Gecikme bir ayarlama Tutar görev kullanma İnsanlardaki İndirim Ölçme
9 Ocak 2016
Gecikme indirimi, bir ödülün değerinin, hemen kullanılabilir olduğu zamana göre geciktiğinde azalması anlamına gelir. Uygulanması kolay olan ve insan katılımcılarda gecikme indirimi derecesinin ölçülmesine izin veren bilgisayar tabanlı bir gecikme indirimi görevinin ana hatlarını çiziyoruz.
Bu prosedürün genel amacı, gecikmenin belirli bir malın bugünkü değeri üzerindeki etkisinin nicel bir değerlendirmesini sağlamaktır. Başlangıçta Du, Green ve Myerson tarafından geliştirilen bu yöntem, gecikmeli iskontolamanın nicelleştirilmesine izin verir. Gecikmeli indirim, gecikmenin bir sonucun bugünkü değerini ne ölçüde etkilediğini tanımlar ve madde bağımlılığı, obezite ve kumar gibi çeşitli riskli davranışlarla ilişkilendirilmiştir.
Bu tekniğin temel avantajı, nispeten kısa bir süre içinde sağlam ve güvenilir bir gecikme indirimi ölçüsü sağlamasıdır. Bu yöntem genellikle popülasyonlar arasında önceden var olan farklılıkları tanımlamak için kullanılmış olsa da, umudumuz, daha fazla çalışmanın bir tanı aracı veya müdahale hedefi olarak kullanımı üzerine inşa edilebilmesidir. Genel olarak, bu prosedürde yeni olan deneycilere meydan okunabilir, çünkü prosedür, bir bilgisayar programına gömülmesi gereken bir kayıtsızlık noktasını belirlemek için bir algoritma gerektirir.
Bu yöntemin görsel olarak gösterilmesi yardımcı olabilir, çünkü algoritmadaki küçük hatalar büyük ölçüde farklı sonuçlara yol açabilir. Gecikme indiriminin değerlendirileceği gecikme aralığını seçerek başlayın. Ardından, görevdeki gecikmiş sonuca hizmet edecek maksimum para miktarını seçin.
Bunu takiben, her gecikmede bir kayıtsızlık noktası belirlemek için tamamlanması gereken deneme sayısını seçin. Ardından, katılımcının bir bilgisayarın önünde izole bir odada oturmasını sağlayın. Cep telefonlarını veya diğer elektronik cihazlarını kapatmalarını isteyin.
Katılımcıya, göreve katılmayı kabul edip etmediklerini gözden geçirmesi ve imzalaması için bilgilendirilmiş bir onay formu sağlayın. Ardından, bilgisayardaki görevle ilişkili simgeye tıklayarak programı başlatın. İletişim kutusunu inceleyin ve katılımcının verilerine eklenecek benzersiz bir katılımcı kimliği etiketi girin.
Katılımcıya görevde ne yaşayacakları hakkında talimatlar verin. Ardından, görev tasarımına aşina olmaları için veri analizine dahil edilmeyecek uygulama denemeleri sağlayın. Bilgisayarda bir soru göstererek ve katılımcıdan hemen kullanılabilen 10 soru ile bir günde kullanılabilen 100 soru arasından seçim yapmasını isteyerek alıştırma denemelerine başlayın.
Ekranda yapılan seçimi gözlemleyin. Aynı soruyu bir sonraki ekranda sorun, ancak sonraki seçenekler için, katılımcı tarafından yapılan seçimlerden bağımsız olarak, acil ve gecikmeli alternatifler 100'e eşit olana kadar, hemen alternatifi her denemede 10'luk bir artışla artırın. Son olarak, katılımcının göreve alışmasını sağlamak için 10 alıştırma denemesini tamamlamasını sağlayın.
Kayıtsızlık noktasını değerlendirmek için, önce katılımcılara gecikmiş ve anında alternatifler için başlangıç miktarlarını gösterin. İlk deneme için, gecikmeli alternatif olarak maksimum tutarı görüntüleyin ve aynı anda anlık tutarı maksimum miktarın yarısı olarak görüntüleyin. Her denemenin başında fare imlecini ekranın ortasına getirin ve ardından katılımcının seçimini gözlemleyin.
Katılımcının tercihine bağlı olarak, ikinci deneme için acil alternatifin miktarını maksimumun dörtte biri kadar ayarlayın. Örneğin, katılımcı hemen seçeneğini seçtiyse, ikinci deneme için hemen seçim miktarını 25 azaltın. Katılımcı gecikmeli seçeneği seçtiyse, ikinci deneme için hemen seçim miktarını 25 artırın.
Ardından, katılımcıya hemen seçeneğin yeni miktarını ve sürekli gecikmeli bir seçeneği görüntüleyin ve ikinci denemeyi tamamlamalarına izin verin. Seçimlerini gözlemleyin. Ardından, hemen alternatifin miktarını önceki ayarlamanın yarısı kadar ayarlayın.
