מדידת הערך סובייקטיבי של אפשרויות מסוכנות ושנויות במחלוקת באמצעות כלכלה ניסויית ושיטות MRI פונקציונליות

המטרה הכוללת של הניסוי הבא היא לבחון את הקידוד העצבי של הערך הסובייקטיבי של אפשרויות מסוכנות ומעורפלות באמצעות MRI תפקודי. זה מושג על ידי סריקת המשתתפים בזמן שהם בוחרים בין הגרלות מסוכנות ומעורפלות, המשתנות בכמות, בהסתברות וברמת העמימות. הבחירות שעשה כל משתתף משמשות לאחר מכן להערכת עמדותיו כלפי סיכון ועמימות, אשר בתורם משמשות להערכת האופן שבו סיכון ועמימות משפיעים על הערכת המשתתפים בהגרלות.

לאחר מכן, הערכות אלה משמשות כרגרסורים במודל ליניארי כללי על מנת לזהות אזורים במוח שבהם הפעילות קשורה לערך סובייקטיבי של הגרלות מסוכנות או מעורפלות. התוצאות מראות מתאם עם ערכים סובייקטיביים של אפשרויות מסוכנות ומעורפלות באזורים חופפים של קליפת המוח הקדם-מצחית האמצעית והסטריאטום. היתרון העיקרי של טכניקה זו על פני שיטות אחרות המשווים פעילות כללית להגרלות מסוכנות ומעורפלות הוא שההתנהגות האישית של כל משתתף משמשת בניתוח הפעלת המוח.

שיטה זו יכולה לעזור לענות על שאלות מפתח בתחום הנוירו-כלכלה, כגון כיצד ערך מיוצג במוח וכיצד הוא משמש לקבלת החלטות. הצעד הראשון בפרוטוקול זה הוא לעצב את הגירויים החזותיים המייצגים בחירות מסוכנות ומעורפלות שיוצגו בעת סריקת תמונות שימוש כמו אלה המוצגות כאן כדי לייצג מעטפות מלאות באסימוני פוקר הנקראות שקיות לוטו בגירויים להגרלות מסוכנות, ההסתברות לזכייה היא שיש להמחיש את היחס בין שבבים אדומים לכחולים באמצעות גירוי גרפי ומספרים. כאן, האזורים האדומים והכחולים של כל תמונה פרופורציונליים למספר השבבים האדומים והכחולים.

במעטפה אמיתית, מינימום של שלוש הסתברויות תוצאה מומלצות עבור הגרלות דו-משמעיות. חלק מהמידע על ההסתברות אמור להיות חסר כך שהיחס האפשרי בין שבבים אדומים לכחולים מוגבל אך לא מוגדר. מה שהופך את ההסתברות לזכייה, מעורפלת חלקית.

הגדלת הגודל החסום מגדילה את רמת העמימות. אנו ממליצים להשתמש בשלוש רמות חסימה לפחות המוצגות בכל רמת הסתברות או אי בהירות לזכייה, כאשר סכום התוצאה מוצג לצד הצבע המנצח ואפס לצד הצבע השני. כאן, הגרלת צ'יפ אדום תביא לזכייה ב-18 בעוד שהגרלת צ'יפ כחול תביא לתוצאה אפסית. חמש.

רמות התגמול מומלצות על פני מגוון רחב של סכומים בכל ניסוי. הנבדק יבחר בין שתי הגרלות. עם זאת, לשם הפשטות, ניתן לשמור על אחת האפשרויות קבועה לאורך כל הניסוי ומחוץ למסך, בעוד שרק האפשרות המוצגת מגוונת.

כל שילוב של הסתברות או רמת עמימות וסכום צריך להיות מוצג לפחות ארבע פעמים כדי להבטיח עוצמה סטטיסטית מספקת. בניתוחים, הגדר את הפרדיגמה כעיצוב איטי הקשור לאירועים כך שכל הגרלה מוצגת כגירוי למשך שתי שניות, ולאחר מכן תקופת עיכוב של שש שניות כדי לאפשר תגובה נוירו-וסקולרית. לאחר מכן יש לבצע את התגובה תוך שנייה עד שתיים.

