Este protocolo descreve uma bateria integrada de 60 minutos — condicionamento pavloviano-operante de medo com evitação, aquisição–extinção–requisição de medo com estímulos sociais e aprendizagem de recompensa probabilística — que registra simultaneamente condutância da pele, comportamento e avaliações fase-a-fase para derivar índices individuais de aprendizagem de ameaça e recompensa em adultos.
É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.
Artigo de método
Aprendizado Associativo e Experiências Adversas na Infância: Um Protocolo Multissistema
Neste artigo
Resumo
Resumo
As experiências adversas na infância (ACEs) são fatores de risco transdiagnósticos bem estabelecidos para ansiedade e depressão na vida adulta, embora os mecanismos neurocognitivos que ligam adversidades precoces aos sintomas permaneçam pouco claros dentro de um quadro unificado. Este protocolo apresenta uma bateria experimental integrada e multissistêmica que capta a discriminação de ameaça, aprendizagem de segurança e sensibilidade à recompensa em uma única sessão laboratorial. Trinta e oito adultos saudáveis completaram três paradigmas comportamentais — condicionamento pavloviano-operante ao medo com evitação (Experimento 1), aquisição-extinção-reaquisição do medo com estímulos sociais (Experimento 2) e aprendizagem probabilística de recompensa (Experimento 3) — além de responderem a escalas validadas sobre adversidades na infância (CTQ-SF), experiências benevolentes na infância (BCE), depressão (PHQ-9) e ansiedade (GAD-7, STAI). Dados multicanal foram coletados simultaneamente: resposta eletrodérmica (SCR) como índice fisiológico de ativação autonômica, evitação por pressão de botão e escolhas probabilísticas como índices comportamentais, e avaliações subjetivas fase a fase de expectativa, ameaça e alívio. Cada paradigma produziu seu efeito canônico: discriminação pavloviana na SCR (p = 0,009, ηp2 = 0,12), na expectativa (p < 0,001, ηp2 = 0,58) e nas avaliações de ameaça (p < 0,001, ηp2 = 0,35); alívio operante discriminando ameaça evitável de inevitável (p < 0,001, d = 0,86); resposta autonômica diferencial presente na aquisição, mas não na extinção no Experimento 2 (aquisição p = 0,008; extinção p = 0,168), coexistindo com conhecimento declarativo persistente da contingência (p < 0,001, d = 3,08); e aprendizagem probabilística de recompensa acima do acaso no Experimento 3 (M = 73%, p < 0,001, d = 1,97). O desenho multissistêmico revelou dissociações que um único canal teria omitido, notadamente resposta autonômica atenuada ao lado de percepção subjetiva persistente de ameaça. Índices por participante derivados do protocolo mostraram-se sensíveis às diferenças individuais na experiência na infância, com análises ilustrativas de moderação apresentadas no material suplementar. O protocolo fornece um quadro portátil e escalonável para indexar como adversidades precoces reajustam o processamento de ameaça e recompensa na vida adulta.
Introdução
Experiências Adversas na Infância (EAI), que englobam abuso, negligência e disfunção no ambiente doméstico, são altamente prevalentes em todo o mundo, com taxas superiores a 60% em muitas populações1. Sínteses de pesquisas indicam que a maioria das crianças é exposta a pelo menos um evento adverso durante o desenvolvimento2. As EAI são fatores de risco transdiagnósticos bem estabelecidos para psicopatologia na vida adulta3, contribuindo para cerca de 30% dos casos de transtornos de ansiedade e 40% dos casos de depressão1. Apesar dessa forte associação, as avaliações clínicas comumente utilizadas baseiam-se em diagnósticos categóricos e relatos autorreferidos retrospectivos, que são suscetíveis a vieses de memória e não capturam processos neurocognitivos em tempo real4.
Para superar essas limitações, tem havido uma ênfase crescente em abordagens transdiagnósticas que visam mecanismos subjacentes, particularmente a aprendizagem associativa. A aprendizagem associativa, que engloba tanto o condicionamento clássico quanto o operante, fornece uma estrutura para compreender como os indivíduos codificam relações entre estímulos ambientais, comportamentos e resultados para orientar a tomada de decisões4,5. Nesse contexto, a teoria da vulnerabilidade latente propõe que adversidades precoces induzem adaptações neurobiológicas, como hipervigilância, que inicialmente são adaptativas em ambientes imprevisíveis, mas podem tornar-se desadaptativas em contextos posteriores e mais seguros6,7.
Há evidências de que experiências adversas na infância (ACEs) influenciam processos de aprendizagem relacionados tanto à ameaça quanto à recompensa. Indivíduos com histórico de adversidade frequentemente apresentam reduzida capacidade de discriminação entre estímulos condicionados de perigo (CS+) e de segurança (CS−), o que indica uma alteração na aprendizagem da ameaça8. Paralelamente, a adversidade precoce tem sido associada à diminuição da sensibilidade à recompensa, refletida em menor precisão e aquisição mais lenta das contingências de recompensa8. Em condições de incerteza, esses indivíduos também podem exibir maior variabilidade nas escolhas e uma tendência a presumir que a entrega da recompensa é aleatória, o que está de acordo com a exposição precoce a ambientes voláteis5,9.
Esses padrões de aprendizagem são ainda moldados por fatores protetores e dependentes do estado. As Experiências Infantis Benevolentes (BCEs) podem atenuar os efeitos da adversidade sobre os sistemas de aprendizagem10, enquanto estados afetivos atuais, como a ansiedade, podem modular os processos de condicionamento11. Medidas fisiológicas do arousal autonômico, incluindo a Resposta de Condutância da Pele (SCR), fornecem índices objetivos desses processos e são amplamente utilizadas em paradigmas de condicionamento12.
Uma limitação importante na literatura atual é o uso de tarefas isoladas que avaliam independentemente a aprendizagem de ameaça ou recompensa, limitando a capacidade de capturar o funcionamento neurocognitivo integrado1. O presente protocolo aborda essa lacuna ao fornecer uma estrutura padronizada que combina medidas comportamentais e fisiológicas em múltiplos domínios de aprendizagem. Especificamente, o protocolo inclui três componentes experimentais: (1) um paradigma que avalia a transição do condicionamento pavloviano para o condicionamento operante, (2) uma tarefa de extinção do medo social e (3) uma tarefa de aprendizagem de recompensa probabilística8.
