Medir o valor subjetivo de Opções de risco e ambígua usando Economia Experimental e funcional métodos de ressonância magnética

O objetivo geral do experimento a seguir é examinar a codificação neural do valor subjetivo de opções arriscadas e ambíguas usando ressonância magnética funcional. Isso é conseguido digitalizando os participantes enquanto eles fazem escolhas entre loterias arriscadas e ambíguas, variando em quantidade, probabilidade e nível de ambiguidade. As escolhas feitas por cada participante são então usadas para estimar suas atitudes em relação ao risco e à ambiguidade, que por sua vez são usadas para estimar como o risco e a ambiguidade afetam a avaliação dos participantes das loterias.

Em seguida, essas estimativas são usadas como regressores em um modelo linear geral, a fim de identificar áreas cerebrais nas quais a atividade está correlacionada com o valor subjetivo de loterias arriscadas e/ou ambíguas. Os resultados mostram correlação com valores subjetivos de opções arriscadas e ambíguas em regiões sobrepostas do córtex pré-frontal medial e do estriado. A principal vantagem dessa técnica sobre outros métodos que comparam a atividade geral para loterias arriscadas e ambíguas é que o comportamento individual de cada participante é usado na análise da ativação cerebral.

Esse método pode ajudar a responder a questões-chave no campo da neuroeconomia, como como o valor é representado no cérebro e como ele é usado para fazer escolhas. O primeiro passo neste protocolo é projetar os estímulos visuais que representam escolhas arriscadas e ambíguas a serem apresentadas durante a digitalização use imagens como as vistas aqui para representar envelopes cheios de fichas de pôquer chamadas sacolas de loteria em estímulos para loterias arriscadas, sendo a probabilidade de vitória a proporção de fichas vermelhas e azuis deve ser ilustrada usando um estímulo gráfico e números. Aqui, as áreas vermelha e azul de cada imagem são proporcionais ao número de fichas vermelhas e azuis.

Em um envelope real, um mínimo de três probabilidades de resultado é recomendado para loterias ambíguas. Parte das informações sobre a probabilidade deve estar ausente, de modo que a possível proporção de fichas vermelhas e azuis seja limitada, mas não especificada. Tornando a probabilidade vencedora, parcialmente ambígua.

Aumentar o tamanho ocluído aumenta o nível de ambiguidade. Recomendamos o uso de pelo menos três níveis de oclusão presentes em cada probabilidade de vitória ou nível de ambiguidade com a quantidade de resultado exibida ao lado da cor vencedora e zero ao lado da outra cor. Aqui, sacar uma ficha vermelha resultaria em ganhar 18, enquanto sacar uma ficha azul resultaria em um resultado zero. Cinco.

Os níveis de recompensa são recomendados abrangendo uma ampla gama de valores em cada teste. O sujeito escolherá entre duas loterias. No entanto, para simplificar, uma das opções pode ser mantida constante durante todo o experimento e fora da tela, enquanto apenas a opção exibida é variada.

Cada combinação de nível e quantidade de probabilidade ou ambiguidade deve ser apresentada pelo menos quatro vezes para garantir poder estatístico suficiente. Nas análises, defina o paradigma como um projeto relacionado a eventos lentos, de modo que cada loteria seja apresentada como um estímulo por dois segundos, seguido por um período de atraso de seis segundos para permitir a resposta neurovascular. Em seguida, a resposta deve ser feita dentro de um a dois segundos.

Use uma imagem simples como um breve feedback para indicar que a resposta foi registrada e separe as tentativas por períodos de descanso de pelo menos 10 segundos. Além disso, prepare sacolas ou envelopes físicos para corresponder a cada imagem de loteria usada. No experimento.

Preencha cada envelope com um total de 100 fichas vermelhas e azuis com proporções correspondentes à probabilidade de tirar uma ficha de cada cor daquela sacola mostrada no visor. Estes devem ser mostrados aos sujeitos antes da tarefa, pois serão usados mais tarde para jogar testes escolhidos aleatoriamente para recompensa. Pagar os sujeitos com base em suas escolhas no experimento é importante para incentivá-los a expressar suas verdadeiras preferências.

O uso de sacolas físicas com fichas reais para jogar nas loterias garante que as probabilidades de resultado sejam de fato as declaradas antes da digitalização. Primeiro, peça ao sujeito que preencha um formulário de consentimento, bem como um questionário de triagem de ressonância magnética. Em seguida, certifique-se de que o assunto remova todo o metal para garantir a segurança no ambiente do scanner.

Em seguida, forneça ao sujeito instruções detalhadas sobre o experimento e a tarefa. Certifique-se de que o assunto entenda como as probabilidades e quantidades são transmitidas em cada imagem, mas não revele nenhuma informação que possa influenciar as escolhas. Uma caixa de resposta de dois botões será usada no scanner para registrar as escolhas do assunto.

Além disso, explique o mecanismo de pagamento para que o sujeito entenda que o pagamento será feito. De acordo com as escolhas. Sele os sacos previamente preparados e peça ao sujeito que assine seu nome no selo.

