Effets de la stimulation transcrânienne à courant continu sur l'apprentissage par récompense dans la dépression subclinique.

Le développement de techniques de stimulation cérébrale non invasives offre de nouvelles approches pour le traitement de la dépression. TMS est un traitement approuvé pour la dépression résistante au traitement au Royaume-Uni et aux États-Unis. Le tDCS est actuellement à l'étude en tant qu'alternative potentiellement moins chère, plus sûre et plus accessible. Une méta-analyse récente suggère qu'il a un effet antidépresseur modéré (Razza et al., 2020).

Une façon potentielle d'améliorer l'efficacité antidépressive de la tDCS pourrait être de la combiner avec une tâche d'apprentissage par récompense. Des études sur des rongeurs et des humains montrent que la tDCS améliore la plasticité synaptique dépendante de l'activité et l'apprentissage et la rétention comportementaux (Fritsch et al., 2010 ; O'Shea et al., 2017 ; Reis et al., 2009).

Dans la dépression, les gens donnent la priorité au traitement des informations négatives au détriment des informations positives et ce biais négatif est théorisé comme jouant un rôle majeur dans le maintien des symptômes dépressifs (Kube, Schwarting, Rozenkrantz, Glombiewski, & Rief, 2020). Par conséquent, en faisant en sorte que les participants déprimés apprennent de la récompense et augmentent leur apprentissage/rétention via la tDCS, cela pourrait potentiellement contrecarrer les biais négatifs et ainsi augmenter le potentiel antidépresseur de la tDCS.

Dans une étude de preuve de concept antérieure chez de jeunes volontaires sains (sans humeur maussade), nous avons montré que la tDCS appliquée pendant, mais pas avant, une tâche d'apprentissage à biais d'information augmentait les taux d'apprentissage des récompenses. Ici, nous testerons le même effet chez de jeunes volontaires sains souffrant de dépression subclinique. L'étude comprendra un dépistage en ligne, une séance de dépistage en personne et deux séances d'apprentissage tDCS +. L'exécution des tâches sera équipée d'un modèle informatique d'apprentissage par renforcement. Les analyses comprendront à la fois des mesures informatiques et non informatiques du comportement des tâches.

Hypothèses principales :

1. Bifrontal par rapport au tDCS factice appliqué pendant la tâche d'apprentissage du biais d'information augmentera le taux d'apprentissage à partir de résultats positifs.
2. Le bifrontal par rapport au faux tDCS appliqué pendant la tâche augmentera le pourcentage de choix axés sur la victoire.
3. Les effets de la tDCS bifrontale dépendront de l'état cognitif, c'est-à-dire que les effets prédits seront spécifiques à la stimulation appliquée pendant mais pas avant l'apprentissage.

Hypothèse secondaire :

Un nombre croissant de preuves suggèrent que la dépression et l'anxiété se caractérisent par une capacité réduite à ajuster les taux d'apprentissage à la volatilité des contingences action-résultat (Browning, Behrens, Jocham, O'Reilly, & Bishop, 2015; Gagne, Zika, Dayan, & Bishop, 2020 ; Pulcu et Browning, 2017). Par conséquent, nous étudierons également si la tDCS bifrontale pourrait augmenter la capacité des participants à ajuster leurs taux d'apprentissage au contexte de volatilité. Ceci est exploratoire, car il n'y a aucune preuve actuelle que la tDCS puisse améliorer cette capacité.

Taille de l'échantillon : Notre objectif principal est de tester l'hypothèse 1 selon laquelle le tDCS bifrontal par rapport au simulacre appliqué pendant la tâche d'apprentissage du biais d'information augmentera le taux d'apprentissage à partir de résultats positifs. Dans notre étude précédente chez des volontaires sains, nous avons observé cet effet, qui était le plus prononcé dans la condition pertes-volatile (test t apparié contrastant bifrontal et sham tDCS dans les blocs pertes volatiles : t(19) = 2,88, p = 0,009) , avec une taille d'effet de Cohen d = 0,522. Pour détecter un effet de cette taille avec une puissance de 80% et un niveau alpha de .05 nécessite 31 participants. Pour tenir compte d'une surestimation potentielle de la taille de l'effet, nous recruterons 40 participants, ce qui devrait donner un niveau de puissance de 0,89 pour la taille d'effet observée dans notre étude précédente. Pour maintenir des tailles d'échantillons égales dans toutes les conditions, nous recruterons 40 autres participants pour la condition hors ligne.

