.
    3. Définissez MonteCarloCount comme représentation du nombre d’ensembles de données de substitution utilisés pour les tests de signification et utilisez Auto AR1 pour calculer les coefficients d’autocorrélation de la série chronologique.
    4. Utilisez la fonction de cohérence en ondelettes pour calculer la corrélation entre deux signaux dans l’espace temps-fréquence. Répétez les étapes jusqu’à ce que les 24 matrices WTC soient générées à partir des 24 canaux d’enregistrement.
    5. Déterminer la fréquence d’intérêt (FOI), qui est sensible au conseil psychologique.
      1. Sélectionnez et calculez la moyenne des valeurs de cohérence pour la gamme de fréquences entre 0,01 Hz et 0,1 Hz (qui correspondent à des périodes de 100 s et 10 s, respectivement) en fonction de la gamme de fréquences utilisée dans une étude précédente d’hyperbalayage fNIRS axée sur des tâches de conseil psychologique55.
        REMARQUE : Une confirmation statistique supplémentaire doit être effectuée plutôt que de simplement confiner la bande de fréquence sélectionnée.
      2. Normalisez les valeurs WTC en effectuant une moyenne temporelle des valeurs WTC aux étapes de repos et de conseil, respectivement, pour chaque combinaison de canaux, ce qui aide à normaliser les données et à les préparer pour la comparaison. Cette standardisation est cruciale pour réduire la variabilité et se concentrer sur les effets spécifiques à la tâche.
      3. Définissez les valeurs WTC de l’étape de repos en tant que WTC de niveau de référence et les valeurs WTC de l’étape de tâche en tant que WTC au niveau de la tâche.
        REMARQUE : Les valeurs WTC de l’étape de repos sont utilisées comme référence pour représenter l’état normal, non lié à la tâche. En revanche, les valeurs WTC au stade de la tâche reflètent l’état pendant le conseil psychologique. Cette différenciation permet d’isoler l’impact spécifique du conseil sur l’activité cérébrale.
      4. Utilisez la fonction mult_comp_perm_t1 de l’œuvre de Groppe. Effectuez des tests t à échantillons appariés pour comparer le WTC au niveau de référence et le WTC au niveau de la tâche à chaque point de fréquence.
        REMARQUE : Cette étape permet de déterminer statistiquement les points de fréquence qui présentent des différences significatives entre l’état de référence et l’état de tâche. La comparaison permet d’identifier les plages de fréquences spécifiques où le conseil a un effet mesurable.
      5. Déterminer les intervalles de fréquence où l’effet de la tâche est significatif (conseil > repos, p < 0,000556).
        REMARQUE : Cette étape consiste à identifier les bacs de fréquence qui montrent des augmentations significatives de la cohérence pendant le conseil par rapport au repos. Le seuil p < 0,0005 est utilisé pour contrôler les comparaisons multiples et assurer la robustesse des résultats.
      6. Déterminez la FOI comme étant les points de fréquence dont la valeur p est inférieure à 0,0005 et leurs points de fréquence les plus proches (p < 0,01).
        REMARQUE : Ce critère garantit que les bandes de fréquences sélectionnées sont non seulement significatives, mais aussi pertinentes pour les effets de conseil observés.
      7. Calculez les valeurs moyennes du WTC dans la FOI spécifiée pour chaque canal sur chaque paire de l’étude.
      8. Effectuez des transformations statistiques Fisher-Z sur les valeurs de synchronie inter-cérébrale obtenues pour chaque période dans les deux groupes de sujets afin d’obtenir une distribution normale des valeurs WTC, qui peut être un indice pour l’analyse du SCI.
  3. Statistiques complémentaires
    1. Déterminez les canaux liés aux tâches.
      1. Obtenez des valeurs WTC liées à la tâche en soustrayant le WTC au niveau de base du WTC au niveau de la tâche.
      2. Effectuez des tests t d’un échantillon pour chaque canal, en utilisant les valeurs moyennes WTC liées à la tâche sur les fréquences d’intérêt spécifiées.
      3. Utilisez la fonction mafdr pour appliquer la méthode de correction du taux de fausses découvertes ( p < 0,05 )57 à plusieurs comparaisons.
