Методическая статья

Модуляция нейрофизиологической реакции на пугающие и стрессовые стимулы через повторяющиеся религиозные песнопения

5.6K просмотров

⸱

DOI:

10.3791/62960

⸱

4 ноября 2021 г.

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

В этой статье

Уведомление об исправлении

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

Краткое содержание

Настоящее исследование потенциала, связанного с событиями (ERP), предоставляет уникальный протокол для изучения того, как религиозное пение может модулировать негативные эмоции. Результаты показывают, что поздний положительный потенциал (LPP) является надежной нейрофизиологической реакцией на негативные эмоциональные стимулы и может быть эффективно модулирован повторяющимся религиозным пением.

Аннотация

В нейропсихологических экспериментах поздний положительный потенциал (LPP) — это компонент потенциала, связанный с событиями (ERP), который отражает уровень эмоционального возбуждения. В этом исследовании исследуется, модулирует ли повторяющееся религиозное пение эмоциональную реакцию на стимулы, вызывающие страх и стресс, что приводит к менее отзывчивому LPP. Двадцать один участник с опытом работы не менее одного года в повторяющемся религиозном пении «Будды Амитабхи» был набран. Для сбора данных ЭЭГ использовалась 128-канальная система электроэнцефалографии (ЭЭГ). Участникам было поручено просматривать негативные или нейтральные изображения, выбранные из Международной системы аффективных картин (IAPS) при трех условиях: повторяющееся религиозное пение, повторяющееся нерелигиозное пение и отсутствие пения. Результаты показали, что просмотр негативных картинок, вызывающих страх и стресс, вызвал большие LPP у участников, чем просмотр нейтральных изображений в условиях непрещего и нерелигиозного пения. Тем не менее, это увеличение LPP в значительной степени исчезло при повторяющихся религиозных условиях пения. Полученные данные показывают, что повторяющееся религиозное пение может эффективно облегчить нейрофизиологическую реакцию на пугающие или стрессовые ситуации для практикующих.

Введение

Поздний позитивный потенциал (LPP) уже давно сопровождается эмоциональным возбуждением, и он надежно используется в исследованиях, связанных с эмоциями1,2. Религиозная практика широко распространена как в восточных, так и в западных странах. Утверждается, что он может облегчить беспокойство и стресс практикующего при столкновении с неблагоприятными событиями, особенно в трудные времена3. Тем не менее, это редко демонстрировалось в строгих экспериментальных условиях.

Многочисленные исследования подтвердили, что регуляции эмоций можно научиться с помощью различных стратегий и рамок4,5,6. Несколько исследований показали, что осознанность и медитация могут модулировать нейронную реакцию на аффективные события7,8. Недавно было обнаружено, что практикующие медитацию могут использовать стратегии модуляции эмоций, отличные от когнитивной оценки, подавления и отвлечения8,9. Стимулы из Международной системы аффективных картинок (IAPS) могут быть использованы для надежного получения положительных или отрицательных эмоций, и существуют стандартные критерии для поиска разработанных изображений с заданными уровнями валентности и возбуждения в аффективных исследованиях10.

Эмоциональные стимулы могут вызывать ранние и поздние реакции в мозге3,11. Точно так же буддийская традиция проводила аналогичный анализ мыслей ума по начальным и вторичным психическим процессам3,12,13. Саллатха Сутта (Стрела Сутта), ранний буддийский текст, упоминает, что когнитивная тренировка может укротить эмоции. В «Стреле Сутты» говорится, что как хорошо обученный буддийский практикующий, так и неподготовленный человек испытывают первоначальное и негативное восприятие боли при столкновении с вредным событием13. Эта неизбежная начальная боль похожа на удар стрелы в человека, как описано в Саллатха Сутте. Ранняя перцептивная боль идентична стадии ранней обработки, когда человек рассматривает крайне негативную картину. Ранняя нейронная обработка обычно вызывает компонент N1. У неподготовленных людей могут развиться чрезмерные эмоции, такие как беспокойство, беспокойство и стресс, после переживания первоначальных, неизбежных болезненных ощущений. Согласно Саллатха Сутте, эта поздно развивающаяся негативная эмоция или психологическая боль похожа на попадание второй стрелы. Эксперимент с потенциалом, связанным с событиями (ERP), может охватить ранние и более поздние психологические процессы текущего дизайна, предполагая, что N1 и LPP могут соответствовать двум стрелкам, упомянутым выше.

