方法論記事

反復的な宗教的詠唱による恐怖とストレスの多い刺激に対する神経生理学的応答の調節

5.6K 回視聴

⸱

DOI:

10.3791/62960

⸱

2021年11月4日

 ,  ,  ,  ,  , 
1Buddhism and Science Research Lab, Centre of Buddhist Studies, The University of Hong Kong, 2School of Biomedical Engineering, Shenzhen University

この記事について

訂正のお知らせ

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

サマリー

現在の事象関連ポテンシャル(ERP)研究は、宗教的な詠唱が否定的な感情をどのように調節できるかを調査するためのユニークなプロトコルを提供します。この結果は、後期陽性電位(LPP)が負の感情刺激に対する堅牢な神経生理学的応答であり、反復的な宗教的詠唱によって効果的に調節され得ることを実証する。

要約

神経心理学的実験では、後期陽性電位(LPP)は、感情的な覚醒のレベルを反映する事象関連電位(ERP)成分である。この研究は、反復的な宗教的な詠唱が恐怖やストレスを刺激する刺激に対する感情的な反応を調節し、LPPの反応を低下させるかどうかを調査している。「阿弥陀仏」の繰り返しの宗教的な詠唱に少なくとも1年の経験を持つ21人の参加者が募集されました。128チャンネル脳波(EEG)システムを使用してEEGデータを収集しました。参加者は、国際情動画像システム(IAPS)から選択された否定的または中立的な写真を、反復的な宗教的詠唱、反復的な非宗教的な詠唱、および詠唱なしの3つの条件下で見るように指示された。結果は、ネガティブな恐怖とストレスを誘発する写真を見ることが、非詠唱および非宗教的な詠唱条件下で中立的な写真を見るよりも、参加者に大きなLPPを誘発することを実証した。しかし、この増加したLPPは、繰り返される宗教的な詠唱条件下ではほとんど姿を消した。この新知見は、反復的な宗教的な詠唱が、開業医にとって恐怖やストレスの多い状況に対する神経生理学的反応を効果的に緩和する可能性があることを示している。

概要

後期陽性ポテンシャル(LPP)は長い間、感情的な覚醒を伴い、感情関連の研究で確実に使用されてきました1,2。宗教的な実践は、東洋と西洋の両方の国で広まっています。有害事象に直面したとき、特に困難な時期に開業医の不安やストレスを緩和できると主張されています3。それにもかかわらず、これは厳格な実験環境の下で実証されることはめったにありません。

多くの研究により、感情調節はさまざまな戦略と枠組みで学習できることが確認されています4,5,6。いくつかの研究は、マインドフルネスと瞑想が感情的な出来事に対する神経反応を調節できることを示しました7,8。最近、瞑想の実践者は、認知的評価、抑圧、および気晴らし以外の感情調節戦略を採用する可能性があることが判明しました8,9。国際情動画像システム(IAPS)からの刺激は、肯定的または否定的な感情を確実に引き出すために使用でき、情動研究において、指定された価数および覚醒レベルを有するデザインされた画像を見つけるための標準的な基準がある10。

感情的な刺激は、脳内で早期および後期の反応を引き起こす可能性があります3,11。同様に、仏教の伝統は、初期および二次的な精神プロセスによって心の思考についてアナロジカルな分析を行いました3,12,13。初期の仏教経典であるサラータ・スッタ(The Arrow Sutta)は、認知訓練が感情を和らげることができると述べています。アロー・スッタは、よく訓練された仏教の修行者も訓練を受けていない人も、有害な出来事に直面したときに痛みの初期および否定的な認識を経験すると述べています13。この避けられない最初の痛みは、Sallatha Suttaに記載されているように、矢に打たれる人に似ています。初期の知覚的痛みは、人が非常に否定的な絵を見るときの早期処理の段階と同じです。初期のニューラル処理は、通常、N1成分を惹起する。訓練を受けていない人は、最初の避けられない痛みを伴う感情を経験した後、心配、不安、ストレスなどの過度の感情を発症することがあります。Sallatha Suttaによると、この発達が遅れているネガティブな感情や心理的な痛みは、2本目の矢に打たれるようなものです。事象関連ポテンシャル(ERP)実験は、N1とLPPが上記の2つの矢印に対応すると仮定して、現在の計画の初期および後の心理的プロセスを捉えることができる。

この議定書では、「アミターバ・ブッダ」(Sanskit:Amitābha)という名前の繰り返しの詠唱は、個人が恐怖やストレスの多い状況にあるときに宗教的な詠唱の潜在的な効果をテストするために選ばれました。この宗教的な詠唱は、中国の仏教徒の間で宗教的志向を持つ個人の最も一般的な実践の1つであり、東アジアの浄土仏教の中核的な実践です14。反復的な宗教的な詠唱は、刺激、すなわち恐怖やストレスの多い写真によって誘発されるLPPに対する脳の反応を低下させるという仮説が立てられた。脳波および心電図(ECG)データの両方を収集して、異なる条件下での参加者の神経生理学的応答を評価した。

プロトコル

このERP研究は、香港大学治験審査委員会によって承認されました。この研究に参加する前に、すべての参加者は書面によるインフォームドコンセントフォームに署名しました。

1. 実験計画

  1. 参加者の募集
    1. この研究のために、少なくとも1年(〜200〜3,000時間)の「阿弥陀仏」の名を唱えた経験のある参加者を募集する。
      注:本研究では、40〜52歳までの21人のヒト参加者が選択された。11人は男性でした。
  2. 宗教的な詠唱と非宗教的な詠唱
    1. 「阿弥陀仏」の御名を40秒間唱えます。最初の20秒はアミターバ仏のイメージで、次の20秒はIAPSのイメージです。
      1. ピューレランド派の阿弥陀仏像を見ながら「阿弥陀仏」の名前の文字だけを唱えます14。
    2. サンタクロース(無宗教の詠唱条件)の名前を40秒間唱える。最初の20秒はサンタクロースの画像を見ながら、次の20秒はIAPS画像で。
      1. サンタクロースの名前の4文字だけを唱え、サンタクロースを想像してください。
    3. 40秒間沈黙を守ってください。最初の 20 秒は制御目的で空白のイメージを使用し、次の 20 秒は IAPS イメージを使用します。
      注:唱えないでください。
  3. 脳波記録システム
    1. アンプ、ヘッドボックス、EEGキャップ、および2台のデスクトップコンピュータで構成される128チャンネルEEGシステムを使用して、脳波データを記録し ます(材料表を参照)。
  4. 刺激提示システム
    1. 刺激プレゼンテーションソフトウェア( 材料表を参照)を使用して、IAPSのニュートラル画像とネガ画像をデスクトップコンピュータに表示します。
  5. 心電図記録システム
    1. 生理学的データ記録システムを使用してECGデータを記録する( 材料表を参照)。

2. 情動変調実験

注:実験には2 x 3計画の2つの因子がありました:最初の因子は画像タイプでした:中立と否定(恐怖とストレスを誘発する)。第2の要因は、「アミターバ仏」を唱えること、「サンタクロース」を唱えること、そして唱えないこと(サイレントビュー)の詠唱タイプでした。

  1. ブロック設計は、感情関連のコンポーネントをより効果的に引き出す可能性があるため、15を使用します。
    注:6つの条件があり、シーケンスは無作為化され、参加者間で相殺された(図1)。6つの条件は次のとおりです:否定的な写真を見ながら宗教的な詠唱(AmiNeg)。中立的な写真を見ながら宗教的な詠唱(アミノイ);ネガティブな写真を見ながら唱えないでください(PasNeg)。中立的な写真(PasNeu)を見ながら唱えないでください。ネガティブな写真を見ながら非宗教的な詠唱(SanNeg);中立的な写真を見ながら無宗教の詠唱(サンノイ)。

figure-protocol-1
図1:実験手順。 6つの擬似ランダム化条件があり、各参加者は擬似ランダム化シーケンスを受け取った。各条件を2つの別々のセッションで6回繰り返した。この図は参考文献3から翻案されたものです。 この図の拡大版を表示するには、ここをクリックしてください。

  1. 各図を約1.8~2.2秒、刺激間間隔(ISI)を0.4~0.6秒で表示します。
    注:各セッションで同じタイプ(ニュートラルまたはネガティブ)の10枚の写真がありました。
  2. 各セッションの後に20秒の休息時間を与えて、次のセッションでの詠唱や画像表示の潜在的な残留効果に対抗します。
  3. 参加者の目から75cm離れたCRTモニターに、15°(垂直)と21°(水平)の視角度で写真を提示する。
  4. 参加者に絵を注意深く観察してもらいます。
  5. 参加者に簡単な練習ランを提供して、各条件に慣れ親しませます。ビデオモニターを使用して、参加者が眠りに落ちないようにします。
  6. 参加者に40分間の実験の途中で10分間の休息を与える。

