ERRATUM NOTICE
Important: There has been an erratum issued for this article. Read more …
Summary
Olayla ilgili mevcut potansiyel (ERP) çalışması, dini ilahilerin olumsuz duyguları nasıl modüle edebileceğini araştırmak için benzersiz bir protokol sunmaktadır. Sonuçlar, geç pozitif potansiyelin (LPP) olumsuz duygusal uyaranlara karşı sağlam bir nörofizyolojik yanıt olduğunu ve tekrarlayan dini ilahiler ile etkili bir şekilde modüle edilebileceğini göstermektedir.
Abstract
Nöropsikolojik deneylerde, geç pozitif potansiyel (LPP), kişinin duygusal uyarılma seviyesini yansıtan olayla ilgili bir potansiyel (ERP) bileşenidir. Bu çalışma, tekrarlayan dini ilahilerin korku ve strese yol açan uyaranlara karşı duygusal tepkiyi modüle edip etmediğini ve böylece daha az duyarlı bir LPP'ye yol açıp oluşturmadığını araştırmamaktadır. "Amitabha Buddha"nın tekrarlayan dini ilahilerinde en az bir yıllık deneyime sahip yirmi bir katılımcı işe alındı. EEG verilerini toplamak için 128 kanallı elektroensefalografi (EEG) sistemi kullanıldı. Katılımcılara, Uluslararası Duygusal Resim Sistemi'nden (IAPS) seçilen olumsuz veya nötr resimleri üç koşul altında görüntülemeleri talimatı verildi: tekrarlayan dini ilahiler, tekrarlayan dinsel olmayan ilahiler ve ilahi yok. Sonuçlar, olumsuz korku ve strese neden olan resimlerin görüntülenmesinin, katılımcılarda, slogansız ve dinsiz ilahi koşulları altında nötr resimleri görüntülemekten daha büyük LPP'leri tetiklediğini göstermiştir. Bununla birlikte, bu artan LPP, tekrarlayan dini ilahi koşulları altında büyük ölçüde ortadan kayboldu. Bulgular, tekrarlayan dini ilahilerin uygulayıcılar için korkulu veya stresli durumlara nörofizyolojik tepkiyi etkili bir şekilde hafifletebileceğini göstermektedir.
Introduction
Geç pozitif potansiyele (LPP) uzun zamandır duygusal uyarılma eşlik ediyor ve duyguyla ilgili araştırmalarda güvenilir bir şekilde kullanılıyor1,2. Dini uygulama hem Doğu hem de Batı ülkelerinde yaygındır. Özellikle zorluk zamanlarında olumsuz olaylarla karşılaştığında uygulayıcının kaygı ve stresini hafifletebileceği ileri sürülerek3. Bununla birlikte, bu nadiren titiz deneysel ayarlar altında gösterilmiştir.
Çok sayıda çalışma, duygu düzenlemesinin farklı strateji ve çerçevelerle öğrenilebileceğini doğrulamıştır4,5,6. Birkaç çalışma, farkındalık ve meditasyonun duygusal olaylara nöral yanıtı modüle edebildiği gösterilmiştir7,8. Son zamanlarda, meditasyon uygulayıcılarının bilişsel değerlendirme, bastırma ve dikkat dağınıklığı dışında duygu modülasyon stratejileri kullanabileceği bulunmuştur8,9. Uluslararası Duyuşsal Resim Sistemi'nden (IAPS) uyaranlar, olumlu veya olumsuz duyguları güvenilir bir şekilde ortaya çıkarmak için kullanılabilir ve duyuşsal araştırmalarda belirtilen değer ve uyarılma seviyelerine sahip tasarlanmış resimleri bulmak için standart kriterler vardır10.
Duygusal uyaranlar beyinde erken ve daha geç tepkilere neden olabilir3,11. Benzer şekilde, Budizm geleneği de ilk ve ikincil zihinsel süreçlerle zihin düşünceleri üzerinde analojik analizler yapmıştır3,12,13. Erken bir Budist metni olan Sallatha Sutta (Ok Sutta), bilişsel eğitimin duyguları evcilleştirebileceğinden bahseder. Arrow Sutta, hem iyi eğitimli bir Budist uygulayıcının hem de eğitimsiz bir kişinin zararlı bir olayla karşılaştığında ilk ve olumsuz bir acı algısı yaşadığını belirtir13. Bu kaçınılmaz başlangıç ağrısı, Sallatha Sutta'da açıklandığı gibi bir kişinin okla vurulmasına benzer. Erken algısal ağrı, bir kişi son derece olumsuz bir tablo gördüğünde erken işleme aşamasıyla aynıdır. Erken sinirsel işlem genellikle bir N1 bileşeni ortaya çıkarır. Eğitimsiz kişiler, ilk, kaçınılmaz acı verici duyguları yaşadıktan sonra endişe, endişe ve stres gibi aşırı duygular geliştirebilirler. Sallatha Sutta'ya göre, bu geç gelişen olumsuz duygu veya psikolojik acı, ikinci bir okla vurulmak gibidir. Olayla ilgili bir potansiyel (ERP) deneyi, N1 ve LPP'nin yukarıda belirtilen iki oka karşılık gelebileceğini varsayarak mevcut tasarımın erken ve sonraki psikolojik süreçlerini yakalayabilir.