A justificativa para essa combinação específica de paradigmas não reside no fato de que qualquer uma dessas três tarefas, isoladamente, seja mais sensível à adversidade precoce do que os muitos outros paradigmas de aprendizagem já estabelecidos; trata-se de uma justificativa de mensuração. Em sua revisão sistemática de 81 estudos (38 sobre ameaça, 43 sobre recompensa), Ruge et al.1 demonstraram que a literatura que vincula experiências adversas na infância (ACEs) ao aprendizado associativo permanece heterogênea e, em aspectos fundamentais, inconclusiva precisamente porque os estudos normalmente empregam uma única tarefa, registram um único canal de resposta e operacionalizam a adversidade de maneiras não harmonizadas. Ilustrativamente, metade dos estudos comportamentais sobre aprendizagem por recompensa relatou aprendizagem atenuada, enquanto a outra metade relatou resultados nulos; a escassa literatura sobre extinção é dominada por achados nulos e por relatos que omitem a fase anterior de aquisição; e nenhuma medida de desfecho emergiu como universalmente mais confiável, de modo que diferentes canais de resposta não são substitutos intercambiáveis uns dos outros. A recomendação explícita deles é avançar rumo a protocolos intra-sujeito, multidomínio e multicanal, que gerem índices em nível individual. A presente tríade segue essa recomendação porque suas três tarefas abrangem três demandas computacionalmente dissociáveis que nenhum único paradigma cobre, e que a teoria da vulnerabilidade latente7 prevê que a adversidade deveria moldar de formas distintas: (i) discriminação entre ameaça e segurança combinada com controlabilidade instrumental, com o alívio como reforçador putativo da evitação13; (ii) aprendizagem inibitória (de segurança) e retorno do medo, avaliados com estímulos de rostos sociais11, o domínio de estímulos ecologicamente relevante para maus-tratos interpessoais; e (iii) aprendizagem por reforço sob incerteza probabilística, que gera parâmetros computacionais por participante (taxa de aprendizagem alfa, temperatura inversa beta)8. Como as três tarefas são aplicadas no mesmo participante, o delineamento é construído para investigar se as alterações relacionadas às ACEs são generalizadas a todos os domínios — uma reconfiguração global do aprendizado associativo, como propõem Hanson et al.8 e como preveria uma abordagem neurocomputacional da vulnerabilidade latente6 — ou específicas à valência, restritas à ameaça. Um estudo com uma única tarefa não pode, por construção, decidir entre essas hipóteses concorrentes.
A bateria foi projetada para testar um conjunto de previsões explícitas e direcionais, que a amostra atual não tem poder estatístico para avaliar e que são apresentadas aqui como objetivos para estudos adequadamente poderosos. Em consonância com o padrão de aprendizagem atenuada descrito por Ruge et al.1, prevê-se que uma maior carga de ACE esteja associada a: (i) menor discriminação entre CS+/CS− no Experimento 1, decorrente de uma resposta atenuada ao CS+ e esperada ser mais acentuada na via autonômica (SCR) do que na expectativa declarativa, que pode permanecer intacta; (ii) maior resposta de evitação e maior alívio subjetivo diante do CS+ evitável, compatível com a evitação reforçada por alívio13; (iii) extinção mais lenta e retorno mais rápido e acentuado do medo durante a reaquisição no Experimento 2, um efeito previsto ser amplificado pelos estímulos sociais (rostos), que possuem relevância ecológica para adversidades interpessoais11; e (iv) menor precisão nas escolhas, menor taxa de aprendizagem (alfa) e maior variabilidade nas escolhas (menor beta) no Experimento 38. Crucialmente, as três tarefas são conjuntamente informativas sobre uma quinta previsão discriminatória: se a alteração relacionada ao ACE for geral, a atenuação deverá aparecer em todas as três tarefas; se for específica à valência, deverá restringir-se aos dois paradigmas de ameaça e ausente no aprendizado probabilístico de recompensa. Como os canais de resposta são registrados simultaneamente, uma previsão adicional pode ser testada — de que os efeitos do ACE serão dependentes do canal e não uniformes, de modo que conclusões baseadas em qualquer canal isolado não possam ser generalizadas para os demais.
O Experimento 1 adapta o paradigma de condicionamento pavloviano-operante de medo com avaliação de alívio em cada tentativa e evitação desenvolvido por San Martín et al.13, no qual dois estímulos condicionados positivos (CS+, um evitável e outro inevitável) e um estímulo condicionado negativo (CS−) são utilizados para dissociar a discriminação pavloviana do controle instrumental sobre o resultado aversivo. No paradigma original, as avaliações subjetivas de expectativa do estímulo não condicionado (US) durante a fase de aquisição pavloviana eram obtidas retrospectivamente ao final da fase pelo experimentador, e não em cada tentativa. Na presente adaptação, avaliações subjetivas de expectativa, ameaça e alívio foram coletadas simultaneamente ao longo da tarefa, fase por fase, utilizando escalas analógicas visuais, permitindo o acompanhamento contínuo da dinâmica de aprendizagem ao longo das fases.
O Experimento 2 adapta o protocolo de aquisição–extinção do medo com estímulos sociais (rostos) de Dibbets e Evers9, ampliando-o com um breve teste de reaquisição para avaliar o ressurgimento rápido da resposta condicionada (efeito de economia).
O experimento 3 adapta a tarefa de aprendizagem probabilística por recompensa introduzida por Hanson et al.8 para o estudo de diferenças no aprendizado relacionadas à adversidade precoce, com duas contingências de recompensa (80/20 e 70/30) que permitem a estimativa dos parâmetros de aprendizagem por reforço por participante (Alfa e Beta do Q-learning). Ao integrar esses três paradigmas em uma única sessão laboratorial, o presente protocolo permite a comparação direta, intra-participante, dos processos de aprendizagem por ameaça e recompensa, que normalmente são estudados de forma isolada. Além da precisão por tentativa e dos parâmetros de Q-learning, o pipeline de análise também produz as inclinações individuais das trajetórias de aprendizagem a partir de um modelo linear misto ajustado, disponíveis para uso em amostras maiores.
