Auswirkungen der transkraniellen Gleichstromstimulation auf das Belohnungslernen bei subklinischer Depression.

Die Entwicklung nicht-invasiver Hirnstimulationstechniken bietet neue Ansätze für die Behandlung von Depressionen. TMS ist in Großbritannien und den USA eine zugelassene Behandlung für behandlungsresistente Depressionen. tDCS wird derzeit als potenziell günstigere, sicherere und zugänglichere Alternative untersucht. Eine aktuelle Metaanalyse legt nahe, dass es eine mäßige antidepressive Wirkung hat (Razza et al., 2020).

Eine mögliche Möglichkeit, die antidepressive Wirksamkeit von tDCS zu verbessern, könnte darin bestehen, es mit einer Belohnungslernaufgabe zu kombinieren. Es gibt Hinweise aus Studien an Nagetieren und Menschen, dass tDCS die aktivitätsabhängige synaptische Plastizität sowie das Lernen und Behalten des Verhaltens verbessert (Fritsch et al., 2010; O'Shea et al., 2017; Reis et al., 2009).

Bei Depressionen priorisieren Menschen die Verarbeitung negativer Informationen auf Kosten positiver Informationen, und es wird angenommen, dass diese negative Voreingenommenheit eine wichtige Rolle bei der Aufrechterhaltung depressiver Symptome spielt (Kube, Schwarting, Rozenkrantz, Glombiewski und Rief, 2020). Indem depressive Teilnehmer durch Belohnungen lernen und ihr Lernen/Behalten durch tDCS steigern, könnte dies möglicherweise negativer Voreingenommenheit entgegenwirken und somit das antidepressive Potenzial von tDCS erhöhen.

In einer früheren Proof-of-Concept-Studie an jungen gesunden Freiwilligen (ohne schlechte Laune) haben wir gezeigt, dass die Anwendung von tDCS während, aber nicht vorher, einer informationsorientierten Lernaufgabe die Belohnungslernraten erhöhte. Hier werden wir den gleichen Effekt bei jungen gesunden Freiwilligen mit subklinischer Depression testen. Die Studie umfasst ein Online-Screening, eine persönliche Screening-Sitzung und zwei tDCS+-Lernsitzungen. Die Aufgabenerfüllung wird mit einem rechnerischen Verstärkungslernmodell ausgestattet. Die Analysen umfassen sowohl rechnerische als auch nicht rechnerische Messungen des Aufgabenverhaltens.

Primärhypothesen:

1. Bifrontal erhöht im Vergleich zu Schein-tDCS, das während der Informationsverzerrungs-Lernaufgabe angewendet wird, die Lernrate aus positiven Ergebnissen.
2. Bifrontal erhöht im Vergleich zu Schein-tDCS, das während der Aufgabe angewendet wird, den Prozentsatz gewinnorientierter Entscheidungen.
3. Die Auswirkungen von bifrontalem tDCS hängen vom kognitiven Zustand ab, d. h. die vorhergesagten Auswirkungen sind spezifisch für die Stimulation, die während, aber nicht vor dem Lernen angewendet wird.

Sekundärhypothese:

Eine wachsende Zahl von Beweisen deutet darauf hin, dass Depressionen und Angstzustände durch eine verminderte Fähigkeit gekennzeichnet sind, die Lernraten an die Volatilität von Handlungsergebniskontingenzen anzupassen (Browning, Behrens, Jocham, O'Reilly & Bishop, 2015; Gagne, Zika, Dayan & Bishop, 2020; Pulcu & Browning, 2017). Daher werden wir auch untersuchen, ob bifrontales tDCS die Fähigkeit der Teilnehmer verbessern könnte, ihre Lernraten an den Volatilitätskontext anzupassen. Dies ist exploratorisch, da es derzeit keine Beweise dafür gibt, dass tDCS diese Fähigkeit verbessern kann.

Stichprobengröße: Unser Hauptziel besteht darin, Hypothese 1 zu testen, dass bifrontales im Vergleich zu Schein-tDCS, das während der Informationsverzerrungs-Lernaufgabe angewendet wird, die Lernrate aus positiven Ergebnissen erhöht. In unserer vorherigen Studie an gesunden Freiwilligen haben wir diesen Effekt beobachtet, der im verlustflüchtigen Zustand am ausgeprägtesten war (gepaarter t-Test, der bifrontales und Schein-tDCS in den verlustflüchtigen Blöcken kontrastiert: t(19) = 2,88, p = 0,009). , mit einer Effektgröße von Cohens d = 0,522. Um einen Effekt dieser Größe mit einer Leistung von 80 % und einem Alpha-Wert von 0,05 zu erkennen erfordert 31 Teilnehmer. Um einer möglichen Überschätzung der Effektgröße Rechnung zu tragen, werden wir 40 Teilnehmer rekrutieren, was ein Leistungsniveau von 0,89 ergeben sollte für die in unserer vorherigen Studie beobachtete Effektgröße. Um die Stichprobengröße bei allen Bedingungen gleich zu halten, werden wir weitere 40 Teilnehmer für die Offline-Bedingung rekrutieren.

