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

Neuroscience

Your institution must subscribe to JoVE's Neuroscience section to access this content.

Fill out the form below to receive a free trial or learn more about access:

Welcome!

Enter your email below to get your free 10 minute trial to JoVE!





We use/store this info to ensure you have proper access and that your account is secure. We may use this info to send you notifications about your account, your institutional access, and/or other related products. To learn more about our GDPR policies click here.

If you want more info regarding data storage, please contact gdpr@jove.com.

 

Summary

Usando métodos de ressonância magnética funcionais e comportamentais para determinar a representação neural do valor subjetivo de opções de risco e ambígua no cérebro humano.

Cite this Article

Copy Citation | Download Citations

Levy, I., Rosenberg Belmaker, L., Manson, K., Tymula, A., Glimcher, P. W. Measuring the Subjective Value of Risky and Ambiguous Options using Experimental Economics and Functional MRI Methods. J. Vis. Exp. (67), e3724, doi:10.3791/3724 (2012).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

A maioria das escolhas que fazemos têm conseqüências incertas. Em alguns casos, as probabilidades de diferentes resultados possíveis são conhecidos com precisão, uma condição denominada "arriscado". Em outros casos, quando as probabilidades não pode ser estimada, esta é uma condição descrita como "ambígua". Enquanto a maioria das pessoas são avessos ao risco e tanto 1,2 ambigüidade, o grau dessas aversões variar substancialmente entre os indivíduos, de modo que o valor subjetivo de a mesma opção arriscada ou ambígua pode ser muito diferente para diferentes pessoas. Combinamos ressonância magnética funcional (fMRI), com um método experimental baseada na economia de 3 a avaliar a representação neural dos valores subjetivos de opções de risco e ambígua 4. Esta técnica pode ser agora utilizado para estudar estas representações neurais em populações diferentes, tais como os diferentes grupos etários e populações de pacientes diferentes.

Em nosso experimento, os indivíduos fazem escolhas b conseqüentesntre duas alternativas, enquanto sua ativação neural é monitorado usando ressonância magnética. Em cada tentativa assuntos escolher entre loterias que variam em valor monetário e, em ambos a probabilidade de ganhar esse montante ou o nível de ambigüidade associada com a vitória. Nosso desenho paramétrico nos permite utilizar o comportamento de cada indivíduo escolha para estimar as suas atitudes em relação ao risco e ambiguidade, e, assim, estimar os valores subjetivos que cada opção realizada por eles. Outra característica importante do desenho é a de que o resultado da lotaria escolhido não é revelada durante a experiência, de modo a que nenhuma aprendizagem pode ter lugar, e, assim, as opções ambíguas permanecer atitudes ambíguas e risco são estáveis. Em vez disso, no final da sessão de digitalização ensaios um ou poucos são selecionados aleatoriamente e jogado por dinheiro real. Como os motivos não sei de antemão que os ensaios serão selecionados, eles devem tratar a julgamento todos e cada um, como se ele e ele só foi a julgamento um em que serão pagos. Este projeto enassegura que podemos estimar o verdadeiro valor subjetivo de cada opção de cada sujeito. Em seguida, olhar para as áreas do cérebro cuja activação é correlacionado com o valor subjectivo de opções de risco e de zonas cuja activação é correlacionado com o valor subjectivo de opções ambíguas.