Örneğin, katılımcı hemen seçeneğini seçtiyse, üçüncü deneme için hemen tercih edilen miktarı 12,50'ye kadar azaltın. Katılımcı gecikmeli seçeneği seçtiyse, üçüncü deneme için hemen tercih edilen miktarı 12.50'ye kadar artırın. Katılımcı, deneycinin takdirine bağlı olarak gerekli sayıda seçim yapana kadar ayarlamaları hemen tutarda tekrarlayın.
Katılımcının tercihine bağlı olarak hemen tutarda son ayarlamayı yapın ve bu yeni tutarı söz konusu gecikme için kayıtsızlık noktası olarak kullanın. Seçilen gecikmelerin her biri için, her gecikmede anlık sonucun miktarını ve ilk deneme için ayarlamanın miktarını sıfırlayarak tüm ayarlama işlemini tam olarak tekrarlayın. Niteliksel olarak farklı sonuçların gecikme indirimini değerlendirmek için, katılımcıdan seçilen sonucun bir örneğini vermesini isteyin.
Örneğin, seçilen sonuç yemek ise, katılımcıdan en sevdiği yemeği tedarik etmesini isteyin. Katılımcının yanıtını kaydedin ve katılımcıya sonucun bir biriminin ne kadara mal olduğunu sorun. Ardından, katılımcı tarafından bildirilen fiyata bağlı olarak anında ve gecikmeli başlangıç tutarlarının miktarını görüntüleyin.
Sonucun gecikmiş tutarını, maksimum tutarın katılımcı tarafından sağlanan birim başına fiyata bölünmesine eşit olacak şekilde ayarlayın ve hemen alternatifi bu tutarın 0,5'i olarak ayarlayın. Son olarak, her sonuç için kayıtsızlık noktasını belirlemek için ayarlama işlemini tekrarlayın. Bu protokol, çeşitli sonuçlarda miktar ayarlama görevini ve insan katılımcıları kullanarak bir gecikme indirimi deneyinin nasıl yürütüleceğini ana hatlarıyla belirtir.
Burada, sigara içenler ve içmeyenler için para, alkol, eğlence ve yiyecek emtialarında indirim işlevleri gösterilmektedir. Medyan kayıtsızlık noktaları, yiyeceklerin paradan daha dik bir şekilde iskonto edildiğini gösteriyor. Doğru bir şekilde programlandıktan sonra, bu teknik, tek bir emtia için gecikme indiriminin derecesini değerlendirmek için yalnızca yaklaşık 10 dakika sürer.
Bu prosedürü denerken, katılımcılara doğru cevapların olmadığını ve her katılımcının en çok tercih ettiği alternatifi seçmesi gerektiğini vurgulamayı unutmamak önemlidir. Bu teknik, gecikme indirimini değerlendirmek ve bunu çeşitli riskli davranışlarla ilişkilendirmek için çeşitli laboratuvar grupları tarafından kullanılmıştır. Bu videoyu izledikten sonra, gecikme indirimi görevlerinin nasıl ayarlanacağını ve programlanacağını iyi anlamış olmalısınız.
Ek malzemelerde, gecikme indirimi görevini programlamak için kullanılabilecek bir kod sağlıyoruz. Ayrıca, verilere uygun olabilecek doğrusal olmayan regresyon modelleri de sağlıyoruz. Bu modeller, gecikme indirimi derecesinin ölçülmesine izin verir.
Tam transkripti görüntüleyin ve binlerce bilimsel videoya erişin
Genel Bakış
Gecikmeli indirim, bir ödülün algılanan değerindeki gecikme nedeniyle azalmayı ifade eder. Bu makale, insan katılımcılar üzerinde gecikmeli indirimi ölçmek için bilgisayar tabanlı bir görevi ana hatlarıyla belirtmektedir.
Çalışmanın Temel Bileşenleri
Bilim Alanı
- Davranışsal Ekonomi
- Psikoloji
- Sinirbilim
Arka Plan
- Gecikmeli indirim, karar vermeyi etkiler ve çeşitli davranışlar için önemli sonuçları vardır.
- Madde bağımlılığı ve kumar gibi riskli davranışlarla bağlantılıdır.
- Yöntem, gecikmeli indirimin güvenilir bir ölçümünü sağlar.
- Yeni deneyciler için prosedürü uygulamada zorluklar bulunmaktadır.
Çalışmanın Amacı
- Gecikmenin ödüllerin şimdiki değeri üzerindeki etkisini değerlendirmek.
- Karar verme süreçlerini anlamak için bir tanı aracı sağlamak.
- Gecikmeli indirim değerlendirmelerine dayalı potansiyel müdahaleleri keşfetmek.
