Efectos de la estimulación de corriente continua transcraneal sobre el aprendizaje de recompensa en la depresión subclínica.

El desarrollo de técnicas de estimulación cerebral no invasivas ofrece nuevos enfoques para el tratamiento de la depresión. TMS es un tratamiento aprobado para la depresión resistente al tratamiento en el Reino Unido y EE. UU. tDCS está actualmente bajo investigación como una alternativa potencialmente más económica, segura y accesible. Un metaanálisis reciente sugiere que tiene un efecto antidepresivo moderado (Razza et al., 2020).

Una forma potencial de mejorar la eficacia antidepresiva de tDCS podría ser combinarlo con una tarea de aprendizaje de recompensa. Hay evidencia de estudios en roedores y humanos de que tDCS mejora la plasticidad sináptica dependiente de la actividad y el aprendizaje y la retención del comportamiento (Fritsch et al., 2010; O'Shea et al., 2017; Reis et al., 2009).

En la depresión, las personas priorizan el procesamiento de la información negativa a costa de la información positiva y se teoriza que este sesgo negativo juega un papel importante en el mantenimiento de los síntomas depresivos (Kube, Schwarting, Rozenkrantz, Glombiewski y Rief, 2020). Por lo tanto, al hacer que los participantes deprimidos aprendan de la recompensa y aumenten su aprendizaje/retención a través de tDCS, esto podría contrarrestar el sesgo negativo y, por lo tanto, aumentar el potencial antidepresivo de tDCS.

En un estudio anterior de prueba de concepto en voluntarios jóvenes sanos (sin bajo estado de ánimo), mostramos que tDCS aplicado durante, pero no antes, una tarea de aprendizaje de sesgo de información aumentó las tasas de aprendizaje de recompensa. Aquí, probaremos el mismo efecto en voluntarios jóvenes sanos con depresión subclínica. El estudio incluirá una proyección en línea, una sesión de proyección presencial y dos sesiones de aprendizaje tDCS +. El desempeño de la tarea se ajustará con un modelo de aprendizaje por refuerzo computacional. Los análisis incluirán medidas computacionales y no computacionales del comportamiento de la tarea.

Hipótesis primarias:

1. El tDCS bifrontal en comparación con el falso aplicado durante la tarea de aprendizaje de sesgo de información aumentará la tasa de aprendizaje a partir de resultados positivos.
2. El tDCS bifrontal en comparación con el falso aplicado durante la tarea aumentará el porcentaje de elecciones impulsadas por la victoria.
3. Los efectos de la tDCS bifrontal dependerán del estado cognitivo, es decir, los efectos previstos serán específicos de la estimulación aplicada durante pero no antes del aprendizaje.

Hipótesis secundaria:

Un creciente cuerpo de evidencia sugiere que la depresión y la ansiedad se caracterizan por una capacidad reducida para ajustar las tasas de aprendizaje a la volatilidad de las contingencias de acción-resultado (Browning, Behrens, Jocham, O'Reilly y Bishop, 2015; Gagne, Zika, Dayan y Bishop, 2020; Pulcu & Browning, 2017). Por lo tanto, también investigaremos si el tDCS bifrontal podría aumentar la capacidad de los participantes para ajustar sus tasas de aprendizaje al contexto de volatilidad. Esto es exploratorio, ya que no hay evidencia actual de que tDCS pueda mejorar esta capacidad.

Tamaño de la muestra: nuestro objetivo principal es probar la hipótesis 1 de que la tDCS bifrontal en comparación con la simulada aplicada durante la tarea de aprendizaje de sesgo de información aumentará la tasa de aprendizaje a partir de resultados positivos. En nuestro estudio anterior en voluntarios sanos, observamos este efecto, que fue más pronunciado en la condición de pérdidas volátiles (prueba t pareada que contrasta tDCS bifrontal y simulada en los bloques de pérdidas volátiles: t (19) = 2.88, p = .009) , con un tamaño del efecto de d de Cohen = 0,522. Para detectar un efecto de este tamaño con una potencia del 80% y un nivel alfa de .05 requiere 31 participantes. Para tener en cuenta una posible sobreestimación del tamaño del efecto, reclutaremos a 40 participantes, lo que debería arrojar un nivel de poder de .89 para el tamaño del efecto observado en nuestro estudio anterior. Para mantener los tamaños de muestra iguales en todas las condiciones, reclutaremos a otros 40 participantes para la condición fuera de línea.

