Ce protocole décrit une batterie intégrée de 60 minutes — conditionnement de type pavlovien à opérant de la peur avec évitement, acquisition–extinction–réacquisition de la peur avec des stimuli sociaux, et apprentissage de récompense probabiliste — qui enregistre simultanément la conductance cutanée, le comportement et des évaluations par phase afin de déduire des indices individuels d'apprentissage de la menace et de la récompense chez les adultes.
Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.
Article de méthode
Apprentissage associatif et expériences infantiles défavorables : un protocole multisystémique
Dans cet article
Résumé
Résumé
Les expériences adverses de l’enfance (ACEs) sont des facteurs de risque transdiagnostiques bien établis pour l’anxiété et la dépression à l’âge adulte, mais les mécanismes neurocognitifs reliant l’adversité précoce aux symptômes restent mal compris dans un cadre unifié. Ce protocole présente une batterie expérimentale intégrée et multisystème permettant d’évaluer la discrimination de la menace, l’apprentissage de la sécurité et la sensibilité à la récompense au cours d’une seule séance en laboratoire. Trente-huit adultes en bonne santé ont réalisé trois paradigmes comportementaux — un conditionnement pavlovien à opérant de la peur avec évitement (expérience 1), un conditionnement-acquisition-extinction-réacquisition de la peur avec des stimuli sociaux (expérience 2) et un apprentissage probabiliste de la récompense (expérience 3) — ainsi que des auto-questionnaires validés sur les expériences adverses de l’enfance (CTQ-SF), les expériences bienveillantes de l’enfance (BCE), la dépression (PHQ-9) et l’anxiété (GAD-7, STAI). Des données multisources ont été recueillies simultanément : la réponse cutanée électrodermale (SCR) comme indice physiologique de l’activation autonome, les pressions sur un bouton pour l’évitement et les choix probabilistes comme indices comportementaux, ainsi que des évaluations subjectives, phase par phase, de l’attente, de la menace et du soulagement. Chaque paradigme a produit son effet canonique : une discrimination pavlovienne sur la SCR (p = 0,009, ηp2 = 0,12), sur l’attente (p < 0,001, ηp2 = 0,58) et sur les évaluations de menace (p < 0,001, ηp2 = 0,35) ; un soulagement opérant permettant de distinguer une menace évitable d’une menace inévitable (p < 0,001, d = 0,86) ; une réponse autonome différentielle présente lors de l’acquisition mais pas lors de l’extinction dans l’expérience 2 (acquisition p = 0,008 ; extinction p = 0,168), coexistant avec une connaissance déclarative persistante de la contingence (p < 0,001, d = 3,08) ; et un apprentissage probabiliste de la récompense supérieur au hasard dans l’expérience 3 (M = 73 %, p < 0,001, d = 1,97). La conception multisystème a révélé des dissociations que seule une approche unidimensionnelle aurait manquées, notamment une réponse autonome atténuée accompagnée d’une perception subjective persistante de la menace. Les indices par participant dérivés du protocole se sont révélés sensibles aux différences individuelles liées aux expériences de l’enfance, des analyses d’effets modérateurs illustratives étant rapportées dans le matériel supplémentaire. Ce protocole fournit un cadre portable et évolutif permettant d’évaluer comment l’adversité précoce recalcule le traitement de la menace et de la récompense à l’âge adulte.
Introduction
Les expériences adverses de l’enfance (ACE), qui englobent les maltraitances, la négligence et les dysfonctionnements familiaux, sont très répandues dans le monde entier, avec des taux dépassant 60 % dans de nombreuses populations1. Des synthèses de recherches indiquent que la plupart des enfants sont exposés à au moins un événement négatif au cours de leur développement2. Les ACE sont des facteurs de risque transdiagnostiques bien établis pour la psychopathologie à l’âge adulte3, contribuant à environ 30 % des troubles anxieux et 40 % des cas de dépression1. Malgré cette forte association, les évaluations cliniques couramment utilisées reposent sur des diagnostics catégoriels et des autoévaluations rétrospectives, qui sont sujettes aux biais de mémoire et ne permettent pas de saisir les processus neurocognitifs en temps réel4.
Pour surmonter ces limitations, l'accent est de plus en plus mis sur des approches transdiagnostiques ciblant les mécanismes sous-jacents, en particulier l'apprentissage associatif. L'apprentissage associatif, qui englobe à la fois le conditionnement classique (pavlovien) et le conditionnement opérant, fournit un cadre permettant de comprendre comment les individus codent les relations entre les indices environnementaux, les comportements et les résultats afin de guider la prise de décision4,5. Dans ce cadre, la théorie de la vulnérabilité latente postule que l'adversité précoce induit des adaptations neurobiologiques, telles qu'une vigilance accrue, qui sont initialement adaptatives dans des environnements imprévisibles, mais peuvent devenir maladaptatives dans des contextes ultérieurs plus sûrs6,7.
Des preuves indiquent que les expériences adverses de l'enfance (ACE) influencent à la fois les processus d'apprentissage liés à la menace et ceux liés à la récompense. Les individus ayant un passé d'adversité montrent souvent une discrimination réduite entre les indices conditionnés de danger (CS+) et de sécurité (CS−), ce qui indique une modification de l'apprentissage de la menace8. Parallèlement, l'adversité précoce a été associée à une sensibilité réduite à la récompense, se traduisant par une précision moindre et un apprentissage plus lent des contingences de récompense8. En situation d'incertitude, ces individus peuvent également présenter une variabilité accrue des choix et une tendance à supposer une distribution aléatoire des récompenses, en accord avec une exposition précoce à des environnements instables5,9.
Ces schémas d'apprentissage sont en outre influencés par des facteurs protecteurs et dépendants de l'état. Les expériences bienveillantes de l'enfance (BCE) peuvent atténuer les effets de l'adversité sur les systèmes d'apprentissage10, tandis que les états affectifs actuels, tels que l'anxiété, peuvent moduler les processus de conditionnement11. Les mesures physiologiques de l'activation autonome, notamment la réponse cutanée à la conductance (SCR), fournissent des indices objectifs de ces processus et sont largement utilisées dans les paradigmes de conditionnement12.
Une limitation majeure dans la littérature actuelle réside dans l'utilisation de tâches isolées évaluant séparément l'apprentissage de la menace ou de la récompense, ce qui limite la capacité à saisir le fonctionnement neurocognitif intégré1. Le présent protocole comble cette lacune en proposant un cadre standardisé combinant des mesures comportementales et physiologiques dans plusieurs domaines d'apprentissage. Plus précisément, le protocole comprend trois composantes expérimentales : (1) un paradigme évaluant la transition du conditionnement pavlovien au conditionnement opérant, (2) une tâche d'extinction de la peur sociale et (3) une tâche d'apprentissage de la récompense probabiliste8.