Screening: Die Teilnehmer werden gebeten, vor dem Screening einen Online-Fragebogen zu Depressionen (Beck Depression Inventory – II (BDI)) und ein Sicherheitsscreening-Formular auszufüllen, um mögliche Kontraindikationen für tDCS zu identifizieren. Teilnehmer mit einem BDI-Wert von ≥10 werden zu einer einstündigen Screening-Sitzung eingeladen. Das strukturierte klinische Interview (SCID) wird durchgeführt und der Forscher befragt den Teilnehmer zu seinem Fragebogen zum tDCS-Sicherheitsscreening. Wenn keine Kontraindikationen für tDCS vorliegen und keine Hinweise auf eine aktuelle oder frühere bipolare Störung vorliegen, wird der Forscher zwei tDCS-Testsitzungen ansetzen.

Experimentelle Aufgabe: Die Teilnehmer führen die von (Pulcu & Browning, 2017) entwickelte Information Bias Learning Task durch. Es wird das gleiche Aufgabenprotokoll wie in unserer vorherigen Studie verwendet (Overman, Sarrazin, Browning & O'Shea, 2021). Kurz gesagt, die Teilnehmer werden gebeten, bei jedem Versuch einen Knopf zu drücken, um zwischen zwei Formen zu wählen. Nachdem sie ihre Wahl getroffen haben, erscheinen auf dem Bildschirm die Wörter „Gewinn“ und „Verlust“, die jeweils einer der beiden Formen zugeordnet sind. Die Gewinne und Verluste sind unabhängig voneinander, d. h. beide können auch in der gleichen Form auftreten. Wenn die gewählte Form mit einem Gewinn verbunden ist, führt dies zu einem finanziellen Gewinn von 10 Pence; ein Verlust beträgt minus 10 Pence. Die kumulierte Gesamtsumme wird während der gesamten Aufgabe kontinuierlich unten in der Mitte des Bildschirms angezeigt. Teilnehmer beginnen mit einem Gesamtbetrag von 1,50 £. Mit dieser Aufgabe soll beurteilt werden, inwieweit die Entscheidungen der Teilnehmer relativ von den Ergebnissen von Sieg und Niederlage beeinflusst werden. Die Teilnehmer führen 6 Aufgabenblöcke mit 80 Versuchen durch. Im ersten und sechsten Block („beide volatile Blöcke“) sind die Gewinne und Verluste jeweils mit einer Wahrscheinlichkeit von 75 % einer der Formen zugeordnet. Die Form der Gewinne oder Verluste ändert sich im Laufe der Zeit. Im zweiten bis fünften Aufgabenblock ist in 75 % der Versuche ein Ergebnis mit einer Form verknüpft. Die Form der Gewinne oder Verluste ändert sich im Laufe der Zeit. Das andere Ergebnis war in 50 % der Studien mit beiden Formen verbunden. Jeder Teilnehmer führt abwechselnd zwei „Gewinn-volatil“- und zwei „Verlust-volatil“-Blöcke durch. Die Hälfte der Teilnehmer führt zunächst einen „Win-Volatile“-Block durch, die andere Hälfte führt zunächst einen „Loss-Volatile“-Block durch.

Testsitzungen: Die Teilnehmer werden gebeten, Fragebögen zu Stimmung und Angst auszufüllen. Zu Beginn der ersten Sitzung wird die Trait-Unterskala des State Trait Anxiety Inventory (STAI) (Spielberger, 1983) vervollständigt. In beiden Sitzungen füllen die Teilnehmer vor und nach der Durchführung der Aufgabe die State-Subskala des STAI und die Positive and Negative Affect Scales (PANAS) aus (Watson, Clark & ​​Tellegen, 1988). Der Forscher erklärt die computergestützte Aufgabe und der Teilnehmer erhält die Möglichkeit, die Aufgabe zu üben. Anschließend richtet der Forscher das tDCS-Gerät mit der Anode über dem linken dorsolateralen präfrontalen Kortex (DLPFC) und der Kathode über dem rechten DLPFC an den EEG-Elektrodenpositionen F3 und F4 ein. Der Forscher testet das tDCS kurz, um sicherzustellen, dass der Teilnehmer mit der Stimulation vertraut ist. Der Teilnehmer führt einen („beide flüchtigen“) Basisblock der Aufgabe ohne tDCS durch. Im Online-Zustand wird tDCS während der Aufgabe angewendet – für eine Dauer von 20 Minuten bei 2 mA während des zweiten und dritten Aufgabenblocks. Nachdem die Stimulation beendet ist, führen die Teilnehmer die verbleibenden Aufgabenblöcke 4 und 5 durch (um das Fortbestehen etwaiger Effekte nach tDCS zu testen), gefolgt von einer Wiederholung des zu Beginn durchgeführten Blocks „Beide flüchtig“. Im „Offline“-Zustand sind alle Verfahren gleich, mit der Ausnahme, dass die Stimulation nach dem Basisblock („beide flüchtig“) und vor den verbleibenden Blöcken angewendet wird, während die Teilnehmer in Ruhe sitzen.