      4. Déterminez les canaux liés à la tâche en tant que canaux avec des valeurs p ajustées inférieures à 0,05.
    2. Comparez le SCI entre différentes conditions de tâche. Effectuez un test t à un échantillon entre les valeurs WTC de différents groupes conditionnés (c’est-à-dire les groupes secure et disjack) à chaque canal lié à la tâche.
    3. De plus, identifiez les différences de SCI entre les deux groupes tout au long du processus de conseil psychologique. Divisez le conseil en deux étapes : stade précoce (0 à 15 min) et stade avancé (15 à 35 min).
    4. Effectuez séparément des tests t sur un échantillon sur les valeurs WTC liées à la tâche pour les étapes correspondantes et les incréments de WTC liés à la tâche (calculés comme les valeurs des stades avancés moins les valeurs des stades précoces) dans différentes conditions de tâche.
    5. Vérifiez l’effet de décalage temporel dans IBS. Décalez l’activité cérébrale du conseiller vers l’avant ou vers l’arrière par rapport à celle des clients de 2 à 12 s (pas = 2 s) et recalculez les valeurs WTC liées à la tâche selon les étapes ci-dessus. Vérifiez s’il existe des différences entre le SCI dirigé par un conseiller, le SCI dirigé par le client et le SCI en phase.
    6. Évaluez la relation entre l’IBS et les données comportementales à l’aide de l’analyse de régression multiple.
      REMARQUE : Le code de calcul du WTC est fourni dans le fichier supplémentaire 1.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Les résultats ont montré qu’il y avait un effet marginalement significatif que le groupe sécurisé avait des incréments WTC liés à la tâche plus élevés que le groupe de renvoi (t = 2,50, p ajusté = 0,07) au canal 19 dans le gyrus angulaire (ANG ; voir Figure 2). Les valeurs du WTC au CH19 ont été sélectionnées pour une analyse plus approfondie du SCI. En ce qui concerne l’effet de décalage temporel dans le SCI, un nombre significativement pl...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dans le présent protocole, les étapes spécifiques de la façon de mener une expérience d’hyperbalayage fNIRS dans le cadre naturel du conseil psychologique et de la façon de calculer le SCI entre le conseiller et le client, ainsi que la façon de déterminer les modèles de plomb-retard du SCI à travers le conseil sont décrites. L’opération détaillée peut aider les chercheurs à répéter une expérience d’hyperbalayage fNIRS et à poursuivre les recherches en science ouverte. Certaines questions...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Les auteurs n’ont rien à divulguer.

Remerciements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Cette recherche a été soutenue par la Fondation nationale des sciences naturelles de Chine (31900767), le projet de recherche de la Commission des sciences et de la technologie de Shanghai (20dz2260300) et les Fonds de recherche fondamentale pour les universités centrales.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Plateforme chinoise d’enquêtes en ligneRanster Technology Company, Changsha, ChineLa version gratuite de Wenjuanxing
Capsule EEGCompumedics Neuroscan, Charlotte, USAQuik-Cap 64 canaux
Système fNIRSHitachi Medical Corporation, Tokyo, JaponSystème de topographie optique ETG-7100Le port NIRS émet
  ; la lumière proche infrarouge à deux longueurs d’onde
  ; (760 et 850 nm) à une fréquence d’échantillonnage de 10,1725 Hz. & nbsp ;
MATLAB 2018aThe MathWorks, Inc., Natick, MAMATLAB 2018a
Casquette de bainGroupe Décathlon, Villeneuve-d’Ascq, France1681552Taille moyenne

Références

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Liu, D., et al. Interactive brain activity: review and progress on EEG-based hyperscanning in social interactions. Front Psychol. 9, 1862(2018).
  2. Xie, H., et al. Finding the neural correlates of collaboration using a three-person fMRI hyperscanning paradigm. Proc Natl Acad Sci U S A. 117 (37), 23066-23072 (2020).
  3. Zhang, X., Noah, J. A., Hirsch, J. Separation of the global and local components in functional near-infrared spectroscopy signals using principal component spatial filtering. Neurophotonics. 3 (1), 015004(2016).