Bu protokolde, bir birey korkulu veya stresli bir durumdayken dini zikirlerin potansiyel etkisini test etmek için "Amitabha Buddha" (Sanskit: Amitābha) adının tekrarlayan ilahisi seçilmiştir. Bu dini zikir, Çinli Budistler arasında dini yönelimleri olan bireylerin en popüler uygulamalarından biridir ve Doğu Asya Saf Toprak Budizminin temel bir uygulamasıdır14. Tekrarlayan dini ilahilerin, kışkırtıcı uyaranlara, yani korkulu veya stresli resimlerin neden olduğu LPP'ye karşı beyin tepkisini azaltacağı varsayımı yapıldı. Katılımcıların nörofizyolojik yanıtlarını farklı koşullar altında değerlendirmek için hem EEG hem de elektrokardiyogram (EKG) verileri toplanmıştır.
Protocol
Bu ERP çalışması Hong Kong Üniversitesi Kurumsal İnceleme Kurulu tarafından onaylandı. Bu çalışmaya katılmadan önce, tüm katılımcılar yazılı bir bilgilendirilmiş onay formu imzaladılar.
1. Deneysel tasarım
- Katılımcıları işe alma
- Bu çalışma için "Amitabha Buddha" adının söylenmesinde en az 1 yıl (~ 200-3.000 h) deneyime sahip katılımcıları işe alın.
NOT: Bu çalışmada 40-52 yaş arasında değişen 21 insan katılımcı seçilmiş; 11'i erkekti.
- Bu çalışma için "Amitabha Buddha" adının söylenmesinde en az 1 yıl (~ 200-3.000 h) deneyime sahip katılımcıları işe alın.
- Dini ilahiler ve dinsiz ilahiler
- 40 sn için "Amitabha Buddha" adını söyle. Amitabha Buddha'nın görüntüsüyle ilk 20'ler ve IAPS görüntüleriyle sonraki 20'ler.
- Pureland okulunda amitabha Buddha'nın görüntüsünü görüntülerken "Amitabha Buddha" adının sadece dört karakterini söyleyin14.
- 40 sn boyunca Noel Baba (dini olmayan ilahi durumu) adını söyleyin. Noel Baba'nın görüntüsünü görüntülerken ilk 20'ler ve IAPS görüntüleriyle sonraki 20'ler.
- Noel Baba adının sadece dört karakterini söyleyin ve Noel Baba'yı hayal edin.
- 40 s boyunca sessiz kal. Kontrol amacıyla boş bir görüntü ile ilk 20 s ve IAPS görüntüleri ile sonraki 20 s.
NOT: İlahi yok.
- 40 sn için "Amitabha Buddha" adını söyle. Amitabha Buddha'nın görüntüsüyle ilk 20'ler ve IAPS görüntüleriyle sonraki 20'ler.
- EEG kayıt sistemi
- Amplifikatör, kafa kutusu, EEG kapağı ve iki masaüstü bilgisayardan oluşan 128 kanallı bir EEG sistemi kullanarak EEG verilerini kaydedin (bkz. Malzeme Tablosu).
- Uyaran sunum sistemi
- Masaüstü bilgisayarda IAPS'den nötr ve negatif resimler göstermek için uyarıcı sunum yazılımını (bkz. Malzeme Tablosu) kullanın.
- EKG kayıt sistemi
- EKG verilerini kaydetmek için fizyolojik bir veri kayıt sistemi kullanın (bkz. Malzeme Tablosu).
2. Duyuşsal modülasyon deneyi
NOT: Deneyde 2 x 3 tasarımlı iki faktör vardı: İlk faktör resim türüydü: nötr ve negatif (korku ve stresi kışkırtıcı). İkinci faktör ilahi türüydü: "Amitabha Buddha" ilahisi, "Noel Baba" tezahüratı ve ilahi yok (sessiz görüş).
- Duyguyla ilgili bileşenleri daha etkili bir şekilde ortaya çıkardığı için bir blok tasarımı kullanın15.
NOT: Altı koşul vardı ve sıralar katılımcılar arasında rastgele ve dengelenmişti (Şekil 1). Altı şart şu şekildeydi: olumsuz resimleri görüntülerken dini zikir (AmiNeg); tarafsız resimleri görüntülerken dini ilahiler (AmiNeu); negatif resimleri görüntülerken ilahi yok (PasNeg); nötr resimleri görüntülerken ilahi yok (PasNeu); olumsuz resimleri görüntülerken dindar olmayan ilahiler (SanNeg); ve tarafsız resimleri görüntülerken (SanNeu) dinsiz ilahiler.
Şekil 1: Deneysel prosedür. Altı psödorandomize durum vardı ve her katılımcı psödorandomized bir dizi aldı. Her durum iki ayrı seansta altı kez tekrarlandı. Bu rakam Reference3'ten uyarlanmıştır. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
- ~1.8-2.2 sn için her resmi 0.4-0.6 sn arasında bir uyaran aralığı (ISI) ile gösterin.
NOT: Her oturumda aynı türde (nötr veya negatif) 10 resim vardı. - Bir sonraki oturumda ilahi veya resim görüntülemenin olası artık etkilerine karşı koymak için her oturumdan sonra 20 s dinlenme süresine izin verin.
- Resimleri katılımcıların gözünden 75 cm mesafede, görsel açıları 15° (dikey) ve 21° (yatay) olan bir CRT monitörde sunun.