השתמש בתמונה פשוטה כמשוב קצר כדי לציין שהתגובה נרשמה והפרד את הניסויים לפי פרקי מנוחה של לפחות 10 שניות. כמו כן, הכינו שקיות או מעטפות פיזיות כך שיתאימו לכל תמונת לוטו שבה נעשה שימוש. בניסוי.

מלא כל מעטפה בסך הכל 100 שבבים אדומים וכחולים עם פרופורציות המתאימות להסתברות למשוך שבב מכל צבע מהשקית המוצגת בתצוגה. יש להראות אותם לנבדקים לפני המשימה מכיוון שהם ישמשו מאוחר יותר להפעלת ניסויים שנבחרו באופן אקראי לתשלום. תשלום לנבדקים על סמך הבחירות שלהם בניסוי חשוב כדי לעודד אותם לבטא את העדפותיהם האמיתיות.

שימוש בשקיות פיזיות עם שבבים אמיתיים בהן כדי לשחק בהגרלות מבטיח שההסתברויות לתוצאה הן אכן זו שצוינה לפני הסריקה. ראשית, בקש מהנבדק למלא טופס הסכמה וכן שאלון לבדיקת MRI. לאחר מכן ודא שהנושא מסיר את כל המתכת כדי להבטיח בטיחות בסביבת הסורק.

לאחר מכן, ספקו לנבדק הוראות מפורטות על הניסוי והמשימה. ודאו שהנבדק מבין כיצד ההסתברויות והסכומים מועברים בכל תמונה, אך אל תחשפו מידע שיכול להשפיע על הבחירות. תיבת תגובה של שני לחצנים תשמש בסורק כדי לתעד את בחירות הנושא.

כמו כן, הסבירו את מנגנון התשלום כדי שהנבדק יבין שהתשלום יבוצע. על פי הבחירות. אטמו את השקיות שהוכנו קודם לכן ובקשו מהנבדק לחתום את שמו על פני החותם.

הסבירו כי זה יאפשר לאמת בסוף הניסוי שתכולת השקיות לא השתנתה מכיוון שהנבדק יורשה להסתכל לתוך השקיות כדי לוודא שהן מאשרות את רמת ההסתברות או העמימות המוצהרת. באמצעות סורק MRI של שלוש טסלה רכשו תחילה תמונה ברזולוציה גבוהה של מוחו של הנבדק באמצעות רצף משוקלל T אחד. נפח מבני זה ישמש לשחזור תלת מימד.

ניתן להשתמש בכל רצף ברזולוציה גבוהה למטרה זו. לאחר מכן, השתמש ברצף EPI משוקלל T של שני כוכבים כדי לרכוש הדמיה פונקציונלית. במהלך פרדיגמת המטלה, הקפידו למקם את הפרוסות כך שיכללו את אזורי העניין במוח.

בדרך כלל, יש לבצע אופטימיזציה של קליפת המוח הקדם-מצחית, קליפת המוח הקודקודית ופרמטרי הסריקה של גרעיני הבסיס עבור הסורק הספציפי באמצעות TR של שתי שניות ו-3 על 3 על 3 ווקסלים מילימטריים. לאחר הסריקה, אחזר את נתוני ההתנהגות מהמחשב שהקליט את לחצן הנושא. תגובות לעיתונות.

לאחר מכן אפשר לנבדק לבחור באופן אקראי ניסיון אחד או כמה לתשלום. ניתן לעשות זאת על ידי כך שהנבדק ישלוף שבב פוקר ממוספר מתוך שקית אטומה המכילה אסימונים עם כל מספרי הניסיון. עבור כל ניסוי שנבחר, הצג את הנושא, את האפשרות המוצגת ואת הבחירה שהם עשו באותו ניסוי.

לאחר מכן בקש מהנבדק לשלוף צ'יפ מהשקית שנבחרה במשפט זה ולשלם לו בהתאם לצבע המצויר ולסכום שהוצג בניסיון. כדי לנתח את הנתונים ההתנהגותיים, השתמש בסבירות מקסימלית כדי להתאים את נתוני הבחירה של כל נבדק לפונקציה לוגיסטית כפי שנראה. כאן PV היא ההסתברות שהנבדק בחר בהגרלת המשתנה.