Dois objetivos distintos devem ser mantidos separados aqui, pois não são equivalentes. O primeiro é estabelecer que uma bateria desse tipo pode ser conduzida como uma única sessão integrada de 60 minutos e que cada um de seus componentes provoca o efeito canônico para o qual foi projetado; a reprodução de efeitos canônicos é evidência suficiente para esse primeiro objetivo. O segundo é estabelecer que os índices resultantes são sensíveis e específicos às consequências da adversidade na infância; a reprodução de efeitos canônicos não é evidência suficiente para isso, e a presente amostra não possui poder estatístico para fornecê-la. O objetivo primário deste relatório é, portanto, a viabilidade técnica e metodológica da bateria integrada: se a aquisição de ameaça, a evitação instrumental com alívio, a extinção e o retorno do medo com estímulos sociais, e a aprendizagem probabilística de recompensa podem ser adquiridas simultaneamente por meio de canais autonômicos, comportamentais e de autorrelato dentro de uma única sessão, e se o protocolo gera índices estáveis e reutilizáveis por participante (contrastes diferenciais de SCR, contraste operante de alívio, parâmetros alfa e beta do Q-learning e inclinações individuais das trajetórias de aprendizagem). A avaliação de alterações relacionadas à ECAs na aprendizagem constitui um objetivo secundário, exploratório e ilustrativo: as análises de diferenças individuais aqui relatadas têm como finalidade demonstrar a capacidade de medição do protocolo e disponibilizar seus índices candidatos para trabalhos futuros, sem o propósito específico de testar caminhos entre trauma e aprendizagem. O protocolo fornece, assim, índices candidatos; se eles possuem a sensibilidade e especificidade necessárias para caracterizar as consequências neurocognitivas da adversidade na infância permanece a ser estabelecido em amostras maiores, idealmente enriquecidas com grupos extremos e pré-registradas1,14.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Protocolo
O presente protocolo descreve os procedimentos e instrumentação utilizados para medir a Resposta de Condutância da Pele (SCR) em participantes saudáveis com idade igual ou superior a 18 anos, em conformidade com os requisitos do comitê de ética. Antes de participar do estudo, todos os participantes assinaram um termo de consentimento informado que também incluía a possibilidade de serem contatados novamente após seis meses para uma avaliação de acompanhamento. Todos os procedimentos descritos neste documento foram aprovados pelo Comitê de Ética Científica da Universidad de los Andes (ID: CEC2025023).
OBSERVAÇÃO: Este protocolo fornece uma descrição detalhada do fluxo de trabalho experimental completo (Figura 1), incluindo agendamento dos participantes, preparação do laboratório, aquisição de sinais fisiológicos, organização dos dados e tratamento dos dados após o experimento. Além disso, descreve o procedimento de treinamento da equipe implementado para garantir que as gravações de SCR sejam coletadas de forma consistente, padronizada e confiável em todas as sessões experimentais.
Figura 1: Esquema geral do delineamento do estudo. Cada participante completou uma única sessão laboratorial abrangendo três paradigmas comportamentais sequenciais: condicionamento pavloviano-operante de medo com evitação (Experimento 1), aquisição–extinção–requisição de medo com estímulos sociais (Experimento 2) e aprendizado probabilístico de recompensa (Experimento 3). Também foram coletados autoquestionários sobre adversidades na infância (CTQ-SF), experiências benévolas na infância (BCE) e sintomas atuais (PHQ-9, GAD-7, STAI). Dados multicanal — resposta eletrodérmica, comportamento (evitação, escolhas probabilísticas) e avaliações subjetivas (expectativa, ameaça, alívio) — foram registrados simultaneamente. Índices por participante foram inseridos em análises de diferenças individuais (ver Arquivo Suplementar 2). Clique aqui para visualizar uma versão maior desta figura.
1. Treinamento da equipe
- Treine cada membro da equipe em três etapas progressivas para garantir a mensuração padronizada e precisa dos dados.
- Realize ensaios internos nos quais cada funcionário colete amostras e execute os três experimentos de acordo com seus respectivos protocolos, para que o treinando se familiarize com os equipamentos e com o manuseio dos participantes.
- Em seguida, solicite que cada treinando colete amostras de participantes reais sob supervisão de pelo menos um dos pesquisadores principais, a fim de verificar sua capacidade de executar o protocolo e corrigir quaisquer erros.
- Autorize o assistente a coletar amostras de forma autônoma e a agendar novos participantes somente após a aplicação completa e correta do protocolo sob supervisão.
2. Agendamento
- Recrute e agende participantes por meio das mídias sociais, fornecendo os objetivos gerais da pesquisa e os critérios de participação.
- Crie um pôster digital e distribua-o pelos canais de recrutamento para alcançar o maior número possível de participantes potenciais.
- Instrua os candidatos interessados a entrar em contato com a equipe de pesquisa por e-mail e agendar uma sessão em um dia conveniente para o participante.
- Envie ao participante um link para o questionário online, intitulado "As Marcas Invisíveis: O Papel da Aprendizagem Associativa na Relação entre Experiências Adversas na Infância e Saúde Mental na Vida Adulta".
- Inicie o questionário com um formulário de consentimento informado e exija que o participante o leia e o aceite antes que quaisquer outros itens sejam apresentados.
- Inclua no questionário uma seção sócio-demográfica e as seguintes escalas psicométricas validadas: Questionário de Saúde do Paciente-9 (PHQ-9)15, Instrumento de Triagem para Transtorno de Ansiedade Generalizada (GAD-7)16, Inventário de Ansiedade Estado-Traço (STAI)17, Questionário sobre Traumas na Infância—Versão Reduzida (CTQ-SF)18 e Experiências Benevolentes na Infância (BCEs)10.
3. Preparativos
- Garanta que pelo menos um membro da equipe esteja presente no laboratório antes da chegada do participante. Prepare o ambiente experimental, verifique o funcionamento correto dos equipamentos e confirme que todos os requisitos do protocolo foram atendidos antes do início da sessão:
- Ligue o computador do laboratório e verifique se o sistema operacional, o software experimental e todos os periféricos estão funcionando corretamente.