La justification de cette combinaison particulière de paradigmes ne repose pas sur le fait qu'une de ces trois tâches serait, isolément, plus sensible aux adversités précoces que les nombreux autres paradigmes d'apprentissage établis ; il s'agit d'une justification liée à la mesure. Dans leur revue systématique de 81 études (38 sur la menace, 43 sur la récompense), Ruge et al.1 ont montré que la littérature reliant les expériences adverses de l'enfance (ACEs) à l'apprentissage associatif reste hétérogène et, sur des points essentiels, non concluante précisément parce que les études utilisent généralement une seule tâche, enregistrent un seul canal de réponse et opérationnalisent l'adversité de manière non harmonisée. À titre d'exemple, la moitié des études comportementales sur l'apprentissage par récompense rapportent un apprentissage atténué, tandis que l'autre moitié rapporte des résultats nuls ; la littérature restreinte sur l'extinction est dominée par des résultats nuls et par des rapports omettant la phase d'acquisition précédente ; aucun indicateur de résultat ne s'est imposé comme universellement plus fiable, de sorte que les différents canaux de réponse ne sont pas interchangeables. Leur recommandation explicite est de privilégier des protocoles intra-sujets, multi-domaines et multi-canaux permettant d'obtenir des indices au niveau individuel. Le triptyque présenté ici suit cette recommandation, car ses trois tâches couvrent trois exigences computationnellement dissociables qu'aucun paradigme unique ne prend en compte, et que la théorie de la vulnérabilité latente7 prévoit que l'adversité devrait modeler de manière différente : (i) la discrimination menace–sécurité combinée à la contrôlabilité instrumentale, avec le soulagement comme renforçateur putatif de l'évitement13 ; (ii) l'apprentissage inhibiteur (de la sécurité) et le retour de la peur, explorés à l'aide de stimuli de visages sociaux11, domaine de stimuli écologiquement pertinent pour les mauvais traitements interpersonnels ; et (iii) l'apprentissage par renforcement sous incertitude probabiliste, qui fournit des paramètres computationnels par participant (taux d'apprentissage alpha, température inverse beta)8. Comme les trois tâches sont administrées chez le même participant, le dispositif expérimental permet de déterminer si les altérations liées aux ACE sont généralisées à tous les domaines — une recalibration globale de l'apprentissage associatif, comme le proposent Hanson et al.8 et comme le prédirait un modèle neurocomputationnel de vulnérabilité latente6 — ou spécifiques à la valence, limitées à la menace. Une étude basée sur une seule tâche ne peut, par construction, trancher entre ces hypothèses concurrentes.
La batterie vise à tester un ensemble de prédictions explicites et directionnelles, que l'échantillon actuel n'a pas la puissance statistique nécessaire pour trancher, et qui sont énoncées ici comme des objectifs pour des études correctement dimensionnées. Conformément au schéma d'apprentissage atténué décrit par Ruge et al.1, une charge plus élevée en ACE devrait être associée à : (i) une discrimination réduite entre CS+ et CS− dans l'expérience 1, due à une réponse atténuée au CS+ et devant être plus marquée au niveau du canal autonome (RCS) qu'au niveau des attentes déclaratives, qui pourraient rester intactes ; (ii) une réponse d'évitement plus importante et un soulagement subjectif plus élevé face au CS+ évitable, en accord avec l'évitement renforcé par le soulagement13 ; (iii) une extinction plus lente et un retour plus rapide et plus important de la peur lors de la réacquisition dans l'expérience 2, effet que l'on prévoit amplifié par les stimuli sociaux (visages), porteurs de pertinence écologique pour les adversités interpersonnelles11 ; et (iv) une précision de choix plus faible, un taux d'apprentissage réduit (alpha) et une variabilité accrue des choix (bêta plus faible) dans l'expérience 38. De façon cruciale, les trois tâches sont conjointement informatives quant à une cinquième prédiction discriminante : si l'altération liée aux ACE est généralisée à tous les domaines, l'atténuation devrait apparaître dans les trois tâches ; si elle est spécifique à la valence, elle devrait se limiter aux deux paradigmes de menace et être absente dans l'apprentissage probabiliste de la récompense. Étant donné que les canaux de réponse sont enregistrés simultanément, une prédiction supplémentaire peut être testée : les effets des ACE seront dépendants du canal plutôt qu'uniformes, de sorte que des conclusions tirées d'un seul canal ne pourraient pas être généralisées aux autres.
L'expérience 1 adapte le paradigme de conditionnement de la peur pavlovien à opérant avec évitement et évaluations de soulagement essai par essai développé par San Martín et al.13, dans lequel deux signaux CS+ (un évitable, un inévitable) et un CS− sont utilisés pour dissocier la discrimination pavlovienne du contrôle instrumental sur l'issue aversive. Dans le paradigme original, les évaluations de l'attente du stimul US durant la phase d'acquisition pavlovienne étaient évaluées rétrospectivement à la fin de la phase par l'expérimentateur, plutôt qu'essai par essai. Dans la présente adaptation, des évaluations subjectives d'attente, de menace et de soulagement ont été recueillies simultanément tout au long de la tâche, phase par phase, à l'aide d'échelles analogiques visuelles, permettant un suivi continu de la dynamique d'apprentissage au cours des différentes phases.
L'expérience 2 adapte le protocole d'acquisition–extinction de la peur avec des stimuli sociaux (visages) de Dibbets et Evers9, en l'étendant par un bref test de réacquisition afin d'évaluer la réapparition rapide de la réponse conditionnée (effet de conservation).
L'expérience 3 adapte la tâche d'apprentissage probabiliste par récompense introduite par Hanson et al.8 pour l'étude des différences d'apprentissage liées aux adversités précoces, avec deux contingences de récompense (80/20 et 70/30) permettant d'estimer les paramètres d'apprentissage par renforcement par participant (Alpha et Bêta du Q-learning). En intégrant ces trois paradigmes au sein d'une seule séance en laboratoire, le protocole actuel permet une comparaison directe intra-participant des processus d'apprentissage liés à la menace et à la récompense, généralement étudiés de manière isolée. Outre la précision par essai et les paramètres de Q-learning, le pipeline d'analyse produit également des pentes individuelles de trajectoire d'apprentissage issues d'un modèle linéaire mixte ajusté, utilisables sur des échantillons plus larges.