  4. Zhao, Q., Zhao, W., Lu, C., Du, H., Chi, P. Interpersonal neural synchronization during social interactions in close relationships: a systematic review and meta-analysis of fNIRS hyperscanning studies. Neurosci Biobehav Rev. 158, 105565(2024).
  5. Zhao, N., Zhu, Y., Hu, Y. Inter-brain synchrony in open-ended collaborative learning: an fNIRS-hyperscanning study. J Vis Exp. (173), e62777(2021).
  6. Kinreich, S., Djalovski, A., Kraus, L., Louzoun, Y., Feldman, R. Brain-to-brain synchrony during naturalistic social interactions. Sci Rep. 7 (1), 17060(2017).
  7. Montague, P. R., et al. Hyperscanning: simultaneous fMRI during linked social interactions. Neuroimage. 16 (4), 1159-1164 (2002).
  8. Nam, C. S., Choo, S., Huang, J., Park, J. Brain-to-brain neural synchrony during social interactions: a systematic review on hyperscanning studies. Appl Sci. 10 (19), 6669(2020).
  9. Liu, S., et al. Parenting links to parent-child interbrain synchrony: a real-time fNIRS hyperscanning study. Cereb Cortex. 34 (2), bhad533(2024).
  10. Zhu, Y., et al. Instructor–learner neural synchronization during elaborated feedback predicts learning transfer. J Educ Psychol. 114 (6), 1427-1441 (2022).
  11. Pan, Y., Cheng, X., Zhang, Z., Li, X., Hu, Y. Cooperation in lovers: an fNIRS-based hyperscanning study. Hum Brain Mapp. 38 (2), 831-841 (2017).
  12. Hou, Y., Song, B., Hu, Y., Pan, Y., Hu, Y. The averaged inter-brain coherence between the audience and a violinist predicts the popularity of violin performance. Neuroimage. 211, 116655(2020).
  13. Reindl, V., et al. Multimodal hyperscanning reveals that synchrony of body and mind are distinct in mother-child dyads. Neuroimage. 251, 118982(2022).
  14. Djalovski, A., Dumas, G., Kinreich, S., Feldman, R. Human attachments shape interbrain synchrony toward efficient performance of social goals. Neuroimage. 226, 117600(2021).
  15. Lu, H., et al. Increased interbrain synchronization and neural efficiency of the frontal cortex to enhance human coordinative behavior: a combined hyper-tES and fNIRS study. Neuroimage. 282, 120385(2023).
  16. Werz, J., Voderholzer, U., Tuschen-Caffier, B. Alliance matters: but how much? A systematic review on therapeutic alliance and outcome in patients with anorexia nervosa and bulimia nervosa. Eat Weight Disord. 27 (4), 1279-1295 (2022).
  17. Sun, Q. W., Jiang, G. R., Feng, Y. Working alliance: concepts, measurement, and empirical research. Chin J Clin Psychol. 03, 383-386 (2009).
  18. Horvath, A. O., Bedi, R. P. Psychotherapy Relationships that Work: Therapist Contributions and Responsiveness to Patients. , Oxford University Press. New York. (2002).
  19. Lamm, C., Decety, J., Singer, T. Meta-analytic evidence for common and distinct neural networks associated with directly experienced pain and empathy for pain. Neuroimage. 54 (3), 2492-2502 (2011).
  20. Frith, C. D., Frith, U. The neural basis of mentalizing. Neuron. 50 (4), 531-534 (2006).
  21. Zhang, Y., Meng, T., Hou, Y., Pan, Y., Hu, Y. Interpersonal brain synchronization associated with working alliance during psychological counseling. Psychiatry Res Neuroimaging. 282, 103-109 (2018).
  22. Dai, X., Li, X., Xia, N., Xi, J., Zhang, Y. Client-counselor behavioral and inter-brain synchronization among dismissing and secure clients and its association with alliance quality and outcome. Psychother Res. 34 (8), 1103-1116 (2024).