- Confirme se os arquivos experimentais e o sistema de aquisição de dados estão prontos para uso.
- Abra e revise o arquivo de execução diária antes da entrada do participante no laboratório.
- Identifique o código de identificação (ID) correspondente atribuído ao participante que está chegando.
- Verifique a ordem de execução das condições experimentais de acordo com o contrabalanceamento pré-definido.
- Garanta que o participante seja atribuído à ordem experimental correta antes de qualquer início da aquisição de dados.
NOTA: O arquivo de execução diária contém todas as informações necessárias para atribuir o ID do participante e determinar a ordem de execução do experimento, mantendo o contrabalanceamento exigido entre todas as condições experimentais. Por exemplo, um participante pode receber o ID "015". - Organize o armazenamento de dados no computador do laboratório segundo a estrutura padronizada de diretórios exigida pelo fluxo de processamento automatizado: uma pasta principal por experimento, uma subpasta por condição de contrabalanceamento e uma pasta por ID do participante, além de duas pastas globais que receberão os dados processados e os bancos de dados consolidados (consulte Arquivo Suplementar 1).
- Crie a pasta do participante correspondente ao ID e à condição de contrabalanceamento indicados no arquivo de execução diária antes de iniciar a aquisição de dados, e siga as convenções de nomeação de diretórios e arquivos especificadas em Arquivo Suplementar 1 durante toda a sessão, pois os scripts de pré-processamento e banco de dados localizam os arquivos pelo caminho e pelo nome.
NOTA: A árvore de diretórios, os rótulos das subpastas de contrabalanceamento, as convenções de nomeação de arquivos e um exemplo prático estão descritos no Arquivo Suplementar 1. Desvios dessas convenções impedem que o fluxo automatizado localize os arquivos do participante. - Verifique se a mesa experimental está completamente livre de objetos externos ou distrativos. Permita apenas o sistema de aquisição de dados e os periféricos do computador necessários para o experimento sobre a mesa.
- Convide o participante a entrar na sala de maneira calma e profissional.
- Solicite que o participante deixe todos os seus pertences na área designada.
- Instrua o participante a colocar seu dispositivo móvel no modo silencioso para evitar interrupções ou distrações durante a sessão experimental.
- Solicite que o participante remova todos os acessórios da mão não dominante, especialmente anéis, pulseiras ou qualquer objeto localizado nos dedos médio e anelar, pois podem interferir nas medições.
- Oriente o participante a sentar-se confortavelmente na cadeira posicionada em frente ao computador do laboratório.
- Forneça ao participante uma cópia física impressa do documento de consentimento informado.
- Permita tempo suficiente para que o participante leia o documento e faça perguntas, se necessário.
- Confirme que o formulário de consentimento informado foi assinado corretamente antes de iniciar qualquer procedimento experimental.
NOTA: O procedimento de consentimento informado é repetido em formato físico conforme exigido pelo comitê de ética, a fim de manter um backup físico da documentação de consentimento do participante.
4. Configuração experimental
OBSERVAÇÃO: O delineamento experimental deve seguir um protocolo rigoroso e padronizado para garantir que todas as medidas fisiológicas sejam obtidas em condições idênticas e controladas entre os participantes.
- Ligue o sistema de aquisição e verifique se o dispositivo está corretamente conectado ao computador do laboratório e reconhecido pelo software do sistema de aquisição (veja Figura 2A–E).
- Confirme novamente se todos os módulos e periféricos necessários estão funcionando corretamente antes de prosseguir com a preparação do participante.
- Pegue dois eletrodos de atividade eletrodérmica (EDA) (veja Figura 2F).
- Aplique uma pequena quantidade de gel condutivo na superfície de contato de cada eletrodo (veja Figura 2G,H).
- Garanta que o gel condutivo esteja uniformemente distribuído sobre a superfície do eletrodo para melhorar o contato elétrico com a pele do participante e otimizar a qualidade do sinal.
NOTA: Se o gel condutivo não for aplicado nos eletrodos, o sinal registrado pode conter ruído excessivo, e a qualidade da medição da resposta de condutância cutânea (SCR) pode ser seriamente comprometida. - Posicione os eletrodos na mão não dominante do participante.
- Fixe um eletrodo na primeira falange do dedo médio (terceiro dedo) e o segundo eletrodo na primeira falange do dedo anelar (quarto dedo) (veja Figura 2I).
- Verifique se ambos os eletrodos estão firmemente fixados e mantêm contato estável com a pele, sem causar desconforto ao participante.
- Coloque a pulseira no punho do participante.
- Mantenha os eletrodos de EDA desconectados da pulseira durante a fase de calibração (veja Figura 2J).
- Ligue a pulseira para estabelecer comunicação sem fio com o sistema de aquisição fisiológica.
- Confirme se o dispositivo foi detectado com sucesso.
NOTA: Deve-se prestar especial atenção à pulseira durante toda a sessão experimental. Os membros da equipe devem verificar continuamente se o dispositivo permanece ligado e conectado antes do início do experimento, pois qualquer interrupção na comunicação pode comprometer a gravação fisiológica. - Inicie o processo de aquisição no software de aquisição.
- Aguarde a janela de calibração, que aparece automaticamente na tela assim que a aquisição for iniciada.
- Realize o procedimento de calibração enquanto os eletrodos permanecem desconectados da pulseira.
- Siga as instruções de calibração fornecidas pelo software até que o procedimento seja concluído.
- Após a calibração bem-sucedida, conecte os eletrodos de EDA à pulseira (veja Figura 2K).
- Verifique no software se o sinal de resposta de condutância cutânea (SCR) está sendo corretamente adquirido.
- Instrua o participante a manter a mão não dominante completamente imóvel durante todo o experimento.
- Explique que movimentos desnecessários, contrações dos dedos ou mudanças de postura podem introduzir ruído no sinal de SCR.
- Solicite que o participante mantenha uma postura confortável e relaxada durante a sessão.
- Forneça ao participante um fone de ouvido antes de iniciar a tarefa experimental.
- Verifique se o fone de ouvido está funcionando corretamente e se o participante consegue perceber claramente os estímulos auditivos apresentados durante o experimento.
- Inicie a tarefa experimental no PsychoPy19.