Evaluación: se les pedirá a los participantes que completen un cuestionario de depresión en línea de evaluación previa (Inventario de depresión de Beck - II (BDI)) y un formulario de evaluación de seguridad para identificar posibles contraindicaciones para tDCS. Los participantes con una puntuación BDI de ≥10 serán invitados a una sesión de detección de 1 hora. Se administrará la entrevista clínica estructurada (SCID) y el investigador entrevistará al participante sobre su cuestionario de detección de seguridad tDCS. Si no hay contraindicaciones para tDCS y no hay indicaciones de trastorno bipolar actual o histórico, el investigador programará dos sesiones de prueba de tDCS.

Tarea experimental: Los participantes realizarán la Tarea de aprendizaje de sesgo de información desarrollada por (Pulcu & Browning, 2017). Se utilizará el mismo protocolo de tareas que en nuestro estudio anterior (Overman, Sarrazin, Browning, & O'Shea, 2021). En resumen, se les pedirá a los participantes que presionen un botón para elegir entre dos formas en cada prueba. Después de que elijan, la palabra "ganar" y "perder" aparecerán en la pantalla, cada una asociada con una de las dos formas. Las ganancias y pérdidas son independientes entre sí, es decir, ambas también pueden aparecer con la misma forma. Si la forma elegida está asociada con una ganancia, esto genera una ganancia financiera de 10 peniques; una pérdida es menos 10 peniques. El total acumulativo se muestra continuamente en la parte inferior central de la pantalla a lo largo de la tarea. Los participantes comienzan con un total de £ 1.50. Esta tarea está diseñada para evaluar hasta qué punto las elecciones de los participantes están relativamente influenciadas por los resultados de ganar frente a perder. Los participantes realizarán 6 bloques de tareas de 80 intentos. En el primer y sexto bloque ("ambos bloques volátiles"), las ganancias y pérdidas tienen un 75% de probabilidad de estar asociadas con una de las formas. La forma en que las ganancias o pérdidas están asociadas con los cambios a lo largo del tiempo. En los bloques de tareas del segundo al quinto, un resultado está asociado con una forma en el 75% de los ensayos. La forma en que las ganancias o pérdidas están asociadas con los cambios a lo largo del tiempo. El otro resultado está asociado con ambas formas en el 50% de los ensayos. Cada participante realiza dos bloques de "ganancias-volátiles" y dos "pérdidas-volátiles" en orden alterno. La mitad de los participantes realiza primero un bloque de "ganancia volátil" y la otra mitad primero un bloque de "pérdida volátil".

Sesiones de prueba: se les pedirá a los participantes que completen cuestionarios sobre el estado de ánimo y la ansiedad. Al comienzo de la primera sesión se completará la subescala Rasgo del Inventario de Ansiedad Rasgo Estatal (STAI) (Spielberger, 1983). En ambas sesiones, antes y después de realizar la tarea, los participantes completarán la subescala de Estado del STAI y las Escalas de Afecto Positivo y Negativo (PANAS) (Watson, Clark, & Tellegen, 1988)). El investigador explicará la tarea computarizada y el participante tendrá la oportunidad de practicar la tarea. Luego, el investigador configurará el equipo tDCS con el ánodo sobre la corteza prefrontal dorsolateral izquierda (DLPFC) y el cátodo sobre la DLPFC derecha, en las posiciones de electrodos F3 y F4 EEG. El investigador probará brevemente el tDCS para asegurarse de que el participante se sienta cómodo con la estimulación. El participante realizará un bloque de referencia ("ambos volátiles") de la tarea sin tDCS. En la condición 'en línea', se aplicará tDCS durante la tarea, por una duración de 20 minutos a 2 mA durante el segundo y tercer bloque de tareas. Una vez finalizada la estimulación, los participantes realizarán los bloques de tareas restantes 4 y 5 (para probar la persistencia de cualquier efecto posterior a la tDCS), seguido de una repetición del bloque "ambos volátiles" realizado al inicio. En la condición 'fuera de línea', todos los procedimientos serán iguales, excepto que la estimulación se aplicará después del bloque de referencia ("ambos volátiles") y antes de los bloques restantes, mientras los participantes se sientan en reposo.

