Questo protocollo descrive una batteria integrata di 60 minuti — condizionamento pavloviano-operante del timore con evitamento, acquisizione–estinzione–riacquisizione del timore con stimoli sociali e apprendimento probabilistico della ricompensa — che registra simultaneamente la conduttanza cutanea, il comportamento e valutazioni fase-per-fase al fine di ricavare indici individuali di apprendimento della minaccia e della ricompensa negli adulti.
È richiesta un abbonamento a JoVE per visualizzare questo contenuto. Accedi o inizia la tua prova gratuita.
Articolo metodologico
Apprendimento associativo ed esperienze infantili avverse: un protocollo multi-sistema
In questo articolo
Sommario
Abstract
Le esperienze avverse nell'infanzia (ACEs) sono fattori di rischio transdiagnostici ben documentati per l'ansia e la depressione nell'età adulta, tuttavia i meccanismi neurocognitivi che collegano le avversità precoci ai sintomi rimangono poco chiari all'interno di un quadro unificato. Questo protocollo presenta una batteria sperimentale integrata e multilivello che valuta la discriminazione della minaccia, l'apprendimento della sicurezza e la sensibilità alla ricompensa all'interno di una singola sessione di laboratorio. Trentotto adulti sani hanno completato tre paradigmi comportamentali — condizionamento pavesiano-operante al timore con evitamento (Esperimento 1), acquisizione-estinzione-riacquisizione del timore con stimoli sociali (Esperimento 2) e apprendimento probabilistico della ricompensa (Esperimento 3) — insieme a questionari validati sulle esperienze avverse nell'infanzia (CTQ-SF), sulle esperienze positive nell'infanzia (BCE), sulla depressione (PHQ-9) e sull'ansia (GAD-7, STAI). Sono stati raccolti contemporaneamente dati multicanale: la risposta cutanea galvanica (SCR) come indice fisiologico dell'attivazione autonoma, le risposte di evitamento tramite pulsante e le scelte probabilistiche come indici comportamentali, e valutazioni soggettive fase per fase di aspettativa, minaccia e sollievo. Ogni paradigma ha prodotto l'effetto canonico previsto: discriminazione pavesiana sulla SCR (p = 0,009, ηp2 = 0,12), sull'aspettativa (p < 0,001, ηp2 = 0,58) e sulle valutazioni di minaccia (p < 0,001, ηp2 = 0,35); il sollievo operante ha discriminato tra minaccia evitabile e inevitabile (p < 0,001, d = 0,86); una differenziazione della risposta autonoma presente durante l'acquisizione ma non durante l'estinzione nell'Esperimento 2 (acquisizione p = 0,008; estinzione p = 0,168), coesistente con una conoscenza dichiarativa persistente della contingenza (p < 0,001, d = 3,08); e un apprendimento probabilistico della ricompensa superiore al caso nell'Esperimento 3 (M = 73%, p < 0,001, d = 1,97). Il disegno multilivello ha rivelato dissociazioni che un singolo canale avrebbe trascurato, in particolare una ridotta risposta autonoma accompagnata da una percezione soggettiva persistente della minaccia. Gli indici calcolati per ogni partecipante, derivati dal protocollo, si sono dimostrati sensibili alle differenze individuali relative alle esperienze infantili, con analisi illustrative di moderazione riportate nel materiale supplementare. Il protocollo fornisce un quadro portatile e scalabile per valutare come le avversità precoci ricalibrino l'elaborazione della minaccia e della ricompensa nell'età adulta.
Introduzione
Le Esperienze Avverse nell'Infanzia (ACE), che comprendono abusi, trascuratezza e disfunzioni familiari, sono ampiamente diffuse a livello globale, con tassi superiori al 60% in molte popolazioni1. Sintesi della ricerca indicano che la maggior parte dei bambini è esposta ad almeno un evento avverso durante lo sviluppo2. Le ACE sono fattori di rischio transdiagnostici ben documentati per la psicopatologia adulta3, contribuendo a circa il 30% dei disturbi d'ansia e al 40% dei casi di depressione1. Nonostante questa forte associazione, le valutazioni cliniche comunemente utilizzate si basano su diagnosi categoriali e su auto-report retrospettivi, che sono soggetti a bias di memoria e non riescono a cogliere i processi neurocognitivi in tempo reale4.
Per superare questi limiti, si sta ponendo un'attenzione crescente su approcci transdiagnostici che mirano a meccanismi sottostanti, in particolare l'apprendimento associativo. L'apprendimento associativo, che comprende sia il condizionamento classico che quello operante, fornisce un quadro concettuale per comprendere come gli individui codifichino le relazioni tra stimoli ambientali, comportamenti e risultati al fine di guidare il processo decisionale4,5. All'interno di questo quadro, la teoria della vulnerabilità latente sostiene che le avversità precoci inducono adattamenti neurobiologici, come una maggiore vigilanza, che inizialmente risultano adattivi in ambienti imprevedibili ma possono diventare maladattivi in contesti successivi e più sicuri6,7.
Delle evidenze suggeriscono che gli ACE influenzano sia i processi di apprendimento legati alla minaccia sia quelli legati alla ricompensa. Gli individui con una storia di avversità mostrano spesso una ridotta capacità di discriminazione tra stimoli condizionati di pericolo (CS+) e di sicurezza (CS−), indicativa di un apprendimento della minaccia alterato8. Parallelamente, l'avversità precoce è stata associata a una sensibilità ridotta alla ricompensa, riscontrabile in un'accuratezza minore e in un apprendimento più lento delle contingenze di ricompensa8. In condizioni di incertezza, questi individui possono inoltre mostrare una maggiore variabilità nelle scelte e una tendenza a presumere una distribuzione casuale delle ricompense, coerentemente con un'esposizione precoce a ambienti volatili5,9.
Questi schemi di apprendimento sono ulteriormente modellati da fattori protettivi e dipendenti dallo stato. Le Esperienze Positive nell'Infanzia (BCE) possono attenuare gli effetti dell'avversità sui sistemi di apprendimento10, mentre gli attuali stati affettivi, come l'ansia, possono modulare i processi di condizionamento11. Misure fisiologiche dell'attivazione autonoma, tra cui la Risposta Elettrodermica (SCR), forniscono indici oggettivi di questi processi e sono ampiamente utilizzate nei paradigmi di condizionamento12.
Una limitazione importante della letteratura attuale è l'uso di compiti isolati che valutano separatamente l'apprendimento di minacce o ricompense, limitando la capacità di cogliere il funzionamento neurocognitivo integrato1. Il presente protocollo affronta questa lacuna fornendo un quadro standardizzato che combina misure comportamentali e fisiologiche in diversi domini dell'apprendimento. In particolare, il protocollo comprende tre componenti sperimentali: (1) un paradigma che valuta la transizione dal condizionamento classico a quello operante, (2) un compito di estinzione della paura sociale e (3) un compito di apprendimento della ricompensa probabilistica8.
