このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。

方法論記事

連合学習と逆境的小児期体験：マルチシステムプロトコル

133 回視聴

⸱

DOI:

10.3791/72357

⸱

2026年8月21日

 ,  ,  ,  ,  ,  ,  ,  ,  , 
1Escuela de Psicología, Universidad de los Andes, Chile, 2Facultad de Ingeniería y Ciencias aplicadas, Universidad de los Andes, Chile, 3Departamento de Psicología, Universidad de Chile, 4Departamento de Kinesiología, Universidad Metropolitana de Ciencias de la Educación, 5Centro Nacional de Inteligencia Artificial (CENIA), 6Universidad de O'Higgins, 7Departamento de Psiquiatría Norte, Universidad de Chile

この記事について

サマリー

本プロトコルでは、皮膚伝導度、行動、および フェーズごとの評価を同時に記録し、成人における脅威学習および報酬学習の個人別指標を導出するための、60分間の統合的な一連のタスク（回避を伴うパブロフ的-オペラント恐怖条件付け、社会的刺激を用いた恐怖の獲得・消去・再獲得、および確率的報酬学習）について記述します。

要約

逆境的な児童期体験（ACEs）は、成人期の不安および抑うつの診断横断的なリスク要因として確立されていますが、早期の逆境が症状に結びつく神経認知メカニズムは、統一的な枠組みの中では依然として不明確です。本プロトコルでは、脅威の識別、安全学習、および報酬感受性を単一のラボセッション内で捉える、統合的なマルチシステム実験バッテリを提示します。38名の健康な成人を対象に、3つの行動パラダイム（回避を伴うパブロフ型からオペラント型への恐怖条件付け［実験1］、社会的刺激を用いた恐怖の獲得・消去・再獲得［実験2］、および確率的報酬学習［実験3］）と、妥当性が確認された児童期の逆境（CTQ-SF）、肯定的な児童期体験（BCE）、抑うつ（PHQ-9）、不安（GAD-7, STAI）の自己報告尺度を実施しました。マルチチャンネルデータが同時に収集されました：自律神経覚醒の生理学的指標としての皮膚伝導反応（SCR）、行動指標としてのボタン押し回避および確率的選択、そして期待感、脅威、および安堵感のフェーズごとの主観的評価です。各パラダイムにおいて、正準的な効果が認められました：SCRにおけるパブロフ型識別（p = 0.009, ηp2 = 0.12）、期待感（p < 0.001, ηp2 = 0.58）、および脅威評価（p < 0.001, ηp2 = 0.35）。また、回避可能な脅威と回避不可能な脅威を識別するオペラントな安堵感（p < 0.001, d = 0.86）、実験2における獲得時には認められたが消去時には認められなかった自律神経反応の差異（獲得 p = 0.008; 消去 p = 0.168）と、それに共存する随伴性に関する持続的な宣言的知識（p < 0.001, d = 3.08）、および実験3におけるチャンスレベルを上回る確率的報酬学習（M = 73%, p < 0.001, d = 1.97）が示されました。このマルチシステム設計により、単一のチャネルでは見落としていたであろう乖離、特に持続的な主観的脅威を伴う自律神経反応の減衰が明らかになりました。本プロトコルから得られた参加者ごとの指標は、児童期体験の個人差に敏感であり、例示的な調整分析の結果を補足資料に報告しています。本プロトコルは、早期の逆境が成人期における脅威および報酬処理をどのように再調整するかを指標化するための、ポータブルで拡張可能な枠組みを提供します。

概要

虐待、ネグレクト、家庭内機能不全を含む逆境的小児期体験（ACEs）は世界的に非常に一般的であり、多くの集団で60%を超える割合で報告されています1。研究の統合結果によれば、ほとんどの子供が発達過程で少なくとも1つの逆境的出来事にさらされていることが示されています2。ACEsは成人期の精神病理における診断横断的なリスク要因として確立されており3、不安障害の推定30%、うつ病例の40%に関与しています1。このような強い関連性があるにもかかわらず、一般的に用いられている臨床評価はカテゴリー診断と回想的な自己報告に依存しており、これらは想起バイアスの影響を受けやすく、リアルタイムの神経認知プロセスを捉えることができません4。

これらの限界を克服するため、根底にあるメカニズム、特に連合学習を標的としたトランスダイアグノスティック（診断横断的）アプローチが重視されるようになっています。パブロフ型条件付けとオペラント条件付けの両方を含む連合学習は、個体が環境の手がかり、行動、および結果の間の関係をどのように符号化し、意思決定を導くかを理解するための枠組みを提供します4,5。この枠組みにおいて、潜在的脆弱性理論は、早期の逆境が警戒心の亢進などの神経生物学的な適応を誘発し、それが予測不能な環境では当初は適応的であるものの、後のより安全な状況では不適応となる可能性があることを示唆しています6,7。

ACEs（逆境体験）が脅威および報酬に関連する学習プロセスの両方に影響を与えることが示唆されています。逆境の経験を持つ個人は、条件付けられた危険信号（CS+）と安全信号（CS−）の識別の低下を示すことが多く、これは脅威学習の変化を示しています8。並行して、早期の逆境は報酬感受性の低下と関連しており、それは報酬の随伴性に対する精度の低下と獲得の遅延に反映されています8。不確実な条件下において、これらの個人は選択の変動性の増大や、報酬がランダムに提供されると想定するバイアスを示す場合があり、これは不安定な環境に早期にさらされたことと整合しています5,9。

これらの学習パターンは、保護的要因および状態依存的要因によってさらに形成されます。肯定的な幼少期体験（Benevolent Childhood Experiences: BCEs）は、学習システムに対する逆境の影響を緩衝する可能性があり10、一方で不安などの現在の感情状態は、条件付けプロセスを調節することがあります11。皮膚電気反応（Skin Conductance Response: SCR）を含む自律神経覚醒の生理学的指標は、これらのプロセスの客観的な指標となり、条件付けパラダイムで広く用いられています12。

現在の文献における大きな制限は、脅威または報酬の学習を個別に評価する独立したタスクが用いられていることであり、統合的な神経認知機能を捉える能力が制限されている点にあります1。本プロトコルは、複数の学習領域にわたる行動学的および生理学的指標を組み合わせた標準化された枠組みを提供することで、この課題を解決します。具体的に、本プロトコルは3つの実験的構成要素を含んでいます。(1) パブロフ型条件付けからオペラント条件付けへの移行を評価するパラダイム、(2) 社会的恐怖消去タスク、および (3) 確率的報酬学習タスクです8。