Protocol

1. Preparando o Experimento

  1. O primeiro passo é criar estímulos visuais que representam escolhas arriscadas e ambígua que serão apresentados na tela do scanner. Usamos imagens como as apresentadas na Figura 1 para representar sacos cheios de fichas de poker que chamamos de "sacos de loteria". Graficamente, essas imagens pode ser pensado como pilhas de fichas, antes de serem colocadas num saco. É importante ressaltar que essas imagens representam recipientes de reais, em nosso caso, envelopes cheios de vermelho e azul 100 fichas de poker que o sujeito vai ver antes de iniciar o experimento. Isso garante que os dois indivíduos compreender as loterias que irão enfrentar e acreditar que a tela do computador apresenta com precisão essas loterias. Para as lotarias de risco a probabilidade de ganhar, a proporção de vermelho para azul fichas numa dada envelope, é precisamente definidos utilizando os dois números e um gráfico de estímulo (Figura 1A). Para a parte loterias ambígua do information sobre a probabilidade está ausente (Figura 1B), de tal forma que a proporção possível de vermelho para azul fichas é limitado mas não especificada, tornando a probabilidade de ganhar parcialmente ambígua.
  2. Para loterias de risco das áreas vermelha e azul de cada imagem são proporcionais ao número de fichas vermelhas e azuis no envelope. Recomendamos a utilização de um mínimo de três probabilidades de resultados 4 (Figura 1A). As probabilidades exatas usadas podem variar de acordo com as necessidades específicas de cada ensaio, mas pesquisadores devem ser cautelosos sobre o uso de probabilidades muito altas e muito baixas. Sabe-se que os seres humanos tipicamente deturpar probabilidades inferiores a 10% ou superior a 90% 5. A menos que se pretende estudar esta deturpação sistemática, esses extremos devem ser evitados.
  3. Para transmitir a ambiguidade da parte central da pilha de fichas no monitor do computador é obscurecida com um oclusor cinza (Figura 1B). Na área cinza do númebro de fichas de cada cor irá ser desconhecido e, portanto, a probabilidade de traçar um vermelho ou um chip azul não será conhecida com precisão. Por exemplo, no saco do meio na Figura 1B a prótese abrange 50% da bolsa, e, portanto, o número de fichas vermelhas podem estar em qualquer lugar entre 25 (se todas as fichas por trás da prótese são azuis) e 75 (se todas as fichas atrás a prótese são vermelhas). Naturalmente, o número de fichas azuis podem também ser em qualquer lugar entre estes dois valores.
  4. O aumento do tamanho de oclusão aumenta o nível de ambiguidade (a gama de probabilidades possíveis para o desenho de um chip de vermelho ou azul). Recomendamos a utilização de pelo menos três níveis de oclusão, cobrindo ~ 25, 50 ou 75% do saco (Figura 1B).
  5. Quando os indivíduos realizar a tarefa no computador, apresentamos cada nível de probabilidade de ganhar / ambigüidade com uma gama de valores de resultado possíveis. Recomendamos a utilização de cinco níveis de recompensa 4, abrangendo uma vasta gama de valores, por exemplo: 5, 9,5, 18, ​​34 e 65 dolLars. No visor, apresentamos o montante resultado ao lado da cor vencedora e exibir "0" ao lado da outra cor. Por exemplo, na Figura 2, o desenho de um chip vermelho resultaria em ganhar $ 18, enquanto o desenho de um chip azul resultaria em um resultado igual a zero.
  6. Criticamente, em cada sujeitos de pesquisa vai escolher entre duas loterias. Para simplificar podemos manter uma das opções constantes durante todo o experimento (neste exemplo, 50% de chance de ganhar US $ 5) e só variam a outra opção. Isto tem duas vantagens. Primeiro, a opção constante não tem de aparecer na tela, o que simplifica a exibição visual (embora um lembrete de vez em quando poderá ser útil). Segundo, porque uma opção nunca muda, de regressão baseados em análises do sinal de fMRI pode efetivamente negligenciar este parâmetro. Note-se que, a fim de ter uma "moeda comum" para os valores subjetivos de loterias de risco e ambígua a opção de referência tem de ser a mesma para ambos os tipos de provações.
  7. Cada combinaçãoção de probabilidade ou ambiguidade nível e quantidade deve ser apresentado um total de pelo menos 4 vezes, e de preferência mais, para assegurar poder estatístico suficiente em ambas as análises de comportamento e ressonância magnética. Na metade do vermelho repetições devem ser associadas a um resultado diferente de zero e no azul outra metade, para evitar os erros de cor e para assegurar a simetria na ambiguidade.
  8. Optou-se por utilizar um desenho de eventos relacionados lento (Figura 3), no qual a resposta hemodinâmica para diferentes ensaios são bem separados no tempo. Em uma tal concepção de cada sorteio devem ser apresentadas como um estímulo brevemente, no nosso caso, durante 2 s, seguido por um período de atraso (no nosso caso, 6 s), para dar tempo para a activação de decisão relacionada neural para construir. As respostas devem ser feitas dentro de uma janela de tempo breve (1-2 s). Usar uma imagem como a mostrada na Figura 3 como um feedback breve, de modo que o sujeito conhece a sua resposta foi registada. Separar os julgamentos por longos períodos de descanso (10 s ou more) para permitir a resposta hemodinâmica para voltar à linha de base. Períodos de descanso mais curtos podem ser utilizados com jitter apropriado. Grupo de ensaios em blocos de até 30 testes cada um, mas não se esqueça de deixar os blocos demorar mais do que cerca de 10 minutos. Isto permite que os períodos de descanso no scanner que maximizar o desempenho e minimizar a fadiga assunto. Para permitir a pelo menos 4 repetições de cada combinação de probabilidade / ambiguidade e valor do número total de ensaios será de pelo menos 120, ou seja, 4 blocos.
  9. Prepare as malas físicos (em envelopes nosso caso) para que possam ser mostrados para assuntos antes de executar a tarefa. Eles serão usados ​​mais tarde para jogar o julgamento aleatoriamente escolhido (s) para pagar. Prepara-se uma bolsa para cada imagem de lotaria utilizado na experiência. Encher cada saco com um total de 100 poker / vermelho bingo e aparas azuis, com as proporções correspondentes para a probabilidade de tirar um chip de cada uma das cores do que o saco mostrado no visor. Para sacos ambíguas utilizar um gerador de números aleatóriospara decidir sobre os números reais de chips de vermelho e azul, correspondentes a cada nível de ambigüidade. Prepare o saco de referência com 50 vermelhas e 50 fichas azuis. Preparando sacos físicas e mostrando-lhes para os sujeitos é particularmente importante para os indivíduos recrutados em departamentos de psicologia. Estes temas são susceptíveis de suspeitar de algum tipo de engano e deve suspeitam engano suas respostas serão não interpretável.