La giustificazione per questa particolare combinazione di paradigmi non risiede nel fatto che uno qualsiasi di questi tre compiti, preso isolatamente, sia più sensibile alle avversità precoci rispetto ai numerosi altri paradigmi consolidati disponibili; si tratta invece di una logica di misurazione. Nella loro revisione sistematica di 81 studi (38 sul timore, 43 sulla ricompensa), Ruge et al.1 hanno dimostrato che la letteratura che collega le esperienze avverse nell'infanzia (ACEs) all'apprendimento associativo rimane eterogenea e, in aspetti fondamentali, inconcludente proprio perché gli studi solitamente impiegano un singolo compito, registrano un unico canale di risposta e operazionalizzano l'avversità in modi non armonizzati. Ad esempio, metà degli studi comportamentali sull'apprendimento per ricompensa riportano un apprendimento attenuato, mentre l'altra metà riporta risultati nulli; la scarsa letteratura sull'estinzione è dominata da risultati nulli e da relazioni che omettono la fase iniziale di acquisizione; inoltre, nessuna misura di esito si è affermata come universalmente più affidabile, pertanto i diversi canali di risposta non sono intercambiabili tra loro. La loro raccomandazione esplicita è di adottare protocolli all'interno dello stesso soggetto, multidominio e multicanale, in grado di produrre indici a livello individuale. La presente triade segue tale raccomandazione poiché i suoi tre compiti coprono tre richieste computazionalmente distinte che nessun singolo paradigma riesce a includere, e che la teoria della vulnerabilità latente7 prevede debbano essere modellate in modi differenti dall'avversità: (i) discriminazione tra minaccia e sicurezza combinata con controllabilità strumentale, con il sollievo come rinforzo presunto dell'evitamento13; (ii) apprendimento inibitorio (della sicurezza) e ritorno della paura, esplorato mediante stimoli di volti sociali11, dominio di stimoli ecologicamente rilevante per le maltrattamenti interpersonali; e (iii) apprendimento per rinforzo in condizioni di incertezza probabilistica, che produce parametri computazionali specifici per ogni partecipante (tasso di apprendimento alfa, temperatura inversa beta)8. Poiché tutti e tre i compiti vengono somministrati allo stesso partecipante, il disegno sperimentale permette di verificare se le alterazioni legate alle ACE siano generali per dominio — una ricalibrazione globale dell'apprendimento associativo, come proposto da Hanson et al.8 e previsto da un modello neurocomputazionale di vulnerabilità latente6 — oppure specifiche per valenza, limitate cioè alla minaccia. Uno studio basato su un singolo compito non può, per costruzione, discriminare tra queste ipotesi contrastanti.
La batteria è stata progettata per testare un insieme di previsioni esplicite e direzionali, che il campione attuale non ha la potenza statistica per valutare e che vengono qui indicate come obiettivi per studi adeguatamente potenziati. In linea con il modello di apprendimento attenuato descritto da Ruge et al.1, si prevede che un carico maggiore di ACE sia associato a: (i) una ridotta discriminazione tra CS+ e CS− nell'Esperimento 1, determinata da una risposta attenuata al CS+ e che dovrebbe risultare più marcata nel canale autonomo (SCR) rispetto all'aspettativa dichiarativa, che potrebbe rimanere intatta; (ii) una maggiore risposta di evitamento e un maggiore sollievo soggettivo in risposta al CS+ evitabile, in accordo con l'evitamento rinforzato dal sollievo13; (iii) un'estinzione più lenta e un ritorno più rapido e intenso della paura durante la riacquisizione nell'Esperimento 2, un effetto che si prevede venga amplificato dagli stimoli sociali (facciali), dotati di rilevanza ecologica per le avversità interpersonali11; e (iv) una minore accuratezza nelle scelte, un tasso di apprendimento più basso (alpha) e una maggiore variabilità delle scelte (beta più basso) nell'Esperimento 38. In modo cruciale, i tre compiti forniscono insieme informazioni su una quinta previsione discriminante: se l'alterazione legata all'ACE è generalizzata a diversi domini, l'attenuazione dovrebbe manifestarsi in tutti e tre i compiti; se invece è specifica per la valenza emotiva, dovrebbe essere limitata ai due paradigmi di minaccia e assente nell'apprendimento probabilistico della ricompensa. Poiché i canali di risposta vengono registrati contemporaneamente, è possibile verificare un'ulteriore previsione: che gli effetti dell'ACE siano dipendenti dal canale piuttosto che uniformi, in modo tale che conclusioni tratte da un singolo canale non possano essere generalizzate agli altri.
L'esperimento 1 adatta il paradigma di condizionamento pavesiano-operante del timore con evitamento e valutazioni di sollievo trial-by-trial sviluppato da San Martín et al.13, in cui due stimoli condizionati positivi (CS+, uno evitabile e uno inevitabile) e uno stimolo condizionato negativo (CS−) vengono utilizzati per dissociare la discriminazione pavesiana dal controllo strumentale sull'esito avversivo. Nel paradigma originale, le valutazioni dell'aspettativa dello stimolo incondizionato (US) durante la fase di acquisizione pavesiana venivano misurate retrospettivamente alla fine della fase da parte dell'esperimentatore, piuttosto che trial-by-trial. Nella presente adattazione, le valutazioni soggettive di aspettativa, minaccia e sollievo sono state raccolte in modo contemporaneo durante tutta la procedura, fase per fase, mediante scale analogiche visive, consentendo un monitoraggio continuo della dinamica di apprendimento attraverso le diverse fasi.
L'esperimento 2 adatta il protocollo di acquisizione–estinzione del timore con stimoli sociali (facciali) di Dibbets e Evers9, estendendolo con un breve test di ri-acquisizione per valutare la rapida riemergenza della risposta condizionata (effetto di risparmio).
L'esperimento 3 adatta il compito di apprendimento probabilistico della ricompensa introdotto da Hanson et al.8 per lo studio delle differenze nell'apprendimento correlate all'avversità precoce, con due condizioni di ricompensa (80/20 e 70/30) che permettono la stima dei parametri di apprendimento per rinforzo specifici per ciascun partecipante (Q-learning Alpha e Beta). Integrando questi tre paradigmi all'interno di una singola sessione di laboratorio, il presente protocollo consente un confronto diretto intra-partecipante dei processi di apprendimento legati alla minaccia e alla ricompensa, che solitamente vengono studiati in isolamento. Oltre all'accuratezza per prova e ai parametri del Q-learning, la pipeline di analisi produce anche le pendenze individuali delle traiettorie di apprendimento ottenute da un modello lineare misto, disponibili per l'uso in campioni più ampi.
