Exploraciones de las bases patológicas y conductuales neuronales normales de la metacognición (METASENS)

PLAN DE MUESTREO

1. Datos existentes Registro antes de la creación de datos: A la fecha de presentación de este plan de investigación para el prerregistro, los datos aún no han sido recopilados, creados o realizados.
2. Procedimientos de recogida de datos. Se reclutarán voluntarios sanos de la población general. Las personas con esquizofrenia serán reclutadas de centros comunitarios de salud mental y clínicas ambulatorias en el área de Versalles y entre la cohorte FACE-SZ (FondaMental Academic Centers of Expertise for Schizophrenia) en Versalles. Todos los participantes serán ingenuos con respecto al propósito del estudio, darán su consentimiento informado de acuerdo con las pautas institucionales y la Declaración de Helsinki, y recibirán una compensación monetaria (10 € / h).
3. Tamaño de la muestra Máximo de 50 controles sanos frente a 50 individuos con esquizofrenia.

4. Justificación del tamaño de la muestra Los tamaños de muestra estimados permiten probar efectos de tamaño medio entre individuos con esquizofrenia y controles sanos con una potencia de 0,8, según el cálculo de potencia de la prueba t de dos muestras unilateral con d de Cohen = 0,5, α = 0,05. Permiten medir correlaciones medias dentro de grupos con una potencia de 0,7, en base al cálculo aproximado de correlación-potencia con r = 0,3, α = 0,05.

   Los tamaños de muestra para los registros electrofisiológicos se basan en un estudio anterior, con 20 pacientes frente a 20 controles, lo que da como resultado 13 frente a 13 después de la exclusión de valores atípicos.

5. Regla de detención Se evitará la detención opcional mediante el uso de análisis de factor de Bayes secuencial. La recopilación de datos se detendrá cada vez que una comparación crítica alcance el umbral de BF = 3 o BF = 1/3.

   PLAN DE DISEÑO

6. Diseño del estudio Los investigadores pedirán a los participantes que discriminen la dirección del movimiento de un cinetograma de puntos aleatorios (tarea de tipo 1). Usarán un mouse para indicar si los puntos se movían principalmente hacia la derecha o hacia la izquierda, haciendo clic en el lado que creen que corresponde a una respuesta correcta (círculos rojos y azules, vea la Figura 1). Se registrará y analizará la trayectoria del ratón correspondiente a la tarea de tipo 1. La variación de movimiento se adaptará para cada sujeto antes del experimento utilizando una escalera de 1 arriba/2 abajo, para alcanzar un rendimiento promedio del 71 %. Se reproducirá una retroalimentación auditiva si los participantes responden en más de 6 segundos. En cada prueba, los participantes indicarán en una escala analógica visual la confianza en su respuesta (tarea tipo 2). La escala variará de 0% ("Estoy seguro de que mi respuesta es correcta") a 100% ("Estoy seguro de que mi respuesta es incorrecta"). La posición inicial del cursor siempre corresponderá al 50% de confianza ("Incierto de mi respuesta)". El experimento constará de 10 bloques de 30 ensayos y tendrá una duración aproximada de 1h.

7. Aleatorización La dirección del movimiento (izquierda o derecha) será pseudoaleatorizada, con no más de 4 intentos sucesivos con la misma dirección.

   PLAN DE ANÁLISIS

8. Modelos estadísticos 8.1. Datos de comportamiento Todos los análisis se realizarán con R, utilizando en particular los paquetes afex, BayesFactor, ggplot2, lme4, lmerTest y Effects. En todos los ANOVA, los grados de libertad se corregirán utilizando el método Greenhouse-Geisser.

   Las características sociodemográficas (edad, sexo, educación), cognitivas (CI premórbido y actual, y desempeño ejecutivo con planificación y memoria de trabajo) y anímicas (depresión) de los grupos se compararán mediante la prueba t de Student o pruebas Χ² cuando corresponda. Solo las variables que difieran significativamente entre los dos grupos se incluirán como covariables en los siguientes análisis.

   El rendimiento metacognitivo se analizará principalmente con modelos binomiales de efectos mixtos entre precisión y confianza, con grupo (paciente frente a control) y varias covariables (CI premórbido y actual, depresión y rendimiento ejecutivo con planificación y memoria de trabajo) como factores entre sujetos. . La pendiente de regresión se tomará como un indicador del desempeño metacognitivo y las asíntotas como un marcador de sesgo de confianza, es decir, la tendencia a informar calificaciones de confianza altas o bajas independientemente del desempeño de la tarea. Las pruebas de razón de verosimilitud evaluarán la significación.

   Las variables de comportamiento previas a la decisión (tiempos de reacción, parámetros de trayectoria del ratón) se agregarán al modelo en un análisis secundario después de que se establezcan las principales diferencias entre pacientes y controles. Las características geométricas de las trayectorias de los ratones (entropía de movimiento en el eje x) se cuantificarán utilizando los paquetes EMOT y Mousetrap. Las correlaciones entre la entropía del movimiento y la confianza se cuantificarán mediante R², ajustado por el número de variables dependientes en relación con el número de puntos de datos.

   8.2. Correlación entre rendimiento metacognitivo y características clínicas en esquizofrenia

   Los investigadores realizarán análisis de correlación entre el rendimiento metacognitivo (pendiente de regresión entre los juicios metacognitivos y la precisión de la tarea de primer orden) y varias variables clínicas. Las variables clínicas serán:

   • Las puntuaciones positivas y de desorganización de la Escala de Síndrome Positivo y Negativo (PANSS), según el modelo de 5 factores propuesto por van der Gaag et al.
   • La puntuación total en la escala de información de Birchwood (BIS) para conocer la enfermedad
   • La puntuación total en la Escala de percepción cognitiva de Beck (BCIS) para la percepción cognitiva
   • La puntuación total en la Escala de rendimiento personal y social (PSP) para el funcionamiento social. Los investigadores utilizarán una prueba de correlación de orden de rango de Spearman con una tasa de descubrimiento falso para corregir las comparaciones múltiples.