- Quando a interface do PsychoPy abrir, insira o nome do participante na janela adicional que solicita essa informação.
- Insira o ID atribuído ao participante exatamente como especificado no arquivo de execução diária antes de iniciar o experimento.
NOTA: Seguindo o exemplo anterior, o ID do participante inserido no PsychoPy deve ser "015".
Figura 2: Sistema de aquisição, materiais e posicionamento dos eletrodos para gravação da condutância da pele. (A) Unidade principal Biopac MP200. (B) Módulo de aquisição de sinais fisiológicos (PPG/EDA). (C) Módulo conector de sensores. (D) Módulo de entrada analógica. (E) Módulo TTL para comunicação entre PsychoPy e AcqKnowledge. (F) Eletrodos descartáveis (EL507A). (G) Gel isotônico (GEL101A) para melhorar o contato com a pele. (H) Aplicação do gel no eletrodo. (I) Posicionamento dos eletrodos na primeira falange dos terceiro e quarto dedos da mão não dominante. (J) Colocação da pulseira na mão não dominante para medição de SCR. (K) Eletrodos conectados após o processo de calibração. Clique aqui para visualizar uma versão maior desta figura.
5. Início do experimento
- Antes de iniciar a tarefa experimental, explique em detalhes ao participante como responder às perguntas apresentadas durante o experimento.
- Garanta que o participante compreenda claramente: (i) o método de resposta a ser utilizado durante a tarefa, (ii) o significado das instruções exibidas na tela e (iii) a importância de permanecer atento e minimizar movimentos desnecessários ao longo do experimento.
- Responda quaisquer dúvidas restantes do participante antes de iniciar a sessão de gravação.
- Realize uma verificação final de toda a configuração experimental para garantir que todos os sistemas estejam funcionando corretamente de acordo com o protocolo estabelecido, incluindo: comunicação do sistema de aquisição fisiológica, conexão da pulseira no punho, qualidade do sinal de SCR, execução do PsychoPy, apresentação de áudio pelos fones de ouvido e registro correto do ID do participante.
- Após a verificação de todos os sistemas e confirmação pelo participante de que está pronto para começar, inicie a tarefa experimental.
- Deixe a sala experimental assim que a tarefa for iniciada, a fim de minimizar influências externas e distrações durante a aquisição de dados.
- Permaneça próximo e disponível caso seja necessária assistência técnica ou apoio ao participante, e aguarde até que o participante conclua a sessão.
6. Entre experimentos
- Reentre na sala experimental assim que o participante terminar a tarefa e pare a gravação fisiológica no software de aquisição.
- Salve a gravação fisiológica na pasta do participante como um arquivo de aquisição e, em seguida, exporte a mesma gravação para o formato MATLAB com eventos, de modo que o arquivo exportado contenha os marcadores de estímulo gerados pelo PsychoPy por meio do módulo TTL; essa exportação produz adicionalmente um arquivo de marcador separado.
NOTA: As informações de eventos e marcadores são necessárias no fluxo de pré-processamento (Seção 8) para segmentar o sinal por tentativa e por tipo de estímulo. - Salve a planilha de saída do PsychoPy gerada ao final da tarefa na mesma pasta do participante. Utilize a convenção padronizada de nomenclatura de arquivos detalhada em Arquivo Suplementar 1 para os quatro arquivos.
NOTA: Ao final de cada experimento, a pasta do participante deve conter o arquivo de aquisição, o arquivo MATLAB exportado, o arquivo de marcador e a planilha do PsychoPy. Nomes exatos, caminhos e um exemplo prático são fornecidos em Arquivo Suplementar 1. - Desconecte cuidadosamente os eletrodos de EDA do participante, garantindo que não ocorram movimentos excessivos ou desconforto durante a remoção.
- Abra a próxima tarefa experimental do PsychoPy e reinicie o software de aquisição em preparação para o experimento seguinte.
- Repita todo o procedimento de preparação e aquisição a partir do passo 4.1.
NOTA: A sessão experimental completa consiste em três experimentos independentes. Portanto, ao final do segundo experimento, o mesmo procedimento descrito acima deve ser repetido para o terceiro experimento. - Ao final da sessão experimental completa, verifique se o participante possui três subpastas, uma para cada tarefa experimental, cada uma contendo todos os arquivos anteriormente mencionados.
NOTA: A duração aproximada de cada tarefa experimental foi previamente estimada para permitir que os membros da equipe monitorem o participante e verifiquem o funcionamento correto do sistema de aquisição durante a sessão. A duração estimada de cada experimento é a seguinte:
Experimento_1: aproximadamente 24 min.
Experimento_2: aproximadamente 17 min.
Experimento_3: aproximadamente 8 min.
Considerando o tempo de preparação, calibração, períodos de transição entre experimentos e o procedimento final, a sessão experimental completa tem duração aproximada de 60 min.
7. Fim dos experimentos
- Encerre a sessão de gravação fisiológica assim que as três tarefas experimentais tiverem sido concluídas.
- Pare o processo de aquisição no software de aquisição, caso ainda não tenha sido interrompido.
- Desconecte os eletrodos de EDA da pulseira e remova a pulseira do punho do participante.
- Permita que o participante remova os eletrodos de EDA por conta própria para minimizar o desconforto e garantir a remoção segura da pele.
- Verifique se todos os arquivos experimentais e gravações fisiológicas foram corretamente salvos antes de encerrar a sessão.
- Agradeça ao participante pela colaboração e ofereça um lanche leve como forma de agradecimento após a conclusão do procedimento experimental.
NOTA: Caso ocorra algum problema durante a gravação fisiológica por motivos técnicos, incluindo, mas não se limitando a: perda de comunicação entre a pulseira e o módulo do sistema de aquisição fisiológica, desligamento inesperado da pulseira, eletrodos soltos ou parcialmente destacados, ou interrupções temporárias do sinal ou ruído excessivo causado por problemas de conexão, o experimento deve prosseguir conforme planejado e o participante não deve repetir a sessão experimental.
8. Pré-processamento dos dados
OBSERVAÇÃO: Após a conclusão da sessão experimental e o armazenamento adequado de todos os registros fisiológicos, os dados de SCR devem passar por um procedimento padronizado de pré-processamento antes da análise.