В этом протоколе повторяющееся пение имени «Будда Амитабха» (санскит: Амитабха) было выбрано для проверки потенциального эффекта религиозного пения, когда человек находится в страшной или стрессовой ситуации. Это религиозное пение является одной из самых популярных практик людей с религиозной ориентацией среди китайских буддистов, и это основная практика восточноазиатского буддизма Чистой Земли14. Было выдвинуто предположение, что повторяющееся религиозное пение уменьшит реакцию мозга на провоцирующие стимулы, а именно LPP, вызванную пугающими или стрессовыми картинами. Данные ЭЭГ и электрокардиограммы (ЭКГ) были собраны для оценки нейрофизиологических реакций участников в разных условиях.

Протокол

Это исследование ERP было одобрено Советом по институциональному обзору Университета Гонконга. Перед участием в этом исследовании все участники подписали письменную форму информированного согласия.

1. Экспериментальное проектирование

  1. Набор участников
    1. Наберите для этого исследования участников, имеющих не менее 1 года (~ 200-3000 ч) опыта в повторении имени «Будда Амитабха».
      ПРИМЕЧАНИЕ: В настоящем исследовании был отобран 21 человек в возрасте от 40 до 52 лет; 11 были мужчинами.
  2. Религиозное пение против нерелигиозного пения
    1. Повторяйте имя «Будда Амитабха» в течение 40 лет. Первые 20 с изображением Будды Амитабхи и следующие 20 с изображениями МАПС.
      1. Повторяйте только четыре символа имени «Будда Амитабха» при просмотре изображения Будды Амитабхи в школе Pureland14.
    2. Повторяйте имя Санта-Клауса (нерелигиозное условие пения) в течение 40 с. Первые 20 с при просмотре изображения Деда Мороза и следующие 20 с с изображениями IAPS.
      1. Повторяйте только четырех персонажей имени Санта-Клауса и представьте себе Санта-Клауса.
    3. Молчите в течение 40 с. Первые 20 с с пустым изображением для целей управления и следующие 20 с с изображениями IAPS.
      ПРИМЕЧАНИЕ: Без пения.
  3. Система регистрации ЭЭГ
    1. Записывайте данные ЭЭГ с помощью 128-канальной системы ЭЭГ, состоящей из усилителя, головной коробки, колпачка ЭЭГ и двух настольных компьютеров (см. Таблицу материалов).
  4. Система представления стимулов
    1. Используйте программное обеспечение для представления стимулов (см. Таблицу материалов) для отображения нейтральных и негативных изображений из IAPS на настольном компьютере.
  5. Система регистрации ЭКГ
    1. Используйте систему регистрации физиологических данных для записи данных ЭКГ (см. Таблицу материалов).

2. Эксперимент по аффективной модуляции

ПРИМЕЧАНИЕ: В эксперименте было два фактора с дизайном 2 x 3: Первым фактором был тип изображения: нейтральный и негативный (вызывающий страх и стресс). Вторым фактором был тип пения: пение «Будда Амитабха», пение «Санта-Клаус» и отсутствие пения (безмолвный вид).

  1. Используйте блочный дизайн, так как он может более эффективно вызывать компоненты, связанные с эмоциями15.
    ПРИМЕЧАНИЕ: Было шесть условий, и последовательности были рандомизированы и уравновешены между участниками (рисунок 1). Шесть условий были следующими: религиозное пение при просмотре негативных изображений (AmiNeg); религиозное пение при просмотре нейтральных картинок (AmiNeu); отсутствие пения при просмотре негативных картинок (PasNeg); отсутствие пения при просмотре нейтральных картинок (PasNeu); нерелигиозное пение при просмотре негативных картинок (SanNeg); и нерелигиозное пение при просмотре нейтральных фотографий (СанНеу).

figure-protocol-1
Рисунок 1: Экспериментальная процедура. Было шесть псевдослучайных состояний, и каждый участник получил псевдослучайную последовательность. Каждое условие повторялось шесть раз в двух отдельных сеансах. Этот рисунок был адаптирован из Reference3. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

  1. Покажите каждую картинку в течение ~1,8-2,2 с, с межстимулевым интервалом (ISI) 0,4-0,6 с.
    ПРИМЕЧАНИЕ: В каждом сеансе было 10 фотографий одного типа (нейтральных или негативных).
  2. Выделите период отдыха в 20 секунд после каждого сеанса, чтобы противостоять потенциальным остаточным эффектам пения или просмотра картинок на следующем сеансе.
  3. Представьте снимки на ЭЛТ-мониторе на расстоянии 75 см от глаз участников, с углами обзора 15° (по вертикали) и 21° (по горизонтали).
  4. Попросите участников внимательно понаблюдать за фотографиями.
  5. Предоставьте участникам краткую практическую пробежку, чтобы они могли ознакомиться с каждым условием. Используйте видеомонитор, чтобы убедиться, что участники не засыпают.
  6. Дайте участникам 10-минутный отдых в середине 40-минутного эксперимента.