- Katılımcılardan resimleri dikkatlice gözlemlemelerini isteyin.
- Katılımcılara her koşul hakkında bilgi sahibi olmalarına izin vermek için kısa bir alıştırma koşusu sağlayın. Katılımcıların uykuya dalmamasını sağlamak için bir video monitörü kullanın.
- Katılımcılara 40 dakikalık deneyin ortasında 10 dakika dinlenin.
3. EEG ve EKG veri toplama
NOT: Deneye gelmeden önce, her katılımcıdan saç kremi veya sistemin empedansını artırabilecek başka bir şey kullanmadan saçlarını ve kafa derilerini iyice yıkamasını isteyin. EEG ve EKG verilerini aynı anda iki ayrı sistemle toplayın.
- Her katılımcıyı deneysel prosedürler hakkında bilgilendirin, yani etkili resimlerin farklı ilahi koşulları altında görüntülendiğini bildirin.
- Örnekleme hızını 1.000 Hz olarak ayarlayın ve mümkün olduğunda veya sistemin gereksinimlerine göre her elektrodun empedansını 30 kΩ'ın altında koruyun.
- Fizyolojik veri kayıt sistemi kullanarak EKG verileri de dahil olmak üzere fizyolojik verileri toplayın (bkz. Malzeme Tablosu).
4. EEG veri analizi
- EEGLAB (bkz. Malzeme Tablosu) , Ek Dosya 1-2, aşağıdaki adımları izleyerek açık kaynaklı bir yazılım16 ile EEG verilerini işleyin ve analiz edin.
- Makul bir veri dosyası boyutunu korumak için verileri 1.000 Hz'den 250 Hz'e yeniden örneklemek için EEGLAB işlevini "pop_resample" kullanın. Örnekleme hızını değiştirmek > Araçlar'a tıklayın.
- Verileri 0,1-100 Hz geçiş bandına sahip sonlu bir darbe tepkisi (FIR) filtresiyle filtrelemek için EEGLAB işlevini "pop_eegfiltnew" kullanın. Temel FIR filtresi > verileri filtrelemek > Araçlar'ı tıklatın (yeni, varsayılan).
- Alternatif akımdan gelen gürültüyü azaltmak için verileri 47-53 Hz stopband ile doğrusal olmayan sonsuz impuls yanıtı (IIR) filtresiyle tekrar filtreleyin. Verileri filtrelemek > Araçlar'> tıklayın > geçiş bandı yerine verileri filtrele'yi seçin.
- Göz ve kas hareketleri tarafından oluşturulan güçlü eserleri kaldırmak için verileri görsel olarak inceleyin. Kanal verilerini çiz (kaydırma) > tıklayın.
- Herhangi bir kanal tarafından oluşturulan tutarlı gürültü için verileri görsel olarak tekrar inceleyin ve kötü kanallar not edildi.
- Küresel enterpolasyon kullanarak kötü kanalları yeniden yapılandırın. Elektrotları enterpolasyon > Araçlar'a tıklayın > Veri kanallarından seçin.
- Açık kaynak algoritması "runica"16 ile bağımsız bileşen analizi (ICA) çalıştırın. ICA'yı Çalıştırmak > Araçlar'a tıklayın.
- Göz hareketlerine, yanıp sönmelere, kas hareketine ve hat gürültüsüne karşılık gelen bağımsız bileşenleri (IC' ler) çıkarın. ICA kullanarak verileri reddetme > Araçlar'a tıklayın > Bileşenleri haritayla reddet.
- Kalan IC'leri kullanarak verileri yeniden yapılandırın. Bileşenleri kaldırmak > Araçlar'ı tıklatın.
- Verileri 30 Hz düşük geçiş filtresiyle filtreleyin. Temel FIR filtresi > verileri filtrelemek > Araçlar'ı tıklatın (yeni, varsayılan).
- Temel olarak -200 ila 0 ms ve ERP olarak 0 ila 800 ms zaman aralığına sahip her koşul için zaman kilitli dönemleri ayıklayarak ve ortalama alarak ERP verilerini elde edin. Dönemleri ayıklamak > Araçlar'a tıklayın.
- ERP verilerini sol ve sağ mastoid kanallarının ortalamasıyla yeniden referanslayın. Yeniden Başvurmak > Araçlar'a tıklayın.
- Tüm katılımcılardan gelen veri kümeleri için yukarıdaki adımları tekrarlayın ve istatistiksel bir analiz yazılımında t testi veya tekrarlanan önlemler ANOVA'yı kullanarak koşullar arasındaki farkları karşılaştırın (bkz. Malzeme Tablosu).
- Belirlenen teorilere göre N1 ve LPP için zaman pencerelerini tanımlayın8,17ve geçerli veriler3.
NOT: Bu çalışmada, N1 100-150 ms, LPP ise uyaran başlangıcından itibaren 300-600 ms olarak tanımlanmıştır; LPP en çok merkez-parietal bölgede öne çıkmaktadır (Şekil 2). - Üç koşul arasında eşleştirilmiş t testi kullanarak N1 bileşeninde nötr ve negatif resim farkını bulun (Şekil 3).
- Üç koşul arasında eşleştirilmiş t testi kullanarak LPP bileşeninde nötr ve negatif resim farkını bulun (Şekil 4).