この特定のパラダイムの組み合わせを採用した根拠は、これら3つのタスクのいずれかが、単独で、他の多くの既存の学習パラダイムよりも早期の逆境に対して感度が高いということではなく、測定上の根拠に基づいています。81件の研究（脅威 38件、報酬 43件）を対象とした系統的レビューにおいて、Rugeら1は、ACEsと連合学習を関連付ける文献が依然として不均一であり、主要な点において結論が出ていないことを示しました。これは、典型的には単一のタスクを用い、単一の反応チャネルを記録し、逆境を統一されていない方法で操作化しているためです。例を挙げると、行動的な報酬学習研究の半分は学習の鈍化を報告しましたが、残りの半分は有意な結果が得られなかったと報告しています。また、少ないながらにある消去に関する文献は、有意な結果が得られなかった報告や、先行する獲得相を省略した報告が大部分を占めています。さらに、普遍的に信頼性が高いとされるアウトカム指標は現れておらず、異なる反応チャネルを互いの代替指標として扱うことはできません。彼らが明確に推奨しているのは、個体レベルの指標を得るための、被験者内、マルチドメイン、およびマルチチャネルのプロトコルへの移行です。本研究の3つのタスクの組み合わせはこの推奨に従っています。なぜなら、これら3つのタスクは、単一のパラダイムでは網羅できない、計算論的に解離可能な3つの要求をカバーしており、潜在的脆弱性理論7では、逆境がそれぞれ異なる形で影響を及ぼすと予測されているためです。(i) 脅威と安全の識別と道具的な制御可能性の組み合わせであり、回避の想定強化因子として安堵感が機能します13。(ii) 抑制（安全）学習と恐怖の回帰であり、対人虐待にとって生態学的に関連のある刺激領域である社会的顔刺激を用いて検証します11。(iii) 確率的な不確実性の下での強化学習であり、参加者ごとの計算パラメータ（学習率 alpha、逆温度 beta）を得ることができます8。これら3つすべてを同一の参加者に実施することで、ACEsに関連する変化がドメイン一般的であるのか（Hansonら8が提案し、神経計算論的な潜在的脆弱性モデルが予測するように6、連合学習のグローバルな再調整であるのか）、あるいは脅威に限定された価（バレンス）特異的なものであるのかを問う設計となっています。単一タスクの研究では、構造上、これらの競合する仮説を判定することはできません。

本バッテリーは、一連の明確かつ方向性のある予測を検証するように設計されており、現在のサンプルではそれらを判定するための十分な統計的パワーはありませんが、ここでは十分なパワーを備えた研究における目標として記述します。Rugeら1によって記述された学習鈍化のパターンに従い、高いACE負荷は以下の項目に関連すると予測されます。(i) 実験1におけるCS+/CS−識別の低下。これはCS+に対する反応の減弱によってもたらされ、宣言的な期待値（維持される可能性がある）よりも、自律神経系チャネル（SCR）においてより顕著になると予想されます。(ii) 回避強化による安堵感13と一致する、より強い回避反応および回避可能なCS+に対するより高い主観的安堵感。(iii) 実験2における消去の遅延、および再獲得時における恐怖のより速く、より大きな回復。この効果は、対人的な逆境において生態学的関連性を持つ社会的（顔）刺激によって増幅されると予測されます11。(iv) 実験3における選択精度の低下、学習率（alpha）の低下、および選択の変動性の増大（betaの低下）8。極めて重要な点として、これら3つのタスクは、5つ目の識別的な予測に関する情報を共同的に提供します。すなわち、ACEに関連する変化がドメイン全般的なものであるならば、3つのタスクすべてで減弱が現れるはずであり、価（バレンス）特異的なものであるならば、2つの脅威パラダイムに限定され、確率的報酬学習では現れないはずです。また、反応チャネルが同時に記録されるため、さらなる予測の検証が可能です。すなわち、ACEの効果は一様ではなくチャネル依存的であり、単一のチャネルから導き出された結論は他のチャネルには一般化できないということです。

実験1では、San Martínら13によって開発された、回避行動および試行ごとの安堵感評定を伴うパブロフ型からオペラント型への恐怖条件付けパラダイムを適応させています。このパラダイムでは、2つのCS+刺激（回避可能なものと回避不可能なもの）と1つのCS−刺激を用いて、パブロフ的な弁別と、嫌悪的な結果に対する道具的な制御を分離します。元のパラダイムでは、パブロフ的獲得相におけるUS期待値の評定は、試行ごとではなく、相の終了時に実験者が遡及的に評価していました。本適応では、期待感、脅威感、および安堵感の主観的評定を、ビジュアルアナログスケールを用いてタスク全体を通じて相ごとに同時に収集し、相をまたいだ学習ダイナミクスの継続的な追跡を可能にしました。

実験2では、DibbetsおよびEvers9による社会的（顔）刺激を用いた恐怖獲得・消去プロトコルを適応させ、さらに短時間の再獲得テストを追加することで、条件付け反応の急速な再出現（節約効果）を評価します。

実験3では、早期逆境に関連する学習上の相違を研究するため、Hansonら8によって導入された確率的報酬学習タスクを適用しています。ここでは2つの報酬条件（80/20および70/30）を用い、参加者ごとの強化学習パラメータ（Q学習のAlphaおよびBeta）の推定を可能にしています。これら3つのパラダイムを単一のラボセッションに統合することで、本プロトコルでは、通常は個別に研究される脅威学習と報酬学習のプロセスの直接的な参加者内比較が可能となります。試行ごとの正解率およびQ学習パラメータに加えて、解析パイプラインでは線形混合モデルの適合による個々の学習軌跡の傾きも算出され、より大規模なサンプルへの適用が可能です。