- Execute o script MATLAB Ledalab_Format para reorganizar a estrutura de dados da gravação fisiológica exportada do software de aquisição, de modo que seja compatível com o Ledalab, uma toolbox baseada em MATLAB projetada para a análise de sinais de EDA.
NOTA: No código Ledalab_Format.mat, defina o caminho do arquivo {Identification_Code}.mat como uma variável de entrada. Isso permite que o arquivo de gravação fisiológica exportado seja convertido em um formato que possa ser corretamente lido e processado pelo Ledalab. Após a conclusão do processo de conversão, um novo arquivo MATLAB deve ser gerado e salvo dentro da pasta correspondente ao participante, utilizando a seguinte convenção de nomenclatura: Ledalab_{Identification_Code}.mat. Seguindo o exemplo anterior, se os dados do Experimento_1 forem convertidos para o participante "015", o arquivo resultante deverá ser nomeado: Ledalab_015.mat. - Abra o Ledalab, na barra de menu localizada no canto superior esquerdo, selecione Arquivo > Importar Dados > Arquivo Matlab (*.mat). Em seguida, carregue o arquivo de dados recém-gerado correspondente à condição experimental do participante.
- Insira os parâmetros de amostragem na janela de configuração que o Ledalab exibe assim que o arquivo for carregado.
- A frequência original de aquisição do sinal SCR é de 2000 Hz. Para reduzir a carga computacional, reduza a taxa de amostragem do sinal para 10 Hz utilizando os seguintes parâmetros: frequência de amostragem alvo: 10 Hz, fator de subamostragem: 200, método de reamostragem: Steps.
- Após concluir o procedimento de subamostragem, realize uma análise de decomposição contínua (CDA)20 dentro do Ledalab para decompor o sinal de EDA em suas componentes tônica e fásica.
- Na barra de menu, selecione Análise > Análise de Decomposição Contínua (Extração de Atividade Fásica/Tônica Contínua).
- Aguarde até que a janela de configuração apareça na tela.
- Nesta janela, selecione a opção Otimizar para ajustar automaticamente os parâmetros de análise.
- Após a conclusão do processo de otimização, clique em Aplicar para iniciar a análise CDA.
- Uma vez concluída a análise CDA, selecione Resultados > Análise Relacionada a Eventos, e uma janela de configuração aparecerá na tela.
- Defina o limiar mínimo de amplitude como o valor padrão do Ledalab de 0,01 µS e mantenha a opção de escala z desmarcada. Os marcadores de evento exportados do software de aquisição identificam separadamente o início do estímulo condicionado e o início do estímulo incondicionado, de modo que a análise relacionada a eventos retorne uma resposta para cada um. Defina a janela de resposta da seguinte forma:
- Para o Experimento 1, utilize de 0 s a 9 s após o marcador de evento.
- Para o Experimento 2, utilize de 0 s a 6 s após o marcador de evento.
- Exporte o resultado como um arquivo de planilha. O Ledalab gera uma planilha contendo as informações fisiológicas e relacionadas a eventos extraídas do sinal SCR.
NOTA: A janela de resposta corresponde à duração total do estímulo condicionado em cada tarefa (Tabela Suplementar 1: 9 s no Experimento 1 e 6 s no Experimento 2), de modo que a resposta evocada pelo CS cubra todo o intervalo CS-US e não seja contaminada pela resposta incondicionada, que é pontuada separadamente em seu próprio marcador de evento. Respostas abaixo do limiar de 0,01 µS são registradas como zero pelo Ledalab e devem ser mantidas na análise como zeros; não as exclua, pois sua remoção inflaria a resposta média de participantes com baixa resposta. - Repita todo o procedimento de pré-processamento, subamostragem e CDA para o Experimento 2 (consulte a NOTA abaixo para o Experimento 3, que segue um procedimento diferente e não requer a saída da CDA).
NOTA: Ao final da fase de pré-processamento, cada pasta experimental deve conter um arquivo adicional de planilha correspondente aos resultados da análise CDA gerados pelo Ledalab. Esse arquivo deve posteriormente ser convertido para o formato .xlsx para armazenamento, organização e análises posteriores. O Experimento 3 segue um procedimento diferente de pré-processamento. Para este experimento, apenas o script MATLAB deve ser utilizado, e ele não requer a saída da CDA, apenas os valores alfa e beta. Quando o script é executado para "Experiment_3", ele extrai automaticamente os valores alfa e beta, mescla-os com as informações comportamentais e salva a planilha resultante em Global_Data/Exp_3. - Realize o controle de qualidade do sinal, identificação de não respondentes e tratamento de artefatos.
- Antes de qualquer análise estatística, exiba a trajetória completa do sinal de condutância cutânea subamostrado de cada participante no Ledalab e inspecione-a visualmente do primeiro ao último marcador de evento. Realize esta inspeção para cada participante e para cada tarefa separadamente, pois a qualidade do sinal é específica por canal e por tarefa.
- Rejeite toda a trajetória e trate o canal SCR dessa tarefa como ausente para esse participante se qualquer uma das seguintes situações for observada: (i) sinal plano ou ausente durante toda a tarefa, indicando perda de comunicação sem fio com a pulseira, pulseira desligada ou eletrodo destacado; (ii) nível tônico de condutância cutânea abaixo de 0,05 µS mantido ao longo da tarefa, o que indica contato inadequado entre o eletrodo e a pele, e não baixa excitação; (iii) deriva ininterpretável ou inflação súbita e sustentada da amplitude que não esteja sincronizada com nenhum evento; ou (iv) saturação do intervalo do amplificador.
NOTA: Não repita a sessão e não exclua o participante das outras tarefas ou dos canais comportamentais e de autorrelato. - Defina um participante como não respondente para uma determinada tarefa se nenhuma resposta fásica atingir ou exceder o limiar de 0,01 µS em qualquer evento dessa tarefa, incluindo os eventos do estímulo incondicionado nas tentativas reforçadas — ou seja, se o participante não produzir nenhuma resposta eletrodermal mensurável mesmo ao resultado aversivo em si.