- Bir bölgeyi temsil etmek için ilgili kanalların ortalamasını alarak N1 ve LPP bileşenleri üzerinde ilgi alanı (ROI) analizi gerçekleştirin.
NOT: Yatırım getirisini seçmek için, nötr ve negatif resimlerin belirli bir zaman penceresinde (örneğin, N1 veya LPP için) önemli bir farka sahip olduğu kanalları hesaplamak için her üç koşulun dönemleri ortalama alındı. - İstatistiksel analiz yazılımında tekrarlanan ANOVA ve post hoc istatistiklerini kullanarak N1 ve LPP'deki farkı ayrı ayrı karşılaştırın.
NOT: Geçici analiz (Bonferroni düzeltmesi) kullanın ve model önemliyse iki koşul arasındaki önemli farkları ayrı ayrı belirleyin. Önem eşiği 0,05 < olarak belirlendi.
5. ERP kaynak analizi
- Aşağıdaki adımları izleyerek SPM19 açık kaynaklı yazılımla (bkz. Malzeme Tablosu) ERP kaynak analizini18 gerçekleştirin.
- EEG kapak sensörü koordinat sistemini, simgesel yapı tabanlı ortak kayıt ile standart bir yapısal MRI görüntüsünün (Montreal Nöroloji Enstitüsü (MNI) koordinatları) koordinat sistemine bağlayın. SPM'de, Toplu İş > SPM > M/EEG > Kaynak rekonstrüksiyonu > Head modeli belirtimi'ne tıklayın.
- Her dipolün EEG sensörlerine uygulanan kortikal ağ üzerindeki etkisini hesaplamak için ileri hesaplama gerçekleştirin. Aynı Batch Editor altında, Kaynak yeniden yapılandırma > Kaynak ters çevrilmesi > SPM > M/EEG'ye tıklayın.
NOT: Bu sonuçlar bir G matrisine (n x m) yerleştirildi, burada n sensör sayısı (EEG uzay boyutu) ve m kafes köşelerinin sayısı (kaynak uzay boyutu). Kaynak model X = GS idi, burada X her koşulun ERP verilerini belirten bir n x k matrisi, k zaman noktası sayısıdır ve S ERP kaynağını gösteren bir m x k matrisidir. - Diğer yöntemlerden daha güvenilir olduğundan, ters yeniden yapılandırmayı gerçekleştirmek için üçüncü adımda (S bilinmediğinden) açgözlü arama tabanlı birden çok seyrek priors algoritmasını kullanın20. Kaynak Ters Çevirme penceresinde Inversion türü için MSP (GS) öğesini seçin.
- SPM'de genel doğrusal modelleme kullanarak koşullar arasındaki farkı belirleyin. Önem düzeyini p < 0,05 olarak ayarlayın. Batch Editor altında, SPM > İstatistikleri > Faktöryal tasarım belirtimi'ne tıklayın.
6. EKG verileri ve davranışsal değerlendirme analizi
- EKG verilerini işlemek ve analiz etmek için fizyolojik ve veri işleme yazılımı kullanın (bkz. Malzeme Tablosu). Her koşul için ortalama puanları hesaplayın. EEGLAB'de, QRS olaylarını algılamak > Araçlar > FMRIB Araçları'> tıklayın21.
NOT: ERP genlik analizine benzer şekilde, tekrarlanan ÖNLEMLER ANOVA ile verileri daha fazla analiz etmek için istatistiksel yazılım kullanılmıştır. Modelin önemli olması durumunda iki koşul arasındaki önemli farkları ayrı ayrı belirlemek için geçici analiz yapıldı. Anlamlılık düzeyi p < 0.05 olarak belirlendi. - Katılımcılardan, 1'in en zayıf ve 9'un en güçlü olduğu 1-9 ölçeğinde, konunun adını (Amitabha Buddha, Noel Baba, vb.) ilahilemenin etkinliğine olan inançlarını derecelendirmelerini isteyin.
Representative Results
Davranışsal sonuçlar
Katılımcıların ilahi inancına ilişkin sonuçlar ortalama 8,16 ± "Amitabha Buddha" için 0,96, "Noel Baba" için 3,26 ± 2,56 ve boş kontrol durumu için 2,09 ± 1,95 puan ortaya koydu (Ek Tablo 1).
ERP sonuçları
Pz'nin (parietal lob) temsili kanalı, ilahi koşullarının nötr ve negatif resimlerin erken (N1) ve geç (LPP) işlenmesi üzerinde farklı etkileri olduğunu göstermiştir. Sırasıyla N1 ve LPP zaman penceresini göstermiştir (Şekil 2).
Erken algısal aşama
ERP sonuçları, negatif resimleri üç zikir koşulunda görüntülerken N1'in arttığını göstermiştir (Şekil 3). Olumsuz görüntülerin nötr görüntülerden daha güçlü merkezi beyin aktivitelerine neden olduğunu ve artışların üç koşulda karşılaştırılabilir olduğunu gösterdi.
Geç duygusal/bilişsel aşama
ERP, dinsiz ilahi ve ilahisiz koşullarda artan bir LPP gösterdi. Ancak, katılımcı Amitabha Buddha'nın adını söylediğinde olumsuz resimlerin neden olduğu LPP zar zor görünür (Şekil 4).