3. Сбор данных ЭЭГ и ЭКГ

ПРИМЕЧАНИЕ: Прежде чем прийти к эксперименту, попросите каждого участника тщательно вымыть волосы и кожу головы без использования кондиционера или чего-либо еще, что может увеличить сопротивление системы. Сбор данных ЭЭГ и ЭКГ одновременно двумя отдельными системами.

  1. Сообщите каждому участнику экспериментальных процедур, то есть о том, что эффективные картинки были просмотрены в разных условиях пения.
  2. Установите частоту дискретизации на 1000 Гц и поддерживайте сопротивление каждого электрода ниже 30 кОм, когда это возможно или в соответствии с требованиями системы.
  3. Сбор физиологических данных, включая данные ЭКГ, с помощью системы регистрации физиологических данных (см. Таблицу материалов).

4. Анализ данных ЭЭГ

  1. Обработайте и проанализируйте данные ЭЭГ с помощью EEGLAB (см. Таблицу материалов), дополнительный файл 1-2, программное обеспечение с открытым исходным кодом16, следуя приведенным ниже шагам.
  2. Используйте функцию EEGLAB «pop_resample» для ресамплинга данных с 1000 Гц до 250 Гц для поддержания разумного размера файла данных. Нажмите Инструменты > Изменить частоту дискретизации.
  3. Используйте функцию EEGLAB «pop_eegfiltnew» для фильтрации данных с помощью фильтра FIR с частотой пропускания 0,1-100 Гц. Нажмите Инструменты > Фильтровать данные > Базовый fiR-фильтр (новый, по умолчанию).
  4. Снова отфильтруйте данные с помощью фильтра нелинейного бесконечного импульсного отклика (IIR) со стоп-диапазоном 47-53 Гц для уменьшения шума от переменного тока. Щелкните Инструменты > Фильтровать данные > выберите Notch фильтровать данные вместо полосы пропускания.
  5. Визуально осмотрите данные, чтобы удалить сильные артефакты, генерируемые движениями глаз и мышц. Нажмите «Построить > данные канала (прокрутка)».
  6. Визуально проверьте данные еще раз на предмет любого постоянного шума, генерируемого любым каналом, и были отмечены плохие каналы.
  7. Реконструируйте плохие каналы с помощью сферической интерполяции. Нажмите на Инструменты > интерполировать электроды > Выбрать из каналов передачи данных.
  8. Выполняйте независимый компонентный анализ (ICA) с помощью алгоритма с открытым исходным кодом "runica"16. Нажмите Инструменты > Запустить ICA.
  9. Удалите независимые компоненты (ИС), соответствующие движениям глаз, морганию, движению мышц и шуму линии. Нажмите Инструменты > Отклонить данные с помощью ICA > Отклонить компоненты по карте.
  10. Восстановите данные, используя оставшиеся ИС. Щелкните Инструменты > Удалить компоненты.
  11. Фильтрация данных с помощью фильтра нижних частот 30 Гц. Нажмите Инструменты > Фильтровать данные > Базовый fiR-фильтр (новый, по умолчанию).
  12. Получение данных ERP путем извлечения и усреднения эпох с привязкой по времени для каждого условия с временным окном от -200 до 0 мс в качестве базового уровня и от 0 до 800 мс в качестве ERP. Нажмите на Инструменты > Извлечь эпохи.
  13. Повторно ссылайтесь на данные ERP со средним значением левого и правого сосцевидных каналов. Нажмите «Инструменты» > повторите ссылку.
  14. Повторите вышеуказанные шаги для наборов данных от всех участников и сравните различия между условиями с использованием t-теста или повторных измерений ANOVA в программном обеспечении статистического анализа (см. Таблицу материалов).
  15. Определите временные окна для N1 и LPP на основе установленных теорий8,17 и текущих данных3.
    ПРИМЕЧАНИЕ: В этой работе N1 был определен как 100-150 мс, в то время как LPP как 300-600 мс от начала стимула; LPP наиболее заметен в центрально-теменной области (рисунок 2).
  16. Найдите нейтральную и отрицательную разницу в изображении на компоненте N1 с помощью парного t-теста между тремя условиями (рисунок 3).
  17. Найдите нейтральную и отрицательную разницу в изображении на компоненте LPP с помощью парного t-теста между тремя условиями (рисунок 4).
  18. Выполните анализ интересующей области (ROI) для компонентов N1 и LPP путем усреднения соответствующих каналов для представления региона.
    ПРИМЕЧАНИЕ: Для выбора ROI были усреднены эпохи всех трех условий для расчета тех каналов, где нейтральные и отрицательные изображения имели разницу, которая была значительной в конкретном временном окне (например, для N1 или LPP).
  19. Сравните разницу в N1 и LPP отдельно, используя повторные измерения ANOVA и пост-специальную статистику в программном обеспечении статистического анализа.
    ПРИМЕЧАНИЕ: Используйте пост-специальный анализ (коррекция Бонферрони) и определите существенные различия между двумя условиями отдельно, если модель была значимой. Порог значимости был установлен на уровне p < 0,05.