ここでは、同等ではない2つの明確に異なる目標を区別しなければなりません。1つ目は、この種のバッテリーを単一の統合された60分間のセッションとして実施可能であること、および各構成要素が設計通りに標準的な効果を誘発することを立証することです。標準的な効果が再現されれば、この最初の目標に対する十分な証拠となります。2つ目は、得られた指標が児童期の逆境体験の結果に対して感度と特異度を持つことを立証することです。標準的な効果の再現だけでは不十分であり、今回のサンプルサイズではそれを証明するための検出力はありません。したがって、本報告の主な目的は、統合バッテリーの技術的および方法論的な実現可能性を検討することです。すなわち、脅威の獲得、安堵を伴う道具的回避、社会的刺激による恐怖の消去と回帰、および確率的報酬学習が、単一セッション内で自律神経、行動、および自己報告の各チャネルを通じて同時に獲得できるか、また、このパイプラインによって安定した再利用可能な参加者ごとの指標（差分SCRコントラスト、オペラント安堵コントラスト、Q学習のαおよびβパラメータ、個別の学習軌跡の傾き）が得られるかを検証することです。ACEに関連する学習の変化の評価は、二次的、探索的、かつ例示的な目的となります。ここで報告する個人差分析は、プロトコルの測定能力を実証し、候補となる指標を今後の研究で利用可能にすることを意図したものであり、トラウマと学習の経路を具体的に検証することを目的としたものではありません。したがって、本プロトコルは候補指標を提示するものであり、それらが児童期の逆境体験による神経認知的な結果を特徴づけるために必要な感度と特異度を備えているかどうかは、より大規模で、理想的には極端な群を十分に含み、事前登録されたサンプルを用いて立証される必要があります1,14

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

本プロトコルでは、倫理委員会の要件に基づき、18歳以上の健康な被験者を対象に皮膚電気伝導反応（Skin Conductance Response: SCR）を測定するために使用した手順および器具について説明します。研究への参加に先立ち、すべての被験者は、6ヶ月後のフォローアップ評価のために再度連絡を受ける可能性がある旨を含むインフォームドコンセントに署名しました。本ドキュメントに記載されているすべての手順は、アンデス大学（Universidad de los Andes）の科学倫理委員会（ID: CEC2025023）によって承認されました。

注意：本プロトコルでは、被験者のスケジューリング、ラボでの準備、生理学的信号の取得、データの整理、および実験後のデータ処理を含む、完全な実験ワークフロー（図 1）について詳細に説明します。さらに、すべての実験セッションにおいてSCR記録が一貫して、標準化され、かつ信頼性の高い方法で収集されるように実施されたスタッフトレーニング手順についても概説します。

統合マルチシステムプロトコルの図；アンケート、実験；生理学的、行動学的指標。
図 1: 研究デザインの全体的な概略図。各参加者は、3つの連続した行動パラダイムを含む1回のラボセッションを完了した：回避を伴うパブロフ型からオペラント型への恐怖条件付け（実験1）、社会的刺激を用いた恐怖の獲得・消去・再獲得（実験2）、および確率的報酬学習（実験3）。また、幼少期の逆境体験（CTQ-SF）、幼少期の肯定的な体験（BCE）、および現在の症状（PHQ-9、GAD-7、STAI）の自己報告も収集した。皮膚電気反応、行動（回避、確率的な選択）、および主観的評価（期待、脅威、安堵）などのマルチチャネルデータが同時に記録された。参加者ごとの指標は、個人差分析に入力された（補足ファイル 2を参照）。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. スタッフのトレーニング

  1. 標準化された正確なデータ測定を確実にするため、すべてのチームメンバーを3つの段階的なステージでトレーニングします。
    1. 各スタッフがサンプルを採取し、それぞれのプロトコルに従って3つの実験すべてを実施する内部試行を行い、トレーニングを受けた者が装置の操作と被験者の対応に習熟するようにします。
    2. 次に、プロトコルを遂行する能力を確認し、誤りを修正するため、少なくとも1名の主任研究者の監督下で、各トレーニング担当者に実際の被験者からサンプルを採取させます。
    3. 監督下で完全なプロトコルが正しく適用されたことを確認した後にのみ、アシスタントに自律的なサンプル採取と新規被験者のスケジュール管理を許可します。

2. スケジューリング

  1. ソーシャルメディアを通じて参加者を募集およびスケジューリングし、研究の全般的な目的と参加基準を提示する。
    1. デジタルポスターを作成し、募集チャネルを通じて配布することで、できるだけ多くの潜在的な参加者にアプローチしてください。
    2. 希望する候補者に対し、電子メールで研究チームに連絡し、参加者の都合の良い日にセッションを予約するよう指示してください。
    3. 参加者に、「見えない痕跡：逆境的小児期体験と成人期のメンタルヘルスの関係における連合学習の役割」と題されたオンラインアンケートへのリンクを送付してください。
    4. アンケートの冒頭にインフォームド・コンセントフォームを配置し、以降の項目を提示する前に、参加者にその内容を読み、同意することを必須としてください。
    5. アンケートに社会人口統計学的セクションと、以下の妥当性が確認された心理測定尺度を含めてください：患者健康質問票-9 (PHQ-9)15, 全般性不安障害尺度 (GAD-7)16, 状態-特性不安質問票 (STAI)17, 子供期トラウマ質問票短縮版 (CTQ-SF)18、および好意的な幼少期体験（BCEs）10.