İlgi alanı (yatırım getirisi) analizi
Üç koşul, N1 ve LPP bileşenlerinde genel olarak etkinleştirilen bölgeleri tahmin etmek için birleştirildi. N1 ve LPP bileşenlerinde zikir koşulları arasındaki farkı hesaplamak için istatistiksel yazılımla tekrarlanan önlemler ANOVA gerçekleştirildi (Şekil 5).
Sol üç sütun, üç ilahi koşulu için N1 bileşenindeki farkı göstermektedir: sessiz görüntüleme durumu, dinsiz ilahi durumu ve dini ilahi durumu. N1 bileşenindeki farklılıklar üç koşulda benzerdi. Sağ üç sütun, üç ilahi koşulu için LPP bileşenindeki farkı gösterir. Bu, LPP bileşenindeki farkın dini ilahi durumunda, dinsiz ilahi durumuna ve sessiz görüntüleme koşuluna göre çok daha küçük olduğunu göstermektedir.
Kaynak analizi
LPP sonuçlarına göre potansiyel beyin haritalamasını çıkarmak için kaynak analizi uygulanmıştır (Şekil 6). Sonuçlar, nötr resimlerle karşılaştırıldığında, olumsuz resimlerin dindar olmayan ilahi durumunda daha fazla parietal aktivasyona neden olduğunu ve ilahi durumu olmadığını göstermektedir. Buna karşılık, bu olumsuz resim kaynaklı aktivasyon, dini ilahi durumunda büyük ölçüde kaybolur.
Fizyolojik sonuçlar: kalp atış hızı
İlişkisiz zikir durumundaki negatif ve nötr resimler arasında kalp atış hızında (İk) önemli bir değişiklik oldu. Benzer bir eğilim ilahi söylenmeyen durumda bulundu. Ancak dini zikir durumunda böyle bir İk farklılığı bulunmamıştı (Şekil 7).
Şekil 2: Temsili bir kanal (Pz) altı ilahi koşulunda farklı ERP'ler gösterdi. Altı koşul (1) tarafsız resimleri görüntülerken dini zikirdir (AmiNeu); (2) olumsuz resimleri görüntülerken dini ilahiler (AmiNeg); (3) tarafsız resimleri görüntülerken dinsiz ilahiler (SanNeu); (4) olumsuz resimleri görüntülerken dinsiz ilahiler (SanNeg); (5) nötr resimleri görüntülerken ilahi yok (PasNeu); ve (6) negatif resimleri görüntülerken ilahi yok (PasNeg). Kafa derisinin orta parietal bölgesinde bulunan Pz kanalı. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 3: ÜÇ zikir koşulunda N1 bileşenini göstermek için ERP sonuçları. Her resim türü için üç koşul için N1 bileşeninin iki boyutlu haritaları. Son sütunda, önemli farklılıklara sahip kanallar (p < 0.05) noktalarla gösterilir; daha koyu renkteki noktalar daha büyük öneme sahiptir (yani, daha küçük p değerleri). Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 4: LPP bileşenini üç zikir koşulunda göstermek için ERP sonuçları. Her resim türü için üç koşul için geç pozitif potansiyel (LPP) bileşeninin iki boyutlu haritaları. Son sütunda, önemli farklılıklara sahip kanallar (p < 0.05) noktalarla gösterilir; daha koyu renkteki noktalar daha büyük öneme sahiptir (yani, daha küçük p değerleri). Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 5: İlgi alanı (yatırım getirisi) analizi. Erken bileşen, N1 ve geç bileşen için negatif ve nötr resim kaynaklı beyin yanıtları arasındaki farka ilişkin ilgi alanı (ROI) analizi, geç pozitif potansiyel (LPP). Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 6: Üç koşulda geç pozitif potansiyel (LPP) bileşeninin kaynak analizi. Vurgulanan alanlar negatif ve nötr koşullarda daha yüksek beyin aktivitesini gösterir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Şekil 7: Kalp, üç ilahi koşulu altında aralıklarla atar. Elektrokardiyogramın her resim türü/zikir kombinasyonu ve karşılık gelen p değerleri altındaki atımlar arası aralıkları (RR'ler). Ami: Amitabha Buddha ilahi durumu, San: Noel Baba ilahi durumu, Pas: pasif görüntüleme durumu, Neu: nötr resim, Neg: olumsuz resim. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
Ek Tablo 1: İlahi konunun etkinliğine olan inancı derecelendİrin (Amitabha Buddha, Noel Baba). 1'in en az inancı ve 9'un en güçlü inancı gösterdiği 1-9 ölçeği kullanır. Bu Tabloyu indirmek için lütfen tıklayınız.
Tamamlayıcı Dosya 1: EEG veri toplu iş ön işleme kodu. Bozuk kanalları kaldırır, verileri 250 Hz'e yeniden örnekler ve sonra verileri filtreler. Bu Dosyayı indirmek için lütfen tıklayınız.
Tamamlayıcı Dosya 2: ERP veri onarımı kodu. Gürültülü sivri uçlu kötü dönemleri onarır. Bu Dosyayı indirmek için lütfen tıklayınız.