3. 脳波および心電図データ収集

メモ:実験に来る前に、各参加者に、コンディショナーやシステムのインピーダンスを高める可能性のある他のものを使用せずに、髪と頭皮を徹底的に洗うように依頼してください。2つの別々のシステムによって脳波とECGデータを同時に収集します。

  1. 各参加者に実験手順、すなわち、効果的な写真が異なる詠唱条件下で見られたことを知らせる。
  2. サンプリングレートを1,000Hzに設定し、可能な限り、またはシステムの要件に応じて、各電極のインピーダンスを30kΩ未満に維持します。
  3. 生理学的データ記録システムを用いてECGデータを含む生理学的データを収集する( 材料表を参照)。

4. 脳波データ解析

  1. EEGLAB( 資料表を参照)、 補足ファイル1-2、オープンソースソフトウェア16を使用してEEGデータを処理および分析します。
  2. EEGLAB関数「pop_resample」を使用して、データを1,000 Hzから250 Hzに再サンプリングし、妥当なデータファイルサイズを維持します。 [サンプリングレートの変更>ツール]をクリックします。
  3. EEGLAB関数「pop_eegfiltnew」を使用して、0.1~100Hzの通過帯域を持つ有限インパルス応答(FIR)フィルタでデータをフィルタリングします。 [ツール]をクリックしてデータをフィルタリング>、基本FIRフィルタ(新規、デフォルト)>します。
  4. 47~53Hzの阻止帯域を備えた非線形無限インパルス応答(IIR)フィルタでデータを再度フィルタリングし、交流からのノイズを低減します。 [ツール]をクリックして[データをフィルタリング>]>パスバンドではなくNotchフィルタを選択します。
  5. データを視覚的に検査して、目や筋肉の動きによって生成された強力なアーチファクトを削除します。 チャンネルデータ>プロット(スクロール)をクリックします。
  6. データをもう一度目視で検査して、どのチャンネルでも一貫したノイズが発生していないか確認し、不良なチャンネルが注目されました。
  7. 球面補間を使用して不良チャンネルを再構築します。 [電極を補間>ツール]をクリックし>データチャネルから選択します。
  8. オープンソースのアルゴリズム「runica」16を使用して独立成分分析(ICA)を実行します。 ICAを実行す>ツールをクリックします。
  9. 眼球運動、瞬き、筋肉の動き、およびラインノイズに対応する独立部品(IC)を除去します。[ ICAを使用してデータ>拒否するツール]をクリックし、マップ>コンポーネントを拒否できます。
  10. 残りのICを使用してデータを再構築します。 [コンポーネントを削除>ツール]をクリックします。
  11. 30 Hz のローパス フィルターでデータをフィルター処理します。 [ツール]をクリックしてデータをフィルタリング>、基本FIRフィルタ(新規、デフォルト)>します。
  12. ERP データを取得するには、ベースラインとして -200 ~ 0 ミリ秒、ERP として 0 ~ 800 ミリ秒の時間枠を持つ各条件のタイムロックされたエポックを抽出して平均化します。 [エポックを抽出>ツール]をクリックします。
  13. ERPデータを左右の乳房チャネルの平均で再参照します。 [再参照>ツール]をクリックします。
  14. すべての参加者のデータセットについて上記の手順を繰り返し、統計分析ソフトウェアで t検定または反復測度分散分析を使用して条件間の差を比較します( 材料表を参照)。
  15. 確立された理論8,17と現在のデータ3に基づいてN1とLPPの時間枠を定義する。
    注:この研究では、N1は100〜150ミリ秒と定義され、LPPは刺激開始から300〜600ミリ秒と定義されました。LPPは中央頭頂部で最も顕著である(図2)。
  16. 3つの条件間で対応のある t検定を使用して、N1成分におけるニュートラルと負の画像差を見つけます(図3)。
  17. 3つの条件間で対応のある t検定を使用して、LPP成分におけるニュートラルと負の画像差を見つけます(図4)。
  18. N1 および LPP コンポーネントに対して関心領域 (ROI) 分析を実行するには、関連するチャネルを平均化して領域を表します。
    注: ROI を選択するには、3 つの条件すべてのエポックを平均して、ニュートラル画像とネガティブ画像が特定の時間枠で有意な差を持つチャネルを計算しました (たとえば、N1 または LPP の場合)。
  19. 統計解析ソフトウェアで反復測定ANOVAと事後統計量を使用して、N1とLPPの差を別々に比較します。
    注: ポストホック分析(ボンフェローニ補正)を使用し、モデルが有意であった場合は、2つの条件間の有意差を別々に決定します。有意性閾値は p <0.05に設定した。

5. ERPソース分析

  1. 以下の手順に従って、SPM19オープンソースソフトウェア(材料表を参照)を使用してERPソース分析18を実行します。
  2. 脳波キャップセンサー座標系を標準構造MRI画像(モントリオール神経研究所(MNI)座標)の座標系に、ランドマークベースの共同登録によりリンクします。SPMで、 M/EEG>ソースの再構築>ヘッドモデル仕様>バッチ>SPMをクリックします。
  3. 順方向計算を実行して、脳波センサーに課せられた皮質メッシュに対する各双極子の影響を計算します。同じバッチエディタで、 SPM>M / EEG>ソースの再構築>ソースの反転をクリックします。
    注: これらの結果は G 行列 (n x m) に配置され、n はセンサーの数 (EEG 空間次元)、m はメッシュ頂点の数 (ソース空間次元) です。ソースモデルは X = GS で、X は各条件の ERP データを示す n x k 行列、k は時点数、S は ERP ソースを示す m x k 行列です。
  4. 他の方法よりも信頼性が高いため、3番目のステップ(利用可能な多くのアルゴリズムの中で)で、貪欲な検索ベースの複数の疎事前確率アルゴリズム(Sは不明であるため)を使用して逆再構成を実行します20。「ソース反転」ウィンドウの「反転」タイプに「MSP(GS)」を選択します。
  5. SPM の一般的な線形モデリングを使用して、条件間の差を決定します。有意水準を p に設定し<0.05にします。 バッチエディタで、 SPM>統計>要因計画仕様をクリックします。

6. 心電図データと行動評価分析

  1. 生理学的およびデータ処理ソフトウェアを使用して、ECGデータを処理および分析します(材料表を参照)。各条件の平均スコアを計算します。EEGLABで、QRSイベントを検出するためのツール>FMRIBツール>クリックします21。
    注:ERP振幅分析と同様に、統計ソフトウェアを使用して、反復測定ANOVAでデータをさらに分析しました。ポストホック分析を実行して、モデルが有意である場合、2つの条件間の有意差を別々に決定した。有意水準は p <0.05とした。
  2. 参加者に、被験者の名前(アミターバ・ブッダ、サンタクロースなど)を唱えることの有効性に対する彼らの信念を1-9のスケールで評価してもらいます。

結果

行動結果
参加者の詠唱信仰の結果、「アミターバ・ブッダ」で8.16±0.96、「サンタクロース」で3.26±2.56、「ブランクコントロール条件」で1.95±2.09の平均スコアが明らかになりました(補足表 1)。

ERPの結果
Pz(頭頂葉)の代表的なチャンネルは、詠唱条件がニュートラルおよびネガティブ画像の初期(N1)および後期(LPP)処理に異なる効果を有することを実証した。それぞれN1およびLPPの時間窓を示した(図2)。

初期の知覚段階
ERPの結果は、3つのチャンティング条件でネガ画像を見ながらN1の増加を示しました(図3)。ネガティブな画像はニュートラルな画像よりも強い中枢脳活動を誘導し、その増加は3つの条件で同等であることを示した。

後期感情/認知段階
ERPは、非宗教的な詠唱と無詠唱の条件でLPPの増加を示しました。しかし、ネガ画像によって誘発されるLPPは、参加者がアミターバ・ブッダの名前を唱えるときにはほとんど見えません(図4)。

関心領域 (ROI) 分析
3つの条件を組み合わせて、N1およびLPP成分で一般的に活性化された領域を推定した。ANOVAの反復測定を統計ソフトウェアを用いて行い、チャンティング条件間のN1成分とLPP成分の差を算出した(図5)。

左の 3 つの列は、3 つの詠唱条件 (無音表示条件、非宗教的な詠唱条件、および宗教的な詠唱条件) の N1 コンポーネントの違いを示しています。N1成分の違いは、3つの条件にわたって類似していた。右側の3つの列は、3つのチャンティング条件のLPPコンポーネントの違いを示しています。これは、LPP成分の違いが、非宗教的な詠唱条件および無音視聴条件よりも宗教的詠唱条件においてはるかに小さいことを示している。

ソース分析
ソース分析を適用して、LPP結果に基づいて潜在的な脳マッピングを抽出した(図6)。その結果、ニュートラルな画像と比較すると、ネガティブな画像は、無宗教の詠唱状態と無詠唱状態でより多くの頭頂活性化を誘発することを示しています。対照的に、このネガティブな絵が誘発する活性化は、宗教的な詠唱状態ではほとんど消えます。

生理学的結果:心拍数
非宗教的な詠唱状態におけるネガティブな写真とニュートラルな写真の間に心拍数(HR)に大きな変化がありました。同様の傾向は、無詠唱状態でも見られました。しかし、宗教的な詠唱条件においてそのようなHR差は認められなかった(図7)。

figure-results-1
図2:代表チャンネル(Pz)は、6つのチャンティング条件で異なるERPを示しました。 6つの条件は、(1)中立的な写真を見ながら宗教的な詠唱(AmiNeu)です。(2)ネガティブな写真を見ながら宗教的な詠唱(アミネグ)。(3)中立的な写真を見ながら非宗教的な詠唱(サンノイ)。(4)ネガティブな写真を見ながら無宗教の詠唱(SanNeg)。(5)中立的な写真(PasNeu)を見ながら唱えない。(6)ネガティブな写真(PasNeg)を見ながら唱えない。チャネルPzは、頭皮の中央頭頂部に位置する。この図の拡大版を表示するには、ここをクリックしてください。

figure-results-2
図3:3つのチャンティング条件でN1成分を実証したERP結果。各画像タイプの3つの条件に対するN1成分の2次元マップ。最後の列では、有意差(p < 0.05)を持つチャンネルがドットで示されています。暗い色のドットは、より大きな重要性(すなわち、p値が小さい)を示す。この図の拡大版を表示するには、ここをクリックしてください。

figure-results-3
図4:3つのチャンティング条件でLPPコンポーネントを実証したERP結果。 各画像タイプの 3 つの条件に対する後期正電位 (LPP) コンポーネントの 2 次元マップ。最後の列では、有意差(p < 0.05)を持つチャンネルがドットで示されています。暗い色のドットは、より大きな重要性(すなわち 、p値が小さい)を示す。 この図の拡大版を表示するには、ここをクリックしてください。

figure-results-4
図 5: 関心領域 (ROI) 分析 初期成分N1と後期成分である後期正電位(LPP)に対する陰性対中立画像誘導脳応答の差に関する関心領域(ROI)分析。 この図の拡大版を表示するには、ここをクリックしてください。

figure-results-5
図6:3つの条件下での後期正電位(LPP)成分のソース分析。 強調表示された領域は、陰性状態と中性状態の脳活動が高いことを示します。この図の拡大版を表示するには、ここをクリックしてください。

figure-results-6
図7:3つの詠唱条件下での心臓の鼓動間隔。 各画像タイプ/チャンティングの組み合わせにおける心電図のビート間間隔(RR)と対応する p 値。アミ:アミターバ仏詠唱条件、サン:サンタクロース詠唱条件、パス:受動視聴条件、ノイ:ニュートラル画像、ネグ:ネガティブ画像。 この図の拡大版を表示するには、ここをクリックしてください。

補足表 1:詠唱主題(アミターバ・ブッダ、サンタクロース)の有効性に対する信念を評価する。 1 ~ 9 のスケールを使用し、1 は最も低い信念を示し、9 は最も強い信念を示します。 この表をダウンロードするには、ここをクリックしてください。

補足ファイル 1:脳波データバッチ前処理のためのコード。 不良チャンネルを削除し、データを 250 Hz にリサンプリングしてから、データをフィルター処理します。 このファイルをダウンロードするには、ここをクリックしてください。

補足ファイル 2: ERP データ修復用のコード。 それは騒々しいスパイクで悪いエポックを修復します。 このファイルをダウンロードするには、ここをクリックしてください。

ディスカッション

この研究の独自性は、広範な宗教的実践、すなわち反復的な宗教的詠唱の根底にある神経メカニズムを探るための神経科学的方法の適用である。その顕著な効果を考えると、この方法は、セラピストまたは臨床医が感情的な問題に対処し、不安やストレスに苦しんでいるクライアントを治療するための新しい介入を可能にする可能性があります。以前の研究とともに、より広範な感情調節研究は、将来の研究で考慮されるべきである7,8,9,22。

詠唱と他の認知事象を組み合わせた実験を構築することの難しさを考えると、詠唱に関するERP研究はほとんどありません。この研究は、現実世界ではかなり人気がある詠唱/祈りの情動効果を調査するための実行可能なプロトコルを示しています。以前の機能的MRI(fMRI)研究では、祈りが社会的認知の領域を募集することがわかりました23。ある安静時状態のfMRI研究では、「OM」を唱えると帯状皮質前葉、島皮質、眼窩前頭皮質からの出力が低下することが明らかになりました24。別のEEG研究では、「OM」瞑想がデルタ波を増加させ、リラクゼーションと深い睡眠の経験を誘発することがわかりました25。しかし、これらの方法は、宗教的な詠唱後の特定の出来事関連の変化を正確に調査することができませんでした。

研究者は、言語処理と親しみやすさの交絡因子を制御して、反復的な宗教的な詠唱の潜在的な影響を首尾よく調査する必要があります。参加者が「アミターバ・ブッダ」(漢字: figure-discussion-1広東語の発音:o1-nei4-to4-fat6)、我々は名前「サンタクロース」(漢字:; figure-discussion-2広東語発音:sing3-daan3-lou5-jan4)は、現地人がサンタクロースに精通しているため、対照条件として。中国語では、両方の名前に4つの文字が含まれているため、言語の類似性を制御します。親しみやすさに関しては、サンタクロースは部分的に西洋化された都市であるため、香港でも非常に人気があります。さらに、サンタクロースは公式のクリスマス休暇がある香港でもやや肯定的な人物です。それにもかかわらず、この親しみやすさのコントロールは、修行者のためのアミターバ・ブッダの名前の理解に完全に一致させることは困難であるため、部分的です。

現在の研究における重要なステップの1つは、恐怖やストレスを引き起こす写真の準備でした。宗教的な詠唱は、脅迫的な出来事が起こるとより効果的である可能性があるため、IAPS画像プール26から適切な刺激を選択することが極めて重要でした。潜在的な参加者にインタビューし、過度の恐怖や嫌悪感を避けるために適切な写真を選択することをお勧めします。非常にネガティブな画像は、参加者が故意に注意をそらすのを妨げる可能性があります。同時に、恐怖とストレスを刺激する刺激は、参加者が十分な脅威を経験することを可能にするはずです。もう一つの重要な問題は、研究のブロック設計です。EEG/ERP信号は、すべての事象に従うのに十分な感度とダイナミックです。しかし、心機能や感情のパターンが秒単位で変化しない可能性があるため、観察期間が20〜30秒のブロック設計を実装する方が適切です27。一方、60秒のブロックは長すぎる可能性があり、ERP研究では神経応答が慣れる可能性があります。

EEGデータ処理ステージは、各ステップでデータが変更され、それらのステップで行われた変更を記録するため、各ステップ中にバックアップを作成する必要があります。これを使用して、変更を追跡し、バッチ処理中にエラーを見つけやすくすることができます。データ品質の向上も不可欠であるため、生データのクリーニングと不良ICの特定の経験が必要です。統計分析では、総平均で比較が行われ、分散分析が適用されました。固定効果モデルを用いたこの統計量はランダム効果の影響を受けやすいことに注意してください28。混合効果モデルは、無関係な因子を制御するために適合させることができ29、線形性の仮定は、ERPデータから引き出された推論に潜在的に影響を与える可能性がある30。

いくつかの制限は注目に値します。1つの制限は、現在の研究がピューレランド仏教を実践した参加者のグループを1つだけ登録したことです。比較のために宗教的な詠唱の経験がない対照群を登録すると、宗教的な詠唱の効果が信念または親しみやすさによって媒介されているかどうかを判断するのに役立ちます。通常、無作為化比較試験は、感情変調が宗教的な詠唱に及ぼす影響を調べるために、より説得力があります31。しかし、参加者が完全な意志で「阿弥陀仏」を繰り返し唱えることを保証することは困難です。さらに、LPPは、感情的な音や正のプライミングなどの他の要因の影響を受けます32,33。したがって、宗教的な詠唱の効果の根底にある基本的な神経メカニズムをより明確に描写するために、よりよく制御された実験が必要である。