Kullanılan Yöntemler
- Bilgisayar tabanlı gecikmeli indirim görevi.
- Eşitsizlik noktalarını belirlemeye yönelik algoritma.
- Gecikme etkilerinin kantitatif değerlendirmesi.
- Kısa ve sağlam ölçüm tekniği.
Ana Sonuçlar
- Gecikmeli indirimin nicel değerlendirmesi, önerilen yöntemle elde edilebilir.
- Sonuçlar, riskli davranışların anlaşılmasına katkıda bulunabilir.
- Teknik, hem araştırma hem de potansiyel klinik uygulamalar için etkilidir.
- Farklı popülasyonlar arasında karşılaştırmaları kolaylaştırır.
Sonuçlar
- Yöntem, gecikmeli indirimin güvenilir bir ölçümünü sunar.
- Davranışsal araştırma ve müdahaleler için önemli sonuçları vardır.
- Gelecekteki çalışmalar, bu yöntemi bir tanı aracı olarak genişletebilir.
Sıkça Sorulan Sorular
Executive Industry Relevance
Delay discounting assessment provides a quantitative behavioral metric for evaluating impulsive choice patterns linked to substance use disorders and other compulsive behaviors. This method enables target validation by isolating delay sensitivity as a mechanistic endophenotype in preclinical and clinical populations. The technique supports go/no-go decisions in early discovery by offering a translatable behavioral readout across species and commodities.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Quantifies delay sensitivity as a behavioral proxy for impulsivity, enabling mechanistic interrogation of therapeutic targets involved in reward processing.
- Operational Value: Provides a rapid, low-cost assay for screening genetic or pharmacological manipulations affecting delay discounting in humanized models.
- Predictive Value: Generates indifference points that inform dose-response relationships for compounds targeting impulsive choice pathways.
Screening & Assay Development
- Scientific Value: Delivers standardized indifference point measurements across commodities (money, food, alcohol) to assess reward valuation consistency.
- Operational Value: Enables high-throughput adaptation via computerized adjusting amount tasks with algorithm-driven titration to indifference points.
- Assay Readiness: Supports cross-lab reproducibility through fixed adjustment rules (e.g., one-fourth then half of prior adjustment) and practice trial protocols.
Translational & Preclinical Research
- Scientific Value: Facilitates translational continuity by using identical task structure across human and animal models to evaluate target engagement.
- Operational Value: Allows longitudinal tracking of discounting steepness as a biomarker for relapse risk in substance abuse intervention studies.
- Risk Mitigation: Identifies populations with steep discounting curves (e.g., smokers) to enrich clinical cohorts for higher predictive confidence in efficacy signals.
Pipeline & Workflow Integration
The adjusting amount task fits within the discovery continuum from target hypothesis testing through lead optimization to preclinical validation, offering a behavioral bridge between molecular mechanism and clinical risk phenotype.
- Discovery Biology: Supports hypothesis testing by isolating the effect of delay on reward value, enabling pathway-specific de-risking of targets in dopaminergic and serotonergic systems.
- Screening: Delivers quantitative indifference point outputs after 10 minutes per commodity, enabling rapid SAR evaluation of compounds affecting impulsive choice.
- Analytics: Generates non-linear regression-ready data for discounting curve fitting, providing steepness (k) values as quantitative endpoints for compound comparison.
- Translational Research: Connects to preclinical continuity through conserved discounting patterns across commodities, supporting biomarker qualification for impulsivity-related indications.
- Enterprise Reuse: Functions as a reusable platform across indication programs (e.g., obesity, gambling) due to its commodity-flexible design and minimal training requirements.
Operational & Enterprise Impact
- Scientific Value: Reduces mechanistic ambiguity by providing a direct measure of delay impact on reward valuation, independent of motivational confounds.
- Operational Value: Ensures standardization through fixed trial algorithms and practice protocols, minimizing inter-examiner variability in indifference point determination.
- Strategic Value: Improves go/no-go decisions by linking target modulation to changes in discounting steepness, reducing late-stage failure from unanticipated behavioral toxicity.
- Portfolio Impact: Enables risk-adjusted prioritization of compounds based on their effect on delay sensitivity, aligning with FDA’s emphasis on behavioral safety pharmacology.
Implementation Considerations
- Requires expertise in behavioral task design and algorithm implementation for accurate indifference point titration.
- Dependent on computerized stimulus delivery systems with precise timing and input recording capabilities.
- Necessitates cross-team standardization of adjustment rules (e.g., 25% then 50% of prior step) and practice trial counts to ensure data comparability.
- Involves adaptation considerations when shifting between commodities (e.g., food vs. money) to maintain equivalent subjective value ranges.
- Limited by participant comprehension of trade-offs, requiring clear instruction and practice trials to mitigate learning effects.