Deux objectifs distincts doivent être distingués ici, car ils ne sont pas équivalents. Le premier consiste à établir qu'une batterie de ce type peut être réalisée en une seule session intégrée de 60 minutes et que chacun de ses composants produit l'effet canonique pour lequel il a été conçu ; la reproduction d'effets canoniques constitue une preuve suffisante pour ce premier objectif. Le second consiste à démontrer que les indices obtenus sont sensibles et spécifiques aux conséquences de l'adversité infantile ; la reproduction d'effets canoniques ne suffit pas à cet égard, et l'échantillon actuel n'est pas dimensionné pour y parvenir. L'objectif principal de ce rapport est donc la faisabilité technique et méthodologique de la batterie intégrée : savoir si l'acquisition de la menace, l'évitement instrumental avec soulagement, l'extinction et la recrudescence de la peur avec des stimuli sociaux, ainsi que l'apprentissage probabiliste de la récompense peuvent être mesurés simultanément à travers des voies autonomiques, comportementales et d'auto-évaluation au cours d'une seule session, et si le protocole produit des indices stables et réutilisables par participant (contrastes différentiels de la réponse cutanée électrodermale, contraste opérant de soulagement, paramètres alpha et beta du Q-learning, et pentes individuelles des trajectoires d'apprentissage). L'évaluation des modifications liées aux expériences adverses de l'enfance (ACE) dans l'apprentissage constitue un objectif secondaire, exploratoire et illustratif : les analyses des différences individuelles rapportées ici visent à démontrer la capacité de mesure du protocole et à rendre disponibles ses indices candidats pour des travaux futurs, sans tester spécifiquement les voies entre traumatisme et apprentissage. Le protocole fournit donc des indices candidats ; savoir s'ils possèdent la sensibilité et la spécificité nécessaires pour caractériser les conséquences neurocognitives de l'adversité infantile reste à déterminer dans des échantillons plus larges, idéalement enrichis en groupes extrêmes et préenregistrés1,14.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Protocole
Le présent protocole décrit les procédures et l'instrumentation utilisées pour mesurer la réponse cutanée à la conductance (SCR) chez des participants en bonne santé âgés de 18 ans ou plus, conformément aux exigences du comité d'éthique. Avant de participer à l'étude, tous les participants ont signé un formulaire de consentement éclairé qui incluait également la possibilité d'être recontactés après six mois pour une évaluation de suivi. Toutes les procédures décrites dans ce document ont été approuvées par le Comité d'Éthique Scientifique de l'Universidad de los Andes (ID : CEC2025023).
REMARQUE : Ce protocole fournit une description détaillée de l'ensemble du déroulement expérimental (Figure 1), y compris la planification des participants, la préparation du laboratoire, l'acquisition des signaux physiologiques, l'organisation des données et le traitement des données après l'expérience. De plus, il décrit la procédure de formation du personnel mise en œuvre afin de garantir que les enregistrements de SCR soient recueillis de manière cohérente, standardisée et fiable lors de toutes les sessions expérimentales.
Figure 1: Schéma général de la conception de l'étude. Chaque participant a réalisé une seule séance en laboratoire comprenant trois paradigmes comportementaux séquentiels : conditionnement de la peur de type pavlovien à opérant avec évitement (expérience 1), acquisition–extinction–réacquisition de la peur avec stimuli sociaux (expérience 2) et apprentissage de récompense probabiliste (expérience 3). Des auto-questionnaires sur les adversités vécues dans l'enfance (CTQ-SF), les expériences bienveillantes de l'enfance (BCE) et les symptômes actuels (PHQ-9, GAD-7, STAI) ont également été recueillis. Des données multicanal — réponse cutanée électrodermale, comportement (comportements d'évitement, choix probabilistes) et évaluations subjectives (attentes, menace, soulagement) — ont été enregistrées simultanément. Les indices par participant ont été intégrés dans des analyses de différences individuelles (voir Fichier supplémentaire 2). Veuillez cliquer ici pour visualiser une version agrandie de cette figure.
1. Formation du personnel
- Former chaque membre de l'équipe en trois étapes progressives afin d'assurer une mesure standardisée et précise des données.
- Effectuer des essais internes au cours desquels chaque membre du personnel prélève des échantillons et réalise les trois expériences conformément à leurs protocoles respectifs, afin que le stagiaire se familiarise avec l'équipement et la prise en charge des participants.
- Ensuite, faire prélever des échantillons à chaque stagiaire à partir de participants réels sous la supervision d'au moins l'un des chercheurs principaux, afin de vérifier sa capacité à appliquer le protocole et de corriger toute erreur.
- Autoriser l'assistant à prélever des échantillons de manière autonome et à planifier de nouveaux participants uniquement après que le protocole complet ait été correctement appliqué sous supervision.
2. Planification
- Recruter et planifier la participation des volontaires via les médias sociaux, en précisant les objectifs généraux de la recherche et les critères de participation.
- Créer une affiche numérique et la diffuser à travers les canaux de recrutement afin d'atteindre le plus grand nombre possible de participants potentiels.
- Indiquer aux candidats intéressés de contacter l'équipe de recherche par courrier électronique et de convenir d'une séance à une date qui leur convient.
- Envoyer au participant un lien vers le questionnaire en ligne intitulé « Les marques invisibles : le rôle de l'apprentissage associatif dans la relation entre les expériences traumatiques de l'enfance et la santé mentale à l'âge adulte ».
- Commencer le questionnaire par un formulaire de consentement éclairé, et exiger que le participant le lise et l'accepte avant de passer à toute autre question.
- Inclure dans le questionnaire une section socio-démographique ainsi que les échelles psychométriques validées suivantes : questionnaire de santé du patient (PHQ-9)15, questionnaire de dépistage du trouble anxieux généralisé (GAD-7)16, inventaire d'anxiété état-trait (STAI)17, questionnaire des traumatismes de l'enfance – version courte (CTQ-SF)18, et expériences bienveillantes de l'enfance (BCEs)10.
3. Préparatifs
- Veiller à ce qu'au moins un membre du personnel soit présent dans le laboratoire avant l'arrivée du participant. Préparer l'environnement expérimental, vérifier le bon fonctionnement du matériel et confirmer que toutes les exigences du protocole sont remplies avant le début de la session :
- Allumer l'ordinateur du laboratoire et vérifier que le système d'exploitation, le logiciel expérimental et tous les périphériques fonctionnent correctement.
- Confirmer que les fichiers expérimentaux et le système d'acquisition de données sont prêts à être utilisés.
- Ouvrir et examiner le fichier de suivi quotidien avant l'entrée du participant dans le laboratoire.
- Identifier le code d'identification (ID) attribué au participant entrant.
- Vérifier l'ordre d'exécution des conditions expérimentales selon le contrebalancement prédéfini.
- S'assurer que le participant est attribué au bon ordre expérimental avant tout début d'acquisition de données.
NOTE : Le fichier de suivi quotidien contient toutes les informations nécessaires pour attribuer l'ID du participant et déterminer l'ordre d'exécution de l'expérience tout en maintenant le contrebalancement requis entre toutes les conditions expérimentales. Par exemple, un participant peut se voir attribuer l'ID « 015 ». - Organiser le stockage des données sur l'ordinateur du laboratoire selon la structure de répertoires normalisée requise par le pipeline de traitement automatisé : un dossier principal par expérience, un sous-dossier par condition de contrebalancement, un dossier par ID de participant, ainsi que deux dossiers globaux destinés aux données traitées et aux bases de données consolidées (voir Supplementary File 1).
- Créer le dossier du participant correspondant à l'ID et à la condition de contrebalancement indiqués dans le fichier de suivi quotidien avant de commencer l'acquisition de données, et respecter tout au long de la session les conventions de nommage des répertoires et des fichiers spécifiées dans Supplementary File 1, car les scripts de prétraitement et de gestion de base de données localisent les fichiers par leur chemin d'accès et par leur nom.
NOTE : L'arborescence des répertoires, les intitulés des sous-dossiers de contrebalancement, les conventions de nommage des fichiers et un exemple complet sont fournis dans Supplementary File 1. Toute déviation par rapport à ces conventions empêche le pipeline automatisé de localiser les fichiers du participant. - Vérifier que le bureau expérimental est entièrement dégagé de tout objet extérieur ou distrayant. Autoriser uniquement sur le bureau le système d'acquisition de données et les périphériques informatiques nécessaires à l'expérience.