2. Preparando o Assunto

  1. Cada indivíduo deve preencher um formulário de consentimento e um questionário de triagem. A forma de triagem verifica que o sujeito não tem qualquer metal no seu corpo, que não estão grávidas ou claustrofóbico, e que eles podem ser facilmente verificados. Indivíduos também deve remover todos os metais do seu corpo para assegurar a segurança no ambiente de scanner. Isto é crítico.
  2. Fornecer o assunto com instruções detalhadas sobre a experiência. Peça-lhes algumas perguntas simples para se certificar de que eles entendem como probabildades e valores são transmitidos em cada imagem, e para fazer com que eles entendam a sua tarefa. Certifique-se de não revelar qualquer informação que possa influenciar as suas escolhas. Por exemplo, não se enquadrar o problema que enfrentam escolha, de tal modo a polarizar os indivíduos para uma atitude de risco particular. Mostre-lhes os sacos físicos e estresse que cada imagem no experimento refere-se a uma bolsa específica físico único que você não pode e não vai mexer. Também explicar que, em metade azul do ensaios será a cor vencedora e na metade vermelha. Explicar o mecanismo de pagamento, de modo que o sujeito entende que eles serão pagos de acordo com as suas escolhas. Incentivar assuntos para fazer perguntas sobre qualquer coisa que não entendo. Este é um período crítico, quando as crenças dos indivíduos sobre o experimento estão sendo estabelecidos. É essencial que os indivíduos estar confiante de que o experimento não envolve qualquer tipo de fraude ou os resultados comportamentais e neurológicos será uninterpretable.
  3. Feche os sacos e ter o assunto assinar seu nome em todo o selo. Explicam que isto irá permitir a verificação, no final da experiência que não tenha alterado o conteúdo dos sacos, durante o experimento. Isso ajuda a tranquilizar assuntos que eles estão jogando um jogo inteiramente justo. Explicar ainda que, depois de as lotarias são reproduzidos no final da experiência eles poderão olhar para os conteúdos dos sacos para certificar-se estão de acordo com a probabilidade ou o nível indicado ambiguidade.

3. Exploração

  1. Nós usamos um scanner de ressonância magnética 3T com uma bobina de cabeça (4 canais ou mais) para obter sangue de oxigenação Level-dependentes (BOLD) sinais do cérebro inteiro.
  2. Utilize uma caixa de resposta de 2 botões para gravar escolhas assuntos.
  3. Varredura anatômica: Usamos uma seqüência MPRAGE T1 para obter uma clara de alta resolução (1x1x1 mm) imagem do cérebro do sujeito que pode ser usado para a reconstrução 3D. Qualquer sequência de alta resolução pode ser utilizado para este pBJECTIVO.
  4. Varreduras funcionais: Nós usamos um T2 * ponderada seqüência EPI, com uma TR de 2 s, e voxels 3x3x3 mm. Certifique-se de posicionar as fatias de tal forma que eles incluem as áreas do cérebro que são mais interessados, normalmente córtex pré-frontal, córtex parietal e os gânglios basais. Parâmetros de digitalização deve ser otimizado para o scanner específico, usamos: TE 30ms, o ângulo da aleta 75 °, 36 mm com 3 fatias nenhuma lacuna fatia inter-, paralelas à linha AC-PC, no plano mm resolução 3x3, FOV 192 milímetros . Outros estudos sugeriram que o posicionamento das rodelas de 30 ° para a linha AC-PC pode reduzir o abandono do sinal no córtex orbitofrontal 6.

