Zkoumání normálních nervových behaviorálních a patologických základů metakognice (METASENS)

PLÁN VZORKU

1. Stávající data Registrace před vytvořením dat: Ke dni předložení tohoto výzkumného záměru k předregistraci nejsou data ještě shromážděna, vytvořena ani realizována.
2. Postupy sběru dat. Zdraví dobrovolníci se budou rekrutovat z běžné populace. Jedinci se schizofrenií se budou rekrutovat z komunitních center duševního zdraví a ambulantních klinik v oblasti Versailles a z kohorty FACE-SZ (FondaMental Academic Centres of Expertise for Schizophrenia) ve Versailles. Všichni účastníci budou naivní, pokud jde o účel studie, poskytnou informovaný souhlas v souladu s institucionálními směrnicemi a Helsinskou deklarací a obdrží finanční kompenzaci (10 € / h).
3. Velikost vzorku Maximálně 50 zdravých kontrol vs. 50 jedinců se schizofrenií.

4. Zdůvodnění velikosti vzorku Odhadované velikosti vzorku umožňují testovat účinky střední velikosti mezi jednotlivci se schizofrenií a zdravými kontrolami se sílou 0,8 na základě jednostranného výpočtu síly t-testu se dvěma výběry s Cohenovým d = 0,5, α = 0,05. Umožňují měřit korelace média v rámci skupin s mocninou 0,7 na základě přibližného výpočtu korelace-moc s r = 0,3, α = 0,05.

   Velikosti vzorků pro elektrofyziologické záznamy jsou založeny na předchozí studii s 20 pacienty vs. 20 kontrolami, což vede k 13 vs. 13 po vyloučení odlehlých hodnot.

5. Pravidlo zastavení Volitelnému zastavení se zabrání použitím sekvenční analýzy Bayesova faktoru. Sběr dat se zastaví, kdykoli kritické srovnání dosáhne prahu BF = 3 nebo BF = 1/3.

   DESIGNOVÝ PLÁN

6. Návrh studie Vyšetřovatelé požádají účastníky, aby rozlišili směr pohybu náhodného bodového kinetogramu (úloha 1. typu). Pomocí myši označí, zda se tečky většinou pohybovaly doprava nebo doleva, kliknutím na stranu, o které si myslí, že odpovídá správné odpovědi (červené a modré kroužky, viz obrázek 1). Trajektorie myši odpovídající úloze typu 1 bude zaznamenána a analyzována. Pohybová odchylka bude upravena pro každý subjekt před experimentem pomocí schodiště 1 nahoru/2 dolů, aby bylo dosaženo průměrného výkonu 71 %. Pokud účastníci odpoví za více než 6 s, přehraje se zvuková zpětná vazba. V každém pokusu pak účastníci uvedou na vizuální analogové stupnici důvěru ve svou odpověď (úkol typu 2). Stupnice se bude pohybovat od 0 % („Určitá moje odpověď je správná“) do 100 % („Určitě je moje odpověď nesprávná“). Počáteční pozice kurzoru bude vždy odpovídat 50% spolehlivosti („Uncertain of my response)“. Experiment bude sestávat z 10 bloků po 30 pokusech a bude trvat asi 1 hodinu.

7. Randomizace Směr pohybu (doleva nebo doprava) bude pseudonáhodný, přičemž nebudou použity více než 4 po sobě jdoucí pokusy se stejným směrem.

   ANALÝZA PLÁN

8. Statistické modely 8.1. Behaviorální data Všechny analýzy budou provedeny s R, zejména za použití balíčků afex, BayesFactor, ggplot2, lme4, lmerTest a efektů. Ve všech ANOVA budou stupně volnosti korigovány pomocí Greenhouse-Geisserovy metody.

   Socio-demografické charakteristiky (věk, pohlaví, vzdělání), kognitivní (předchorobní a aktuální IQ a exekutivní výkon s plánováním a pracovní pamětí) a náladové (deprese) charakteristiky skupin budou porovnány pomocí Studentova t testu nebo Χ² testů, je-li to vhodné. V následujících analýzách budou jako kovariáty zahrnuty pouze proměnné, které se významně liší mezi těmito dvěma skupinami.

