Quantifizierung der Vermeidung mehrerer Schritte bei Angstzuständen

Aktuelle Lerntheorien der Angst schlagen vor, dass das Lernen von Angststörungen zu Angststörungen zugrunde liegt. Dies deutet darauf hin, dass Behandlungen wie Expositionstherapiearbeiten durch Veränderung der gelernten Bedrohungswerte arbeiten. Empirische Daten stützen diese Modelle jedoch nicht, bei denen Änderungen der Angstkonditionierung zu Symptomenveränderungen und späteren Verringerung des Vermeidungsverhaltens führen. Stattdessen deuten jüngste Erkenntnisse darauf hin, dass das Vermeidungsverhalten ein Mechanismus für sich sein kann und die Verringerung des Vermeidungsverhaltens sowohl Verbesserungen der Angstsymptome vorausgehen und voraussagen. Um die Vermeidung zu zielen, ist eine Arbeitstheorie der Prozesse erforderlich, die das Vermeidungsverhalten zugrunde liegen. In jüngster Zeit wurden Markov Decision Process (MDP) -Modelle verwendet, um die Bedrohungserwartung zu messen, was den Vorteil hat, den Unterschied zwischen Vermeidung und Angst zu lernen, als Mechanismen bei Angststörungen zu lernen. Erste MDP -Modelle, die den Anstieg des Vermeidungsverhaltens demonstrieren, sind vielversprechend. Es sind jedoch zusätzliche Nicht-Verhaltensinformationen erforderlich, um diese Modelle auf den Menschen anzupassen.

Die Haupthypothese des Forschers ist, dass MDP-Modelle, die durch dekodierte neuronale Signale der Bedrohungsingence erweitert werden, in und außerhalb des Labors charakterisieren und modifizieren können.

AIM 1: Erwachsene, die für die Psychopathologie nicht ausgewählt wurden (120, zweimal bewertet): Entwickeln Sie eine Gehirnsignatur der Bedrohungsingenez (aus einem prädiktiven Modell, das unabhängig auf fMRI -Daten aus anderen Bedrohungsaufgaben geschult wurde) und kombinieren Sie sich mit Aufgabenverhalten, um ein MDP -Modell des Vermeidungsverhaltens zu erstellen.

AIMS 2 und 3: Eine separate Reihe von Teilnehmern mit klinischer Angst und Maladaptivvermeidung (n = 163, viermal bewertet) wird eine MDP-basierte Lernaufgabe abschließen, die die Vermeidung während des FMRI-Scannens bewertet und Unterschiede in MDP-modellem Verhalten und Test der Größe der echten Ausdehnung der Steigungsverhaltensunterschiede zwischen und dem Steigern der Steigung der Steigungsverhaltensverhaltensverhaltensverhaltensverhaltensverhaltensunterschiede abschließt.

Multivariate Prädiktoren für die FMRI -Daten (Funktionsmagnetresonanztomographie) können latente Werte dekodieren und die Rechenanpassung der MDP -Modelle verbessern. Um diese latenten Werte zu identifizieren, werden zuvor validierte neuronale Signaturen eines Bedrohungsmodells verwendet. Im Bedrohungsmodell sind dieselben Gehirnregionen (z. B. Amygdala, VMPFC), aber verschiedene Ensembles und neuronale Populationen in verschiedenen Stadien des Bedrohungsingenerenz beteiligt, und diese Muster unterscheiden sich nicht zwischen Menschen mit unterschiedlichen klinischen Angstgrads und ermöglichen einen neurobiologisch unterstützten Ansatz, um latente Werte der Bedrohung zu erzeugen. Daher wollen Forscher MDP-Modelle verwenden, die durch dekodierte neuronale Signale der Bedrohungsingenerenz erweitert werden, um einen neuen Mechanismus (Vermeidungsverhalten) der Symptomänderung der Angst zu charakterisieren und zu unterstützen und Angststörungen zu ändern.