3. 準備

  1. 参加者が到着する前に、少なくとも1名のスタッフがラボ内に待機していることを確認してください。セッションを開始する前に、実験環境を整え、機器が正しく動作していることを検証し、すべてのプロトコルの要件が満たされていることを確認します。
    1. ラボのコンピュータを起動し、オペレーティングシステム、実験用ソフトウェア、およびすべての周辺機器が正常に動作していることを確認します。
    2. 実験ファイルとデータ収集システムが使用可能な状態であることを確認します。
    3. 参加者がラボに入る前に、当日のランニングファイルを開いて内容を確認します。
    4. 来訪する参加者に割り当てられた対応する識別コード（ID）を確認します。
    5. あらかじめ定義されたカウンターバランスに基づき、実験条件の実施順序を確認します。
    6. データ収集を開始する前に、参加者が正しい実験順序に割り当てられていることを確認してください。
      注：当日のランニングファイルには、すべての実験条件にわたって必要なカウンターバランスを維持しつつ、参加者のIDを割り当て、実験の実施順序を決定するために必要なすべての情報が含まれています。例えば、参加者にID「015」が割り当てられることがあります。
    7. 自動処理パイプラインで要求される標準的なディレクトリ構造に従って、ラボのコンピュータ上のデータストレージを整理します。具体的には、実験ごとに1つのトップレベルフォルダ、カウンターバランス条件ごとに1つのサブフォルダ、参加者IDごとに1つのフォルダを作成し、さらに処理済みデータと統合データベースを格納する2つのグローバルフォルダを作成します（Supplementary File 1を参照）。
    8. データ収集を開始する前に、当日のランニングファイルに記載されているIDおよびカウンターバランス条件に対応する参加者フォルダを作成します。また、前処理およびデータベーススクリプトはパスと名前でファイルを特定するため、セッション全体を通してSupplementary File 1で指定されたディレクトリおよびファイル命名規則に従ってください。
      注：ディレクトリツリー、カウンターバランス用サブフォルダのラベル、ファイル命名規則、および具体例はSupplementary File 1に記載されています。これらの規則から外れると、自動パイプラインが参加者のファイルを特定できなくなります。
    9. 実験用デスクに、外部の物品や気を散らすような物が一切ないことを確認します。デスク上には、データ収集システムと実験に必要なコンピュータ周辺機器のみを配置してください。
    10. 落ち着いたプロフェッショナルな態度で、参加者を室内に案内します。
    11. 参加者に、すべての私物を指定のエリアに置くよう依頼します。
    12. 実験セッション中の遮断や混乱を避けるため、参加者にモバイルデバイスをサイレントモードに設定するよう指示します。
    13. 測定の妨げになる可能性があるため、参加者に非利き手のすべてのアクセサリー、特に指輪、ブレスレット、または中指と薬指にある物体を取り外すよう依頼します。
    14. 参加者を、ラボのコンピュータの前に配置された椅子に快適に座るよう誘導します。
    15. 参加者に、インフォームドコンセント文書の印刷された書面を渡します。
    16. 参加者が文書を読み、必要に応じて質問を行うための十分な時間を設けます。
    17. いかなる実験手順を開始する前にも、インフォームドコンセントフォームに正しく署名されていることを確認します。
      注：インフォームドコンセントの手順は、倫理委員会の定める要件に従い、また参加者の同意文書の物理的なバックアップを保持するために、書面形式で繰り返し行われます。

4. 実験セットアップ

注記： すべての生理学的測定値が、参加者間で同一の制御条件下で取得されることを確実にするため、実験セットアップは厳格かつ標準化されたプロトコルに従わなければなりません。

  1. データ収集システムを起動し、デバイスが研究室のコンピュータに正しく接続され、収集システムソフトウェアによって認識されていることを確認する（図 2A–Eを参照）。
  2. 被験者の準備に進む前に、すべての必要なモジュールおよび周辺機器が正常に機能していることを再度確認する。
  3. 電気皮膚活動（EDA）電極を2本用意する（図 2Fを参照）。
  4. 各電極の接触面に少量の導電性ゲルを塗布する（図 2G、Hを参照）。
  5. 被験者の皮膚との電気的接触を改善し、信号品質を最適化するために、導電性ゲルが電極表面に均一に分布していることを確認する。
    注：電極に導電性ゲルを塗布しない場合、記録された信号に過剰なノイズが含まれる可能性があり、皮膚コンダクタンス反応（SCR）の測定品質が著しく低下する場合がある。
  6. 被験者の非利き手に電極を配置する。
  7. 一方の電極を中指（第3指）の基節骨に、もう一方の電極を薬指（第4指）の基節骨に取り付ける（図 2Iを参照）。
  8. 両方の電極がしっかりと固定されており、被験者に不快感を与えることなく皮膚と安定して接触していることを確認する。
  9. 被験者の手首にリストストラップを装着する。
  10. キャリブレーション段階では、EDA電極をリストストラップから切り離したままにする（図 2Jを参照）。
  11. 生理学的データ収集システムとのワイヤレス通信を確立するため、リストストラップの電源を入れる。
  12. デバイスが正常に検出されたことを確認する。
    注：実験セッション全体を通して、リストストラップに細心の注意を払う必要がある。通信の中断は生理学的記録に影響を及ぼす可能性があるため、スタッフは実験開始前にデバイスの電源が入っており、接続が維持されていることを継続的に確認しなければならない。
  13. 収集ソフトウェアでデータ収集プロセスを開始する。
  14. 収集が開始されると画面に自動的に表示されるキャリブレーションウィンドウが表示されるまで待機する。
  15. 電極をリストストラップから切り離した状態で、キャリブレーション手順を実行する。
  16. 手順が完了するまで、ソフトウェアに表示されるキャリブレーションの指示に従う。
  17. キャリブレーションが正常に完了した後、EDA電極をリストストラップに接続する（図 2Kを参照）。
  18. ソフトウェア上で、皮膚コンダクタンス反応（SCR）信号が正しく取得されていることを確認する。
  19. 実験中、被験者に非利き手を完全に静止させておくよう指示する。
  20. 不要な動きや指の収縮、姿勢の変化がSCR信号にノイズを混入させる可能性があることを説明する。
  21. セッション中、快適でリラックスした姿勢を維持するように被験者に依頼する。
  22. 実験タスクを開始する前に、被験者にヘッドホンを装着させる。
  23. ヘッドホンが正常に機能しており、被験者が実験中に提示される聴覚刺激を明確に知覚できることを確認する。
  24. PsychoPy19で実験タスクを起動する。
  25. PsychoPyのインターフェースが開いたら、被験者名を要求する追加ウィンドウに名前を入力する。
  26. 実験を開始する前に、日次ランニングファイルに指定されている通りに被験者の割り当てIDを入力する。
    注：前述の例に従い、PsychoPyに入力する被験者IDは「015」とする。

電極を備えたEDA信号収集システム。生理学的データ記録のための等張性ゲルのセットアップ。
図2: 皮膚コンダクタンス記録のためのデータ収集システム、材料、および電極の配置. (A) 本体 Biopac MP200 (B生理学的信号取得モジュール（PPG/EDA）C) センサーコネクタモジュール (Dアナログ入力モジュールEPsychoPyとAcqKnowledge間の通信用TTLモジュール。F) 使い捨て電極（EL507A）。(G皮膚との接触を改善するための等張性ゲル（GEL101A）。H電極へのゲルの塗布。I非利き手の第3および第4指の基節骨に電極を配置した。JSCR測定のため、非利き手にリストストラップを装着した様子。K校正プロセスの後、電極を接続する。 こちら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。