   Metakognitivní výkonnost bude primárně analyzována pomocí binomických modelů se smíšenými efekty mezi přesností a důvěrou, se skupinou (pacient vs. kontrola) a několika proměnnými (premorbidní a aktuální IQ, deprese a výkon exekutivy s plánováním a pracovní pamětí) jako mezipředmětové faktory. . Regresní sklon bude považován za indikátor metakognitivního výkonu a asymptoty za ukazatel zkreslení spolehlivosti, tj. tendence hlásit vysoké nebo nízké hodnocení spolehlivosti nezávisle na výkonu úkolu. Testy poměru pravděpodobnosti posoudí významnost.

   Předurčené behaviorální proměnné (reakční časy, parametry trajektorie myši) budou přidány do modelu v sekundární analýze poté, co budou stanoveny hlavní rozdíly mezi pacienty a kontrolami. Geometrické vlastnosti trajektorií myší (entropie pohybu na ose x) budou kvantifikovány pomocí balíčků EMOT a Mousetrap. Korelace mezi pohybovou entropií a spolehlivostí budou kvantifikovány pomocí R², upravené pro počet závislých proměnných vzhledem k počtu datových bodů.

   8.2. Korelace mezi metakognitivní výkonností a klinickými charakteristikami u schizofrenie

   Vyšetřovatelé provedou korelační analýzy mezi metakognitivní výkonností (regresní sklon mezi metakognitivními úsudky a přesností úlohy prvního řádu) a několika klinickými proměnnými. Klinické proměnné budou:

   • Pozitivní a dezorganizační skóre pro škálu pozitivních a negativních syndromů (PANSS) podle 5-faktorového modelu navrženého van der Gaagem et al.
   • Celkové skóre na Birchwood Insight Scale (BIS) pro náhled na nemoc
   • Celkové skóre na Beck Cognitive Insight Scale (BCIS) pro kognitivní náhled
   • Celkové skóre na stupnici osobního a sociálního výkonu (PSP) pro sociální fungování Vyšetřovatelé použijí Spearmanův korelační test pořadí s mírou falešných objevů pro korekci vícenásobných srovnání.

   8.3. Elektrofyziologická data Předzpracování: kontinuální EEG bude pořízeno při 1200 Hz pomocí 64kanálového Gtec HIamp systému. Předzpracování signálu bude prováděno pomocí vlastních skriptů Matlab (Mathworks) s využitím funkcí z toolboxu EEGLAB. Po vizuální kontrole budou u každého účastníka odstraněny elektrody kontaminované artefakty a na počátku reakce typu 1 bude provedeno epochování. Pro každou epochu bude signál z každé elektrody vycentrován na nulu a bude vztažen na průměr. Po vizuální kontrole a vyřazení epoch obsahujících artefaktové signály bude na jednotlivé datové sady aplikována nezávislá komponentní analýza, po které bude následovat poloautomatická detekce artefaktových komponent na základě měření autokorelace, topografie ohniskového kanálu a generické diskontinuity. Po odmítnutí artefaktů budou elektrody kontaminované artefakty interpolovány pomocí sférických drážek.

   Statistická analýza: amplituda napětí bude zprůměrována v rámci časových oken (např. 20 ms) a analyzována pomocí lineárních modelů se smíšenými efekty pomocí R spolu s balíčky lme4 a lmerTest. Tato metoda umožňuje analyzovat data z jednoho pokusu bez průměrování napříč podmínkami nebo účastníky a bez diskretizace hodnocení spolehlivosti. Modely budou provedeny na každé latenci a elektrodě pro jednotlivé studie, včetně hrubého hodnocení spolehlivosti a přesnosti jako fixních efektů a náhodných zachycení pro subjekty. Statistická významnost pro elektrofyziologická data v zájmových oblastech (např. frontocentrální a levé parietální oblasti pokožky hlavy) bude posouzena po korekci na míru falešného objevu. Pokud je to možné, použije se test permutace založený na clusteru.