SV sub F ו-SV sub V הם הערכים הסובייקטיביים של האפשרויות הקבועות והמשתנות בהתאמה וגמא היא השיפוע של הפונקציה הלוגיסטית, שהיא פרמטר ספציפי לנושא. גישה חלופית היא להשתמש בחלוקת צוואה כדי למדל את הערך הסובייקטיבי של כל אפשרות עבור כל נבדק, השתמש במודל שלוקח בחשבון את הכמות, ההסתברות ורמת העמימות של האופציה ואת העמדות של הנושא הבודד כלפי סיכון ועמימות. בחרנו להשתמש בפונקציית כוח הכוללת השפעה ליניארית של עמימות על ההסתברות הנתפסת.

אחת מכמה גישות חלופיות היא לכלול עמימות כאפקט אקספוננציאלי, להתאים את נתוני הבחירה לפונקציית הבחירה, ובכך לספק הערכות ליחס הסיכון, אלפא ויחס עמימות בטא עבור כל נבדק, לבצע תחילה עיבוד מקדים סטנדרטי של הנתונים הפונקציונליים, כולל פרוסה, סריקה, תיקון זמן, תיקון תנועה והסרת תדרים נמוכים הקשורים לרעש פיזיולוגי וסחיפות סורק. לאחר מכן רשום את הנתונים הפונקציונליים של כל נבדק לנתונים האנטומיים לניתוח ברמת הנבדק היחיד, השתמש בפונקציית תגובה המודינמית סטנדרטית ודגמן את הפעילות של כל ווקסל כתגובה מתמשכת במהלך כל הניסוי. השתמש במודל ליניארי כללי עם שני מנבאים בעלי ערך סובייקטיבי, אחד לניסויים מסוכנים ואחד לניסויים מעורפלים.

השתמש בפרמטרים הספציפיים לנושא הספציפי הנגזרים מההתאמה ההתנהגותית כדי לחשב את הערך הסובייקטיבי של כל הגרלה. כלול גם שני מנבאים דמה, אחד לניסויים מסוכנים ואחד לניסויים מעורפלים. כדי ללכוד הפעלות כלליות כגון חזותי ומוטורי, מבחן המובהקות צריך לקחת בחשבון את ההשוואות המרובות שבוצעו כאן.

גודל האשכול המינימלי הוגבל לשישה ווקסלים פונקציונליים רציפים. ניתן להשתמש גם בשיטות אחרות כגון שיעור גילוי שווא. חפש ווקסלים שבהם מקדמי הערך הסובייקטיבי תחת סיכון ו/או אי בהירות הם משמעותיים.

כאן אנו רואים תוצאות התנהגותיות של שלושה נבדקים מייצגים. כל פאנל מציג את נתוני הבחירה ותוצאות התאמת המודל עבור נושא אחד תחת סיכון או עמימות. הגרפים מתארים את שיעור הניסויים שבהם הנבדק בחר את ההגרלה המשתנה כפונקציה של סכום בנפרד עבור כל רמת הסתברות או עמימות.

כפי שניתן לראות, הנבדקים עשויים להיות שונים מאוד ביחסם לסיכון ולעמימות. כאן אנו רואים תוצאות הדמיה עבור אחד, ווקסלים מודגשים הם כאלה שבהם המקדם של מנבא הערך הסובייקטיבי תחת עמימות או סיכון היה שונה באופן משמעותי מאפס. בנבדק מייצג זה, נמצא מתאם מובהק בקליפת המוח הקדם-מצחית האמצעית ובסטריאטום בשני המצבים.

אזורים אלה הם העקביים ביותר בין נבדקים, אך ניתן לצפות למתאמים משמעותיים גם באזורים בקליפת המוח הקודקודית האמצעית והצדדית כמו גם באמיגדלה. טכניקה זו מאפשרת לחוקרים בתחום הנוירו-כלכלה לחקור שינויים בעמדות סיכון ועמימות, והמתאמים העצביים שלהם באוכלוסיות שונות בהקשרים שונים. לאחר צפייה בסרטון זה, אתה אמור להבין היטב כיצד לעורר עמדות סיכון ועמימות, וכיצד להשתמש בהן כדי לנתח נתוני FMRI שהתקבלו בזמן שהמשתתפים ביצעו בחירות.