5. 実験の開始

  1. 実験タスクを開始する前に、実験中に提示される質問への回答方法について、参加者に詳細に説明する。
  2. 参加者が以下の事項を明確に理解していることを確認する：(i) タスク中に使用する回答方法、(ii) 画面に表示される指示の意味、(iii) 実験全体を通して注意を維持し、不要な動きを最小限に抑えることの重要性。
  3. 録画セッションを開始する前に、参加者からの残りの質問にすべて回答する。
  4. 生理学的データ収集システムの通信、リストストラップの接続、SCR信号の品質、PsychoPyの実行、ヘッドホン経由の音声提示、および参加者IDの正しい登録を含め、すべてのシステムが確立されたプロトコルに従って正しく動作していることを確認するため、実験セットアップ全体の最終確認を行う。
  5. すべてのシステムが検証され、参加者が開始の準備ができていることを確認した後、実験タスクを開始する。
  6. データ収集中の外部からの影響や妨げを最小限にするため、タスク開始後は実験室から退出する。
  7. 技術的な支援や参加者のサポートが必要な場合に備えて近くで待機し、参加者がセッションを完了するまで待つ。

6. 実験間

  1. 参加者がタスクを完了したら実験室に再入場し、収集ソフトウェアで生理学的記録を停止してください。
  2. 生理学的記録を参加者のフォルダに取得ファイルとして保存し、次いで同じ記録をイベントを含むMATLAB形式でエクスポートします。これにより、エクスポートされたファイルにTTLモジュールを介してPsychoPyで生成された刺激マーカーが含まれるようになります。また、エクスポートによって個別のマーカーファイルも作成されます。
    注：前処理パイプライン（セクション8）において、信号を試行および刺激タイプごとにセグメント化するために、イベント情報およびマーカー情報が必要となります。
  3. タスク終了時に生成されるPsychoPyの出力スプレッドシートを、同じ参加者フォルダ内に保存してください。ファイル名の命名規則については、以下に詳述する標準化された形式に従ってください。 補足ファイル 1 4つのファイルすべてについて。
    注：各実験の終了時に、参加者のフォルダに収集ファイル、エクスポート済みのMATLABファイル、マーカーファイル、およびPsychoPyスプレッドシートが含まれている必要があります。正確な名称、パス、および具体例は、以下に記載されています。 補足ファイル 1.
  4. 被験者からEDA電極を慎重に取り外し、取り外しの際に過度な動きや不快感が生じないようにしてください。
  5. 次のPsychoPy実験タスクを開き、次回の実験に備えてデータ収集ソフトウェアを再起動してください。
  6. ステップ 4.1 から、調製および取得の手順をすべて繰り返してください。
    注：完全な実験セッションは3つの独立した実験で構成されています。したがって、2番目の実験が終了した後、上記で説明したのと同じ手順を3番目の実験についても繰り返す必要があります。
  7. 全実験セッションの終了時に、参加者が各実験タスクについて3つのサブフォルダを所有し、それぞれのフォルダに前述のすべてのファイルが含まれていることを確認してください。
    注：スタッフが被験者をモニタリングし、セッションを通じて収集システムの正常な動作を確認できるよう、各実験タスクの概算所要時間が事前に算出されました。各実験の推定所要時間は以下の通りです。
    実験1：約24分
    実験2：約17分
    実験3：約8分
    準備、キャリブレーション、実験間の移行期間、および終了手続きを考慮すると、実験セッション全体の所要時間は約60分です。

7. 実験の終了

  1. 3つの実験タスクがすべて完了したら、生理学的記録セッションを終了します。
  2. データ収集ソフトウェアで収集プロセスがまだ停止していない場合は、停止させます。
  3. リストストラップからEDA電極を取り外し、参加者の手首からリストストラップを外します。
  4. 不快感を最小限に抑え、皮膚から安全に取り外すため、参加者自身にEDA電極を外してもらいます。
  5. セッションを終了する前に、すべての実験ファイルと生理学的記録が正しく保存されていることを確認します。
  6. 実験手順の完了後、協力してくれた参加者に感謝を伝え、謝礼として軽い軽食を提供します。
    注：リストストラップと生理学的データ収集システムモジュール間の通信途絶、リストストラップの予期せぬシャットダウン、電極の緩みや部分的な脱落、接続問題による一時的な信号の中断または過剰なノイズなど、技術的な問題により生理学的記録中に何らかの問題が発生した場合でも、実験は計画通りに継続し、参加者に実験セッションを繰り返させてはいけません。

8. データの前処理

注意：実験セッションが完了し、すべての生理学的記録が適切に保存された後、SCRデータは解析前に標準化された前処理手順を行う必要があります。

  1. 実行してください Ledalab形式 収集ソフトウェアからエクスポートされた生理学的記録のデータ構造を再編成し、EDA信号の解析用に設計されたMATLABベースのツールボックスであるLedalabと互換性を持たせるためのMATLABスクリプト。
    注：以下において Ledalab_Format.mat コード、～のパスを定義する {Identification_Code}.mat 入力変数としてファイルを指定します。これにより、エクスポートされた生理学的記録ファイルを、Ledalabで正しく読み込みおよび処理可能な形式に変換できます。変換プロセスが完了したら、以下の命名規則に従い、対応する被験者フォルダ内に新しいMATLABファイルを生成して保存する必要があります。 Ledalab_{Identification_Code}.mat前の例に従い、Experiment_1のデータを被験者「015」向けに変換する場合、生成されるファイル名は Ledalab_015.mat としてください。
  2. Ledalabを開き、左上隅にあるメニューバーから以下を選択します。 ファイル > データのインポート > Matlabファイル (*.mat)次に、参加者の実験条件に対応する、新しく生成されたデータファイルをロードします。
  3. ファイルがロードされるとLedalabに設定ウィンドウが表示されますので、そこにサンプリングパラメータを入力してください。
  4. SCR信号の元の取得周波数は2000 Hzです。計算負荷を軽減するため、以下のパラメータを用いて信号を10 Hzにダウンサンプリングします。目標サンプリング周波数：10 Hz、ダウンサンプリング係数：200、リサンプリング手法：Steps。
  5. ダウンサンプリングの手順を完了した後、連続分解解析（CDA）を行う。20 Ledalabを用いて、EDA信号を緊張性成分と位相性成分に分解します。
  6. メニューバーで、次を選択します。 解析 > 連続分解解析（連続的な相性/緊張性活動の抽出）.
  7. 画面に設定ウィンドウが表示されるまで待機します。
  8. このウィンドウで、以下を選択してください。 最適化 解析パラメータを自動的に調整するオプション。
  9. 最適化プロセスが完了したら、クリックして 適用 CDA解析を開始します。
  10. CDA解析が完了したら、以下を選択してください。 結果 > イベント関連分析 画面に設定ウィンドウが表示されます。
  11. 最小振幅しきい値を、Ledalabのデフォルト値である以下に設定します。 0.01 µS そして、z-scaleオプションは選択しないでください。収集ソフトウェアからエクスポートされたイベントマーカーは、条件刺激の開始と無条件刺激の開始を個別にタグ付けするため、イベント関連解析ではそれぞれに対する応答が返されます。応答ウィンドウを次のように設定してください。
    1. 実験1では、イベントマーカー後の0秒から9秒までを使用してください。
    2. 実験2では、イベントマーカー後の0秒から6秒までを使用してください。
  12. 結果をスプレッドシートファイルとしてエクスポートします。Ledalabは、SCR信号から抽出された関連する生理学的およびイベント関連の情報を含むスプレッドシートを生成します。
    注：反応ウィンドウは、各タスクにおける条件刺激の全持続時間に相当します（補足表1（実験1では9秒、実験2では6秒）、これによりCS誘発反応がCS-US間隔全体をカバーし、個別のイベントマーカーで別途スコア付けされる非条件反応による汚染がないようにします。以下の基準を下回る反応は 0.01 µS 閾値はLedalabによって0として記録され、解析においても0として保持されます。これらの値を削除しないでください。削除すると、反応の低い参加者の平均反応値が不当に高くなるためです。
  13. 実験2について、前処理、ダウンサンプリング、およびCDAの手順をすべて繰り返します（実験3については以下の注記を参照してください。実験3は異なる手順に従うため、CDAの出力は不要です）。
    注：前処理フェーズの最後に、各実験フォルダにはLedalabによって生成されたCDA解析結果に対応するスプレッドシートファイルを別途含める必要があります。このファイルは、保存、整理、および今後の解析のために、その後.xlsx形式に変換する必要があります。実験3では、異なる前処理手順に従います。この実験ではMATLABスクリプトのみを使用し、CDAの出力は不要で、アルファ値とベータ値のみが必要です。「Experiment_3」に対してスクリプトを実行すると、アルファ値とベータ値が自動的に抽出され、行動情報と統合された後、結果のスプレッドシートが以下に保存されます。 グローバルデータ/実験3.
  14. 信号の品質管理、非反応者の処理、およびアーティファクトの取り扱いを行う。
    1. 統計解析を行う前に、Ledalabを用いて各参加者のダウンサンプリングされた皮膚コンダクタンス波形の全データを表示し、最初のイベントマーカーから最後のイベントマーカーまでを目視で確認してください。信号の質はチャネルおよびタスクによって異なるため、すべての参加者について、またすべてのタスクについて個別にこの確認を行ってください。
    2. 以下のいずれかが観察された場合、トレース全体を破棄し、その参加者の当該タスクにおけるSCRチャネルを欠損値として処理してください。(i) タスク期間を通じて信号が平坦であるか、または消失している場合（リストストラップとのワイヤレス通信の切断、リストストラップの電源オフ、または電極の脱落を示す）。(ii) トニック皮膚コンダクタンスレベルが以下の値を下回っている場合。 0.05 µS (iii) タスク全体で持続する変動（これは覚醒レベルの低下ではなく、電極と皮膚の接触不良を示す）、(iv) 解釈不可能なドリフト、または特定のイベントに同期していない振幅の急激かつ持続的な増大、あるいは (v) アンプのレンジの飽和。
      注意：セッションを繰り返さないでください。また、他のタスクや、行動および自己報告チャネルから参加者を除外しないでください。
    3. 特定のタスクにおいて、位相性反応が［以下に続く数値または基準］に達しない、あるいはそれを超えない参加者を、非反応者と定義する。 0.01 µS 強化試行の無条件刺激イベントを含む、そのタスクのあらゆるイベントに対する閾値。すなわち、参加者が嫌悪的な結果そのものに対しても、測定可能な皮膚電気反応を示さない場合である。
      1. 無条件刺激に対してさえ皮膚電気反応が認められない場合は、そのセッションにおいて皮膚電気システムが測定不能であったことを示しており、参加者が随伴性に全く関与していなかった可能性が考えられる。そのため、皮膚コンダクタンス、行動、主観的評価のすべてを含む、そのタスクのあらゆるチャネルから非反応者を排除すること。
      2. その参加者を、残りの2つのタスクに保持してください。このケースを、技術的な信号消失（電極の脱落やリストストラップの無線通信断絶など）と区別してください。後者の場合は、参加者は反応したものの信号が記録されなかったということになります。その場合は、当該タスクのSCRチャネルを欠損値として扱い、皮膚電気信号の質に影響されない当該タスクの行動データおよび主観データを保持してください。
      3. 各タスクについて、無反応率と技術的損失率を個別に報告してください。
    4. トレース上の動作アーチファクトを、(i) イベントマーカーに同期していない急峻な立ち上がり過渡応答、または (ii) 指の収縮、姿勢の変化、あるいは電極が椅子や机に擦れることによって生じる、緊張レベルの階段状のオフセットとして識別してください。
    5. スコアリングウィンドウ内にそのようなアーティファクトを含むすべての試行にマークを付け、試行レベルで除外してください。参加者自体を除外しないでください。
    6. あるタスクの試行の25%超にアーチファクト混入のマークがある場合は、SCR解析からだけでなく、そのタスクのすべてのチャネルからその参加者を除外する。この場合、残りの試行では参加者ごとの安定した推定ができなくなり、そのセッションの記録条件はどのチャネルにおいても不適切であると判断される。なお、残りの2つのタスクについては、その参加者を維持する。
    7. 皮膚電気活動（EDA）振幅の正の歪みを持つ分布を正規化するため、平均化を行う前に、試行レベルの振幅をlog(SCR + 1)で変換してください。ベースラインドリフトにより稀に発生する負のCDA値については、変換前に0に固定してください。
    8. 変換後の試行を合算し、参加者ごと、フェーズごと、および刺激ごとに1つの値を得る。
    9. チャネル（SCR、行動、評価）ごと、およびタスクごとに分析的なnを個別に報告してください。チャネル固有のデータ欠損により、これらのnが異なるためです。
    10. ステップ8.14.1～8.14.9で行ったすべての決定を、参加者ごとのクオリティログに記録してください。ログには、参加者ID、タスク、カウンターバランス条件、トレースの採択または棄却（およびその理由）、トニックレベルの範囲、アーティファクトにより棄却された試行数およびその特定、アーティファクトにより棄却された試行の割合、ノンレスポンダーの状態、および各チャネルの最終的な解析対象数（n）を含めてください。
    11. チャネル固有のデータ損失を監査および再現可能にするため、クオリティログを統合データベースと共に保存してください。
      注：本サンプルにおいては、ステップ8.14.3の無反応基準に該当した参加者はなく、またステップ8.14.6のアーチファクト閾値25%を超えた参加者もいなかったため、結果として、タスクの全チャネルから除外された参加者は存在しなかった。解析上のn数の乖離は、2つの独立した要因によるものである。一つは電皮チャネルの技術的な喪失であり、この場合、当該タスクの行動記録および主観的記録は保持される。もう一つは、行動記録または自己報告記録の不備（タスクの未完了、または視覚的アナログスケールによる回答の欠損）であり、これは電皮信号の品質とは独立している。各チャネルおよび各タスクにおける正確な解析用n数は、「代表的な結果（Representative Results）」の解析サンプルに関する段落に記載されている。実験3にはSCRチャネルが含まれていないため、その n これは皮膚電気活動データの喪失ではなく、行動データの喪失を反映している。これらの基準を明示的に報告することは、Rugeらによって指摘された、皮膚電気活動のアウトカムにおける操作化および報告の調和の欠如に対処するものである。1.