È necessario distinguere due obiettivi distinti, poiché non sono equivalenti. Il primo consiste nel dimostrare che una batteria di questo tipo può essere eseguita come una singola sessione integrata della durata di 60 minuti e che ciascuno dei suoi componenti produce l'effetto canonico per cui è stato progettato; la riproduzione di effetti canonici costituisce una prova sufficiente per questo primo obiettivo. Il secondo obiettivo è dimostrare che gli indici risultanti sono sensibili e specifici rispetto alle conseguenze delle avversità in età infantile; la riproduzione di effetti canonici non è una prova sufficiente a tal fine, e il campione attuale non è dimensionato per fornirla. L'obiettivo primario di questo rapporto è quindi la fattibilità tecnica e metodologica della batteria integrata: stabilire se l'acquisizione del timore, l'evitamento strumentale con sollievo, l'estinzione e la ricomparsa della paura con stimoli sociali, e l'apprendimento probabilistico della ricompensa possano essere acquisiti contemporaneamente attraverso canali autonomi, comportamentali e auto-riferiti all'interno di una singola sessione, e se la procedura produca indici stabili e riutilizzabili per ciascun partecipante (contrasti differenziali di SCR, contrasto operante del sollievo, parametri alfa e beta del Q-learning e pendenze individuali delle traiettorie di apprendimento). La valutazione delle alterazioni legate all'ACE nell'apprendimento costituisce un obiettivo secondario, esplorativo ed esemplificativo: le analisi sulle differenze individuali qui riportate hanno lo scopo di dimostrare la capacità di misurazione del protocollo e di rendere disponibili i suoi indici proposti per lavori futuri, senza mirare specificamente a testare i percorsi tra trauma e apprendimento. Il protocollo fornisce quindi indici proposti; se questi possiedano la sensibilità e la specificità necessarie per caratterizzare le conseguenze neurocognitive delle avversità in età infantile dovrà essere stabilito in campioni più ampi, idealmente arricchiti con gruppi estremi e preregistrati1,14.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Protocollo
Il presente protocollo descrive le procedure e gli strumenti utilizzati per misurare la risposta elettrodermica (SCR) in partecipanti sani di età pari o superiore a 18 anni, nel rispetto dei requisiti del comitato etico. Prima di partecipare allo studio, tutti i partecipanti hanno firmato un modulo di consenso informato che includeva anche la possibilità di essere contattati nuovamente dopo sei mesi per una valutazione di follow-up. Tutte le procedure descritte in questo documento sono state approvate dal Comitato Etico Scientifico dell'Universidad de los Andes (ID: CEC2025023).
NOTA: Questo protocollo fornisce una descrizione dettagliata dell'intero flusso di lavoro sperimentale (Figura 1), inclusa la pianificazione dei partecipanti, la preparazione del laboratorio, l'acquisizione dei segnali fisiologici, l'organizzazione dei dati e la gestione dei dati dopo l'esperimento. Inoltre, illustra la procedura di formazione del personale attuata per garantire che le registrazioni di SCR siano raccolte in modo coerente, standardizzato e affidabile in tutte le sessioni sperimentali.
Figura 1: Schematizzazione generale del disegno dello studio. Ogni partecipante ha completato una singola sessione di laboratorio comprendente tre paradigmi comportamentali sequenziali: condizionamento pavesiano-operante del timore con evitamento (Esperimento 1), acquisizione–estinzione–riacquisizione del timore con stimoli sociali (Esperimento 2) e apprendimento probabilistico della ricompensa (Esperimento 3). Sono stati inoltre raccolti auto-report relativi ad avversità nell'infanzia (CTQ-SF), esperienze benefiche nell'infanzia (BCE) e sintomi attuali (PHQ-9, GAD-7, STAI). Sono stati registrati contemporaneamente dati multicanale — risposta elettrodermica, comportamento (evitamento, scelte probabilistiche) e valutazioni soggettive (aspettativa, minaccia, sollievo). Gli indici calcolati per ogni partecipante sono stati inseriti in analisi delle differenze individuali (vedere File Supplementare 2). Cliccare qui per visualizzare una versione ingrandita di questa figura.
1. Formazione del personale
- Formare ogni membro del team in tre fasi progressive per garantire una misurazione dei dati standardizzata e accurata.
- Eseguire prove interne in cui ciascun membro del personale preleva campioni ed esegue tutti e tre gli esperimenti seguendo i rispettivi protocolli, in modo che il tirocinante acquisisca familiarità con l'equipaggiamento e con la gestione dei partecipanti.
- Successivamente, far prelevare a ciascun tirocinante campioni da partecipanti reali sotto la supervisione di almeno uno dei ricercatori principali, al fine di verificarne la capacità di eseguire il protocollo e correggere eventuali errori.
- Autorizzare l'assistente a prelevare campioni in modo autonomo e a programmare nuovi partecipanti solo dopo che l'intero protocollo sia stato applicato correttamente sotto supervisione.
2. Pianificazione
- Reclutare e programmare i partecipanti attraverso i social media, fornendo gli obiettivi generali della ricerca e i criteri di partecipazione.
- Creare un manifesto digitale e diffonderlo attraverso i canali di reclutamento per raggiungere il maggior numero possibile di potenziali partecipanti.
- Indicare ai candidati interessati di contattare il team di ricerca tramite posta elettronica e concordare una sessione in un giorno comodo per il partecipante.
- Inviare al partecipante un link al questionario online, intitolato "The Invisible Marks: The Role of Associative Learning in the Relationship between Adverse Childhood Experiences and Mental Health in Adulthood".
- Iniziare il questionario con un modulo di consenso informato, richiedendo al partecipante di leggerlo e accettarlo prima che vengano presentati ulteriori elementi.
- Includere nel questionario una sezione socio-demografica e le seguenti scale psicometriche validate: Patient Health Questionnaire-9 (PHQ-9)15, Generalized Anxiety Disorder Screener (GAD-7)16, State-Trait Anxiety Inventory (STAI)17, Childhood Trauma Questionnaire—Short Form (CTQ-SF)18 e Benevolent Childhood Experiences (BCEs)10.
3. Preparazioni
- Assicurarsi che almeno un membro del personale sia presente in laboratorio prima dell'arrivo del partecipante. Preparare l'ambiente sperimentale, verificare il corretto funzionamento dell'equipaggiamento e confermare che tutti i requisiti del protocollo siano soddisfatti prima dell'inizio della sessione:
- Accendere il computer del laboratorio e verificare che il sistema operativo, il software sperimentale e tutte le periferiche funzionino correttamente.
