2016年1月9日
遅延割引とは、報酬がすぐに利用可能になるときに比べて遅延した場合に、報酬の価値が下がることを指します。実装が簡単で、人間の参加者の遅延割引の程度を定量化できるコンピューターベースの遅延割引タスクの概要を説明します。
この手順の全体的な目標は、特定の商品の現在価値に対する遅延の影響を定量的に評価することです。この方法は、もともとDu、Green、Myersonによって開発されたもので、遅延割引の定量化を可能にします。遅延割引は、遅延が結果の現在価値にどの程度影響を与えるかを説明し、薬物乱用、肥満、ギャンブルなどのさまざまな危険な行動に関連しています。
この手法の主な利点は、比較的短時間で遅延割引の堅牢で信頼性の高い測定を提供することです。この方法は、集団間の既存の違いを説明するためによく使用されてきましたが、診断ツールまたは介入のターゲットとしての使用に基づいて、より多くの研究が構築されることが私たちの希望です。一般に、この手順に不慣れな実験者は、この手順がコンピュータプログラム内に埋め込まなければならない無関心点を決定するためのアルゴリズムを必要とするため、異議を唱えられる可能性があります。
この手法の視覚的なデモンストレーションは、アルゴリズムの小さなエラーが大幅に異なる結果につながる可能性があるため、役立ちます。まず、遅延割引が評価される遅延の範囲を選択します。次に、タスクの遅延結果に対応する最大金額を選択します。
その後、各遅延での無関心ポイントを決定するために完了する必要がある試行回数を選択します。次に、参加者にコンピューターの前の隔離された部屋に座ってもらいます。携帯電話やその他の電子機器の電源を切るように依頼してください。
参加者にインフォームドコンセントフォームを提供して、タスクへの参加に同意する場合は確認して署名します。次に、コンピューター上のタスクに関連付けられているアイコンをクリックしてプログラムを起動します。ダイアログボックスを確認し、参加者のデータに添付される一意の参加者IDタグを入力します。
参加者に、タスクで何を経験するかについて指示を与えます。次に、データ分析に含まれない模擬試験を提供して、タスク設計に慣れてもらいます。模擬試験を開始するには、コンピューターに問題を表示し、参加者にすぐに利用できる10問と1日で利用可能な100問のどちらかを選んでもらいます。
画面上で行われた選択を観察します。次の画面で同じ質問をしますが、後続の選択肢については、参加者が行った選択に関係なく、即時の選択肢と遅延した選択肢が 100 に等しくなるまで、試行ごとに即時の選択肢を 10 ずつ増やします。最後に、参加者に10回の模擬試験を完了させ、課題に順応できるようにします。
無関心ポイントを評価するには、まず、遅延した代替案と即時の代替案の開始金額を参加者に照会します。最初の試行では、遅延代替として最大量を表示し、同時に最大額の半分として即時量を表示します。各試行の開始時にマウスカーソルを画面の中央に置き、参加者の選択を観察します。
参加者の選択に基づいて、2 回目の試行の最大量の 4 分の 1 だけ即時代替案の量を調整します。たとえば、参加者が即時オプションを選択した場合、2 回目の試行では即時選択の量を 25 減らします。参加者が遅延オプションを選択した場合は、2 回目の試行で即時選択の量を 25 増やします。
次に、参加者に即時選択と一定遅延選択の新しい量を表示し、参加者が 2 回目の試行を完了できるようにします。彼らの選択を観察してください。次に、即時の代替の量を前の調整の半分に調整します。
たとえば、参加者が即時オプションを選択した場合、3回目の試行の即時選択の量を12.50減らします。参加者が遅延オプションを選択した場合は、3 回目の試行の即時選択の量を 12.50 増やします。参加者が必要な数の選択を行うまで、即時の量に調整を繰り返しますが、これは実験者の裁量に委
ねられています。参加者の選択に基づいて即時金額の最終調整を行い、この新しい金額をその特定の遅延の無関心ポイントとして使用します。選択した遅延ごとに、即時結果の量と最初の試行の調整量を各遅延でリセットすることにより、調整プロセス全体を完全に繰り返します。質的に異なる結果の遅延割引を評価するには、参加者に選択した結果の例を提供してもらいます。
たとえば、選択した結果が食べ物の場合、参加者に好きな食べ物を提供するように依頼します。参加者の回答を記録し、参加者に結果の単位にいくらかかるかを尋ねます。次に、参加者が報告した価格に基づいて、即時開始金額と遅延開始金額の金額を表示します。
結果の遅延額を、最大金額を参加者から提供された単価で割った値と等しくなるように設定し、即時の代替案をその金額の 0.5 に設定します。最後に、調整プロセスを繰り返して、各結果の無関心ポイントを決定します。このプロトコルでは、さまざまな結果にわたって調整量タスクと人間の参加者を使用して、遅延割引実験を実施する方法を概説しています。
ここでは、喫煙者と非喫煙者を対象に、貨幣、アルコール、娯楽、食品の商品全体で割引機能を示しています。無関心ポイントの中央値は、食べ物がお金よりも急激に割引されていることを示しています。この手法が正しくプログラムされると、1つの商品の遅延割引の程度を評価するのに約10分しかかかりません。
この手順を試みる際には、参加者に正解はなく、各参加者が最も好ましい選択肢を選ぶべきであることを強調することを忘れないでください。この手法は、遅延割引を評価し、それをさまざまなリスクの高い行動に関連付けるために、さまざまな研究室グループによって使用されてきました。このビデオを見た後、遅延割引タスクの設定方法とプログラム方法について十分に理解しているはずです。
補足資料では、遅延割引タスクをプログラムするために使用できるコードを提供しています。また、データに適合させることができる非線形回帰モデルも提供しています。これらのモデルにより、遅延割引の程度を定量化できます。
完全なトランスクリプトを表示し、数千本の科学動画にアクセス
遅延割引は、報酬の受け取りが遅れると認識される価値が減少することです。この記事では、人間参加者の遅延割引を定量化するためのコンピューターベースのタスクについて概説します。
Delay discounting assessment provides a quantitative behavioral metric for evaluating impulsive choice patterns linked to substance use disorders and other compulsive behaviors. This method enables target validation by isolating delay sensitivity as a mechanistic endophenotype in preclinical and clinical populations. The technique supports go/no-go decisions in early discovery by offering a translatable behavioral readout across species and commodities.
The adjusting amount task fits within the discovery continuum from target hypothesis testing through lead optimization to preclinical validation, offering a behavioral bridge between molecular mechanism and clinical risk phenotype.