  23. Pinti, P., et al. The present and future use of functional near‐infrared spectroscopy (fNIRS) for cognitive neuroscience. Ann N Y Acad Sci. 1464 (1), 5-29 (2018).
  24. Nozawa, T., et al. Interpersonal frontopolar neural synchronization in group communication: an exploration toward fNIRS hyperscanning of natural interactions. Neuroimage. 133, 484-497 (2016).
  25. Mallat, S. G. A theory for multi-resolution signal decomposition: the wavelet representation. IEEE Trans Pattern Anal Mach Intell. 11 (7), 674-693 (1989).
  26. Baccalá, L. A., Sameshima, K. Partial directed coherence: a new concept in neural structure determination. Biol Cybern. 84 (6), 463-474 (2001).
  27. Duan, L., et al. Wavelet-based method for removing global physiological noise in functional near-infrared spectroscopy. Biomed Opt Express. 9 (8), 3805-3820 (2018).
  28. Long, Y., et al. Interpersonal neural synchronization during interpersonal touch underlies affiliative pair bonding between romantic couples. Cereb Cortex. 31 (3), 1647-1659 (2021).
  29. Dai, B., et al. Neural mechanisms for selectively tuning in to the target speaker in a naturalistic noisy situation. Nat Commun. 9 (1), 2405(2018).
  30. Lu, K., Teng, J., Hao, N. Measurement of adult attachment: Chinese version of the experiences in close relationships scale (ECR). Acta Psychol Sin. 03, 399-406 (2006).
  31. Atique, B., Erb, M., Gharabaghi, A., Grodd, W., Anders, S. Task-specific activity and connectivity within the mentalizing network during emotion and intention mentalizing. Neuroimage. 55 (4), 1899-1911 (2011).
  32. Brennan, K. A., Clark, C. L., Shaver, P. R. Self-Report Measurement of Adult Attachment: An Integrative Overview. , The Guilford Press. New York. (1998).
  33. Bartholomew, K., Horowitz, L. M. Attachment styles among young adults: a test of a four-category model. J Pers Soc Psychol. 61 (2), 226-244 (1991).
  34. Munder, T., et al. Working alliance inventory–short revised (WAI–SR): psychometric properties in outpatients and inpatients. Clin Psychol Psychother. 17 (3), 231-239 (2010).
  35. Hsu, S., Zhou, R. D. H., Yu, C. K. C. A Hong Kong validation of working alliance inventory–short form–client. Asia Pac J Couns Psychother. 7 (1-2), 69-81 (2016).
  36. Hatcher, R. L., Gillaspy, J. A. Development and validation of a revised short version of the Working Alliance Inventory. Psychother Res. 16 (1), 12-25 (2006).
  37. Evans, C. CORE: clinical outcomes in routine evaluation. J Ment Health. 9 (3), 247-255 (2000).
  38. Barkham, M., et al. The CORE-10: a short measure of psychological distress for routine use in the psychological therapies. Couns Psychother Res. 13 (1), 3-13 (2013).
  39. Lu, K., Teng, J., Hao, N. Gender of partner affects the interaction pattern during group creative idea generation. Exp Brain Res. 238 (5), 1157-1168 (2020).
  40. Cheng, X., Li, X., Hu, Y. Synchronous brain activity during cooperative exchange depends on gender of partner: a fNIRS-based hyperscanning study. Hum Brain Mapp. 36 (6), 2039-2048 (2015).
  41. Stricker, G. Supervision of integrative psychotherapy: discussion. J Integr Eclectic Psychother. 7, 176(1988).
  42. Purdy, R. W., Homan, R. W., John, E. R., Poole, D. Cerebral location of international 10–20 system electrode placement localisation. Electroencephalogr Clin Neurophysiol. 66 (4), 376-382 (1988).
  43. Huppert, T. J., Diamond, S. G., Franceschini, M. A., Boas, D. A. HomER: a review of time-series analysis methods for near-infrared spectroscopy of the brain. Appl Opt. 48 (10), D280-D298 (2009).
  44. Hitachi2nirs. , NITRC. Available from: https://www.nitrc.org/projects/hitachi2nirs (2021).
  45. Cooper, R., et al. A systematic comparison of motion artifact correction techniques for functional near-infrared spectroscopy. Front Neurosci. 6, 147(2012).