   8.3. Preprocesamiento de datos electrofisiológicos: se adquirirá EEG continuo a 1200 Hz con un sistema Gtec HIamp de 64 canales. El preprocesamiento de la señal se realizará utilizando scripts personalizados de Matlab (Mathworks) utilizando funciones de la caja de herramientas de EEGLAB. Después de la inspección visual, se retirarán los electrodos contaminados con artefactos de cada participante y se realizará el epoching al inicio de la respuesta de tipo 1. Para cada época, la señal de cada electrodo estará centrada en cero y referenciada en promedio. Después de la inspección visual y el rechazo de las épocas que contienen señales de artefactos, se aplicará un análisis de componentes independientes a conjuntos de datos individuales, seguido de una detección semiautomática de componentes de artefactos basada en medidas de autocorrelación, topografía de canal focal y discontinuidad genérica. Después del rechazo de los artefactos, los electrodos contaminados con artefactos se interpolarán mediante ranuras esféricas.

   Análisis estadístico: la amplitud de voltaje se promediará dentro de ventanas temporales (por ejemplo, 20 ms) y se analizará con modelos de efectos mixtos lineales utilizando R junto con los paquetes lme4 e lmerTest. Este método permite analizar datos de ensayos individuales, sin promediar entre condiciones o participantes, y sin discretizar las calificaciones de confianza. Los modelos se realizarán en cada latencia y electrodo para ensayos individuales, incluida la calificación de confianza y la precisión sin procesar como efectos fijos e intersecciones aleatorias para los sujetos. La importancia estadística de los datos electrofisiológicos dentro de las regiones de interés (p. ej., las regiones del cuero cabelludo parietal izquierdo y frontocentral) se evaluará después de la corrección de la tasa de descubrimiento falso. Cuando sea posible, se utilizará la prueba de permutación basada en grupos.

9. Transformaciones Los datos se transformarán en caso de que violen el supuesto de normalidad (por ejemplo, tiempos de reacción inversos).

10. Análisis de seguimiento Además de las regresiones logísticas mixtas, el rendimiento metacognitivo se analizará utilizando la teoría de detección de señales de segundo orden: meta-d' reflejará la cantidad de evidencia perceptual disponible al realizar juicios de confianza. Los sesgos de confianza también se calcularán con curvas características operativas del receptor (ROC): el área entre la ROC y la diagonal principal se dividirá por la diagonal menor, y el sesgo de confianza se definirá como la relación logarítmica del área inferior y superior. Un ANOVA con grupo y covariables apropiadas como factores entre sujetos probará una disminución en la eficiencia metacognitiva y un aumento en el sesgo de confianza en los participantes del paciente frente al control.

    El modelado de deriva-difusión nos permitirá determinar qué aspectos de los tiempos de reacción durante la tarea de tipo 1 difieren entre los pacientes esquizofrénicos y los controles sanos (p. existencia de déficits metacognitivos en un locus decisional.

11. Criterios de inferencia Se utilizarán pruebas de dos colas con el grupo como factor entre sujetos. El umbral de significación se establecerá en alfa = 5%. Cuando sea posible, los factores de Bayes se calcularán para respaldar los resultados nulos y establecer reglas de parada (ver arriba).

12. Exclusión de datos Los primeros ensayos de cada condición se excluirán del análisis si contienen grandes variaciones de la señal perceptual.

    Solo se mantendrán los ensayos con tiempos de reacción entre 100 ms y 6 s para la tarea tipo 1.

    Los participantes serán excluidos en caso de que no puedan alcanzar el 71 % de precisión en la tarea de tipo 1, respondan en más de 6 s en la mayoría de las pruebas, o en caso de que no utilicen la escala de confianza correctamente (p. ej., sin variación en los informes de confianza). .

13. Datos faltantes El uso de modelos mixtos aplicados a datos conductuales y electrofisiológicos permitirá tratar conjuntos de datos desequilibrados, por lo que no será necesaria la imputación de datos.
14. Análisis exploratorio (opcional) 14.1. Correlación entre el sesgo metacognitivo y las características clínicas en la esquizofrenia Los investigadores realizarán análisis exploratorios de correlación de orden de rango de Spearman entre el sesgo metacognitivo (asíntotas de la línea de regresión entre los juicios metacognitivos y la precisión de la tarea de primer orden) y varias variables clínicas (puntuaciones positivas y de desorganización para la PANSS, la puntuación total de BIS, BCIS y PSP).

14.2. Frecuencia cardíaca La frecuencia cardíaca se medirá con un sensor de pulso pletismográfico Gtec y se cuantificará en función del rendimiento de tipo 2. Según los hallazgos anteriores en participantes sanos, los investigadores esperan que una mayor confianza se asocie con una frecuencia cardíaca más rápida entre el inicio del estímulo y la respuesta de tipo 2. Los investigadores intentarán replicar estos hallazgos siguiendo los mismos métodos que Allen y sus colegas y extenderlos a los pacientes.

14.3. Respuesta galvánica de la piel (GSR) En cuanto a la frecuencia cardíaca, la GSR se medirá con un sensor dedicado Gtec y se cuantificará en función del rendimiento de tipo 2 utilizando la caja de herramientas Ledalab en Matlab. Hasta donde sabemos, ningún estudio ha cuantificado el vínculo entre GSR y la metacognición para que los investigadores realicen análisis exploratorios.