- Exclua um não respondente de todos os canais dessa tarefa — condutância cutânea, comportamento e avaliações subjetivas — porque a ausência de qualquer resposta eletrodermal mesmo ao estímulo incondicionado indica que o sistema eletrodermal não foi mensurável nessa sessão e levanta dúvidas sobre se o participante realmente se engajou na contingência.
- Mantenha esse participante nas duas tarefas restantes. Distinga este caso da perda técnica do sinal (eletrodo destacado ou pulseira que perdeu comunicação sem fio), em que o participante respondeu, mas o sinal não foi registrado: nesse caso, trate o canal SCR dessa tarefa como ausente e mantenha os dados comportamentais e subjetivos dessa tarefa, que não são afetados pela qualidade do sinal eletrodermal.
- Relate separadamente as taxas de não respondentes e de perda técnica para cada tarefa.
- Identifique artefatos de movimento na trajetória como: (i) transientes abruptos de aumento que não estejam sincronizados com nenhum marcador de evento, ou (ii) deslocamentos em degrau no nível tônico provocados pela contração dos dedos, mudança de postura ou atrito dos eletrodos contra a cadeira ou a mesa.
- Marque todas as tentativas que contiverem tal artefato dentro de sua janela de pontuação e exclua-as no nível da tentativa; não exclua o participante.
- Exclua um participante de todos os canais de uma tarefa, e não apenas de sua análise SCR, se mais de 25% das tentativas dessa tarefa forem marcadas como contaminadas por artefatos: as tentativas restantes não sustentam mais uma estimativa estável por participante, e as condições de gravação dessa sessão não são adequadas para nenhum canal. Mantenha esse participante nas duas tarefas restantes.
- Transforme as amplitudes em nível de tentativa com log(SCR + 1) antes da média, a fim de normalizar a distribuição positivamente assimétrica das amplitudes eletrodermais; fixe em zero qualquer valor CDA negativo, uma consequência rara da deriva da linha de base, antes da transformação.
- Agrupe as tentativas transformadas para obter um valor por participante, por fase e por estímulo.
- Relate o n analítico separadamente para cada canal (SCR, comportamento, avaliações) e para cada tarefa, pois a perda específica por canal faz com que esses n diverjam.
- Registre todas as decisões tomadas nos passos 8.14.1–8.14.9 em um log de qualidade por participante contendo: ID do participante, tarefa, condição de contrabalanço, trajetória aceita ou rejeitada (com motivo), intervalo do nível tônico, número e identidade das tentativas rejeitadas por artefato, porcentagem de tentativas rejeitadas por artefato, status de não respondente e contribuição final do n analítico para cada canal.
- Armazene o log de qualidade junto com os bancos de dados consolidados para que a perda de dados específica por canal seja auditável e reprodutível.
NOTA: Na amostra atual, nenhum participante atendeu ao critério de não respondente do passo 8.14.3, e nenhum participante excedeu o limiar de 25% de artefatos do passo 8.14.6; consequentemente, nenhum participante foi excluído de todos os canais de uma tarefa. As divergências no n analítico são de dois tipos independentes: perda técnica do canal eletrodermal, que deixa intactos os registros comportamentais e subjetivos dessa tarefa, e registros comportamentais ou de autorrelato incompletos (tarefa não concluída ou respostas em escala analógica visual ausentes), que são independentes da qualidade do sinal eletrodermal. O n analítico exato para cada canal e cada tarefa é relatado no parágrafo da amostra analítica dos Resultados Representativos. O Experimento 3 não inclui um canal SCR, portanto seu n reflete perda de dados comportamentais e não eletrodermais. Relatar esses critérios explicitamente aborda a falta de harmonização na operacionalização e no relato de resultados eletrodermais destacada por Ruge et al.1.
9. Bancos de Dados
- Execute o script Python Data_Bases.py para mesclar, para cada participante, as medições fisiológicas obtidas a partir dos registros de SCR com as respostas coletadas durante a tarefa experimental.
NOTA: O script integra as informações obtidas a partir dos registros fisiológicos processados pelo Ledalab, os resultados da análise CDA e as planilhas de respostas do PsychoPy geradas durante o experimento. - Após a execução bem-sucedida do script, certifique-se de que uma planilha consolidada contendo as informações fisiológicas e comportamentais de um único participante seja gerada e armazenada na pasta Global_Data.
NOTA: Seguindo o exemplo anterior, se o Experimento_1 for selecionado para análise, o script Python percorrerá automaticamente as pastas de todos os participantes associados a esse experimento, mesclará as saídas da CDA com os dados comportamentais correspondentes de cada participante e gerará um arquivo de planilha individual para cada participante dentro da pasta Global_Data/Exp_1. - Uma vez geradas as bases de dados individuais dos participantes, utilize o script Python Completed_Bases_Per_Experiment.py para mesclar os dados de todos os participantes para cada tarefa experimental.
NOTA: O script combina as informações de todas as pastas dos participantes em uma base de dados unificada para cada experimento, facilitando a análise estatística subsequente e o processamento dos dados. Se o procedimento for concluído com sucesso, três planilhas finais serão geradas, cada uma correspondendo a um dos três experimentos:
Uma planilha para o Experimento_1
Uma planilha para o Experimento_2
Uma planilha para o Experimento_3 - Armazene as bases de dados completas resultantes na pasta Complete_Data_Bases.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Resultados
Amostra analítica
Um total de 38 adultos saudáveis concluiu a sessão experimental completa e o conjunto de questionários autorrelatados (CTQ-SF, BCE, PHQ-9, GAD-7, STAI). Os tamanhos das amostras para cada análise variaram ligeiramente devido à perda de dados específica por canal, e não por desistência dos participantes. Tamanhos das amostras por análise: Experimento 1 — ANOVAs de SCR e de avaliações (fases pavloviana e operante), n = 37; ANOVA de pressionamento do botão oper...
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Discussão
Os resultados atuais estabelecem a viabilidade técnica e metodológica de uma bateria integrada, realizada em uma única sessão, que abrange a aquisição de ameaça com controle instrumental, aprendizado de segurança e retorno do medo, além do aprendizado probabilístico de recompensa. Em uma amostra de 35 a 38 adultos saudáveis (os tamanhos analíticos variaram ligeiramente entre os experimentos devido à perda de sinal específica por canal, e não à desistência de participantes), cada paradigma reproduziu seu efeito canônico: ...