  46. Molavi, B., Dumont, G. A. Wavelet-based motion artifact removal for functional near-infrared spectroscopy. Physiol Meas. 33 (2), 259-270 (2012).
  47. Obrig, H., Villringer, A. Beyond the visible–imaging the human brain with light. J Cereb Blood Flow Metab. 23 (1), 1-18 (2003).
  48. Yang, J., et al. Within-group synchronization in the prefrontal cortex associates with intergroup conflict. Nat Neurosci. 23 (6), 754-760 (2020).
  49. Hoshi, Y. Functional near-infrared spectroscopy: current status and future prospects. J Biomed Opt. 12 (6), 062106(2007).
  50. Pan, Y., et al. Interpersonal brain synchronization with instructor compensates for learner's sleep deprivation in interactive learning. Biochem Pharmacol. 191, 114111(2020).
  51. Pan, Y., Novembre, G., Song, B., Li, X., Hu, Y. Interpersonal synchronization of inferior frontal cortices tracks social interactive learning of a song. Neuroimage. 183, 280-290 (2018).
  52. Grinsted, A., Moore, J. C., Jevrejeva, S. Application of the cross wavelet transform and wavelet coherence to geophysical time series. Nonlinear Processes Geophys. 11 (5/6), 561-566 (2004).
  53. Zhang, X., et al. Activation detection in functional near-infrared spectroscopy by wavelet coherence. J Biomed Opt. 20 (1), 016004(2015).
  54. Mallat, S. A Wavelet Tour of Signal Processing: The Sparse Way. , Academic Press. (1999).
  55. Zhang, Y., Meng, T., Yang, Y., Hu, Y. Experience-dependent counselor-client brain synchronization during psychological counseling. eNeuro. 7 (5), (2020).
  56. Zheng, L., et al. Enhancement of teaching outcome through neural prediction of the students' knowledge state. Hum Brain Mapp. 39 (7), 3046-3057 (2018).
  57. Benjamini, Y., Yekutieli, D. The control of the false discovery rate in multiple testing under dependency. Ann Stat. 29 (4), 1165-1188 (2001).
  58. Lai, C. H., Wu, Y. T., Hou, Y. M. Functional network based statistics in depression: theory of mind subnetwork and importance of parietal region. J Affect Disord. 217, 132-137 (2017).
  59. Wang, Z., Wang, Y., Zhou, X., Yu, R. Interpersonal brain synchronization under bluffing in strategic games. Soc Cogn Affect Neurosci. 15 (12), 1315-1324 (2020).
  60. Tyrrell, C. L., Dozier, M., Teague, G. B., Fallot, R. D. Effective treatment relationships for persons with serious psychiatric disorders: the importance of attachment states of mind. J Consult Clin Psychol. 67 (5), 725-733 (1999).
  61. Dubis, J. W., Siegel, S. E., Petersen, S. E. The mixed block/event-related design. Neuroimage. 62 (2), 1177-1184 (2012).
  62. Balters, S., et al. Capturing human interaction in the virtual age: a perspective on the future of fNIRS hyperscanning. Front Hum Neurosci. 14, 588494(2020).
  63. Cui, X., Bryant, D. M., Reiss, A. L. NIRS-based hyperscanning reveals increased interpersonal coherence in superior frontal cortex during cooperation. Neuroimage. 59 (3), 2430-2437 (2012).
  64. Holper, L., Scholkmann, F., Wolf, M. Between-brain connectivity during imitation measured by fNIRS. Neuroimage. 63 (1), 212-222 (2012).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Erratum

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Formal Correction: Erratum: Functional Near-Infrared Spectroscopy Hyperscanning Study in Psychological Counseling
Posted by JoVE Editors on 2/16/2026. Citeable Link.

This corrects the article 10.3791/67183

Mots-clés

Hyperscanne fNIRSsynchronie inter c r bralealliance de travailsurveillance de l activit c r bralestyles d attachementr sultats du conseilprotocole standardismesure li e l v nement

Articles connexes