要約すると、以前の研究は、人間の脳が神経可塑性と状態の迅速な変化に主観的であることを実証している34,35。十分な練習と意図があれば、脳は自分自身を再形成し、通常は恐ろしい刺激に異なる反応をすることができます。この研究は、現代の文脈で感情的な苦痛に対処するための効果的な対処戦略の開発に関する洞察を提供します。このプロトコルに従って、研究者は宗教的な詠唱やその他の伝統的な習慣の効果を調べて、人々が感情的な苦しみを改善するのを助ける実行可能な方法を特定する必要があります。

開示事項

著者らは、競合する金銭的利益はないと宣言している。

謝辞

この研究は、HKUとNSFC.61841704の小規模基金プロジェクトによって支援されました。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
E-Prime 2.0心理学ソフトウェア ツール刺激物のプレゼンテーション、行動データ収集
EEGLABSwartz Center for Computational Neuroscience脳波解析ソフトウェア
HydroCel GSN 128 channelsElectrical Geodesics, Inc. (EGI)EEG cap
LabChartADInstruments生理学的データ(ECGを含む) 取得ソフトウェア
Matlab R2011aMathWorksEEGLABおよびSPMはMatlabをベースにしています。脳波および生理学的データの統計解析ツール
NetstationElectrical Geodesics, Inc. (EGI)EEG取得ソフトウェア
PowerLab 8/35ADInstrumentsPL3508生理学的データ(ECGを含む) 取得ハードウェア
SPMWellcome Trust Centre for NeuroimagingEEGソース分析ソフトウェア
FMRIBオックスフォード大学 脳の機能的MRIセンター(FMRIB)EEGLAB用プラグイン ECGデータを処理する
SPSSIBMの行動統計分析ツール EEG ROIデータ
iMac 27インチAppleのNetstationソフトウェア
Windows PCHPE-Prime 2.0の実行ソフトウェア
Windows PCLabChart ソフトウェアを実行しているDell

参考文献

  1. 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).
  2. 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).
  3. 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).
  4. Barkus, E. Effects of working memory training on emotion regulation: Transdiagnostic review. PsyCh Journal. 9 (2), 258-279 (2020).
  5. Denny, B. T. Getting better over time: A framework for examining the impact of emotion regulation training. Emotion. 20 (1), 110-114 (2020).
  6. 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).
  7. 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).
  8. 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).
  9. 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).
  10. 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).
  11. 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).
  12. 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).
  13. Bhikkhu, T. Sallatha Sutta: The arrow (SN 36.6), Translated from the pali. Access to Insight Legacy Edition. , (2013).
  14. 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).
  15. 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).
  16. 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).
  17. 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).
  18. Grech, R., et al. Review on solving the inverse problem in EEG source analysis. Journal of NeuroEngineering and Rehabilitation. 5, 25(2008).
  19. 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).
  20. Friston, K., et al. Multiple sparse priors for the M/EEG inverse problem. NeuroImage. 39 (3), 1104-1120 (2008).
  21. 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).
  22. 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).
  23. 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).
  24. Rao, N. P., et al. Directional brain networks underlying OM chanting. Asian Journal of Psychiatry. 37, 20-25 (2018).
  25. 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).
  26. Coan, J. A., Allen, J. J. B. Handbook of Emotion Elicitation and Assessment. , Oxford University Press. (2007).
  27. 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).
  28. 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).
  29. 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).
  30. Tremblay, A., Newman, A. J. Modeling nonlinear relationships in ERP data using mixed-effects regression with R examples. Psychophysiology. 52 (1), 124-139 (2015).
  31. 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).
  32. 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).
  33. 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).
  34. Belzung, C., Wigmore, P. Current Topics in Behavioral Neurosciences,1 online resource. , Springer Berlin Heidelberg. Berlin Heidelberg. (2013).
  35. Denes, G. Neural Plasticity Across The Lifespan: How The Brain Can Change. , CRC Press, an imprint of the Taylor & Francis Group. (2016).

再版と許可

訂正


Formal Correction: Erratum: Modulation of the Neurophysiological Response to Fearful and Stressful Stimuli Through Repetitive Religious Chanting
Posted by JoVE Editors on 3/25/2022. 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

タグ

感情喚起後期陽性電位イベント関連電位恐怖刺激脳波 EEG国際感情画像システムERPソース解析
反復的な宗教的詠唱による恐怖とストレスの多い刺激に対する神経生理学的応答の調節
お問い合わせ
図書館に推薦する

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。