- Confermare che i file sperimentali e il sistema di acquisizione dati siano pronti per l'uso.
- Aprire e rivedere il file giornaliero di esecuzione prima che il partecipante entri in laboratorio.
- Identificare il codice di identificazione (ID) corrispondente assegnato al partecipante in arrivo.
- Verificare l'ordine di esecuzione delle condizioni sperimentali in base al controbilanciamento predeterminato.
- Assicurarsi che il partecipante sia assegnato al corretto ordine sperimentale prima che inizi qualsiasi acquisizione dati.
NOTA: Il file giornaliero di esecuzione contiene tutte le informazioni necessarie per assegnare l'ID del partecipante e determinare l'ordine di esecuzione dell'esperimento, mantenendo il controbilanciamento richiesto tra tutte le condizioni sperimentali. Ad esempio, a un partecipante potrebbe essere assegnato l'ID "015". - Organizzare l'archiviazione dei dati sul computer del laboratorio secondo la struttura gerarchica standard richiesta dalla pipeline automatizzata di elaborazione: una cartella principale per ogni esperimento, una sottocartella per ogni condizione di controbilanciamento e una cartella per ogni ID del partecipante, oltre a due cartelle globali destinate ai dati elaborati e ai database consolidati (vedere File Supplementare 1).
- Creare la cartella del partecipante corrispondente all'ID e alla condizione di controbilanciamento indicati nel file giornaliero di esecuzione prima di iniziare l'acquisizione dati, e seguire le convenzioni di denominazione delle cartelle e dei file specificate in File Supplementare 1 per tutta la durata della sessione, poiché gli script di pre-elaborazione e di gestione del database individuano i file in base al percorso e al nome.
NOTA: L'albero delle directory, le etichette delle sottocartelle di controbilanciamento, le convenzioni di denominazione dei file e un esempio pratico sono riportati nel File Supplementare 1. Deviare da queste convenzioni impedisce alla pipeline automatizzata di localizzare i file del partecipante. - Verificare che il tavolo sperimentale sia completamente privo di oggetti esterni o di disturbo. Consentire sulla scrivania soltanto il sistema di acquisizione dati e le periferiche del computer necessarie per l'esperimento.
- Fare entrare il partecipante nella stanza in modo calmo e professionale.
- Chiedere al partecipante di lasciare tutti gli effetti personali nell'area designata.
- Chiedere al partecipante di impostare il proprio dispositivo mobile in modalità silenziosa per evitare interruzioni o distrazioni durante la sessione sperimentale.
- Chiedere al partecipante di rimuovere tutti gli accessori dalla mano non dominante, in particolare anelli, braccialetti o qualsiasi oggetto posizionato sulle dita mediale e anulare, poiché potrebbero interferire con le misurazioni.
- Guidare il partecipante ad accomodarsi comodamente sulla sedia posizionata di fronte al computer del laboratorio.
- Fornire al partecipante una copia cartacea stampata del documento di consenso informato.
- Concedere al partecipante tempo sufficiente per leggere il documento e porre domande, se necessario.
- Confermare che il modulo di consenso informato sia stato firmato correttamente prima di iniziare qualsiasi procedura sperimentale.
NOTA: La procedura di consenso informato viene ripetuta in formato cartaceo in conformità ai requisiti stabiliti dal comitato etico e al fine di conservare una copia fisica di backup della documentazione del consenso del partecipante.
4. Impostazione sperimentale
NOTA: Il setup sperimentale deve seguire un protocollo rigoroso e standardizzato per garantire che tutte le misurazioni fisiologiche siano acquisite in condizioni controllate identiche per tutti i partecipanti.
- Accendere il sistema di acquisizione e verificare che il dispositivo sia correttamente collegato al computer del laboratorio e riconosciuto dal software del sistema di acquisizione (vedere Figura 2A–E).
- Confermare nuovamente che tutti i moduli e le periferiche necessari siano funzionanti correttamente prima di procedere con la preparazione del partecipante.
- Prendere due elettrodi per l'attività elettrodermica (EDA) (vedere Figura 2F).
- Applicare una piccola quantità di gel conduttivo sulla superficie di contatto di ciascun elettrodo (vedere Figura 2G,H).
- Assicurarsi che il gel conduttivo sia distribuito uniformemente sulla superficie dell'elettrodo per migliorare il contatto elettrico con la pelle del partecipante e ottimizzare la qualità del segnale.
NOTA: Se non si applica il gel conduttivo sugli elettrodi, il segnale registrato potrebbe contenere un rumore eccessivo e la qualità della misurazione della risposta conduttiva cutanea (SCR) potrebbe essere gravemente compromessa. - Posizionare gli elettrodi sulla mano non dominante del partecipante.
- Applicare un elettrodo sulla prima falange del dito medio (terzo dito) e il secondo elettrodo sulla prima falange del dito anulare (quarto dito) (vedere Figura 2I).
- Verificare che entrambi gli elettrodi siano saldamente fissati e mantengano un contatto stabile con la pelle senza causare disagio al partecipante.
- Posizionare il cinturino da polso sul polso del partecipante.
- Lasciare gli elettrodi EDA scollegati dal cinturino da polso durante la fase di calibrazione (vedere Figura 2J).
- Accendere il cinturino da polso per stabilire una comunicazione wireless con il sistema di acquisizione fisiologica.
- Confermare che il dispositivo sia stato rilevato correttamente.
NOTA: È necessario prestare particolare attenzione al cinturino da polso per tutta la durata della sessione sperimentale. Il personale deve verificare continuamente che il dispositivo rimanga acceso e connesso prima di iniziare l'esperimento, poiché eventuali interruzioni della comunicazione potrebbero compromettere la registrazione fisiologica. - Avviare il processo di acquisizione nel software di acquisizione.
- Attendere la comparsa automatica della finestra di calibrazione sullo schermo all'avvio dell'acquisizione.
- Eseguire la procedura di calibrazione mantenendo gli elettrodi scollegati dal cinturino da polso.
- Seguire le istruzioni di calibrazione fornite dal software fino al completamento della procedura.
- Al termine della calibrazione, collegare gli elettrodi EDA al cinturino da polso (vedere Figura 2K).
- Verificare tramite il software che il segnale della risposta conduttiva cutanea (SCR) stia venendo acquisito correttamente.
- Chiedere al partecipante di mantenere la mano non dominante completamente ferma per tutta la durata dell'esperimento.
- Spiegare che movimenti non necessari, contrazioni delle dita o cambiamenti di postura potrebbero introdurre rumore nel segnale SCR.
- Chiedere al partecipante di mantenere una postura comoda e rilassata durante la sessione.
- Fornire al partecipante delle cuffie prima di iniziare la procedura sperimentale.
- Verificare che le cuffie funzionino correttamente e che il partecipante percepisca chiaramente gli stimoli uditivi presentati durante l'esperimento.
- Avviare la procedura sperimentale in PsychoPy19.
- Quando si apre l'interfaccia di PsychoPy, inserire il nome del partecipante nella finestra aggiuntiva che lo richiede.
- Inserire l'ID assegnato al partecipante esattamente come specificato nel file di esecuzione giornaliero prima di avviare l'esperimento.
NOTA: Seguendo l'esempio precedente, l'ID del partecipante da inserire in PsychoPy dovrebbe essere "015".
Figura 2: Sistema di acquisizione, materiali e posizionamento degli elettrodi per la registrazione della conduttanza cutanea. (A) Unità principale Biopac MP200. (B) Modulo di acquisizione del segnale fisiologico (PPG/EDA). (C) Modulo connettore per sensori. (D) Modulo di ingresso analogico. (E) Modulo TTL per la comunicazione tra PsychoPy e AcqKnowledge. (F) Elettrodi monouso (EL507A). (G) Gel isotono (GEL101A) per migliorare il contatto con la pelle. (H) Applicazione del gel sull'elettrodo. (I) Posizionamento degli elettrodi sulla prima falange del terzo e quarto dito della mano non dominante. (J) Posizionamento del cinturino da polso sulla mano non dominante per la misurazione della risposta cutanea (SCR). (K) Elettrodi collegati dopo il processo di calibrazione. Cliccare qui per visualizzare una versione ingrandita di questa figura.
5. Inizio dell'esperimento
- Prima di iniziare la procedura sperimentale, spiegare al partecipante in modo dettagliato come rispondere alle domande presentate durante l'esperimento.
- Assicurarsi che il partecipante comprenda chiaramente: (i) il metodo di risposta da utilizzare durante la procedura, (ii) il significato delle istruzioni visualizzate sullo schermo e (iii) l'importanza di rimanere attento e di ridurre al minimo movimenti non necessari per tutta la durata dell'esperimento.
- Rispondere a eventuali domande rimanenti del partecipante prima di iniziare la sessione di registrazione.
- Eseguire una verifica finale dell'intero apparato sperimentale per accertarsi che tutti i sistemi funzionino correttamente secondo il protocollo stabilito, inclusi: comunicazione con il sistema di acquisizione fisiologica, connessione del braccialetto per il polso, qualità del segnale di risposta cutanea (SCR), esecuzione di PsychoPy, presentazione audio attraverso le cuffie e registrazione corretta dell'ID del partecipante.
- Una volta verificati tutti i sistemi e ottenuta la conferma del partecipante riguardo alla propria disponibilità a iniziare, avviare la procedura sperimentale.
- Uscire dalla stanza sperimentale non appena inizia la procedura, al fine di ridurre al minimo influenze esterne e distrazioni durante l'acquisizione dei dati.
- Rimanere nelle vicinanze ed essere disponibili nel caso fosse necessaria assistenza tecnica o supporto al partecipante, attendendo fino al completamento della sessione da parte del partecipante.
6. Tra un esperimento e l'altro
- Rientrare nella stanza sperimentale una volta che il partecipante ha terminato il compito e interrompere la registrazione fisiologica nel software di acquisizione.
- Salvare la registrazione fisiologica nella cartella del partecipante come file di acquisizione, quindi esportare la stessa registrazione in formato MATLAB con gli eventi, in modo che il file esportato contenga i marcatori dello stimolo generati da PsychoPy tramite il modulo TTL; questa esportazione produce inoltre un file di marcatori separato.
NOTA: Le informazioni sugli eventi e sui marcatori sono necessarie per la pipeline di pre-elaborazione (Sezione 8) per suddividere il segnale per prova e per tipo di stimolo. - Salvare il foglio elettronico di output di PsychoPy generato al termine del compito nella stessa cartella del partecipante. Utilizzare la convenzione standardizzata per la denominazione dei file descritta in File Supplementare 1 per tutti e quattro i file.
NOTA: Al termine di ogni esperimento, la cartella del partecipante deve contenere il file di acquisizione, il file MATLAB esportato, il file dei marcatori e il foglio elettronico di PsychoPy. Nomi esatti, percorsi ed un esempio pratico sono forniti in File Supplementare 1. - Staccare con attenzione gli elettrodi EDA dal partecipante, assicurandosi che durante la rimozione non si verifichino movimenti eccessivi o disagio.
- Aprire il successivo compito sperimentale di PsychoPy e riavviare il software di acquisizione in preparazione per l'esperimento successivo.
- Ripetere l'intera procedura di preparazione e acquisizione a partire dal passaggio 4.1.
NOTA: La sessione sperimentale completa è costituita da tre esperimenti indipendenti. Pertanto, una volta terminato il secondo esperimento, la stessa procedura sopra descritta deve essere ripetuta per il terzo esperimento. - Al termine dell'intera sessione sperimentale, verificare che la cartella del partecipante contenga tre sottocartelle, una per ogni compito sperimentale, ciascuna contenente tutti i file precedentemente menzionati.
NOTA: La durata approssimativa di ciascun compito sperimentale è stata stimata in precedenza al fine di consentire ai membri del personale di monitorare il partecipante e verificare il corretto funzionamento del sistema di acquisizione durante la sessione. La durata stimata di ciascun esperimento è la seguente:
Experiment_1: circa 24 min.
Experiment_2: circa 17 min.
Experiment_3: circa 8 min.
Considerando la preparazione, la calibrazione, i periodi di transizione tra gli esperimenti e la procedura di conclusione, l'intera sessione sperimentale ha una durata approssimativa di 60 min.
7. Fine degli esperimenti
- Chiudere la sessione di registrazione fisiologica una volta completati tutti e tre i compiti sperimentali.
- Interrompere il processo di acquisizione nel software di acquisizione, se non è già stato fermato.
- Staccare gli elettrodi EDA dal cinturino da polso e rimuovere il cinturino dal polso del partecipante.
- Permettere al partecipante di rimuovere personalmente gli elettrodi EDA per minimizzare il disagio e garantire una rimozione sicura dalla pelle.
- Verificare che tutti i file sperimentali e le registrazioni fisiologiche siano stati correttamente salvati prima di concludere la sessione.
- Ringraziare il partecipante per la collaborazione e offrire uno spuntino leggero come segno di apprezzamento al termine della procedura sperimentale.
NOTA: Se si verificano problemi durante la registrazione fisiologica a causa di inconvenienti tecnici, inclusi ma non limitati a: perdita di comunicazione tra il cinturino da polso e il modulo del sistema di acquisizione fisiologica, spegnimento inaspettato del cinturino da polso, elettrodi allentati o parzialmente staccati, o interruzioni temporanee del segnale o rumore eccessivo causato da problemi di connessione, l'esperimento deve proseguire come previsto e il partecipante non deve ripetere la sessione sperimentale.
8. Pre-elaborazione dei dati
NOTA: Una volta completata la sessione sperimentale e archiviate correttamente tutte le registrazioni fisiologiche, i dati SCR devono essere sottoposti a una procedura standardizzata di pre-elaborazione prima dell'analisi.
- Eseguire lo script MATLAB Ledalab_Format per riorganizzare la struttura dei dati della registrazione fisiologica esportata dal software di acquisizione, in modo che sia compatibile con Ledalab, una toolbox basata su MATLAB progettata per l'analisi dei segnali EDA.
NOTA: Nel codice Ledalab_Format.mat, definire il percorso del file {Identification_Code}.mat come variabile di input. Questo consente di convertire il file della registrazione fisiologica esportato in un formato che può essere correttamente letto ed elaborato da Ledalab. Una volta completata la conversione, generare e salvare un nuovo file MATLAB all'interno della cartella corrispondente al partecipante utilizzando la seguente convenzione di denominazione: Ledalab_{Identification_Code}.mat. Seguendo l'esempio precedente, se i dati dell'Esperimento_1 vengono convertiti per il partecipante "015", il file risultante dovrà chiamarsi: Ledalab_015.mat. - Aprire Ledalab, nella barra del menu in alto a sinistra, selezionare File > Importa dati > File Matlab (*.mat). Quindi, caricare il file dati appena generato corrispondente alla condizione sperimentale del partecipante.
- Inserire i parametri di campionamento nella finestra di configurazione che Ledalab visualizza una volta caricato il file.
- La frequenza di acquisizione originale del segnale SCR è 2000 Hz. Per ridurre il carico computazionale, sottocampionare il segnale a 10 Hz utilizzando i seguenti parametri: Frequenza di campionamento target: 10 Hz, Fattore di sottocampionamento: 200, Metodo di risampling: Steps.
- Dopo aver completato la procedura di sottocampionamento, eseguire un'analisi di decomposizione continua (CDA)20 all'interno di Ledalab per scomporre il segnale EDA nelle sue componenti tonica e fasica.
- Nella barra del menu, selezionare Analisi > Analisi di Decomposizione Continua (Estrazione dell'Attività Fasica/Tonica Continua).
- Attendere che la finestra di configurazione appaia sullo schermo.
- In questa finestra, selezionare l'opzione Ottimizza per regolare automaticamente i parametri di analisi.
- Una volta completata l'ottimizzazione, fare clic su Applica per avviare l'analisi CDA.
- Al termine dell'analisi CDA, selezionare Risultati > Analisi relazionata agli eventi, e una finestra di configurazione apparirà sullo schermo.
- Impostare la soglia minima di ampiezza al valore predefinito di Ledalab di 0,01 µS e lasciare deselezionata l'opzione scala-z. I marcatori di evento esportati dal software di acquisizione indicano separatamente l'inizio dello stimolo condizionato e l'inizio dello stimolo incondizionato, quindi l'analisi relazionata agli eventi restituisce una risposta per ciascuno. Impostare la finestra di risposta come segue:
- Per l'Esperimento 1, utilizzare da 0 s a 9 s dopo il marcatore di evento.
- Per l'Esperimento 2, utilizzare da 0 s a 6 s dopo il marcatore di evento.
- Esportare il risultato come file foglio elettronico. Ledalab genera un foglio elettronico contenente le informazioni fisiologiche e relative agli eventi rilevanti estratte dal segnale SCR.
NOTA: La finestra di risposta corrisponde alla durata completa dello stimolo condizionato in ciascun compito (Tabella Supplementare 1: 9 s nell'Esperimento 1 e 6 s nell'Esperimento 2), in modo che la risposta evocata dal CS copra l'intero intervallo CS-US e non sia contaminata dalla risposta incondizionata, che viene valutata separatamente sul proprio marcatore di evento. Le risposte al di sotto della soglia di 0,01 µS vengono registrate come zero da Ledalab e mantenute nell'analisi come zeri; non eliminarle, poiché la loro rimozione gonfierebbe la risposta media dei partecipanti con bassa risposta. - Ripetere l'intera procedura di pre-elaborazione, sottocampionamento e CDA per l'Esperimento 2 (vedere la NOTA qui sotto per l'Esperimento 3, che segue una procedura diversa e non richiede l'output della CDA).
NOTA: Al termine della fase di pre-elaborazione, ogni cartella sperimentale deve contenere un ulteriore file foglio elettronico corrispondente ai risultati dell'analisi CDA generati da Ledalab. Questo file dovrà successivamente essere convertito in formato .xlsx per archiviazione, organizzazione e ulteriore analisi. L'Esperimento 3 segue una procedura di pre-elaborazione diversa. Per questo esperimento, deve essere utilizzato solo lo script MATLAB, che non richiede l'output della CDA, ma soltanto i valori alpha e beta. Quando lo script viene eseguito per "Experiment_3", estrae automaticamente i valori alpha e beta, li unisce alle informazioni comportamentali e salva il foglio elettronico risultante in Global_Data/Exp_3. - Eseguire il controllo di qualità del segnale, identificare i non rispondenti e gestire gli artefatti.
- Prima di qualsiasi analisi statistica, visualizzare in Ledalab l'intero tracciato di conduttanza cutanea sottocampionato di ciascun partecipante e ispezionarlo visivamente dal primo all'ultimo marcatore di evento. Eseguire questa ispezione per ogni partecipante e per ogni compito separatamente, poiché la qualità del segnale è specifica per canale e per compito.
- Scartare l'intero tracciato e trattare il canale SCR di quel compito come mancante per quel partecipante se si osserva una delle seguenti condizioni: (i) un segnale piatto o assente durante il compito, indicante perdita di comunicazione wireless con il cinturino, cinturino spento o elettrodo staccato; (ii) un livello tonico di conduttanza cutanea inferiore a 0,05 µS mantenuto per tutto il compito, il che indica un contatto inadeguato tra elettrodo e pelle piuttosto che una bassa attivazione; (iii) deriva ininterpretabile o un'improvvisa e sostenuta inflazione dell'ampiezza non sincronizzata con alcun evento; o (iv) saturazione del range dell'amplificatore.
NOTA: Non ripetere la sessione e non escludere il partecipante dagli altri compiti o dai canali comportamentali e di autovalutazione. - Definire un partecipante come non rispondente per un dato compito se nessuna risposta fasica raggiunge o supera la soglia di 0,01 µS in alcun evento di quel compito, inclusi gli eventi dello stimolo incondizionato nei trial rinforzati — ovvero, se il partecipante non produce alcuna risposta elettrodermica misurabile nemmeno all'esito avversivo stesso.
- Escludere un non rispondente da ogni canale di quel compito — conduttanza cutanea, comportamento e valutazioni soggettive — poiché l'assenza di qualsiasi risposta elettrodermica anche allo stimolo incondizionato indica che il sistema elettrodermico non era misurabile in quella sessione e pone dubbi sul fatto che il partecipante abbia effettivamente interagito con la contingenza.
- Mantenere quel partecipante nei due compiti rimanenti. Distinguere questo caso dalla perdita tecnica del segnale (elettrodo staccato o cinturino con comunicazione wireless persa), in cui il partecipante ha risposto ma il segnale non è stato registrato: in tal caso, trattare il canale SCR di quel compito come mancante e mantenere i dati comportamentali e soggettivi di quel compito, che non sono influenzati dalla qualità del segnale elettrodermico.
- Segnalare separatamente per ogni compito il tasso di non rispondenti e il tasso di perdita tecnica.
- Identificare gli artefatti da movimento sul tracciato come: (i) transitori di aumento brusco non sincronizzati con alcun marcatore di evento, o (ii) offset a gradino nel livello tonico prodotti da contrazione delle dita, cambio di postura o sfregamento degli elettrodi contro la sedia o la scrivania.
- Contrassegnare ogni trial contenente un tale artefatto all'interno della sua finestra di valutazione ed escluderlo a livello di trial; non escludere il partecipante.
- Escludere un partecipante da ogni canale di un compito, e non solo dall'analisi SCR, se più del 25% dei trial di quel compito è contrassegnato come contaminato da artefatti: i trial rimanenti non supportano più una stima stabile per partecipante, e le condizioni di registrazione di quella sessione non sono adeguate per alcun canale. Mantenere quel partecipante nei due compiti rimanenti.
- Trasformare le ampiezze a livello di trial con log(SCR + 1) prima della media, al fine di normalizzare la distribuzione positivamente asimmetrica delle ampiezze elettrodermiche; impostare a zero eventuali valori CDA negativi, una rara conseguenza della deriva della baseline, prima della trasformazione.
- Raggruppare i trial trasformati per ottenere un valore per partecipante, per fase e per stimolo.
- Segnalare l'analitic n separatamente per ogni canale (SCR, comportamento, valutazioni) e per ogni compito, poiché la perdita specifica per canale fa divergere questi valori.
- Registrare ogni decisione presa nei passaggi 8.14.1–8.14.9 in un registro di qualità per partecipante contenente: ID del partecipante, compito, condizione di controbilanciamento, tracciato accettato o scartato (con motivazione), intervallo del livello tonico, numero e identità dei trial esclusi per artefatti, percentuale di trial esclusi per artefatti, stato di non rispondente e contributo finale all'analitic n per ogni canale.
- Archiviare il registro di qualità con i database consolidati in modo che la perdita di dati specifica per canale sia verificabile e riproducibile.
NOTA: Nel campione attuale, nessun partecipante ha soddisfatto il criterio di non rispondente del passaggio 8.14.3, e nessun partecipante ha superato la soglia del 25% di artefatti del passaggio 8.14.6; di conseguenza, nessun partecipante è stato escluso da tutti i canali di un compito. Le divergenze nell'analitic n sono di due tipi indipendenti: perdita tecnica del canale elettrodermico, che lascia intatti i record comportamentali e soggettivi di quel compito, e record comportamentali o di autovalutazione incompleti (un compito non completato o risposte su scala analogica visiva mancanti), che sono indipendenti dalla qualità del segnale elettrodermico. L'analitic n esatto per ogni canale e ogni compito è riportato nel paragrafo del campione analitico dei Risultati Rappresentativi. L'Esperimento 3 non include un canale SCR, quindi il suo n riflette perdite di dati comportamentali piuttosto che elettrodermici. Riportare esplicitamente questi criteri affronta la mancanza di armonizzazione nell'operazionalizzazione e nella segnalazione degli esiti elettrodermici evidenziata da Ruge et al.1.
9. Database
- Eseguire lo script Python Data_Bases.py per unire, per ogni partecipante, le misurazioni fisiologiche ottenute dai registrazioni SCR con le risposte raccolte durante il compito sperimentale.
NOTA: Lo script integra le informazioni ottenute dalle registrazioni fisiologiche elaborate tramite Ledalab, gli output dell'analisi CDA e i fogli elettronici delle risposte di PsychoPy generati durante l'esperimento. - Dopo aver eseguito correttamente lo script, verificare che venga generato e salvato nella cartella Global_Data un foglio elettronico consolidato contenente sia le informazioni fisiologiche che comportamentali relative a un singolo partecipante.
NOTA: Seguendo l'esempio precedente, se si seleziona Experiment_1 per l'analisi, lo script Python attraverserà automaticamente le cartelle di tutti i partecipanti associati a quell'esperimento, unirà gli output CDA con i corrispondenti dati comportamentali per ogni partecipante e genererà un file di foglio elettronico individuale per ciascun partecipante all'interno della cartella Global_Data/Exp_1. - Dopo aver generato i database individuali per ciascun partecipante, utilizzare lo script Python Completed_Bases_Per_Experiment.py per unire i dati di tutti i partecipanti per ogni compito sperimentale.
NOTA: Lo script combina le informazioni provenienti da tutte le cartelle dei partecipanti in un database unificato per ciascun esperimento, facilitando le successive analisi statistiche ed elaborazioni dei dati. Se la procedura viene completata con successo, verranno generati tre fogli elettronici finali, ciascuno corrispondente a uno dei tre esperimenti:
Un foglio elettronico per Experiment_1
Un foglio elettronico per Experiment_2
Un foglio elettronico per Experiment_3 - Salvare i database completi risultanti nella cartella Complete_Data_Bases.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Risultati
Campione analitico
Un totale di 38 adulti sani ha completato l'intera sessione sperimentale e il questionario auto-somministrato (CTQ-SF, BCE, PHQ-9, GAD-7, STAI). Le dimensioni campionarie per ogni analisi sono leggermente variate a causa della perdita di dati specifici per canale, e non per ritiro dei partecipanti. Dimensioni campionarie per analisi: Esperimento 1 — ANOVA per SCR e valutazioni (fasi pavloviana e operante), n = 37; ANOVA per la pressione del pulsante operant...
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Discussione
I risultati attuali stabiliscono la fattibilità tecnica e metodologica di una batteria integrata, da svolgere in una singola sessione, che comprende l'acquisizione di minaccia con controllo strumentale, l'apprendimento della sicurezza e la ricomparsa della paura, nonché l'apprendimento probabilistico di ricompensa. In un campione di 35-38 adulti sani (le dimensioni analitiche del campione differivano leggermente tra gli esperimenti a causa della perdita di segnale specifica per canale, non per ritiro dei partecipanti), o...
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Dichiarazioni
Gli autori dichiarano di non avere interessi finanziari o non finanziari in conflitto.
Ringraziamenti
Gli autori ringraziano tutti i partecipanti per il tempo e l'impegno dedicati, nonché gli assistenti di ricerca e il team del laboratorio dell'Universidad de los Andes. Questa ricerca è stata sostenuta dall'Agencia Nacional de Investigacion y Desarrollo de Chile (ANID) tramite il finanziamento Fondecyt Iniciacion n. 11250037 (Responsabile scientifico: Maria Consuelo San Martin). R.C.V. è stato sostenuto dal National Center for Artificial Intelligence CENIA FB210017, Basal ANID.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Materiali
| Nome | Azienda | Numero di catalogo | Commenti |
|---|---|---|---|
| Software AcqKnowledge | BIOPAC Systems Inc. | ACK100W (Windows) / ACK100M (Mac) | Software per l'acquisizione e l'analisi di segnali fisiologici. RRID:SCR_014279 (verificare con la voce corrente su SciCrunch). |
| afex (pacchetto R) | Singmann, Bolker, Westfall, Aust & Ben-Shachar | Versione 1.5-1 | Pacchetto R per esperimenti fattoriali. Utilizzato per tutte le ANOVA a misure ripetute (Esperimenti 1-3) tramite aov_ez(). RRID:SCR_022761 (verificare con la voce corrente su SciCrunch). |
| ARTool (pacchetto R) | Wobbrock, Findlater, Gergle & Higgins | Versione 0.11.2 | Trasformazione di rango allineato per ANOVA fattoriale non parametrica. Utilizzata per l'ANOVA Fase x Stimolo sulla conduttanza cutanea nell'Esperimento 2, la cui distribuzione non è gaussiana. |
| Scala delle Esperienze Infantili Positive (BCE) | Narayan, Rivera, Bernstein, Harris & Lieberman (2018) | Strumento di pubblico dominio (10 elementi) | Adattamento spagnolo utilizzato. Nessun RRID assegnato a questo strumento; citare l'articolo originale di validazione. |
| Braccialetto BioNomadix (Trasmettitore) | BIOPAC Systems Inc. | BN-PPGED-T | Trasmettitore indossabile per segnali EDA e PPG. Utilizzato in coppia con il modulo ricevitore BioNomadix. |
| Questionario sulle Esperienze Traumatiche dell'Infanzia - Forma Breve (CTQ-SF) | Bernstein et al. (2003) | Autovalutazione retrospettiva validata (28 elementi) | Cinque sottoscale (EA, PA, SA, EN, PN). Nessun RRID; citare l'articolo originale di validazione. Utilizzato adattamento spagnolo. |
| Gel conduttivo per elettrodi EDA | BIOPAC Systems Inc. | GEL101A | Gel isotono per misurazioni della conduttanza cutanea. |
| Elettrodi EDA monouso Ag/AgCl | BIOPAC Systems Inc. | EL507A | Elettrodi monouso per la registrazione della conduttanza cutanea. |
| Scala del Disturbo da Ansia Generalizzata (GAD-7) | Spitzer, Kroenke, Williams & Löwe (2006) | Autovalutazione a 7 elementi | Versione spagnola validata utilizzata. Nessun RRID per lo strumento; citare l'originale. |
| ggplot2 (pacchetto R) | Wickham | Versione 4.0.3 | Sistema di grafica basato sulla grammatica dei grafici. RRID:SCR_014601 (verificare con la voce corrente su SciCrunch). |
| Cuffie (circumaurali) | HyperX (HP Inc.) | Cloud III | Cuffie cablate chiuse; utilizzate per somministrare lo stimolo condizionato uditivo durante il condizionamento del timore. |
| Ledalab | Benedek & Kaernbach (2010) | Toolbox MATLAB open-source v3.2.5 | Analisi continua di decomposizione (CDA) dei segnali di conduttanza cutanea. RRID non assegnato (citare l'articolo originale). |
| lme4 (pacchetto R) | Bates, Maechler, Bolker & Walker | Versione 1.1-37 | Modelli lineari a effetti misti. Utilizzati per stimare le pendenze delle traiettorie di apprendimento per partecipante nell'Esperimento 3. RRID:SCR_015654 (verificare con la voce corrente su SciCrunch). |
| MATLAB | MathWorks | R2025a | Utilizzato per eseguire Ledalab e la pipeline di pre-elaborazione SCR. RRID:SCR_001622. |
| Questionario sulla Salute del Paziente-9 (PHQ-9) | Kroenke, Spitzer & Williams (2001) | Autovalutazione a 9 elementi | Versione spagnola validata utilizzata. Nessun RRID per lo strumento; citare l'originale. |
| Unità di acquisizione dati fisiologici (PsychoPy) | BIOPAC Systems Inc. | MP200 | Unità principale per l'acquisizione di segnali fisiologici. Combinata con il modulo EDA wireless BioNomadix. |
| Python | Python Software Foundation | Versione 3.12 | Utilizzato per la pipeline di pre-elaborazione che unisce l'output di Ledalab con i record comportamentali di PsychoPy (Data_Bases.py, Completed_Bases_Per_Experiment.py). RRID:SCR_008394 (verificare con la voce corrente su SciCrunch). |
| R (ambiente di calcolo statistico) | R Foundation for Statistical Computing | Versione 4.5.0 | Ambiente in cui sono state eseguite tutte le analisi statistiche. I modelli di moderazione sono stati stimati mediante regressione ai minimi quadrati ordinari con la funzione lm() del pacchetto base stats, con predittori standardizzati in z e il termine di interazione calcolato come loro prodotto; non è stato utilizzato alcun pacchetto specializzato per la moderazione. RRID:SCR_001905 (verificare con la voce corrente su SciCrunch). |
| Inventario dell'Ansia Stato-Trait (STAI) | Spielberger et al. (1983) | Forma Y STAI (40 elementi, SAI + TAI) | Versione spagnola validata utilizzata. Nessun RRID per lo strumento; citare l'originale. |
| Monitor per la presentazione degli stimoli | Samsung | LS22D300GALXZS (S22D300, LED da 22 pollici) | Display utilizzato per gli stimoli visivi CS+ / CS- e le scale di valutazione. |
Riferimenti
- 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.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Ristampe e permessi
Questo articolo è stato pubblicato
Video in arrivo