5. Анализ источников ERP

  1. Выполните анализ источников ERP18 с помощью программного обеспечения SPM19 с открытым исходным кодом (см. Таблицу материалов), выполнив следующие действия.
  2. Свяжите систему координат датчика ЭЭГ-колпачка с системой координат стандартного структурного изображения МРТ (координаты Монреальского неврологического института (MNI)) путем совместной регистрации на основе ориентиров. В SPM щелкните Batch > SPM > M/EEG > Реконструкция источника > спецификации модели головки.
  3. Выполните прямые вычисления, чтобы рассчитать влияние каждого диполя на кортикальную сетку, наложенную на датчики ЭЭГ. В том же batch Editor щелкните SPM > M/EEG > реконструкция источника > инверсия источника.
    ПРИМЕЧАНИЕ: Эти результаты были помещены в матрицу G (n x m), где n - число датчиков (измерение пространства ЭЭГ), а m - число вершин сетки (размерность пространства источника). Исходной моделью было X = GS, где X — матрица n x k , обозначающая данные ERP каждого условия, k — количество временных точек, а S — матрица m x k , указывающая на источник ERP.
  4. Используйте жадный алгоритм множественных разреженных априоров на основе поиска (поскольку S неизвестен) на третьем шаге (среди множества доступных алгоритмов) для выполнения обратной реконструкции, поскольку он более надежен, чем другие методы20. Выберите MSP (GS) для типа «Инверсия» в окне «Инверсия источника ».
  5. Определите разницу между условиями с помощью общего линейного моделирования в SPM. Установите уровень значимости на p < 0,05. В разделе Пакетный редактор щелкните SPM > Stats > спецификацию проектирования Factorial.

6. Анализ данных ЭКГ и поведенческой оценки

  1. Использовать программное обеспечение для физиологии и обработки данных для обработки и анализа данных ЭКГ (см. Таблицу материалов). Рассчитайте средние баллы для каждого условия. В EEGLAB щелкните Инструменты > Инструменты FMRIB > Обнаружения событий QRS21.
    ПРИМЕЧАНИЕ: Подобно анализу амплитуды ERP, статистическое программное обеспечение использовалось для дальнейшего анализа данных с повторными измерениями ANOVA. Пост-специальный анализ проводился для определения существенных различий между двумя условиями по отдельности, если модель была значимой. Уровень значимости был установлен на p < 0,05.
  2. Попросите участников оценить свою веру в эффективность повторения имени субъекта (Амитабха Будда, Санта-Клаус и т. д.) по шкале 1-9, где 1 считается самым слабым, а 9 самым сильным.

Результаты

Поведенческие результаты
Результаты по вере участников в пение показали средний балл 8,16 ± 0,96 для «Будды Амитабхи», 3,26 ± 2,56 для «Санта-Клауса» и 1,95 ± 2,09 для условия пустого контроля (дополнительная таблица 1).

Результаты ERP
Репрезентативный канал Pz (теменная доля) продемонстрировал, что условия пения по-разному влияют на раннюю (N1) и позднюю (LPP) обработку нейтральных и негативных изображений. Он показал временное окно N1 и LPP, соответственно (рисунок 2).

Ранняя стадия восприятия
Результаты ERP показали увеличение N1 при просмотре негативных изображений в трех условиях пения (рисунок 3). Он показал, что отрицательные изображения индуцируют более сильную центральную активность мозга, чем нейтральные изображения, и увеличение сопоставимо в трех условиях.

Поздняя эмоциональная/когнитивная стадия
ERP продемонстрировал увеличение LPP в нерелигиозных условиях пения и без пения. Тем не менее, LPP, вызванная негативными изображениями, едва видна, когда участник повторяет имя Будды Амитабхи (рисунок 4).

Анализ интересующих регионов (ROI)
Эти три условия были объединены для оценки регионов, которые обычно активировались при компонентах N1 и LPP. Повторные измерения ANOVA проводили с помощью статистического программного обеспечения для расчета разницы в компонентах N1 и LPP между условиями пения (рисунок 5).

Левые три колонки показывают разницу в компоненте N1 для трех условий пения: состояние молчаливого просмотра, нерелигиозное условие пения и условие религиозного пения. Различия в компоненте N1 были одинаковыми в трех условиях. В правых трех столбцах показана разница в компоненте LPP для трех условий пения. Это показывает, что разница в компоненте LPP намного меньше в состоянии религиозного пения, чем в нерелигиозном состоянии пения и состоянии молчаливого просмотра.