9. Transformace Data budou transformována v případě, že poruší předpoklad normality (např. inverzní reakční doby).

10. Následné analýzy Kromě smíšených logistických regresí bude metakognitivní výkonnost analyzována pomocí teorie detekce signálu druhého řádu: meta-d' bude odrážet množství percepčních důkazů dostupných při provádění úsudků o spolehlivosti. Zkreslení spolehlivosti bude také vypočítáno pomocí křivek provozních charakteristik přijímače (ROC): plocha mezi ROC a hlavní úhlopříčkou bude dělena vedlejší úhlopříčkou a zkreslení spolehlivosti bude definováno jako logaritmický poměr dolní a horní oblasti. ANOVA se skupinou a vhodnými proměnnými jako mezisubjektovými faktory bude testovat snížení metakognitivní účinnosti a zvýšení zkreslení spolehlivosti u pacientů vs.

    Modelování driftové difúze nám umožní určit, které aspekty reakčních časů během úkolu typu 1 se liší mezi schizofrenními pacienty a zdravými kontrolami (např. rychlost driftu a oddělení hranic), a posoudit, jak by takové rozdíly mohly určovat úsudek spolehlivosti, a tím umožnit testování existence metakognitivních deficitů v místě rozhodování.

11. Inferenční kritéria Budou použity dvoustranné testy se skupinou jako faktorem mezi subjekty. Práh významnosti bude nastaven na alfa = 5 %. Je-li to možné, budou vypočítány Bayesovy faktory, aby podpořily nulová zjištění a stanovily pravidla zastavení (viz výše).

12. Vyloučení dat První pokusy každého stavu budou z analýzy vyloučeny, pokud obsahují velké odchylky vjemového signálu.

    Budou zachovány pouze pokusy s reakční dobou mezi 100 ms a 6 s pro úlohu typu 1.

    Účastníci budou vyloučeni v případě, že nedosáhnou 71% přesnosti na úkolu typu 1, ve většině pokusů odpoví za více než 6 s nebo v případě, že nepoužívají správně stupnici spolehlivosti (např. žádné odchylky ve zprávách spolehlivosti) .

13. Chybějící data Použití smíšených modelů aplikovaných na behaviorální a elektrofyziologická data umožní pracovat s nevyváženými soubory dat, takže nebude potřeba imputace dat.
14. Průzkumná analýza (nepovinná) 14.1. Korelace mezi metakognitivním zkreslením a klinickými charakteristikami u schizofrenie Výzkumníci provedou průzkumnou Spearmanovu korelační analýzu pořadí mezi metakognitivním zkreslením (asymptoty regresní linie mezi metakognitivními úsudky a přesností úkolu prvního řádu) a několika klinickými proměnnými (pozitivní a dezorganizační skóre pro PANSS, celkové skóre pro BIS, BCIS a PSP).

14.2. Srdeční frekvence Srdeční frekvence bude měřena pletysmografickým pulzním senzorem Gtec a kvantifikována jako funkce výkonu 2. typu. Na základě předchozích zjištění u zdravých účastníků výzkumníci očekávají, že větší jistota bude spojena s rychlejší srdeční frekvencí mezi nástupem stimulu a reakcí typu 2. Výzkumníci se pokusí replikovat tato zjištění pomocí stejných metod jako Allen a kolegové a rozšířit je na pacienty.

14.3. galvanická kožní odezva (GSR) Pokud jde o srdeční frekvenci, bude GSR měřena speciálním senzorem Gtec a kvantifikována jako funkce výkonu typu 2 pomocí sady nástrojů Ledalab v Matlabu. Pokud je nám známo, žádná studie nekvantifikovala souvislost mezi GSR a metakognicí, takže výzkumníci budou provádět průzkumné analýzy.