4. Processo de pagamento

  1. Depois de retirar o assunto a partir do scanner, recuperar os dados comportamentais a partir do computador que gravou as respostas do sujeito.
  2. Selecionar aleatoriamente um ou poucos ensaios para o pagamento. É melhor deixar o assunto fazer a seleção, por exemplo, desenhar um chip numeradas de pokerfora de um saco opaco que contém fichas com todos os números do estudo. Isto irá assegurar que o sujeito que a selecção é realmente aleatório.
  3. Para cada ensaio selecionado mostrar o assunto a opção apresentada e da escolha que fizeram naquele julgamento. Peça-lhes para desenhar um chip da bolsa escolhido com esse julgamento, e pagá-los de acordo com a cor desenhado eo valor apresentado no julgamento.

Por exemplo, se o ensaio seleccionado apresentado na lotaria mostrado na Figura 2 (uma lotaria ambígua, oferecendo $ 18 se um chip de vermelho é desenhada) eo sujeito escolheu este lotaria (em vez da lotaria de referência), em seguida, o sujeito deve chamar um chip fora do saco físico correspondente à imagem de lotaria. Se um chip vermelho é desenhado o sujeito vai receber US $ 18, se uma blue chip é desenhado eles vão receber nada.

5. Analisando os dados comportamentais

  1. Verossimilhança máximo que ajustar os dados de escolha de cada sujeito a uma logísticafunção da forma:

Equação 1
Onde Va é a probabilidade de que o objecto escolhido a lotaria variável, SV e SV F V são os valores subjectivas das opções fixas e variáveis, respectivamente, e γ é a inclinação da função logística, que é um parâmetro de assunto específico. Uma abordagem alternativa é a utilização de uma distribuição de probit.

  1. Para modelar o valor subjetivo de cada opção para cada assunto que você pode usar um de uma série de modelos que levem em conta o nível de probabilidade, quantidade e ambigüidade da opção e as atitudes do sujeito individual em relação ao risco e ambiguidade. Optamos por usar uma função de potência 5 que inclui um efeito linear de ambigüidade sobre a probabilidade percebida 7:

Equação 2
Onde p é a probabilidade objetivacapacidade (por definição 0.5 para esta classe de lotarias ambíguas), A é o nível de ambiguidade (a fracção de a probabilidade total, que é desconhecida, 0 para as lotarias de risco), V é o volume, e α e βare risco de assunto específico e ambiguidade parâmetros de atitude, respectivamente. Uma das várias abordagens alternativas é incluir ambiguidade como um efeito exponencial 8:

Equação 3
Ajustando os dados de escolha com a função de escolha, portanto, fornece estimativas para o risco de atitude (α) e atitude ambiguidade (β) para cada sujeito.

6. Analisando os dados Neurais

  1. Realizar pré-processamento padrão dos dados, incluindo: 1) fatia de correção de digitalização tempo para dar conta das pequenas diferenças na digitalização vezes de fatias diferentes, 2) correção de movimento para explicar o movimento do assunto intra-e inter-corridas, e 3) a remoção de as baixas frequências, que são tipicamente rexultante ao ruído fisiológico e desvios de scanner.
  2. Registrar os dados funcionais de cada sujeito aos seus dados anatômicos.
  3. Para a análise, no modelo de objecto único nível da actividade de cada voxel como uma resposta sustentada durante o estudo inteiro (no nosso caso, 10 s), convolução com uma função de resposta padrão hemodinâmico 9. Use um modelo linear geral com os seguintes preditores:
  • Dois preditores de valor subjetivo (SV), um para estudos de risco e um de ensaios ambíguas. Use equação 2 e os parâmetros individuais sujeitos específicos derivados do ajuste comportamental para calcular o SV de cada sorteio. Uma vez que a referência de lotaria é o mesmo para todos os ensaios que podem utilizar a SV da lotaria variável isoladamente em cada ensaio. Para o preditor SV arriscado inserir o SV para cada tentativa arriscada, e 0 para cada tentativa ambígua, e vice-versa para o preditor ambígua.
  • Dois preditores dummy, uma para os ensaios de risco e um de ensaios ambíguas, para coroartura de activação em geral, tais como activações visual e motora.
  1. Procure por voxels em que os coeficientes de SV em situação de risco e / ou sob a ambiguidade são significativos. O teste de significância deve ter em conta as múltiplas comparações realizadas. O método utilizado foi a limitação do tamanho do cluster mínimo de seis voxels contíguos funcionais 10. Alternativamente, outros métodos, tais como a taxa de detecção de False (FDR) 11, pode ser usado para corrigir a múltiplas correcções.