Statistische Analyse:

Um Hypothese 1 zu testen, dass bifrontales im Vergleich zu Schein-tDCS, das während der Aufgabe angewendet wird, die Lernrate aus Gewinnergebnissen erhöht, führen wir eine Varianzanalyse mit wiederholten Messungen (ANOVA) für die Lernraten in den Bereichen „Gewinne – Volatilität“ und „Verluste“ durch -volatile“ Blöcke, einschließlich der subjektinternen Faktoren tDCS-Bedingung (bifrontal vs. Schein), Valenz (Gewinn-vs.-Verlust-Ergebnisse), Volatilität (gewinnvolatile vs. Verlust-volatile Blöcke) und Zeit (erste vs. zweite Hälfte von die vier Aufgabenblöcke). Die Basislernraten für Siege und Niederlagen im ersten Aufgabenblock der ersten Sitzung werden als Kovariaten einbezogen.

Zunächst werden wir einen Interaktionseffekt zwischen tDCS-Bedingung und Valenz testen. Um unsere Schlüsselvorhersage zu testen, werden wir a priori geplante Kontraste von realem vs. Schein-tDCS auf Win-Learning-Raten. Da in unserer vorherigen Studie der tDCS-induzierte Anstieg der Gewinn-Lernraten in der verlustvolatilen Bedingung am stärksten ausgeprägt war, werden wir die echte Schein-Gewinn-Lernrate getrennt für die verlustvolatilen und gewinnvolatilen Bedingungen gegenüberstellen.

Um Hypothese 2 zu testen, dass bifrontales tDCS im Vergleich zu Schein-tDCS den Anteil gewinnorientierter Entscheidungen erhöht, führen wir eine ANOVA zum Anteil gewinnorientierter Entscheidungen einschließlich der Faktoren tDCS-Bedingung, Volatilität und Zeit durch. Wir werden einen Haupteffekt der tDCS-Bedingung sowie einen Interaktionseffekt zwischen der tDCS-Bedingung und der Volatilität testen. Der Interaktionseffekt wird durch geplante Kontraste von bifrontalem und Schein-tDCS verfolgt, getrennt für die Gewinn-Volatil-Bedingung und die Verlust-Volatil-Bedingung.

Um die Auswirkung von bifrontalem Online- und Offline-tDCS auf die Win-Learning-Rate und den Anteil von Win-Driven-Entscheidungen (Hypothese 3) zu vergleichen, führen wir ANOVAs für den kombinierten Datensatz (Online- und Offline-Bedingung) durch und fügen den Faktor „Stimulationszeit“ hinzu. (vor vs. während der Aufgabenausführung). Für die Lernraten testen wir einen Haupteffekt der Stimulationszeit und/oder eine Wechselwirkung zwischen der Stimulationszeit und dem tDCS-Zustand und/oder der Valenz. Nachfolgende ANOVAs trennen die Daten nach Stimulationszeit und analysieren jeden Datensatz wie für Hypothese 1 oben beschrieben, um die Auswirkung von tDCS auf die Gewinnlernraten zu testen. Der Effekt in jeder Bedingung (ob signifikant oder nicht) wird quantifiziert und über die beiden Stimulationszeitbedingungen hinweg verglichen, um die Hypothese zu testen, dass Online-, aber nicht Offline-tDCS die Gewinnlernraten erhöht. Der gleiche Analyseansatz wird für den Anteil gewinnorientierter Entscheidungen verwendet.

In Bezug auf unsere Sekundärhypothese, dass Online-Bifrontal im Vergleich zu Schein-tDCS die Fähigkeit der Teilnehmer verbessern könnte, ihre Lernrate an den Volatilitätskontext anzupassen, werden wir explorative Analysen durchführen und ANOVA verwenden, um die Wirkung von tDCS auf den Unterschied in den Gewinn- und Verlust-Lernraten zwischen zu testen flüchtige und stabile Blöcke (d. h. Abhängige Variablen sind: Win-Delta-LR (Gewinn-Lernrate in gewinn-flüchtigen Blöcken minus Gewinn-Lernrate in verlust-flüchtigen Blöcken) und Verlust-Delta-LR (Verlust-Lernrate in verlust-flüchtigen Blöcken minus Verlust-Lernrate in verlust-flüchtigen Blöcken). Wir werden eine Interaktion zwischen der Stimulationszeit und dem tDCS-Zustand bei Gewinn- und Verlust-Delta-LRs testen. Darauf folgen geplante Kontraste innerhalb und zwischen den Online- und Offline-tDCS-Bedingungen, wie oben für Hypothese 3 beschrieben.