Dépistage : Les participants seront invités à remplir un questionnaire de présélection en ligne sur la dépression (Beck Depression Inventory - II (BDI)) et un formulaire de dépistage de sécurité pour identifier les contre-indications potentielles au tDCS. Les participants avec un score BDI ≥10 seront invités à une séance de dépistage d'une heure. L'entretien clinique structuré (SCID) sera administré et le chercheur interrogera le participant sur son questionnaire de dépistage de sécurité tDCS. S'il n'y a pas de contre-indications au tDCS et aucune indication de trouble bipolaire actuel ou antérieur, le chercheur planifiera deux séances de test tDCS.

Tâche expérimentale : les participants exécuteront la tâche d'apprentissage du biais d'information développée par (Pulcu et Browning, 2017). Le même protocole de tâche que dans notre étude précédente sera utilisé (Overman, Sarrazin, Browning, & O'Shea, 2021). En bref, les participants seront invités à appuyer sur un bouton pour choisir entre deux formes à chaque essai. Après avoir choisi, les mots "gagner" et "perdre" apparaîtront à l'écran, chacun associé à l'une des deux formes. Les gains et les pertes sont indépendants les uns des autres, c'est-à-dire que les deux peuvent également apparaître avec la même forme. Si la forme choisie est associée à un gain cela entraîne un gain financier de 10 pence ; une perte est de moins 10 pence. Le total cumulé est affiché en continu en bas au centre de l'écran tout au long de la tâche. Les participants commencent avec un total de 1,50 £. Cette tâche est conçue pour évaluer dans quelle mesure les choix des participants sont relativement influencés par les résultats de gain par rapport à la perte. Les participants effectueront 6 blocs de tâches de 80 essais. Dans le premier et le sixième bloc ("les deux blocs volatils"), les gains et les pertes ont chacun une probabilité de 75 % d'être associés à l'une des formes. La forme des gains ou des pertes est associée à des changements au fil du temps. Dans les deuxième à cinquième blocs de tâches, un résultat est associé à une forme dans 75 % des essais. La forme des gains ou des pertes est associée à des changements au fil du temps. L'autre résultat est associé aux deux formes dans 50 % des essais. Chaque participant exécute deux blocs "gains-volatile" et deux "pertes-volatile" en alternance. La moitié des participants exécutent d'abord un bloc "gagnant-volatile", et l'autre moitié un bloc "perte-volatile" d'abord.

Sessions de test : les participants seront invités à remplir des questionnaires sur l'humeur et l'anxiété. Au début de la première session, la sous-échelle des traits du State Trait Anxiety Inventory (STAI) (Spielberger, 1983) sera complétée. Dans les deux sessions, avant et après l'exécution de la tâche, les participants rempliront la sous-échelle d'état du STAI et les échelles d'affect positif et négatif (PANAS) (Watson, Clark et Tellegen, 1988)). Le chercheur expliquera la tâche informatisée et le participant aura l'occasion de pratiquer la tâche. Le chercheur mettra ensuite en place l'équipement tDCS avec l'anode sur le cortex préfrontal dorsolatéral gauche (DLPFC) et la cathode sur le DLPFC droit, dans les positions d'électrode F3 et F4 EEG. Le chercheur testera brièvement le tDCS pour s'assurer que le participant est à l'aise avec la stimulation. Le participant effectuera un bloc de base ("les deux volatiles") de la tâche sans tDCS. Dans la condition "en ligne", le tDCS sera appliqué pendant la tâche - pour une durée de 20 minutes à 2 mA pendant les deuxième et troisième blocs de tâche. Une fois la stimulation terminée, les participants effectueront les blocs de tâches restants 4 et 5 (pour tester la persistance de tout effet post-tDCS), suivis d'une répétition du bloc "les deux volatiles" effectué au départ. Dans la condition « hors ligne », toutes les procédures seront les mêmes, sauf que la stimulation sera appliquée après le bloc de référence (« les deux volatiles ») et avant les blocs restants, tandis que les participants sont assis au repos.