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Divulgações
Os autores declaram não ter interesses financeiros ou não financeiros concorrentes.
Agradecimentos
Os autores agradecem a todos os participantes pelo tempo e engajamento, bem como aos assistentes de pesquisa e à equipe de laboratório da Universidad de los Andes. Esta pesquisa foi financiada pela Agencia Nacional de Investigacion y Desarrollo do Chile (ANID) por meio do projeto Fondecyt Iniciacion nº 11250037 (Pesquisadora Responsável: Maria Consuelo San Martin). R.C.V. recebeu apoio do National Center for Artificial Intelligence CENIA FB210017, Basal ANID.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Materiais
| Nome | Empresa | Número de catálogo | Comentários |
|---|---|---|---|
| Software AcqKnowledge | BIOPAC Systems Inc. | ACK100W (Windows) / ACK100M (Mac) | Software de aquisição e análise de dados para sinais fisiológicos. RRID:SCR_014279 (verificar com a entrada atual do SciCrunch). |
| afex (pacote R) | Singmann, Bolker, Westfall, Aust & Ben-Shachar | Versão 1.5-1 | Pacote R para experimentos fatoriais. Utilizado para todas as ANOVAs de medidas repetidas (Experimentos 1-3) por meio da função aov_ez(). RRID:SCR_022761 (verificar com a entrada atual do SciCrunch). |
| ARTool (pacote R) | Wobbrock, Findlater, Gergle & Higgins | Versão 0.11.2 | Transformação de Postos Alinhados para ANOVA fatorial não paramétrica. Utilizada para a ANOVA Fase × Estímulo na condutância cutânea no Experimento 2, cuja distribuição é não gaussiana. |
| Escala de Experiências Infantis Benevolentes (BCE) | Narayan, Rivera, Bernstein, Harris & Lieberman (2018) | Instrumento de domínio público (10 itens) | Adaptação em espanhol utilizada. Nenhum RRID atribuído a este instrumento; citar o artigo original de validação. |
| Correia BioNomadix para Pulso (Transmissor) | BIOPAC Systems Inc. | BN-PPGED-T | Transmissor vestível para sinais de EDA e PPG. Utilizado em conjunto com o módulo receptor BioNomadix. |
| Questionário de Trauma na Infância – Versão Reduzida (CTQ-SF) | Bernstein et al. (2003) | Autoquestionário retrospectivo validado (28 itens) | Cinco subescalas (EA, PA, SA, EN, PN). Nenhum RRID atribuído; citar o artigo original de validação. Utilizada adaptação em espanhol. |
| Gel condutor para eletrodos de EDA | BIOPAC Systems Inc. | GEL101A | Gel isotônico para medições de condutância cutânea. |
| Eletrodos descartáveis Ag/AgCl para EDA | BIOPAC Systems Inc. | EL507A | Eletrodos descartáveis para registro de condutância cutânea. |
| Escala de Transtorno de Ansiedade Generalizada (GAD-7) | Spitzer, Kroenke, Williams & Löwe (2006) | Autoquestionário com 7 itens | Versão validada em espanhol utilizada. Nenhum RRID para o instrumento; citar o original. |
| ggplot2 (pacote R) | Wickham | Versão 4.0.3 | Sistema de plotagem baseado na gramática de gráficos. RRID:SCR_014601 (verificar com a entrada atual do SciCrunch). |
| Fones de ouvido (circumaurais) | HyperX (HP Inc.) | Cloud III | Fone de ouvido fechado com fio; utilizado para apresentar o estímulo auditivo incondicionado durante o condicionamento aversivo. |
| Ledalab | Benedek & Kaernbach (2010) | Caixa de ferramentas MATLAB de código aberto v3.2.5 | Análise Contínua de Decomposição (CDA) de sinais de condutância cutânea. RRID não atribuído (citado o artigo original). |
| lme4 (pacote R) | Bates, Maechler, Bolker & Walker | Versão 1.1-37 | Modelos lineares de efeitos mistos. Utilizado para estimar as inclinações individuais das trajetórias de aprendizagem no Experimento 3. RRID:SCR_015654 (verificar com a entrada atual do SciCrunch). |
| MATLAB | MathWorks | R2025a | Utilizado para executar o Ledalab e o pipeline de pré-processamento de SCR. RRID:SCR_001622. |
| Questionário de Saúde do Paciente-9 (PHQ-9) | Kroenke, Spitzer & Williams (2001) | Autoquestionário com 9 itens | Versão validada em espanhol utilizada. Nenhum RRID para o instrumento; citar o original. |
| Unidade de aquisição de dados fisiológicos (PsychoPy) | BIOPAC Systems Inc. | MP200 | Unidade principal de aquisição de sinais fisiológicos. Combinada com o módulo sem fio BioNomadix para EDA. |
| Python | Python Software Foundation | Versão 3.12 | Utilizado para o pipeline de pré-processamento que combina a saída do Ledalab com os registros comportamentais do PsychoPy (Data_Bases.py, Completed_Bases_Per_Experiment.py). RRID:SCR_008394 (verificar com a entrada atual do SciCrunch). |
| R (ambiente de computação estatística) | R Foundation for Statistical Computing | Versão 4.5.0 | Ambiente no qual todas as análises estatísticas foram realizadas. Modelos de mediação foram estimados por regressão de mínimos quadrados ordinários com a função lm() do pacote base stats, com preditores padronizados em z e o termo de interação calculado como seu produto; nenhum pacote especializado de mediação foi utilizado. RRID:SCR_001905 (verificar com a entrada atual do SciCrunch). |
| Inventário de Ansiedade Estado-Traço (STAI) | Spielberger et al. (1983) | Formulário Y do STAI (40 itens, SAI + TAI) | Versão validada em espanhol utilizada. Nenhum RRID para o instrumento; citar o original. |
| Monitor de apresentação de estímulos | Samsung | LS22D300GALXZS (S22D300, LED de 22 polegadas) | Display utilizado para os estímulos visuais CS+ / CS- e escalas de avaliação. |
Referências
- 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.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Reimpressões e permissões
Este artigo foi publicado
Vídeo em breve