Discussion
Bu çalışmanın benzersizliği, yaygın bir dini pratiğin altında kalan sinir mekanizmalarını araştırmak için nörobilimsel bir yöntemin uygulanmasıdır, yani tekrarlayan dini zikir. Belirgin etkisi göz önüne alındığında, bu yöntem terapistler veya klinisyenler için duygusal sorunlarla uğraşan ve anksiyete ve stresten muzdarip müşterileri tedavi etmek için yeni müdahaleler sağlayabilir. Daha önceki çalışmalarla birlikte, gelecekteki çalışmalarda daha geniş duygu düzenleme araştırmaları düşünülmelidir7,8,9,22.
İlahi ve diğer bilişsel olayları birleştiren deneyler oluşturmanın zorluğu göz önüne alındığında, ilahi üzerine çok az ERP çalışması vardır. Bu çalışma, gerçek dünyada oldukça popüler olan ilahi/dua etmenin duyuşsal etkisini araştırmak için uygulanabilir bir protokol göstermektedir. Önceki fonksiyonel MRI (fMRI) çalışmaları, dua etmenin sosyal biliş alanlarını işe aldığını buldu23. Bir dinlenme durumu fMRI çalışması, "OM" ilahisinin ön singulat, insula ve orbitofrontal cortices24'ten çıkışları azalttığını ortaya koydu. Başka bir EEG çalışması, "OM" meditasyonunun delta dalgalarını artırdığını, rahatlama ve derin uyku deneyimini teşvik ettiğini buldu25. Ancak, bu yöntemler dini zikirden sonra olayla ilgili belirli değişiklikleri tam olarak araştıramadı.
Araştırmacılar, tekrarlayan dini ilahilerin potansiyel etkisini başarıyla araştırmak için dil işleme ve aşinalığın şaşırtıcı faktörlerini kontrol etmelidir. Katılımcılar "Amitabha Buddha" adını (Çince karakterler: 
; Kantonca telaffuz: o1-nei4-to4-fat6), "Noel Baba" adını kullandık (Çince karakterler: ; 
Kantonca telaffuz: sing3-daan3-lou5-jan4) kontrol koşulu olarak çünkü yerel Noel Baba aşinadır. Çince'de, her iki ad da dört karakter içerir, böylece dil benzerliğini kontrol ederek. Aşinalık konusunda, Noel Baba hong kong'da da oldukça popülerdir, çünkü kısmen Batılılaşmış bir şehirdir. Buna ek olarak, Noel Baba da resmi Noel Tatilleri olan Hong Kong'da biraz olumlu bir rakamdır. Bununla birlikte, bu aşinalık kontrolü kısmidir, çünkü Amitabha Buddha'nın adının uygulayıcılar için anlaşılmasını tamamen eşleştirmek zordur.
Mevcut çalışmanın kritik bir adımı, korku veya stresi kışkırtıcı resimlerin hazırlanmasıydı. Tehdit edici olaylar meydana geldiğinde dini ilahiler daha iyi işe yarayabileceğinden, IAPS görüntü havuzundan uygun uyaranların seçilmesi26 çok önemliydi. Potansiyel katılımcılarla görüşülmesi ve çok fazla korku veya iğrenme önlemek için uygun resimlerin seçilmesi önerilir. Son derece olumsuz resimler, katılımcıların dikkatlerini kasıtlı olarak önlemelerini engelleyebilir; aynı zamanda, korku ve stresi kışkırtan uyaranlar, katılımcıların yeterli bir tehdit yaşamalarını sağlamalıdır. Bir diğer kritik konu ise çalışmanın blok tasarımıdır. EEG/ERP sinyali her olayı takip etmek için yeterince hassas ve dinamiktir. Ancak, kardiyak fonksiyon veya duygu düzeni saniye sırasına göre değişmeyebilir çünkü 20-30 s görüntüleme süresine sahip bir blok tasarımı uygulamak daha uygun olacaktır27. Öte yandan, 60 s'lik bir blok çok uzun olabilir ve sinirsel yanıt ERP çalışmalarında alışkanlık haline gelebilir.
EEG veri işleme aşamasının her adım sırasında bir yedekleme yapması gerekir, çünkü her adım verileri değiştirir ve bu adımlar sırasında yapılan değişiklikleri kaydeder. Bu, değişiklikleri izlemek ve toplu işlem sırasında hataları bulmayı kolaylaştırmak için kullanılabilir. Veri kalitesini artırmak da önemlidir, bu nedenle ham veri temizliği ve kötü IC'leri tanımlama konusunda deneyime ihtiyaç vardır. İstatistiksel analizde büyük ortalamalar üzerinde karşılaştırmalar yapılmış, ANOVA uygulanmıştır. Sabit etkili modele sahip bu istatistiğin rastgele efektlere duyarlı olduğu konusunda uyarıyoruz28. Karışık efektli modeller yabancı faktörleri kontrol etmek için uyarlanabilir29 ve doğrusallık varsayımı ERP verilerinden çıkarılan çıkarımları potansiyel olarak etkileyebilir30.