Analyses statistiques:

Pour tester l'hypothèse 1, selon laquelle le tDCS bifrontal par rapport au simulacre appliqué pendant la tâche augmentera le taux d'apprentissage à partir des résultats gagnants, nous exécuterons une analyse de variance à mesures répétées (ANOVA) sur les taux d'apprentissage dans les "gagne-volatile" et les "pertes". -blocs volatils", y compris les facteurs intra-sujet Condition tDCS (bifrontal vs fictif), Valence (résultats gagnants vs perdants), Volatilité (blocs volatils vs perdants) et Temps (première vs seconde moitié de les quatre blocs de tâches). Les taux d'apprentissage de base pour les gains et les pertes dans le premier bloc de tâches de la première session seront inclus en tant que covariables.

Tout d'abord, nous testerons un effet d'interaction entre la condition tDCS et Valence. Pour tester notre prédiction clé, nous allons exécuter des contrastes planifiés a priori de réel vs. faux tDCS sur les taux d'apprentissage gagnants. Étant donné que dans notre étude précédente, l'augmentation des taux d'apprentissage des gains induite par le tDCS était la plus prononcée dans la condition de perte-volatile, nous comparerons le taux d'apprentissage de gain réel séparément pour les conditions de perte-volatile et de gain-volatile.

Pour tester l'hypothèse 2 selon laquelle le tDCS bifrontal par rapport au faux tDCS augmentera la proportion de choix motivés par la victoire, nous effectuerons une ANOVA sur la proportion de choix motivés par la victoire, y compris les facteurs tDCS Condition, Volatility et Time. Nous testerons un effet principal de la condition tDCS, ainsi qu'un effet d'interaction entre la condition tDCS et la volatilité. L'effet d'interaction sera suivi par des contrastes planifiés de tDCS bifrontal versus factice, séparément pour la condition de gains-volatile et les conditions de pertes-volatile.

Pour comparer l'effet de la tDCS bifrontale en ligne et hors ligne sur le taux d'apprentissage gagnant et la proportion de choix motivés par la victoire (hypothèse 3), nous exécuterons des ANOVA sur l'ensemble de données combiné (condition en ligne et hors ligne), en ajoutant le facteur "Temps de stimulation" (avant vs pendant l'exécution de la tâche). Pour les taux d'apprentissage, nous testerons un effet principal du temps de stimulation et/ou une interaction entre le temps de stimulation et la condition tDCS et/ou la valence. Les ANOVA de suivi sépareront les données par temps de stimulation et analyseront chaque ensemble de données comme décrit pour l'hypothèse 1 ci-dessus, afin de tester un effet du tDCS sur les taux d'apprentissage gagnants. L'effet dans chaque condition (qu'il soit significatif ou non) sera quantifié et contrasté entre les deux conditions de temps de stimulation, pour tester l'hypothèse selon laquelle le tDCS en ligne mais pas hors ligne augmentera les taux d'apprentissage des gains. La même approche d'analyse sera utilisée pour la proportion de choix motivés par la victoire.

En ce qui concerne notre hypothèse secondaire selon laquelle le bifrontal en ligne par rapport au tDCS factice pourrait améliorer la capacité des participants à ajuster leur taux d'apprentissage au contexte de volatilité, nous mènerons des analyses exploratoires, en utilisant l'ANOVA pour tester l'effet du tDCS sur la différence des taux d'apprentissage de gain et de perte entre blocs volatils et stables (c'est-à-dire les variables dépendantes seront : Win delta LR (taux d'apprentissage des gains dans les blocs volatils de gains moins taux d'apprentissage des gains dans les blocs volatils de pertes) et Delta de perte LR (taux d'apprentissage des pertes dans les blocs volatils des pertes moins taux d'apprentissage des pertes dans les blocs volatils des gains). Nous testerons une interaction entre le temps de stimulation et la condition tDCS sur les LR delta de gain et de perte. Cela sera suivi par des contrastes planifiés dans et entre les conditions tDCS en ligne et hors ligne, comme décrit ci-dessus pour l'hypothèse 3.