9. データベース

  1. PythonスクリプトData_Bases.pyを実行し、各参加者について、SCR記録から得られた生理学的測定値と実験タスク中に収集された反応を統合します。
    注意：このスクリプトは、Ledalabで処理された生理学的記録から得られた情報、CDA解析の出力、および実験中に生成されたPsychoPyの反応スプレッドシートを統合します。
  2. スクリプトが正常に実行された後、単一の参加者の生理学的情報と行動情報の両方を含む統合スプレッドシートが生成され、Global_Dataフォルダに保存されていることを確認してください。
    注意：前述の例に従い、分析対象としてExperiment_1が選択された場合、Pythonスクリプトはその実験に関連するすべての参加者のフォルダを自動的に走査し、各参加者のCDA出力と対応する行動データを統合して、Global_Data/Exp_1フォルダ内に参加者ごとの個別のスプレッドシートファイルを生成します。
  3. 個々の参加者のデータベースが生成されたら、PythonスクリプトCompleted_Bases_Per_Experiment.pyを使用して、各実験タスクにおける全参加者のデータを統合します。
    注意：このスクリプトは、すべての参加者フォルダからの情報を実験ごとの統一データベースにまとめ、その後の統計解析およびデータ処理を容易にします。手順が正常に完了すると、3つの実験それぞれに対応する3つの最終スプレッドシートが生成されます。
    Experiment_1用のスプレッドシート1件
    Experiment_2用のスプレッドシート1件
    Experiment_3用のスプレッドシート1件
  4. 得られた完全なデータベースをComplete_Data_Basesフォルダに保存します。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

分析サンプル

計38名の健康な成人を対象に、全実験セッションおよび自己報告式質問票（CTQ-SF、BCE、PHQ-9、GAD-7、STAI）を実施した。分析ごとのサンプルサイズは、参加者の脱落ではなく、チャンネル固有のデータ損失によりわずかに変動した。分析別のサンプルサイズは以下の通りである：実験1 — SCRおよび評価のANOVA（パブロフ条件付けおよびオペラント条件付けフェーズ）、n = 37；オペラントボタン押しANOVA、n = 38。実験2 — 評価分析（獲得、消去、再獲得）および獲得SCR、n = 36；消去SCRおよびSCRのフェーズ × 刺激のART-ANOVA、n = 35。実験3 — 全分析、n = 37。自己報告尺度（CTQ、BCE、症状）のみを用いる相関分析は、全サンプル（N = 38）を対象とした。

実験1：回避を伴うパブロフ型およびオペラント条件付け

パブロフ期：3つのCS（回...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

本結果は、道具的制御を伴う脅威獲得、安全学習、恐怖の回帰、および確率的な報酬学習を網羅する、統合されたシングルセッション・バッテリーの技術的および方法論的な生存可能性を立証するものである。35名から38名の健康な成人を対象としたサンプルにおいて（チャンネル固有の信号喪失により、参加者の脱落ではなく解析サンプルサイズが実験間でわずかに異なった）、すべてのパラダイムでその標準的な効果が再現された。具体的には、パブロフ期における主観的および（より弱いが）自律神経的な条件付けの差異、オペラント期における制御可能性に依存した回避と緩和、実験2における宣言的な脅威の選択的消去と自律神経反応の非選択的な減少、および実験3におけるチャンスレベルを上回る信頼性の高い確率的学習である。これが何を実証し、何を実証しなかったかを正確に述べておくことが重要である。実証されたのは、これら3つのパラダイムを、相互干渉なく1回の60分セッションで同時に実施できること、このようなセッションが強いる試行回数の圧縮後でも3つの標準的な効果がすべて維持されること、およびこのパイプラインが、他のサンプルにそのまま再適用可能な参加者ごとの指標セットを提供することである。実証されて...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

著者らは、金銭的または非金銭的な競合利益がないことを宣言します。

謝辞

著者らは、時間を割いて協力してくださったすべての参加者、およびUniversidad de los Andesの研究助手と研究室チームに感謝いたします。本研究は、チリ国家研究開発庁（ANID）のFondecyt Iniciacion助成金 #11250037（研究代表者：Maria Consuelo San Martin）の支援を受けました。R.C.Vは、National Center for Artificial Intelligence CENIA FB210017、Basal ANIDの支援を受けました。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