Анализ источников
Анализ источников был применен для извлечения потенциального картирования мозга на основе результатов LPP (рисунок 6). Результаты показывают, что по сравнению с нейтральными изображениями, негативные изображения вызывают большую теменной активацию в нерелигиозном состоянии пения и отсутствии пения. Напротив, эта негативная активация, вызванная изображением, в значительной степени исчезает в состоянии религиозного пения.

Физиологические результаты: частота сердечных сокращений
Наблюдалось значительное изменение частоты сердечных сокращений (ЧСС) между отрицательными и нейтральными изображениями в нерелигиозном состоянии пения. Аналогичная тенденция была обнаружена в состоянии отсутствия пения. Однако такой разницы в ЧСС не было обнаружено в состоянии религиозного пения (рисунок 7).

figure-results-1
Рисунок 2: Репрезентативный канал (Pz) показал различные ERP в шести условиях пения. Шесть условий: (1) религиозное пение при просмотре нейтральных картин (AmiNeu); (2) религиозное пение при просмотре негативных картинок (AmiNeg); (3) нерелигиозное пение при просмотре нейтральных фотографий (SanNeu); (4) нерелигиозное пение при просмотре негативных изображений (SanNeg); (5) отсутствие пения при просмотре нейтральных фотографий (PasNeu); и (6) отсутствие пения при просмотре негативных изображений (PasNeg). Канал Pz расположен в средне-теменной области волосистой части головы. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

figure-results-2
Рисунок 3: Результаты ERP для демонстрации компонента N1 в трех условиях пения. Двумерные карты компонента N1 для трех условий для каждого типа изображения. В последнем столбце каналы со значительными различиями (p < 0,05) показаны точками; точки, которые имеют более темный цвет, указывают на большую значимость (т.е. меньшие p-значения). Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

figure-results-3
Рисунок 4: Результаты ERP для демонстрации компонента LPP в трех условиях пения. Двумерные карты компонента позднего положительного потенциала (LPP) для трех условий для каждого типа изображения. В последнем столбце каналы со значительными отличиями (p < 0,05) показаны точками; точки, которые имеют более темный цвет, указывают на большую значимость (т.е. меньшие p-значения). Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

figure-results-4
Рисунок 5: Анализ интересующей области (ROI). Анализ области интереса (ROI) о разнице между отрицательными и нейтральными реакциями мозга, вызванными картиной, для раннего компонента, N1, и позднего компонента, позднего положительного потенциала (LPP). Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

figure-results-5
Рисунок 6: Анализ источников компонента позднего положительного потенциала (LPP) в трех условиях. Выделенные области указывают на более высокую активность мозга в отрицательных и нейтральных условиях. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

figure-results-6
Рисунок 7: Интервалы биения сердца при трех условиях пения. Интервалы между ударами электрокардиограммы (RR) под каждой комбинацией типа изображения/пения и соответствующие значения p . Ами: Состояние пения Будды Амитабхи, Сан: Условие пения Санта-Клауса, Пас: пассивное условие просмотра, Неу: нейтральная картинка, Нег: негативная картина. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Дополнительная таблица 1: Оценка веры в эффективность певческого субъекта (Амитабха Будда, Санта-Клаус). Он использует шкалу 1-9, где 1 указывает на наименьшее убеждение, а 9 - на самое сильное убеждение. Пожалуйста, нажмите здесь, чтобы загрузить эту таблицу.

Дополнительный файл 1: Код для пакетной предварительной обработки данных ЭЭГ. Он удаляет плохие каналы, ресамплирует данные до 250 Гц, а затем фильтрует данные. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Дополнительный файл 2: Код для восстановления данных ERP. Он ремонтирует плохие эпохи с шумными шипами. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.

Обсуждение

Уникальность этого исследования заключается в применении нейронаучного метода для исследования нейронных механизмов, лежащих в основе широко распространенной религиозной практики, то есть повторяющегося религиозного пения. Учитывая его выдающийся эффект, этот метод может позволить новые вмешательства для терапевтов или клиницистов для лечения клиентов, имеющих эмоциональные проблемы и страдающих от тревоги и стресса. Вместе с предыдущими исследованиями более широкие исследования регуляции эмоций должны рассматриваться в будущих исследованиях7,8,9,22.

Существует несколько исследований ERP по пению, учитывая сложность построения экспериментов, которые сочетают пение и другие когнитивные события. Это исследование демонстрирует осуществимый протокол для изучения аффективного эффекта пения / молитвы, который довольно популярен в реальном мире. Предыдущие исследования функциональной МРТ (фМРТ) показали, что молитва набирает области социального познания23. Одно исследование фМРТ в состоянии покоя показало, что пение «ОМ» снижает выходы из передней поясной извилины, островка и орбитофронтальной коры24. Другое исследование ЭЭГ показало, что медитация «ОМ» увеличивает дельта-волны, вызывая опыт расслабления и глубокого сна25. Однако эти методы не могли точно исследовать конкретные изменения, связанные с событиями после религиозного пения.

Исследователи должны контролировать смешанные факторы обработки языка и знакомства, чтобы успешно исследовать потенциальный эффект повторяющегося религиозного пения. Поскольку участники практиковали обширную и ежедневную пение имени «Будда Амитабха» (китайские иероглифы: figure-discussion-1; Кантонское произношение: o1-nei4-to4-fat6), мы использовали имя «Санта-Клаус» (китайские иероглифы: ; figure-discussion-2 Кантонское произношение: sing3-daan3-lou5-jan4) в качестве контрольного условия, потому что местный знаком с Санта-Клаусом. В китайском языке оба имени содержат четыре символа, таким образом, контролируя сходство языка. Что касается знакомства, Санта-Клаус также довольно популярен в Гонконге, потому что это частично вестернизированный город. Кроме того, Санта-Клаус также является несколько положительной фигурой в Гонконге, где есть официальные рождественские праздники. Тем не менее, этот контроль над знакомством является частичным, так как трудно полностью соответствовать пониманию имени Будды Амитабхи для практикующих.

Одним из важнейших шагов в текущем исследовании была подготовка картин, вызывающих страх или стресс. Поскольку религиозное пение может работать лучше, когда происходят угрожающие события, выбор правильных стимулов из пула изображений IAPS26 имел решающее значение. Рекомендуется, чтобы потенциальные участники были опрошены и чтобы были выбраны подходящие фотографии, чтобы избежать слишком большого страха или отвращения. Крайне негативные изображения могут помешать участникам намеренно отвлечь их внимание; в то же время стимулы, провоцирующие страх и стресс, должны позволить участникам испытать достаточную угрозу. Другим критическим вопросом является блочная конструкция исследования. Сигнал ЭЭГ/ERP достаточно чувствителен и динамичен, чтобы следить за каждым событием. Тем не менее, было бы более целесообразно реализовать блочную конструкцию с периодом просмотра 20-30 с, потому что картина сердечной функции или эмоций может не измениться порядка секунд27. С другой стороны, блок 60 с может быть слишком длинным, и нейронный ответ может стать привычным в исследованиях ERP.

Этап обработки данных ЭЭГ должен создавать резервную копию на каждом этапе, поскольку каждый шаг изменяет данные и записывает изменения, внесенные на этих этапах. Это может быть использовано для отслеживания изменений и облегчения поиска ошибок во время пакетной обработки. Улучшение качества данных также имеет важное значение, поэтому необходим опыт очистки необработанных данных и выявления неисправных ИС. В статистическом анализе проводились сравнения по большим средним показателям, и применялась ANOVA. Мы предупреждаем, что эта статистика с моделью с фиксированным эффектом восприимчива к случайным эффектам28. Модели смешанных эффектов могут быть адаптированы для управления посторонними факторами29, а предположение о линейности может потенциально повлиять на выводы, сделанные из данных ERP30.

Стоит отметить несколько ограничений. Одним из ограничений является то, что в текущем исследовании участвовала только одна группа участников, которые практиковали буддизм Pureland. Регистрация контрольной группы без какого-либо опыта в религиозном пении для сравнения может помочь определить, опосредован ли эффект религиозного пения верой или знакомством. Как правило, рандомизированное контролируемое исследование было бы более убедительным для изучения влияния модуляции эмоций на религиозное пение31. Тем не менее, трудно гарантировать, что какой-либо участник будет повторять «Амитабха Будда» с полной готовностью. Кроме того, на LPP влияют другие факторы, такие как эмоциональный звук или положительный прайминг32,33. Таким образом, необходимы более контролируемые эксперименты, чтобы более четко очертить фундаментальный нейромеханизм, лежащий в основе эффекта религиозного пения.

В целом, предыдущие исследования показали, что человеческий мозг субъективен к нейронной пластичности и быстрому изменению состояний34,35; при достаточной практике и намерении мозг может изменить свою форму и по-разному реагировать на обычно пугающие стимулы. Это исследование дает представление о разработке эффективных стратегий преодоления эмоционального стресса в современных контекстах. Следуя этому протоколу, исследователи должны изучить влияние религиозного пения или других традиционных практик, чтобы определить возможные способы помочь людям улучшить свои эмоциональные страдания.

Раскрытие информации

Авторы заявляют, что у них нет конкурирующих финансовых интересов.

Благодарности

Исследование было поддержано проектом небольшого фонда HKU и NSFC.61841704.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
E-Prime 2.0Psychology Software ToolsПредставление стимулов, сбор данных
о поведении EEGLABSwartz Center for Computational NeuroscienceПрограммное обеспечение для анализа ЭЭГ
HydroCel GSN 128 каналовElectrical Geodesics, Inc. (EGI)Шапочка ЭЭГ
LabChartADInstrumentsсбор физиологических данных (включая ЭКГ) программное обеспечение
Matlab R2011aMathWorksEEGLAB и SPM основаны на Matlab; инструмент статистического анализа ЭЭГ и физиологических данных
NetstationElectrical Geodesics, Inc. (EGI)обеспечение для сбора данных ЭЭГ
PowerLab 8/35ADInstrumentsPL3508физиологические данные (включая ЭКГ) оборудование для сбора данных
SPMWellcome Trust Centre for neuroimagingПрограммное обеспечение для анализа источников ЭЭГ
FMRIBЦентр функциональной МРТ головного мозга Оксфордского университета (FMRIB)Плагин для EEGLAB для обработки данных ЭКГ
SPSSIBMинструмент статистического анализа поведения и данных ROI ЭЭГ
iMac 27"Appleпод управлением программного обеспечения Netstation
Windows PCHP под управлением E-Prime 2.0 программное обеспечение
Windows PCDellпод управлением программного обеспечения LabChart
программное