- Inviter le participant dans la pièce d'une manière calme et professionnelle.
- Demander au participant de laisser tous ses effets personnels dans la zone désignée.
- Demander au participant de mettre son appareil mobile en mode silencieux afin d'éviter toute interruption ou distraction pendant la session expérimentale.
- Demander au participant d'ôter tous les accessoires de sa main non dominante, en particulier bagues, bracelets ou tout autre objet situé aux doigts médian et annulaire, car ils pourraient interférer avec les mesures.
- Guider le participant pour qu'il s'assoie confortablement sur la chaise placée devant l'ordinateur du laboratoire.
- Fournir au participant une copie imprimée du document de consentement éclairé.
- Lui laisser suffisamment de temps pour lire le document et poser des questions si nécessaire.
- Confirmer que le formulaire de consentement éclairé est correctement signé avant de commencer toute procédure expérimentale.
NOTE : La procédure de consentement éclairé est répétée en format physique conformément aux exigences du comité d'éthique, afin de conserver une sauvegarde physique de la documentation de consentement du participant.
4. Dispositif expérimental
REMARQUE : Le dispositif expérimental doit suivre un protocole strict et standardisé afin de garantir que toutes les mesures physiologiques soient obtenues dans des conditions contrôlées identiques chez tous les participants.
- Allumez le système d'acquisition et vérifiez que l'appareil est correctement connecté à l'ordinateur du laboratoire et reconnu par le logiciel du système d'acquisition (voir Figure 2A–E).
- Confirmez à nouveau que tous les modules et périphériques requis fonctionnent correctement avant de passer à la préparation du participant.
- Prenez deux électrodes d'activité électrodermale (EDA) (voir Figure 2F).
- Appliquez une petite quantité de gel conducteur sur la surface de contact de chaque électrode (voir Figure 2G,H).
- Assurez-vous que le gel conducteur est uniformément réparti sur la surface de l'électrode afin d'améliorer le contact électrique avec la peau du participant et d'optimiser la qualité du signal.
NOTE : Si aucun gel conducteur n'est appliqué sur les électrodes, le signal enregistré pourrait contenir un bruit excessif, et la qualité de la mesure de la réponse cutanée à la conductance (SCR) pourrait être gravement compromise. - Placez les électrodes sur la main non dominante du participant.
- Fixez une électrode sur la première phalange du doigt du milieu (troisième doigt) et la seconde électrode sur la première phalange de l'annulaire (quatrième doigt) (voir Figure 2I).
- Vérifiez que les deux électrodes sont solidement fixées et maintiennent un contact stable avec la peau sans provoquer d'inconfort au participant.
- Placez le bracelet au poignet du participant.
- Laissez les électrodes EDA déconnectées du bracelet pendant la phase d'étalonnage (voir Figure 2J).
- Allumez le bracelet afin d'établir une communication sans fil avec le système d'acquisition physiologique.
- Confirmez que l'appareil est correctement détecté.
NOTE : Une attention particulière doit être portée au bracelet tout au long de la session expérimentale. Les membres du personnel doivent constamment vérifier que l'appareil reste allumé et connecté avant le début de l'expérience, car toute interruption de communication pourrait compromettre l'enregistrement physiologique. - Démarrez le processus d'acquisition dans le logiciel d'acquisition.
- Attendez l'apparition automatique de la fenêtre d'étalonnage à l'écran dès le début de l'acquisition.
- Effectuez la procédure d'étalonnage pendant que les électrodes restent déconnectées du bracelet.
- Suivez les instructions d'étalonnage fournies par le logiciel jusqu'à la fin de la procédure.
- Après un étalonnage réussi, connectez les électrodes EDA au bracelet (voir Figure 2K).
- Vérifiez dans le logiciel que le signal de réponse cutanée à la conductance (SCR) est correctement acquis.
- Demander au participant de garder sa main non dominante parfaitement immobile pendant toute la durée de l'expérience.
- Expliquez que des mouvements inutiles, des contractions des doigts ou des changements de posture pourraient introduire du bruit dans le signal SCR.
- Demandez au participant de maintenir une posture confortable et détendue durant la session.
- Fournissez des écouteurs au participant avant le début de la tâche expérimentale.
- Vérifiez que les écouteurs fonctionnent correctement et que le participant perçoit clairement les stimuli auditifs présentés durant l'expérience.
- Lancez la tâche expérimentale dans PsychoPy19.
- Lorsque l'interface PsychoPy s'ouvre, saisissez le nom du participant dans la fenêtre supplémentaire qui le demande.
- Saisissez l'identifiant attribué au participant exactement comme indiqué dans le fichier d'exécution quotidien avant de lancer l'expérience.
NOTE : En suivant l'exemple précédent, l'identifiant du participant saisi dans PsychoPy doit être « 015 ».
Figure 2 : Système d'acquisition, matériaux et positionnement des électrodes pour l'enregistrement de la conductance cutanée. (A) Unité principale Biopac MP200. (B) Module d'acquisition de signaux physiologiques (PPG/EDA). (C) Module de connexion des capteurs. (D) Module d'entrée analogique. (E) Module TTL pour la communication entre PsychoPy et AcqKnowledge. (F) Électrodes jetables (EL507A). (G) Gel isotonique (GEL101A) pour améliorer le contact cutané. (H) Application du gel sur l'électrode. (I) Positionnement des électrodes sur la première phalange des troisième et quatrième doigts de la main non dominante. (J) Placement du bracelet au poignet de la main non dominante pour la mesure de la réponse cutanée (SCR). (K) Électrodes connectées après le processus d'étalonnage. Veuillez cliquer ici pour visualiser une version agrandie de cette figure.
5. Début de l'expérience
- Avant de commencer la tâche expérimentale, expliquez en détail au participant comment répondre aux questions présentées pendant l'expérience.
- Veillez à ce que le participant comprenne clairement : (i) la méthode de réponse à utiliser pendant la tâche, (ii) la signification des instructions affichées sur l'écran, et (iii) l'importance de rester attentif et de limiter au maximum les mouvements inutiles tout au long de l'expérience.
- Répondez à toutes les questions éventuelles du participant avant de démarrer la session d'enregistrement.
- Effectuez une vérification finale de l'ensemble du dispositif expérimental afin de vous assurer que tous les systèmes fonctionnent correctement conformément au protocole établi, notamment : la communication du système d'acquisition physiologique, la connexion du bracelet au poignet, la qualité du signal de réponse cutanée (SCR), l'exécution de PsychoPy, la présentation audio via les écouteurs, et l'enregistrement correct de l'identifiant du participant.
- Une fois que tous les systèmes ont été vérifiés et que le participant confirme être prêt à commencer, lancez la tâche expérimentale.
- Quittez la salle expérimentale dès le début de la tâche, afin de minimiser les influences extérieures et les distractions pendant l'acquisition des données.
- Restez à proximité et disponible au cas où une assistance technique ou un soutien au participant serait nécessaire, et attendez jusqu'à ce que le participant ait terminé la session.