Explique que isso permitirá a verificação no final do experimento de que o conteúdo das sacolas não foi alterado, pois o sujeito poderá examinar as sacolas para garantir que elas confirmem a probabilidade declarada ou o nível de ambiguidade. Usando um scanner de ressonância magnética de três Tesla, primeiro adquira uma imagem de alta resolução do cérebro do sujeito usando uma sequência ponderada T um. Este volume estrutural será usado para reconstrução 3D.

Qualquer sequência de alta resolução pode ser usada para esse fim. Em seguida, use uma sequência EPI ponderada em T de duas estrelas para adquirir imagens funcionais. Durante o paradigma da tarefa, certifique-se de posicionar as fatias para incluir as áreas de interesse do cérebro.

Normalmente, os parâmetros de varredura do córtex pré-frontal, córtex parietal e gânglios da base devem ser otimizados para o scanner específico usando um TR de dois segundos e voxels de três por três por três milímetros. Após a digitalização, recupere os dados comportamentais do computador que gravou o botão do sujeito. Respostas da imprensa.

Em seguida, permita que o sujeito selecione aleatoriamente uma ou algumas tentativas para pagamento. Isso pode ser feito fazendo com que o sujeito tire uma ficha de pôquer numerada de uma bolsa opaca que contém fichas com todos os números de teste. Para cada tentativa selecionada, mostre o sujeito, a opção apresentada e a escolha que eles fizeram nessa tentativa.

Em seguida, peça ao sujeito que tire uma ficha da sacola escolhida naquele teste e pague de acordo com a cor sorteada e o valor apresentado no teste. Para analisar os dados comportamentais, use a máxima verossimilhança para ajustar os dados de escolha de cada sujeito a uma função logística como visto. Aqui onde PV é a probabilidade de o sujeito ter escolhido a loteria variável.

SV sub F e SV sub V são os valores subjetivos das opções fixa e variável, respectivamente, e gama é a inclinação da função logística, que é um parâmetro específico do assunto. Uma abordagem alternativa é usar uma distribuição de inventário para modelar o valor subjetivo de cada opção Para cada sujeito, use um modelo que leve em consideração a quantidade, a probabilidade e o nível de ambiguidade da opção e as atitudes do sujeito individual em relação ao risco e à ambiguidade. Optamos por usar uma função de potência que inclui um efeito linear de ambiguidade na probabilidade percebida.

Uma das várias abordagens alternativas é incluir a ambiguidade como um efeito exponencial, ajustando os dados de escolha com a função de escolha, fornecendo assim estimativas para a atitude de risco, alfa e atitude de ambiguidade beta para cada sujeito, inicialmente realizar o pré-processamento padrão dos dados funcionais, incluindo fatia, varredura, correção de tempo, correção de movimento e remoção de baixas frequências relacionadas a ruído fisiológico e desvios do scanner. Em seguida, registre os dados funcionais de cada sujeito aos dados anatômicos Para análise no nível de sujeito único, use uma função de resposta hemodinâmica padrão e modele a atividade de cada voxel como uma resposta sustentada durante todo o estudo. Use um modelo linear geral com dois preditores de valor subjetivo, um para tentativas arriscadas e outro para tentativas ambíguas.

Use os parâmetros específicos do assunto individual derivados do ajuste comportamental para calcular o valor subjetivo de cada loteria. Inclua também dois preditores fictícios, um para ensaios arriscados e outro para ensaios ambíguos. Para capturar ativações gerais, como visual e motora, o teste de significância deve levar em consideração as múltiplas comparações realizadas aqui.

O tamanho mínimo do cluster foi limitado a seis voxels funcionais contíguos. Outros métodos, como taxa de descoberta falsa, também podem ser usados. Procure voxels nos quais os coeficientes de valor subjetivo sob risco e/ou ambiguidade são significativos.

Aqui vemos resultados comportamentais de três sujeitos representativos. Cada painel apresenta os dados de escolha e os resultados de ajuste do modelo para um assunto sob risco ou ambiguidade. Os gráficos mostram a proporção de tentativas em que o sujeito escolheu a loteria variável em função do valor separadamente para cada nível de probabilidade ou ambiguidade.

Como pode ser visto, os sujeitos podem variar muito em suas atitudes em relação ao risco e à ambiguidade. Aqui vemos resultados de imagem para um, os voxels destacados pelo assunto são aqueles em que o coeficiente do preditor de valor subjetivo sob ambigüidade ou risco foi significativamente diferente de zero. Neste sujeito representativo, foi encontrada correlação significativa no córtex pré-frontal medial e no estriado em ambas as condições.

Essas áreas são as mais consistentes entre os indivíduos, mas correlações significativas também podem ser esperadas em áreas do córtex parietal medial e lateral, bem como na amígdala. Essa técnica permite que pesquisadores no campo da neuroeconomia explorem mudanças nas atitudes de risco e ambiguidade e seus correlatos neurais em diferentes populações em diferentes contextos. Depois de assistir a este vídeo, você deve ter uma boa compreensão de como provocar atitudes de risco e ambiguidade e como usá-las para analisar os dados FMRI obtidos enquanto os participantes faziam escolhas.