Análisis estadístico:

Para probar la hipótesis 1, que el tDCS bifrontal en comparación con el simulado aplicado durante la tarea aumentará la tasa de aprendizaje de los resultados de victoria, ejecutaremos un análisis de varianza de medidas repetidas (ANOVA) en las tasas de aprendizaje en los "ganadores-volátiles" y "pérdidas". "volátiles", incluidos los factores dentro del sujeto tDCS Condición (bifrontal frente a falso), Valencia (resultados de victoria frente a pérdida), Volatilidad (ganancias-volátiles frente a pérdidas-bloques volátiles) y Tiempo (primera frente a segunda mitad de los cuatro bloques de tareas). Las tasas de aprendizaje de línea de base para ganancias y pérdidas en el primer bloque de tareas de la primera sesión se incluirán como covariables.

Primero, probaremos un efecto de interacción entre la Condición tDCS y Valencia. Para probar nuestra predicción clave, ejecutaremos contrastes planificados a priori de real vs. simular tDCS en las tasas de aprendizaje de victorias. Dado que en nuestro estudio anterior, el aumento inducido por tDCS en las tasas de aprendizaje de ganancias fue más pronunciado en la condición de volatilidad de pérdidas, contrastaremos la tasa de aprendizaje de ganancia real-falsa por separado para las condiciones de volatilidad de pérdidas y volatilidad de ganancias.

Para probar la hipótesis 2 de que el tDCS bifrontal en comparación con el simulado aumentará la proporción de elecciones impulsadas por ganancias, ejecutaremos un ANOVA sobre la proporción de elecciones impulsadas por ganancias, incluidos los factores tDCS Condición, Volatilidad y Tiempo. Probaremos un efecto principal de la Condición tDCS, así como un efecto de interacción entre la Condición tDCS y la Volatilidad. El efecto de interacción será seguido por contrastes planificados de tDCS bifrontal versus falso, por separado para la condición de volatilidad de ganancias y las condiciones de volatilidad de pérdidas.

Para comparar el efecto del tDCS bifrontal en línea versus fuera de línea en la tasa de aprendizaje de victorias y la proporción de elecciones impulsadas por victorias (hipótesis 3), ejecutaremos ANOVA en el conjunto de datos combinado (condición en línea y fuera de línea), agregando el factor "Tiempo de estimulación" (antes vs. durante el desempeño de la tarea). Para las tasas de aprendizaje, probaremos un efecto principal del tiempo de estimulación y/o una interacción entre el tiempo de estimulación y la condición tDCS y/o la valencia. Los ANOVA de seguimiento separarán los datos por tiempo de estimulación y analizarán cada conjunto de datos como se describe para la hipótesis 1 anterior, para probar un efecto de tDCS en las tasas de aprendizaje de victorias. El efecto en cada condición (ya sea significativo o no) se cuantificará y contrastará en las dos condiciones de tiempo de estimulación, para probar la hipótesis de que tDCS en línea pero no fuera de línea aumentará las tasas de aprendizaje de victorias. El mismo enfoque de análisis se utilizará para la proporción de elecciones impulsadas por la victoria.

Con respecto a nuestra hipótesis secundaria de que el tDCS bifrontal en línea en comparación con el tDCS simulado podría mejorar la capacidad de los participantes para ajustar su tasa de aprendizaje al contexto de volatilidad, realizaremos análisis exploratorios, utilizando ANOVA para probar el efecto de tDCS en la diferencia en las tasas de aprendizaje de ganancias y pérdidas entre bloques volátiles y estables (es decir, Las variables dependientes serán: Win delta LR (tasa de aprendizaje de ganancias en bloques volátiles de ganancias menos tasa de aprendizaje de ganancias en bloques volátiles de pérdidas) y Loss delta LR (tasa de aprendizaje de pérdidas en bloques volátiles de pérdidas menos tasa de aprendizaje de pérdidas en bloques volátiles de ganancias). Probaremos una interacción entre el tiempo de estimulación y la condición tDCS en los LR delta de ganancia y pérdida. Esto será seguido por contrastes planificados dentro y entre las Condiciones tDCS en línea y fuera de línea, como se describe anteriormente para la hipótesis 3.