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
AcqKnowledge ソフトウェアBIOPAC Systems Inc.ACK100W (Windows) / ACK100M (Mac)生理学的信号のデータ収集および解析ソフトウェア。RRID:SCR_014279 (最新の SciCrunch エントリで確認のこと)。
afex (R パッケージ)Singmann, Bolker, Westfall, Aust & Ben-ShacharVersion 1.5-1要因実験用 R パッケージ。aov_ez() を介して、すべての反復測定 ANOVA (実験 1-3) に使用。RRID:SCR_022761 (最新の SciCrunch エントリで確認のこと)。
ARTool (R パッケージ)Wobbrock, Findlater, Gergle & HigginsVersion 0.11.2ノンパラメトリック要因 ANOVA 用の Aligned Rank Transform。分布が非ガウス分布である実験 2 の皮膚伝導度の Phase x Stimulus ANOVA に使用。
Benevolent Childhood Experiences (BCE) スケールNarayan, Rivera, Bernstein, Harris & Lieberman (2018)パブリックドメインの尺度 (10 項目)スペイン語適応版を使用。本尺度に RRID は割り当てられていないため、元の妥当性検証論文を引用すること。
BioNomadix リストストラップ (送信機)BIOPAC Systems Inc.BN-PPGED-TEDA および PPG 信号用ウェアラブル送信機。BioNomadix 受信モジュールとペアで使用。
Childhood Trauma Questionnaire - Short Form (CTQ-SF)Bernstein et al. (2003)妥当性が検証された 28 項目の回顧的自己報告式尺度5 つのサブスケール (EA, PA, SA, EN, PN)。RRID なし。元の妥当性検証論文を引用すること。スペイン語適応版を使用。
EDA 電極用導電性ジェルBIOPAC Systems Inc.GEL101A皮膚伝導度測定用の等張性ジェル。
使い捨て Ag/AgCl EDA 電極BIOPAC Systems Inc.EL507A皮膚伝導度記録用の使い捨て電極。
全般性不安障害尺度 (GAD-7)Spitzer, Kroenke, Williams & Löwe (2006)7 項目の自己報告式尺度妥当性が検証されたスペイン語版を使用。尺度の RRID なし。原典を引用すること。
ggplot2 (R パッケージ)WickhamVersion 4.0.3グラフィックスの文法に基づくプロッティングシステム。RRID:SCR_014601 (最新の SciCrunch エントリで確認のこと)。
ヘッドホン (オーバーイヤー型)HyperX (HP Inc.)Cloud III有線密閉型ゲーミングヘッドセット。恐怖条件付け中の聴覚的無条件刺激の提示に使用。
LedalabBenedek & Kaernbach (2010)オープンソース MATLAB ツールボックス v3.2.5皮膚伝導度信号の連続分解解析 (CDA)。RRID は割り当てられていない (代わりに元の論文を引用すること)。
lme4 (R パッケージ)Bates, Maechler, Bolker & WalkerVersion 1.1-37線形混合効果モデル。実験 3 における参加者ごとの学習軌跡の傾きを推定するために使用。RRID:SCR_015654 (最新の SciCrunch エントリで確認のこと)。
MATLABMathWorksR2025aLedalab および SCR 前処理パイプラインの実行に使用。RRID:SCR_001622。
患者健康質問票-9 (PHQ-9)Kroenke, Spitzer & Williams (2001)9 項目の自己報告式尺度妥当性が検証されたスペイン語版を使用。尺度の RRID なし。原典を引用すること。
生理学的データ収集ユニット (PsychoPy)BIOPAC Systems Inc.MP200主要な生理学的信号収集ユニット。BioNomadix ワイヤレス EDA モジュールと組み合わせて使用。
PythonPython Software FoundationVersion 3.12Ledalab の出力と PsychoPy の行動記録を統合する前処理パイプライン (Data_Bases.py, Completed_Bases_Per_Experiment.py) に使用。RRID:SCR_008394 (最新の SciCrunch エントリで確認のこと)。
R (統計計算環境)R Foundation for Statistical ComputingVersion 4.5.0すべての統計解析が行われた環境。調整モデルは、基本 stats パッケージの lm() 関数を用いた最小二乗回帰によって推定され、予測変数は z 標準化し、交互作用項はそれらの積として計算した。特定の調整用パッケージは使用していない。RRID:SCR_001905 (最新の SciCrunch エントリで確認のこと)。
状態-特性不安検査 (STAI)Spielberger et al. (1983)STAI Form Y (40 項目, SAI + TAI)妥当性が検証されたスペイン語版を使用。尺度の RRID なし。原典を引用すること。
刺激提示モニターSamsungLS22D300GALXZS (S22D300, 22-inch LED)視覚的 CS+ / CS- 刺激および評価尺度の提示に使用したディスプレイ。

参考文献

  1. 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.
  2. 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.
  3. 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.
  4. Smith KE, Pollak SD. Children's value-based decision making. Sci Rep. 2022;12:5953.
  5. Montague PR, Hyman SE, Cohen JD. Computational roles for dopamine in behavioural control. Nature. 2004;431(7010):760-7.
  6. 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.
  7. 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.
  8. Hanson JL, et al. Early adversity and learning: implications for typical and atypical behavioral development. J Child Psychol Psychiatry. 2017;58(7):770-8.
  9. 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.
  10. 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.
  11. Dibbets P, Evers EAT. The influence of state anxiety on fear discrimination and extinction in females. Front Psychol. 2017;8:347.
  12. 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.
  13. 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.
  14. 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.
  15. 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.
  16. 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.
  17. Spielberger CD. Manual for the State-Trait Anxiety Inventory (Form Y). Consulting Psychologists Press; Palo Alto (CA); 1983.
  18. 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.
  19. Peirce J, et al. PsychoPy2: experiments in behavior made easy. Behav Res Methods. 2019;51(1):195-203.
  20. Benedek M, Kaernbach C. A continuous measure of phasic electrodermal activity. J Neurosci Methods. 2010;190(1):80-91.
  21. 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.
  22. 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.
  23. 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.
  24. Fritz MS, MacKinnon DP. Required sample size to detect the mediated effect. Psychol Sci. 2007;18(3):233-9.
  25. Bouton ME. Learning and behavior: a contemporary synthesis. Sinauer Associates; Sunderland (MA); 2007.
  26. 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.
  27. McClelland GH, Judd CM. Statistical difficulties of detecting interactions and moderator effects. Psychol Bull. 1993;114(2):376-90.
  28. Maier SF, Seligman MEP. Learned helplessness at fifty: insights from neuroscience. Psychol Rev. 2016;123(4):349-67.

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

タグ

脅威識別安全学習報酬感受性恐怖条件付け確率的報酬学習皮膚電気反応自律神経覚醒逆境的小児期体験

この記事は公開されました

動画は近日公開

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。