7. Resultados representativos

Comportamento

A Figura 4 apresenta os resultados comportamentais de três temas representativos. Cada painel apresenta os dados de escolha e resultados do modelo de ajuste para um assunto ou sob risco (esquerda) ou ambiguidade (direita). Os gráficos mostram a percentagem de ensaios em que o sujeito escolheu a lotaria variável como uma função da quantidade, em separado para cada um dos níveis de procapacidade ou ambigüidade. Como pode ser visto, os indivíduos podem variar muito em suas atitudes em relação ao risco e ambiguidade.

Para examinar a bondade do ajuste, verifique a r 2, que deve ser idealmente acima de 0,5, e também inspecionar as curvas visualmente. Apesar de todos os nossos súditos exemplo três tiveram comportamento legal que permitiu ajustes razoáveis, notar que dois sujeitos mal escolheu a opção variável na condição de risco com a menor probabilidade (0,13). Isto sugere que a expansão da gama de valores e / ou utilizando probabilidades mais elevadas podem proporcionar melhores resultados, porque vai garantir que as pessoas escolher as opções variáveis ​​em pelo menos alguns dos testes. Uma outra opção é a de pré-teste de cada sujeito sobre uma vasta gama de quantidades e escolher as quantidades que assegurem um número comparável de referência e as escolhas de opção de variáveis ​​para cada indivíduo.

fMRI

A Figura 5 apresenta os resultados de imagiologia por um representanteassunto. Voxels destacadas são aquelas em que o coeficiente do indicador valor subjetivo sob ambigüidade (em cima) ou de risco (baixo) foi significativamente diferente de 0. Neste assunto típico, correlação significativa foi encontrada no córtex pré-frontal medial (subtitles MPFC) eo estriado em ambas as condições. Estas áreas são as mais consistente entre os indivíduos, mas correlações significativas também pode ser esperado em áreas no córtex parietal medial e lateral, bem como a amígdala. Como a atividade nesse tipo de tarefas é geralmente fraco e barulhento que você deve esperar uma alta variabilidade entre os indivíduos com muitos assuntos exibindo correlações significativas apenas em um subconjunto de áreas.

Figura 1
Figura 1. Estímulos de risco e ambígua. A) em estímulos de risco das áreas vermelha e azul de cada imagem na tela são proporcionais ao número de fichas vermelhas e azuis no envelope. Três probabilidades de resultados were usado aqui: 0,13, 0,25 e 0,38. B) Em estímulos ambíguos a parte central da imagem é obscurecida com um oclusor cinza. Na zona cinzenta do número de fichas de cada cor é desconhecida, e, assim, a probabilidade de traçar um chip de uma determinada cor não é conhecida com precisão. Três níveis de ambiguidade são utilizados aqui, em que 25, 50 ou 75% da imagem são ocluídos.

Figura 2
Figura 2. Um exemplo de lotaria. Isto é uma lotaria ambígua, a um nível de 50% de ambiguidade. Pelo menos 25 dos fichas no envelope são vermelho e pelo menos 25 são azuis. Se um chip vermelho é desenhado o assunto vai ganhar US $ 18, enquanto eles vão ganhar nada se uma blue chip é desenhado.

Figura 3
Figura 3. A estrutura de ensaio. A lotaria é resumidamente apresentado, seguido por um período de atraso. A sugestão de resposta em seguida, solicita temas para indicar ori escolha entre a loteria na tela e na loteria de referência (neste caso, 50% de chance de ganhar US $ 5). Ensaios são intercalados com longos períodos de descanso.