Ссылки

  1. Kennedy, H., Montreuil, T. C. The late positive potential as a reliable neural marker of cognitive reappraisal in children and youth: A brief review of the research literature. Frontiers in Psychology. 11, 608522(2020).
  2. Yu, Q., Kitayama, S. Does facial action modulate neural responses of emotion? An examination with the late positive potential (LPP). Emotion. 21 (2), 442-446 (2021).
  3. Gao, J. L., et al. Repetitive religious chanting modulates the late-stage brain response to fear and stress-provoking pictures. Frontiers in Psychology. 7, 2055(2017).
  4. Barkus, E. Effects of working memory training on emotion regulation: Transdiagnostic review. PsyCh Journal. 9 (2), 258-279 (2020).
  5. Denny, B. T. Getting better over time: A framework for examining the impact of emotion regulation training. Emotion. 20 (1), 110-114 (2020).
  6. Champe, J., Okech, J. E. A., Rubel, D. J. Emotion regulation: Processes, strategies, and applications to group work training and supervision. Journal for Specialists in Group Work. 38 (4), 349-368 (2013).
  7. Sobolewski, A., Holt, E., Kublik, E., Wrobel, A. Impact of meditation on emotional processing-A visual ERP study. Neuroscience Research. 71 (1), 44-48 (2011).
  8. Katyal, S., Hajcak, G., Flora, T., Bartlett, A., Goldin, P. Event-related potential and behavioural differences in affective self-referential processing in long-term meditators versus controls. Cognitive Affective & Behavioral Neuroscience. 20 (2), 326-339 (2020).
  9. Uusberg, H., Uusberg, A., Talpsep, T., Paaver, M. Mechanisms of mindfulness: The dynamics of affective adaptation during open monitoring. Biological Psychology. 118, 94-106 (2016).
  10. Bradley, M. M., Lang, P. J. Handbook of emotion elicitation and assessment. Series in affective science. Coan, J. A., Allen, J. B. 483, Oxford University Press. 483-488 (2007).
  11. Gao, J. L., et al. Repetitive religious chanting invokes positive emotional schema to counterbalance fear: A multi-modal functional and structural MRI study. Frontiers in Behavioral Neuroscience. 14, 548856(2020).
  12. Somaratne, G. A. The Jhana-cittas: The methods of swapping existential planes via samatha. Journal Of The Postgraduate Institute Of Pali And Buddhist Studies. 2, 1-21 (2017).
  13. Bhikkhu, T. Sallatha Sutta: The arrow (SN 36.6), Translated from the pali. Access to Insight Legacy Edition. , (2013).
  14. Halkias, G. Luminous bliss : a religious history of Pure Land literature in Tibet : with an annotated English translation and critical analysis of the Orgyan-gling gold manuscript of the short Sukhāvatīvȳuha-sūtra. , University of Hawaiʻi Press. (2013).
  15. Stewart, J. L., et al. Attentional bias to negative emotion as a function of approach and withdrawal anger styles: An ERP investigation. International Journal of Psychophysiology. 76 (1), 9-18 (2010).
  16. Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. Journal of Neuroscience Methods. 134 (1), 9-21 (2004).
  17. Ito, T. A., Larsen, J. T., Smith, N. K., Cacioppo, J. T. Negative information weighs more heavily on the brain: The negativity bias in evaluative categorizations. Journal of Personality and Social Psychology. 75 (4), 887-900 (1998).
  18. Grech, R., et al. Review on solving the inverse problem in EEG source analysis. Journal of NeuroEngineering and Rehabilitation. 5, 25(2008).
  19. Penny, W. D., Friston, K. J., Ashburner, J. T., Kiebel, S. J., Nichols, T. E. Statistical Parametric Mapping: The Analysis of Functional BrainIimages: The Analysis of Functional Brain Images. , Academic Press. (2011).
  20. Friston, K., et al. Multiple sparse priors for the M/EEG inverse problem. NeuroImage. 39 (3), 1104-1120 (2008).
  21. Niazy, R. K., Beckmann, C. F., Iannetti, G. D., Brady, J. M., Smith, S. M. Removal of FMRI environment artifacts from EEG data using optimal basis sets. Neuroimage. 28 (3), 720-737 (2005).
  22. Nakamura, H., Tawatsuji, Y., Fang, S. Y., Matsui, T. Explanation of emotion regulation mechanism of mindfulness using a brain function model. Neural Networks. 138, 198-214 (2021).
  23. Schjoedt, U., Stdkilde-Jorgensen, H., Geertz, A. W., Roepstorff, A. Highly religious participants recruit areas of social cognition in personal prayer. Social Cognitive and Affective Neuroscience. 4 (2), 199-207 (2009).
  24. Rao, N. P., et al. Directional brain networks underlying OM chanting. Asian Journal of Psychiatry. 37, 20-25 (2018).
  25. Harne, B. P., Bobade, Y., Dhekekar, R. S., Hiwale, A. SVM classification of EEG signal to analyze the effect of OM Mantra meditation on the brain. 2019 Ieee 16th India Council International Conference (Ieee Indicon 2019). , (2019).
  26. Coan, J. A., Allen, J. J. B. Handbook of Emotion Elicitation and Assessment. , Oxford University Press. (2007).
  27. Meseguer, V., et al. Mapping the apetitive and aversive systems with emotional pictures using a Block-design fMRI procedure. Psicothema. 19 (3), 483-488 (2007).
  28. Luck, S. J., Gaspelin, N. How to get statistically significant effects in any ERP experiment (and why you shouldn't). Psychophysiology. 54 (1), 146-157 (2017).
  29. Meteyard, L., Davies, R. A. I. Best practice guidance for linear mixed-effects models in psychological science. Journal of Memory and Language. 112, 104092(2020).
  30. Tremblay, A., Newman, A. J. Modeling nonlinear relationships in ERP data using mixed-effects regression with R examples. Psychophysiology. 52 (1), 124-139 (2015).
  31. Wu, B. W. Y., Gao, J. L., Leung, H. K., Sik, H. H. A randomized controlled trial of Awareness Training Program (ATP), a group-based mahayana buddhist intervention. Mindfulness. 10 (7), 1280-1293 (2019).
  32. Brown, D. R., Cavanagh, J. F. The sound and the fury: Late positive potential is sensitive to sound affect. Psychophysiology. 54 (12), 1812-1825 (2017).
  33. Hill, L. D., Starratt, V. G., Fernandez, M., Tartar, J. L. Positive affective priming decreases the middle late positive potential response to negative images. Brain and Behavior. 9 (1), 01198(2019).
  34. Belzung, C., Wigmore, P. Current Topics in Behavioral Neurosciences,1 online resource. , Springer Berlin Heidelberg. Berlin Heidelberg. (2013).
  35. Denes, G. Neural Plasticity Across The Lifespan: How The Brain Can Change. , CRC Press, an imprint of the Taylor & Francis Group. (2016).

Перепечатки и разрешения

Исправление


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

An erratum was issued for: Modulation of the Neurophysiological Response to Fearful and Stressful Stimuli Through Repetitive Religious Chanting. The Authors section was updated.

The authors section was updated from:

Hin Hung Sik1, Georgios T. Halkias1, Chunqi Chang2, Junling Gao1, Hang Kin Leung1, Bonnie W. Y. Wu1
1Centre of Buddhist Studies, The University of Hong Kong,
2School of Biomedical Engineering, Shenzhen University

To:

Hin Hung Sik1, Georgios T. Halkias1, Chunqi Chang2, Junling Gao1, Hang Kin Leung1, Bonnie Wai Yan Wu1
1Buddhism and Science Research Lab, Centre of Buddhist Studies, The University of Hong Kong,
2School of Biomedical Engineering, Shenzhen University

Теги

Эмоциональное возбуждениепоздний позитивный потенциалвызванные потенциалыпугающие стимулыэлектроэнцефалография (ЭЭГ)международная система аффективных изображенийанализ источников ВП
Модуляция нейрофизиологической реакции на пугающие и стрессовые стимулы через повторяющиеся религиозные песнопения
Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.