Birkaç sınırlamaya dikkat etmek gerekir. Bir sınırlama, mevcut çalışmanın Pureland Budizm'i uygulayan sadece bir katılımcı grubunu kaydetmesidir. Karşılaştırma için dini ilahi konusunda herhangi bir deneyime sahip olmadan bir kontrol grubuna kaydolmak, dini zikirin etkisinin inanç veya aşinalık tarafından aracılık edilip edilmediğini belirlemeye yardımcı olabilir. Genellikle, randomize kontrollü bir deneme, duygu modülasyonunun dini ilahiler üzerindeki etkisini incelemek için daha ikna edici olacaktır31. Bununla birlikte, herhangi bir katılımcının tekrar tekrar "Amitabha Buddha" ilahisini tam bir istekle yapacağını garanti etmek zordur. Ayrıca, LPP duygusal ses veya pozitif astarlama32,33 gibi diğer faktörlerden etkilenir. Bu nedenle, dini ilahilerin etkisinin altında kalan temel nöro-mekanizmayı daha net bir şekilde tanımlamak için daha iyi kontrollü deneylere ihtiyaç vardır.
Özetle, önceki çalışmalar insan beyninin sinirsel plastisiteye ve devletlerin hızlı bir şekilde değiştirilmesine öznel olduğunu göstermiştir34,35; yeterli uygulama ve niyetle, beyin kendini yeniden şekillendirebilir ve normalde korkulan uyaranlara farklı yanıt verebilir. Bu çalışma, duygusal sıkıntıyı çağdaş bağlamlarda ele almak için etkili başa çıkma stratejilerinin geliştirilmesi hakkında içgörüler sunmaktadır. Bu protokolün ardından araştırmacılar, insanların duygusal acılarını iyileştirmelerine yardımcı olmanın uygulanabilir yollarını belirlemek için dini ilahilerin veya diğer geleneksel uygulamaların etkisini incelemelidir.
Disclosures
Yazarlar rakip finansal çıkarları olmadığını beyan ederler.
Acknowledgments
Çalışma, HKU ve NSFC.61841704'ün küçük fon projesi tarafından desteklendi.
Materials
| Name | Company | Catalog Number | Comments |
| E-Prime 2.0 | Psychology Software Tools | stimulus presentation, behavior data collection | |
| EEGLAB | Swartz Center for Computational Neuroscience | EEG analysis software | |
| HydroCel GSN 128 channels | Electrical Geodesics, Inc. (EGI) | EEG cap | |
| LabChart | ADInstruments | physiological data (including ECG) acquisition software | |
| Matlab R2011a | MathWorks | EEGLAB and SPM are based on Matlab; statistical analysis tool for EEG and physiological data | |
| Netstation | Electrical Geodesics, Inc. (EGI) | EEG acquisition software | |
| PowerLab 8/35 | ADInstruments | PL3508 | physiological data (including ECG) acquisition hardware |
| SPM | Wellcome Trust Centre for Neuroimaging | EEG source analysis software | |
| FMRIB | University of Oxford Centre for Functional MRI of the Brain (FMRIB) | Plug-in for EEGLAB to process ECG data | |
| SPSS | IBM | statistical analysis tool for behavior and EEG ROI data | |
| iMac 27" | Apple | running the Netstation software | |
| Windows PC | HP | running the E-Prime 2.0 software | |
| Windows PC | Dell | running the LabChart software |
References
- Kennedy, H., Montreuil, T. C. The late positive potential as a reliable neural marker of cognitive reappraisal in children and youth: A brief review of the research literature. Frontiers in Psychology. 11, 608522 (2020).
- Yu, Q., Kitayama, S. Does facial action modulate neural responses of emotion? An examination with the late positive potential (LPP). Emotion. 21 (2), 442-446 (2021).
- Gao, J. L., et al. Repetitive religious chanting modulates the late-stage brain response to fear and stress-provoking pictures. Frontiers in Psychology. 7, 2055 (2017).
- Barkus, E. Effects of working memory training on emotion regulation: Transdiagnostic review. PsyCh Journal. 9 (2), 258-279 (2020).
- Denny, B. T. Getting better over time: A framework for examining the impact of emotion regulation training. Emotion. 20 (1), 110-114 (2020).
- Champe, J., Okech, J. E. A., Rubel, D. J. Emotion regulation: Processes, strategies, and applications to group work training and supervision. Journal for Specialists in Group Work. 38 (4), 349-368 (2013).
- Sobolewski, A., Holt, E., Kublik, E., Wrobel, A. Impact of meditation on emotional processing-A visual ERP study. Neuroscience Research. 71 (1), 44-48 (2011).
- Katyal, S., Hajcak, G., Flora, T., Bartlett, A., Goldin, P. Event-related potential and behavioural differences in affective self-referential processing in long-term meditators versus controls. Cognitive Affective & Behavioral Neuroscience. 20 (2), 326-339 (2020).
- Uusberg, H., Uusberg, A., Talpsep, T., Paaver, M. Mechanisms of mindfulness: The dynamics of affective adaptation during open monitoring. Biological Psychology. 118, 94-106 (2016).
- Bradley, M. M., Lang, P. J. Handbook of emotion elicitation and assessment. Series in affective science. Coan, J. A., Allen, J. B. 483, Oxford University Press. 483-488 (2007).
- Gao, J. L., et al. Repetitive religious chanting invokes positive emotional schema to counterbalance fear: A multi-modal functional and structural MRI study. Frontiers in Behavioral Neuroscience. 14, 548856 (2020).
- Somaratne, G. A. The Jhana-cittas: The methods of swapping existential planes via samatha. Journal Of The Postgraduate Institute Of Pali And Buddhist Studies. 2, 1-21 (2017).
- Bhikkhu, T. Sallatha Sutta: The arrow (SN 36.6), Translated from the pali. Access to Insight Legacy Edition. , (2013).
- Halkias, G. Luminous bliss : a religious history of Pure Land literature in Tibet : with an annotated English translation and critical analysis of the Orgyan-gling gold manuscript of the short Sukhāvatīvȳuha-sūtra. , University of Hawaiʻi Press. (2013).
- Stewart, J. L., et al. Attentional bias to negative emotion as a function of approach and withdrawal anger styles: An ERP investigation. International Journal of Psychophysiology. 76 (1), 9-18 (2010).
- Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. Journal of Neuroscience Methods. 134 (1), 9-21 (2004).
- Ito, T. A., Larsen, J. T., Smith, N. K., Cacioppo, J. T. Negative information weighs more heavily on the brain: The negativity bias in evaluative categorizations. Journal of Personality and Social Psychology. 75 (4), 887-900 (1998).
- Grech, R., et al. Review on solving the inverse problem in EEG source analysis. Journal of NeuroEngineering and Rehabilitation. 5, 25 (2008).
- Penny, W. D., Friston, K. J., Ashburner, J. T., Kiebel, S. J., Nichols, T. E. Statistical Parametric Mapping: The Analysis of Functional BrainIimages: The Analysis of Functional Brain Images. , Academic Press. (2011).
- Friston, K., et al. Multiple sparse priors for the M/EEG inverse problem. NeuroImage. 39 (3), 1104-1120 (2008).
- Niazy, R. K., Beckmann, C. F., Iannetti, G. D., Brady, J. M., Smith, S. M. Removal of FMRI environment artifacts from EEG data using optimal basis sets. Neuroimage. 28 (3), 720-737 (2005).
- Nakamura, H., Tawatsuji, Y., Fang, S. Y., Matsui, T. Explanation of emotion regulation mechanism of mindfulness using a brain function model. Neural Networks. 138, 198-214 (2021).
- Schjoedt, U., Stdkilde-Jorgensen, H., Geertz, A. W., Roepstorff, A. Highly religious participants recruit areas of social cognition in personal prayer. Social Cognitive and Affective Neuroscience. 4 (2), 199-207 (2009).
- Rao, N. P., et al. Directional brain networks underlying OM chanting. Asian Journal of Psychiatry. 37, 20-25 (2018).
- Harne, B. P., Bobade, Y., Dhekekar, R. S., Hiwale, A. SVM classification of EEG signal to analyze the effect of OM Mantra meditation on the brain. 2019 Ieee 16th India Council International Conference (Ieee Indicon 2019). , (2019).
- Coan, J. A., Allen, J. J. B. Handbook of Emotion Elicitation and Assessment. , Oxford University Press. (2007).
- Meseguer, V., et al. Mapping the apetitive and aversive systems with emotional pictures using a Block-design fMRI procedure. Psicothema. 19 (3), 483-488 (2007).
- Luck, S. J., Gaspelin, N. How to get statistically significant effects in any ERP experiment (and why you shouldn't). Psychophysiology. 54 (1), 146-157 (2017).
- Meteyard, L., Davies, R. A. I. Best practice guidance for linear mixed-effects models in psychological science. Journal of Memory and Language. 112, 104092 (2020).
- Tremblay, A., Newman, A. J. Modeling nonlinear relationships in ERP data using mixed-effects regression with R examples. Psychophysiology. 52 (1), 124-139 (2015).
- Wu, B. W. Y., Gao, J. L., Leung, H. K., Sik, H. H. A randomized controlled trial of Awareness Training Program (ATP), a group-based mahayana buddhist intervention. Mindfulness. 10 (7), 1280-1293 (2019).
- Brown, D. R., Cavanagh, J. F. The sound and the fury: Late positive potential is sensitive to sound affect. Psychophysiology. 54 (12), 1812-1825 (2017).
- Hill, L. D., Starratt, V. G., Fernandez, M., Tartar, J. L. Positive affective priming decreases the middle late positive potential response to negative images. Brain and Behavior. 9 (1), 01198 (2019).
- Belzung, C., Wigmore, P. Current Topics in Behavioral Neurosciences,1 online resource. , Springer Berlin Heidelberg. Berlin Heidelberg. (2013).
- Denes, G. Neural Plasticity Across The Lifespan: How The Brain Can Change. , CRC Press, an imprint of the Taylor & Francis Group. (2016).
Tags
Nörobilim Sayı 177Erratum
Formal Correction: Erratum: Modulation of the Neurophysiological Response to Fearful and Stressful Stimuli Through Repetitive Religious Chanting
Posted by JoVE Editors on 03/25/2022.
Citeable Link.
An erratum was issued for: Modulation of the Neurophysiological Response to Fearful and Stressful Stimuli Through Repetitive Religious Chanting. The Authors section was updated.
The authors section was updated from:
Hin Hung Sik1, Georgios T. Halkias1, Chunqi Chang2, Junling Gao1, Hang Kin Leung1, Bonnie W. Y. Wu1
1Centre of Buddhist Studies, The University of Hong Kong,
2School of Biomedical Engineering, Shenzhen University
To:
Hin Hung Sik1, Georgios T. Halkias1, Chunqi Chang2, Junling Gao1, Hang Kin Leung1, Bonnie Wai Yan Wu1
1Buddhism and Science Research Lab, Centre of Buddhist Studies, The University of Hong Kong,
2School of Biomedical Engineering, Shenzhen University