Figura 4
Figura 4. Exemplos de comportamento único assunto. Escolha Os gráficos apresentam a proporção de ensaios em que cada sujeito escolheu a opção variável sobre a referência, em função do valor oferecido, em risco (à esquerda) e ambígua (direita) ensaios. Diferentes curvas são para níveis de risco diferente ou ambigüidade. α, parâmetro de risco atitude; β, parâmetro atitude ambiguidade, r 2, pseudo McFadden R-quadrado, uma medida da qualidade do ajuste do modelo comportamental, equivalente à parcela da variância que é explicada pelo modelo, número n, de ensaios em que a resposta foi feita (de um total de 180).

Figura 5 <br /> Figura 5. Mapas de ativação exemplo de mapas de ativação único assunto. São apresentados em uma imagem de alta resolução anatômica. Áreas de destaque são aqueles cuja ativação foi significativamente correlacionada com valor subjetivo sob risco (superior) ou sob ambigüidade (baixo). Na maioria dos indivíduos o córtex pré-frontal medial (subtitles MPFC) eo estriado representam um valor subjetivo sob tanto risco e ambiguidade. Corrigidos p-valores são baseados em um tamanho de cluster mínimo de 6 voxels funcionais. Clique aqui para ver maior figura .

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Temos utilizado o método de economia experimental para caracterizar o comportamento dos sujeitos e estimar atitudes individuais perante o risco ea ambiguidade. Em seguida, usou estas estimativas para analisar os dados neurais.

Outros métodos para examinar a atividade fMRI enquanto sujeitos fazem escolhas sob risco e ambiguidade ter sido usado antes 8,12. Nossa abordagem, no entanto, combina várias características importantes. Primeiro, ela usa um desenho paramétrico, em que diferentes parâmetros (probabilidade, quantidade e nível de ambigüidade) são sistematicamente variados. Isso nos permite quantificar o risco individual e atitudes ambigüidade e para calcular o valor subjetivo de cada opção para cada assunto. Segundo, ter a medida individual de comportamento nos permite olhar para as áreas do cérebro cuja ativação está relacionada com essa medida, separadamente para risco ea ambigüidade, a um nível dentro de assunto. Trata-se de uma maneira limpa para examinar os códigos neurais de um parâmetro (valor subjectivo) under diferentes condições (de risco e ambiguidade), enquanto controlando para possíveis diferenças entre essas condições (tais como o comportamento de escolha). Terceiro, pela seleção aleatória de um julgamento no final do experimento e jogar por dinheiro real encorajamos assuntos para revelar suas verdadeiras preferências 13.

No nível comportamental, este método permite-nos resumir o comportamento de escolha única de cada indivíduo com apenas dois números, representando o risco e atitudes ambiguidade do sujeito individual. Teoria econômica padrão indica que para optantes que se comportam de forma consistente estes são caracterizações necessários e suficientes de suas preferências. Dito de outra forma, pode-se provar que: 1) não outra caracterização possível pode ser mais completo ou compacto e 2) que todas as caracterizações mais complexas são redundantes. No nível neural, o método permite identificar a representação neural do valor subjetivo que o indivíduo assuntos ascriser de opções que encontram a este nível necessário e suficiente de caracterização. É claro que outras caracterizações de comportamento são possíveis, mas com medidas pontuais de "grau de risco", que não podem ser relacionados de forma completa a qualquer comportamento ou os sinais neurais pode levantar mais problemas do que resolve 1.

, Foi descrito um método para a localização específica superfícies cuja actividade está relacionada com o valor subjectivo. Existem outras formas complementares, para analisar os dados de uma forma neurais exploratório que não requer hipóteses anteriores. Métodos de agrupamento e análise de componentes independentes (ICA) são tais métodos que poderiam revelar-risco e adicional ambigüidade relacionada com a ativação.

Os resultados revelaram variabilidade comportamental substancial entre os indivíduos, sugerindo várias extensões possíveis do método que poderia ser utilizado em futuros estudos de risco e de ambigüidade. Primeiro, os métodos podem ser utilizados para sondar diferentesças de comportamento entre os indivíduos, e para identificar os correlatos neurais dessas diferenças, em populações diferentes disciplinas. De particular interesse seria estudos de pacientes hipotéticos a apresentar um comportamento tomada de risco extremo, por exemplo, aqueles em tratamento para abuso de drogas. A distinção entre as contribuições de atitudes de risco e ambiguidade a esses comportamentos e delineando seus correlatos neurais são importantes para compreender as causas fundamentais para tais comportamentos patológicos e para a elaboração de intervenções comportamentais e farmacológicas. Outros locais interessantes seria examinar as pessoas de diferentes culturas e pessoas de diferentes faixas etárias. A capacidade de identificar o valor relacionado com a actividade específica deste modo tem o potencial de revelar diferenças entre os grupos que se encontram no núcleo das diferenças observadas em vida real.