6. Entre les expériences
- Revenir dans la salle expérimentale une fois que le participant a terminé la tâche, puis arrêter l'enregistrement physiologique dans le logiciel d'acquisition.
- Enregistrer l'enregistrement physiologique dans le dossier du participant sous forme de fichier d'acquisition, puis exporter le même enregistrement au format MATLAB avec les événements, de sorte que le fichier exporté contienne les marqueurs de stimulus générés par PsychoPy via le module TTL ; cette exportation produit en outre un fichier de marqueurs séparé.
NOTE : Les informations sur les événements et les marqueurs sont nécessaires au pipeline de prétraitement (section 8) pour segmenter le signal par essai et par type de stimulus. - Enregistrer le tableau de données de sortie de PsychoPy généré à la fin de la tâche dans le même dossier du participant. Utiliser la convention normalisée de nommage des fichiers décrite dans le fichier supplémentaire 1 pour l'ensemble des quatre fichiers.
NOTE : À la fin de chaque expérience, le dossier du participant doit contenir le fichier d'acquisition, le fichier MATLAB exporté, le fichier de marqueurs et le tableau de données de PsychoPy. Les noms exacts, les chemins d'accès et un exemple complet sont fournis dans le fichier supplémentaire 1. - Déconnecter soigneusement les électrodes EDA du participant, en veillant à ne provoquer aucun mouvement excessif ni inconfort pendant le retrait.
- Ouvrir la tâche expérimentale PsychoPy suivante et redémarrer le logiciel d'acquisition en prévision de l'expérience suivante.
- Répéter l'ensemble de la procédure de préparation et d'acquisition à partir de l'étape 4.1.
NOTE : La session expérimentale complète comprend trois expériences indépendantes. Par conséquent, une fois la deuxième expérience terminée, la même procédure décrite ci-dessus doit être répétée pour la troisième expérience. - À la fin de la session expérimentale complète, s'assurer que le participant dispose de trois sous-dossiers, un pour chaque tâche expérimentale, chacun contenant tous les fichiers mentionnés précédemment.
NOTE : La durée approximative de chaque tâche expérimentale a été estimée au préalable afin de permettre aux membres du personnel de surveiller le participant et de vérifier le bon fonctionnement du système d'acquisition tout au long de la session. La durée estimée de chaque expérience est la suivante :
Experiment_1 : environ 24 min.
Experiment_2 : environ 17 min.
Experiment_3 : environ 8 min.
En tenant compte de la préparation, de l'étalonnage, des périodes de transition entre les expériences et de la procédure de finalisation, la session expérimentale complète dure environ 60 min.
7. Fin des expériences
- Fermer la session d’enregistrement physiologique une fois les trois tâches expérimentales terminées.
- Arrêter le processus d’acquisition dans le logiciel d’acquisition si celui-ci n’a pas déjà été interrompu.
- Déconnecter les électrodes EDA du bracelet de poignet et retirer le bracelet du poignet du participant.
- Laisser le participant retirer lui-même les électrodes EDA afin de minimiser l’inconfort et assurer un retrait en toute sécurité de la peau.
- Vérifier que tous les fichiers expérimentaux et enregistrements physiologiques ont été correctement sauvegardés avant de conclure la session.
- Remercier le participant pour sa collaboration et lui offrir une collation légère en guise de remerciement après la fin de la procédure expérimentale.
NOTE : En cas de problème survenant pendant l’enregistrement physiologique pour cause de défaillance technique, notamment, sans s’y limiter : perte de communication entre le bracelet de poignet et le module du système d’acquisition physiologique, arrêt inattendu du bracelet de poignet, électrodes desserrées ou partiellement détachées, ou interruptions temporaires du signal ou bruit excessif causé par des problèmes de connexion, l’expérience doit se poursuivre comme prévu et le participant ne doit pas répéter la session expérimentale.
8. Prétraitement des données
REMARQUE : Une fois la session expérimentale terminée et tous les enregistrements physiologiques correctement sauvegardés, les données de RSC doivent subir une procédure standardisée de prétraitement avant toute analyse.
- Exécutez le script MATLAB Ledalab_Format pour réorganiser la structure des données de l’enregistrement physiologique exporté depuis le logiciel d’acquisition, afin de la rendre compatible avec Ledalab, une boîte à outils MATLAB conçue pour l’analyse des signaux EDA.
NOTE : Dans le code Ledalab_Format.mat, définissez le chemin du fichier {Identification_Code}.mat comme variable d’entrée. Cela permet de convertir le fichier d’enregistrement physiologique exporté dans un format pouvant être correctement lu et traité par Ledalab. Une fois le processus de conversion terminé, un nouveau fichier MATLAB doit être généré et enregistré dans le dossier du participant correspondant en utilisant la convention de nommage suivante : Ledalab_{Identification_Code}.mat. Selon l’exemple précédent, si les données de l’Expérience_1 sont converties pour le participant « 015 », le fichier résultant doit être nommé : Ledalab_015.mat. - Ouvrez Ledalab, puis dans la barre de menu située en haut à gauche, sélectionnez Fichier > Importer des données > Fichier Matlab (*.mat). Chargez ensuite le fichier de données nouvellement généré correspondant à la condition expérimentale du participant.
- Saisissez les paramètres d’échantillonnage dans la fenêtre de configuration que Ledalab affiche une fois le fichier chargé.
- La fréquence d’acquisition initiale du signal SCR est de 2000 Hz. Afin de réduire la charge de calcul, sous-échantillonnez le signal à 10 Hz en utilisant les paramètres suivants : fréquence d’échantillonnage cible : 10 Hz, facteur de sous-échantillonnage : 200, méthode de rééchantillonnage : Étapes.
- Après avoir terminé la procédure de sous-échantillonnage, effectuez une analyse de décomposition continue (CDA)20 dans Ledalab afin de décomposer le signal EDA en ses composantes tonique et phasique.
- Dans la barre de menu, sélectionnez Analyse > Analyse de décomposition continue (Extraction de l’activité phasique/tonique continue).
- Attendez que la fenêtre de configuration apparaisse à l’écran.
- Dans cette fenêtre, sélectionnez l’option Optimiser pour ajuster automatiquement les paramètres d’analyse.
- Une fois le processus d’optimisation terminé, cliquez sur Appliquer pour démarrer l’analyse CDA.
- Une fois l’analyse CDA terminée, sélectionnez Résultats > Analyse liée aux événements, et une fenêtre de configuration apparaîtra à l’écran.
- Définissez le seuil d’amplitude minimal à la valeur par défaut de Ledalab, soit 0,01 µS, et laissez l’option d’échelle z désactivée. Les marqueurs d’événements exportés depuis le logiciel d’acquisition indiquent séparément le début du stimulus conditionné et le début du stimulus non conditionné, de sorte que l’analyse liée aux événements renvoie une réponse pour chacun. Définissez la fenêtre de réponse comme suit :
- Pour l’Expérience 1, utilisez 0 s à 9 s après le marqueur d’événement.
- Pour l’Expérience 2, utilisez 0 s à 6 s après le marqueur d’événement.
- Exportez le résultat sous forme de fichier tableur. Ledalab génère un fichier tableur contenant les informations physiologiques et liées aux événements pertinentes extraites du signal SCR.
NOTE : La fenêtre de réponse correspond à la durée totale du stimulus conditionné dans chaque tâche (Tableau supplémentaire 1 : 9 s dans l’Expérience 1 et 6 s dans l’Expérience 2), afin que la réponse induite par le CS couvre toute l’intervalle CS-US et ne soit pas contaminée par la réponse non conditionnée, qui est notée séparément sur son propre marqueur d’événement. Les réponses inférieures au seuil de 0,01 µS sont enregistrées comme zéro par Ledalab et conservées dans l’analyse sous forme de zéros ; ne les supprimez pas, car leur suppression augmenterait artificiellement la réponse moyenne des participants faiblement réactifs. - Répétez l’ensemble de la procédure de prétraitement, de sous-échantillonnage et d’analyse CDA pour l’Expérience 2 (voir la NOTE ci-dessous pour l’Expérience 3, qui suit une procédure différente et ne nécessite pas les résultats de l’analyse CDA).
NOTE : À la fin de la phase de prétraitement, chaque dossier expérimental doit contenir un fichier tableur supplémentaire correspondant aux résultats de l’analyse CDA générés par Ledalab. Ce fichier doit ensuite être converti au format .xlsx pour le stockage, l’organisation et des analyses ultérieures. L’Expérience 3 suit une procédure de prétraitement différente. Pour cette expérience, seul le script MATLAB doit être utilisé, et il ne nécessite pas les résultats de l’analyse CDA, uniquement les valeurs alpha et beta. Lorsque le script est exécuté pour « Experiment_3 », il extrait automatiquement les valeurs alpha et beta, les fusionne avec les informations comportementales, et enregistre le fichier tableur résultant dans Global_Data/Exp_3. - Effectuez le contrôle qualité du signal, l’identification des non-répondeurs et la gestion des artefacts.
- Avant toute analyse statistique, affichez dans Ledalab l’intégralité du tracé de conductance cutanée sous-échantillonné pour chaque participant et inspectez-le visuellement du premier au dernier marqueur d’événement. Effectuez cette inspection pour chaque participant et pour chaque tâche séparément, car la qualité du signal dépend du canal et de la tâche.
- Rejetez entièrement un tracé et considérez le canal SCR de cette tâche comme manquant pour ce participant si l’un des cas suivants est observé : (i) un signal plat ou absent pendant toute la tâche, indiquant une perte de communication sans fil avec le bracelet, un bracelet éteint ou une électrode détachée ; (ii) un niveau de conductance cutanée tonique inférieur à 0,05 µS maintenu tout au long de la tâche, ce qui indique un mauvais contact électrode-peau plutôt qu’un faible niveau d’activation ; (iii) une dérive ininterprétable ou une augmentation soudaine et durable de l’amplitude non verrouillée temporellement à un événement ; ou (iv) une saturation de la plage de l’amplificateur.
NOTE : Ne répétez pas la session et n’excluez pas le participant des autres tâches ni des canaux comportementaux et d’auto-évaluation. - Définissez un participant comme non-répondeur pour une tâche donnée s’il n’affiche aucune réponse phasique atteignant ou dépassant le seuil de 0,01 µS lors d’aucun événement de cette tâche, y compris les événements du stimulus non conditionné des essais renforcés — c’est-à-dire si le participant n’affiche aucune réponse électrodermique mesurable, même face à l’issue aversive elle-même.
- Excluez un non-répondeur de tous les canaux de cette tâche — conductance cutanée, comportement et évaluations subjectives — car l’absence de toute réponse électrodermique même au stimulus non conditionné indique que le système électrodermique n’était pas mesurable durant cette session, et remet en question l’engagement du participant dans la contingence.
- Conservez ce participant dans les deux autres tâches. Distinguez ce cas de la perte technique du signal (électrode détachée ou bracelet ayant perdu la communication sans fil), où le participant a répondu mais le signal n’a pas été enregistré : dans ce cas, considérez le canal SCR de cette tâche comme manquant, mais conservez les données comportementales et subjectives de cette tâche, qui ne sont pas affectées par la qualité du signal électrodermique.
- Signalez séparément le taux de non-répondeurs et le taux de pertes techniques pour chaque tâche.
- Identifiez les artefacts de mouvement sur le tracé comme (i) des transitoires de montée abrupts non verrouillés temporellement à un marqueur d’événement, ou (ii) des décalages en forme d’escalier du niveau tonique dus à une contraction des doigts, à un changement de posture ou au frottement des électrodes contre la chaise ou le bureau.
- Marquez chaque essai contenant un tel artefact dans sa fenêtre de notation et excluez-le au niveau de l’essai ; n’excluez pas le participant.
- Excluez un participant de tous les canaux d’une tâche, et pas seulement de son analyse SCR, si plus de 25 % des essais de cette tâche sont marqués comme contaminés par des artefacts : les essais restants ne permettent plus une estimation stable par participant, et les conditions d’enregistrement de cette session ne sont pas adéquates pour aucun canal. Conservez ce participant dans les deux autres tâches.
- Transformez les amplitudes au niveau des essais avec log(SCR + 1) avant la moyenne, afin de normaliser la distribution asymétrique positive des amplitudes électrodermiques ; fixez à zéro toute valeur CDA négative, conséquence rare de la dérive de la ligne de base, avant la transformation.
- Regroupez les essais transformés pour obtenir une valeur par participant, par phase et par stimulus.
- Signalez la taille d’échantillon analytique (n) séparément pour chaque canal (SCR, comportement, évaluations) et pour chaque tâche, car la perte spécifique à chaque canal fait diverger ces valeurs.
- Enregistrez chaque décision prise aux étapes 8.14.1–8.14.9 dans un journal de qualité par participant contenant : l’identifiant du participant, la tâche, la condition de contrebalancement, le tracé accepté ou rejeté (avec la raison), la plage du niveau tonique, le nombre et l’identité des essais rejetés pour artefacts, le pourcentage d’essais rejetés pour artefacts, le statut de non-répondeur, et la contribution finale à la taille d’échantillon analytique pour chaque canal.
- Stockez le journal de qualité avec les bases de données consolidées afin que la perte de données spécifique à chaque canal soit traçable et reproductible.
NOTE : Dans l’échantillon actuel, aucun participant ne répondait au critère de non-répondeur de l’étape 8.14.3, et aucun participant n’a dépassé le seuil de 25 % d’artefacts de l’étape 8.14.6 ; par conséquent, aucun participant n’a été exclu de tous les canaux d’une tâche. Les divergences dans la taille d’échantillon analytique sont de deux types indépendants : la perte technique du canal électrodermique, qui laisse intacts les enregistrements comportementaux et subjectifs de cette tâche, et les enregistrements comportementaux ou d’auto-évaluation incomplets (tâche non terminée ou réponses analogiques visuelles manquantes), indépendants de la qualité du signal électrodermique. La taille d’échantillon analytique exacte pour chaque canal et chaque tâche est indiquée dans le paragraphe « Échantillon analytique » des Résultats représentatifs. L’Expérience 3 ne comporte pas de canal SCR, donc son n reflète une perte de données comportementales plutôt qu’électrodermiques. La communication explicite de ces critères répond au manque d’harmonisation dans l’opérationnalisation et le reporting des résultats électrodermiques souligné par Ruge et al.1.
9. Bases de données
- Exécutez le script Python Data_Bases.py pour fusionner, pour chaque participant, les mesures physiologiques obtenues à partir des enregistrements SCR avec les réponses collectées lors de la tâche expérimentale.
NOTE : Ce script intègre les informations issues des enregistrements physiologiques traités via Ledalab, les résultats de l'analyse CDA et les feuilles de calcul des réponses PsychoPy générées pendant l'expérience. - Une fois le script exécuté avec succès, vérifiez qu’un classeur consolidé contenant les données physiologiques et comportementales d’un participant unique est généré et enregistré dans le dossier Global_Data.
NOTE : En reprenant l’exemple précédent, si l’Expérience_1 est sélectionnée pour analyse, le script Python parcourt automatiquement les dossiers de tous les participants associés à cette expérience, fusionne les sorties CDA avec les données comportementales correspondantes pour chaque participant, puis génère un fichier de classeur individuel pour chaque participant dans le dossier Global_Data/Exp_1 . - Une fois les bases de données individuelles des participants générées, utilisez le script Python Completed_Bases_Per_Experiment.py pour regrouper les données de tous les participants pour chaque tâche expérimentale.
NOTE : Ce script combine les informations provenant de tous les dossiers de participants en une base de données unique par expérience, facilitant ainsi les analyses statistiques et le traitement ultérieur des données. Si la procédure est menée à bien, trois classeurs finaux sont générés, chacun correspondant à l’une des trois expériences :
Un classeur pour l’Expérience_1
Un classeur pour l’Expérience_2
Un classeur pour l’Expérience_3 - Enregistrez les bases de données complètes résultantes dans le dossier Complete_Data_Bases.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Résultats
Échantillon analytique
Un total de 38 adultes en bonne santé ont complété l'ensemble de la session expérimentale et le questionnaire auto-administré (CTQ-SF, BCE, PHQ-9, GAD-7, STAI). Les effectifs par analyse variaient légèrement en raison de pertes de données spécifiques à certains canaux, et non en raison de désistements de participants. Effectifs selon les analyses : Expérience 1 — ANOVA des réponses électrodermales (SCR) et des évaluations (phases pavlovienne et opérante...
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Discussion
Les résultats actuels établissent la viabilité technique et méthodologique d'une batterie intégrée, réalisée en une seule séance, couvrant l'acquisition de menace avec contrôle instrumental, l'apprentissage de la sécurité, le retour de la peur, et l'apprentissage de récompense probabiliste. Chez un échantillon de 35 à 38 adultes en bonne santé (les tailles des échantillons analytiques variaient légèrement selon les expériences en raison de pertes de signal spécifiques à certains canaux, et non d'abandons de participants)...
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Déclarations de divulgation
Les auteurs déclarent n'avoir aucun intérêt financier ou non financier en conflit.
Remerciements
Les auteurs remercient tous les participants pour leur temps et leur implication, ainsi que les assistants de recherche et l'équipe du laboratoire de l'Universidad de los Andes. Cette recherche a été financée par l'Agencia Nacional de Investigacion y Desarrollo de Chile (ANID) dans le cadre du projet Fondecyt Iniciacion n°11250037 (Chercheur principal : Maria Consuelo San Martin). R.C.V. a bénéficié du soutien du National Center for Artificial Intelligence CENIA FB210017, Basal ANID.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Matériaux
| Nom | Entreprise | Numéro de catalogue | Commentaires |
|---|---|---|---|
| Logiciel AcqKnowledge | BIOPAC Systems Inc. | ACK100W (Windows) / ACK100M (Mac) | Logiciel d'acquisition et d'analyse de signaux physiologiques. RRID : SCR_014279 (à vérifier avec l'entrée actuelle sur SciCrunch). |
| afex (package R) | Singmann, Bolker, Westfall, Aust & Ben-Shachar | Version 1.5-1 | Package R pour les expériences factorielles. Utilisé pour toutes les ANOVA à mesures répétées (Expériences 1 à 3) via aov_ez(). RRID : SCR_022761 (à vérifier avec l'entrée actuelle sur SciCrunch). |
| ARTool (package R) | Wobbrock, Findlater, Gergle & Higgins | Version 0.11.2 | Transformation par rangs alignés pour l'ANOVA factorielle non paramétrique. Utilisée pour l'ANOVA Phase × Stimulus sur la conductance cutanée dans l'expérience 2, dont la distribution est non gaussienne. |
| Échelle des expériences positives de l'enfance (BCE) | Narayan, Rivera, Bernstein, Harris & Lieberman (2018) | Instrument à domaine public (10 items) | Adaptation espagnole utilisée. Aucun RRID attribué à cet instrument ; citer l'article original de validation. |
| Bracelet BioNomadix (émetteur) | BIOPAC Systems Inc. | BN-PPGED-T | Émetteur portable pour signaux EDA et PPG. Utilisé en association avec le module récepteur BioNomadix. |
| Questionnaire des traumatismes de l'enfance - version courte (CTQ-SF) | Bernstein et al. (2003) | Auto-questionnaire validé de 28 items | Cinq sous-échelles (EA, PA, SA, EN, PN). Aucun RRID ; citer l'article original de validation. Adaptation espagnole utilisée. |
| Gel conducteur pour électrodes EDA | BIOPAC Systems Inc. | GEL101A | Gel isotonique pour les mesures de conductance cutanée. |
| Électrodes EDA jetables Ag/AgCl | BIOPAC Systems Inc. | EL507A | Électrodes jetables pour l'enregistrement de la conductance cutanée. |
| Échelle du trouble d'anxiété généralisée (GAD-7) | Spitzer, Kroenke, Williams & Löwe (2006) | Auto-questionnaire de 7 items | Version espagnole validée utilisée. Aucun RRID pour l'instrument ; citer l'original. |
| ggplot2 (package R) | Wickham | Version 4.0.3 | Système de tracé basé sur la grammaire des graphiques. RRID : SCR_014601 (à vérifier avec l'entrée actuelle sur SciCrunch). |
| Casque audio (à écouteurs circum-auriculaires) | HyperX (HP Inc.) | Cloud III | Casque filaire fermé destiné au jeu ; utilisé pour délivrer le stimulus inconditionné auditif durant le conditionnement de la peur. |
| Ledalab | Benedek & Kaernbach (2010) | Boîte à outils MATLAB open-source v3.2.5 | Analyse continue par décomposition (CDA) des signaux de conductance cutanée. Aucun RRID attribué (citer l'article original à la place). |
| lme4 (package R) | Bates, Maechler, Bolker & Walker | Version 1.1-37 | Modèles linéaires à effets mixtes. Utilisé pour estimer les pentes individuelles des trajectoires d'apprentissage dans l'expérience 3. RRID : SCR_015654 (à vérifier avec l'entrée actuelle sur SciCrunch). |
| MATLAB | MathWorks | R2025a | Utilisé pour exécuter Ledalab et le pipeline de prétraitement des SCR. RRID : SCR_001622. |
| Questionnaire de santé du patient-9 (PHQ-9) | Kroenke, Spitzer & Williams (2001) | Auto-questionnaire de 9 items | Version espagnole validée utilisée. Aucun RRID pour l'instrument ; citer l'original. |
| Unité d'acquisition de données physiologiques (PsychoPy) | BIOPAC Systems Inc. | MP200 | Unité principale d'acquisition de signaux physiologiques. Associée au module EDA sans fil BioNomadix. |
| Python | Python Software Foundation | Version 3.12 | Utilisé pour le pipeline de prétraitement qui fusionne les sorties de Ledalab avec les enregistrements comportementaux de PsychoPy (Data_Bases.py, Completed_Bases_Per_Experiment.py). RRID : SCR_008394 (à vérifier avec l'entrée actuelle sur SciCrunch). |
| R (environnement de calcul statistique) | R Foundation for Statistical Computing | Version 4.5.0 | Environnement dans lequel toutes les analyses statistiques ont été réalisées. Les modèles de modulation ont été estimés par régression des moindres carrés ordinaires à l'aide de la fonction lm() du package stats de base, avec les prédicteurs standardisés en z et le terme d'interaction calculé comme leur produit ; aucun package spécialisé pour la modulation n'a été utilisé. RRID : SCR_001905 (à vérifier avec l'entrée actuelle sur SciCrunch). |
| Inventaire d'anxiété état-trait (STAI) | Spielberger et al. (1983) | Forme Y du STAI (40 items, SAI + TAI) | Version espagnole validée utilisée. Aucun RRID pour l'instrument ; citer l'original. |
| Écran de présentation des stimuli | Samsung | LS22D300GALXZS (S22D300, LED 22 pouces) | Écran utilisé pour les stimuli visuels CS+ / CS- et les échelles d'évaluation. |
Références
- Ruge J, et al. How adverse childhood experiences get under the skin: a systematic review, integration and methodological discussion on threat and reward learning mechanisms. eLife. 2024;13:e92700.
- Madigan S, et al. Adverse childhood experiences: a meta-analysis of prevalence and moderators among half a million adults in 206 studies. World Psychiatry. 2023;22(3):463-71.
- Teicher MH, Gordon JB, Nemeroff CB. Recognizing the importance of childhood maltreatment as a critical factor in psychiatric diagnoses, treatment, research, prevention, and education. Mol Psychiatry. 2022;27(3):1331-8.
- Smith KE, Pollak SD. Children's value-based decision making. Sci Rep. 2022;12:5953.
- Montague PR, Hyman SE, Cohen JD. Computational roles for dopamine in behavioural control. Nature. 2004;431(7010):760-7.
- Gerin MI, et al. A neurocomputational investigation of reinforcement-based decision making as a candidate latent vulnerability mechanism in maltreated children. Dev Psychopathol. 2017;29(5):1689-705.
- McCrory EJ, Viding E. The theory of latent vulnerability: reconceptualizing the link between childhood maltreatment and psychiatric disorder. Dev Psychopathol. 2015;27(2):493-505.
- Hanson JL, et al. Early adversity and learning: implications for typical and atypical behavioral development. J Child Psychol Psychiatry. 2017;58(7):770-8.
- van den Bos W, Güroğlu B, van den Bulk BG, Rombouts SARB, Crone EA. Better than expected or as bad as you thought? The neurocognitive development of probabilistic feedback processing. Front Hum Neurosci. 2009;3:52.
- Narayan AJ, Rivera LM, Bernstein RE, Harris WW, Lieberman AF. Positive childhood experiences predict less psychopathology and stress in pregnant women with childhood adversity. Child Abuse Negl. 2018;78:19-30.
- Dibbets P, Evers EAT. The influence of state anxiety on fear discrimination and extinction in females. Front Psychol. 2017;8:347.
- Sperl MFJ, Panitz C, Hermann C, Mueller EM. A pragmatic comparison of noise burst and electric shock unconditioned stimuli for fear conditioning research with many trials. Psychophysiology. 2016;53(7):1017-34.
- San Martín C, Jacobs B, Vervliet B. Further characterization of relief dynamics in the conditioning and generalization of avoidance: effects of distress tolerance and intolerance of uncertainty. Behav Res Ther. 2020;124:103526.
- McLaughlin KA, DeCross SN, Jovanovic T, Tottenham N. Mechanisms linking childhood adversity with psychopathology: learning as an intervention target. Behav Res Ther. 2019;118:101-9.
- Kroenke K, Spitzer RL, Williams JBW. The PHQ-9: validity of a brief depression severity measure. J Gen Intern Med. 2001;16(9):606-13.
- Spitzer RL, Kroenke K, Williams JBW, Löwe B. A brief measure for assessing generalized anxiety disorder: the GAD-7. Arch Intern Med. 2006;166(10):1092-7.
- Spielberger CD. Manual for the State-Trait Anxiety Inventory (Form Y). Consulting Psychologists Press; Palo Alto (CA); 1983.
- Bernstein DP, et al. Development and validation of a brief screening version of the Childhood Trauma Questionnaire. Child Abuse Negl. 2003;27(2):169-90.
- Peirce J, et al. PsychoPy2: experiments in behavior made easy. Behav Res Methods. 2019;51(1):195-203.
- Benedek M, Kaernbach C. A continuous measure of phasic electrodermal activity. J Neurosci Methods. 2010;190(1):80-91.
- Lonsdorf TB, et al. Don't fear "fear conditioning": methodological considerations for the design and analysis of studies on human fear acquisition, extinction, and return of fear. Neurosci Biobehav Rev. 2017;77:247-85.
- LeDoux JE, Moscarello J, Sears R, Campese V. The birth, death and resurrection of avoidance: a reconceptualization of a troubled paradigm. Mol Psychiatry. 2017;22(1):24-36.
- Wobbrock JO, Findlater L, Gergle D, Higgins JJ. The aligned rank transform for nonparametric factorial analyses using only ANOVA procedures. Presented at: Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (CHI '11); New York (NY); 2011.
- Fritz MS, MacKinnon DP. Required sample size to detect the mediated effect. Psychol Sci. 2007;18(3):233-9.
- Bouton ME. Learning and behavior: a contemporary synthesis. Sinauer Associates; Sunderland (MA); 2007.
- Rescorla RA, Wagner AR. A theory of Pavlovian conditioning: variations in the effectiveness of reinforcement and nonreinforcement. In: Black AH, Prokasy WF, editors. Classical Conditioning II: Current Research and Theory. Appleton-Century-Crofts; New York (NY); 1972.
- McClelland GH, Judd CM. Statistical difficulties of detecting interactions and moderator effects. Psychol Bull. 1993;114(2):376-90.
- Maier SF, Seligman MEP. Learned helplessness at fifty: insights from neuroscience. Psychol Rev. 2016;123(4):349-67.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Réimpressions et autorisations
Cet article a été publié
Vidéo bientôt disponible