Em segundo lugar, o método pode ser usado para examinar a influência de experiências específicas sobre as atitudes dos s indivíduoubjects perante o risco ea ambigüidade. O paradigma experimental poderia, por exemplo, ser aplicado antes e depois de uma manipulação comportamental é realizada ou eventos naturais ocorrem, tal como uma intervenção educacional, uma manipulação stress, ou um evento de mudança de vida.

Terceiro, um paradigma semelhante poderia ser usado com diferentes intervalos de resultados e probabilidades que são apropriadas para a pergunta que você gostaria de abordar. Por exemplo, os indivíduos poderiam ser apresentados com as escolhas entre as perdas diferentes, ao invés de ganhos, a mais diretamente relacionadas a configuração experimental para comportamentos de risco na vida real, cujo potencial os resultados são muitas vezes negativa (por exemplo, condução imprudente ou abuso de substâncias). Quarto, não monetários resultados poderiam ser usados ​​para explorar atitudes perante o risco ea ambigüidade em diferentes domínios, tais como as escolhas alimentares e preferências sociais.

A característica crítica desta abordagem é que ela proporciona um c compacto e logicamenteomplete maneira de caracterizar o comportamento no que diz respeito a uma variável totalmente específica subjacente que caracteriza completamente as preferências de um sujeito consistente. Este, portanto, oferece uma abordagem poderosa intimamente ligada à teoria de que vai bem além do anúncio caracterização hoc.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Não há conflitos de interesse declarados.

Acknowledgements

Agradecemos Aldo Rustichini para discussões frutíferas e comentários sobre o projeto.
Financiado pela NIA concessão R01-AG033406 a IL e PWG.

Materials

Name Company Catalog Number Comments
Allegra Head Only 3.0 T MRI Scanner Siemens AG A whole body scanner can also be used
NM-011 transmit head coil Nova Medical
E-prime Psychology Software Tools Stimuli presentation software
Matlab Mathworks

DOWNLOAD MATERIALS LIST

References

  1. Glimcher, P. W. Understanding risk: a guide for the perplexed. Cogn. Affect Behav. Neurosci. 8, 348-354 (2008).
  2. Camerer, C., Weber, M. Recent Developments in Modeling Preferences - Uncertainty and Ambiguity. Journal of Risk and Uncertainty. 5, 325-370 (1992).
  3. Holt, C. A., Laury, S. K. Risk aversion and incentive effects. Am. Econ. Rev. 92, 1644-1655 (2002).
  4. Levy, I., Snell, J., Nelson, A. J., Rustichini, A., Glimcher, P. W. Neural representation of subjective value under risk and ambiguity. J. Neurophysiol. 103, 1036-1047 (2010).
  5. Kahneman, D., Tversky, A. Prospect Theory - Analysis of Decision under Risk. Econometrica. 47, 263-291 (1979).
  6. Deichmann, R., Gottfried, J. A., Hutton, C., Turner, R. Optimized EPI for fMRI studies of the orbitofrontal cortex. Neuroimage. 19, 430-441 (2003).
  7. Gilboa, I., Schmeidler, D. Maxmin Expected Utility with Non-Unique Prior. J. Math Econ. 18, 141-153 (1989).
  8. Hsu, M., Bhatt, M., Adolphs, R., Tranel, D., Camerer, C. F. Neural systems responding to degrees of uncertainty in human decision-making. Science. 310, 1680-1683 (2005).
  9. Boynton, G. A., Engel, S. A., Glover, G., Heeger, D. J Neurosci. 16, 4207-4221 (1996).
  10. Forman, S. D. Improved Assessment of Significant Activation in Functional Magnetic-Resonance-Imaging (Fmri) - Use of a Cluster-Size Threshold. Magnetic Resonance in Medicine. 33, 636-647 (1995).
  11. Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. NeuroImage. 15, 870-878 (2002).
  12. Huettel, S. A., Stowe, C. J., Gordon, E. M., Warner, B. T., Platt, M. L. Neural signatures of economic preferences for risk and ambiguity. Neuron. 49, 765-775 (2006).
  13. Smith, V. L. Papers in experimental economics. Cambridge University Press. (1991).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics