Composizione di canzoni in gruppo (SING) (SING_R61)

Le allucinazioni verbali uditive (AVH) sono tra gli aspetti più angoscianti e invalidanti della malattia psicotica. Aumentano il rischio di suicidio e hanno solo il 70% di probabilità di rispondere agli antipsicotici. Nonostante la dissociazione statistica dei sintomi psicotici positivi e negativi4, l'AVH si forma e si fomenta nel contesto dell'isolamento sociale. Inoltre, queste sfide sociali non rispondono alle attuali farmacoterapie, che possono persino peggiorarle iatrogenicamente, portando a sfide con l'aderenza. Sono necessari trattamenti migliori, sia per l'AVH che per le difficoltà sociali, con un profilo di effetti collaterali favorevole. L'intervento musicale (MI) è uno di questi candidati. Secondo alcuni piccoli studi qualitativi e quantitativi, l'IM migliora le allucinazioni ei sintomi negativi ed è notevolmente ben tollerato. Tuttavia, non è noto come gli interventi musicali portino al recupero sintomatico nella psicosi. L'obiettivo generale del lavoro proposto è quello di allineare un promettente vantaggio terapeutico - MI - con un promettente resoconto meccanicistico della psicosi - Predictive Processing. La fase R61 indagherà l'impatto dell'intervento musicale di gruppo sulle metriche di elaborazione predittiva di allucinazioni e disfunzioni sociali. Armati di una comprensione meccanicistica dell'intervento musicale per la psicosi, i ricercatori saranno ben posizionati, nella fase R33, per ottimizzarne l'amministrazione (la partecipazione attiva è più efficace dell'ascolto passivo? La creazione di nuova musica aiuta più dell'esecuzione di creazioni di altri?). Tracciando l'interrelazione tra i meccanismi dei sintomi e l'IM, i ricercatori possono utilizzare tali metriche per assegnare in modo prospettico i pazienti a un particolare IM.

Decisioni Go/No Go: le metriche delle allucinazioni e dell'elaborazione sociale cambiano con l'intervento musicale?

Musica e psicosi: gli IM attenuano le caratteristiche salienti delle allucinazioni verbali uditive, come la loro durata con miglioramenti che durano anni nel follow-up in alcuni casi. La meta-analisi di 19 studi ha mostrato che l'IM è efficace per i sintomi negativi e cognitivi della psicosi (d = 0,71), in particolare per la musica popolare rispetto alla classica. Non c'erano differenze significative tra i gruppi che ascoltavano passivamente rispetto a quelli che producevano musica, né tra la musica selezionata dal terapeuta o dal paziente, tutti aiutati. Tuttavia, le variabili dipendenti erano scale di valutazione soggettive che spesso non riuscivano a catturare sia l'AVH che i sintomi negativi negli stessi partecipanti. C'è una reale necessità di misure oggettive di allucinazioni e sintomi negativi, che gli investigatori ritengono che il loro recente lavoro di psichiatria computazionale fornisca (vedi sotto). I ricercatori propongono di impiegare queste metriche in un nuovo studio sull'IM adeguatamente potenziato. Verranno fatti confronti tra impegno attivo e passivo, con la musica di cui i partecipanti si sentono proprietari e di cui non si sentono proprietari. Sono questi fattori - proprietà e attività - gli investigatori ritengono - sulla base dei loro dati preliminari - gli ingredienti attivi di MI.

Meccanismi di psicosi: la modellazione computazionale dei processi percettivi e decisionali offre un approccio per identificare metriche oggettive di processi rilevanti per AVH e sfide sociali. Il recente lavoro dei ricercatori ha fornito una tale comprensione computazionale di AVH. La percezione non è semplicemente la ricezione passiva di input. Gli esseri umani deducono attivamente le cause delle nostre sensazioni. Queste deduzioni sono influenzate dalle nostre precedenti esperienze. Priori e input sono combinati secondo la regola di Bayes. Gli errori di previsione, la mancata corrispondenza tra precedenti e input, contribuiscono all'aggiornamento delle credenze. Allucinazioni (percezioni senza stimolo esterno) possono sorgere quando forti priori causano una percezione in assenza di input abituale. I ricercatori hanno recentemente testato questa teoria generando nuovi precedenti sugli stimoli uditivi negli osservatori umani utilizzando il condizionamento pavloviano. Anche negli individui sani, la ripetuta co-occorrenza di stimoli visivi e uditivi può indurre allucinazioni uditive. I ricercatori hanno esaminato questo effetto con l'imaging funzionale. Hanno utilizzato la modellazione computazionale per dedurre la forza delle convinzioni percettive dei partecipanti sugli stimoli, le associazioni tra stimoli e la volatilità di tali associazioni. È importante sottolineare che il modello ha catturato il modo in cui i precedenti sono combinati con prove sensoriali, permettendoci di testare direttamente l'ipotesi a priori forte. In primo luogo, i ricercatori hanno determinato le soglie individuali per il rilevamento e le curve psicometriche. Successivamente, i partecipanti hanno lavorato per rilevare un tono di 1 chilo hertz che si verifica in concomitanza con la presentazione di uno stimolo visivo a scacchiera. All'inizio del condizionamento, il tono veniva presentato frequentemente alla soglia, generando una credenza nell'associazione audiovisiva. Questa convinzione è stata poi testata con prove sempre più frequenti sotto soglia e target assente. Le allucinazioni condizionate si sono verificate quando i soggetti hanno riportato toni che non erano stati presentati, condizionati dallo stimolo visivo.

Dopo aver appreso l'associazione tra gli stimoli visivi e uditivi, tutti i gruppi hanno riportato toni uditivi che non erano stati presentati (allucinazioni condizionate), sebbene i gruppi H+ lo facessero significativamente più frequentemente. Per comprendere questi risultati nel contesto del nostro modello formale di percezione, i ricercatori hanno impiegato un filtro gaussiano gerarchico a tre livelli (HGF), che utilizza le risposte dei partecipanti e la struttura del compito per modellare le convinzioni percettive stimate su tre livelli di astrazione. Il primo livello del modello (X1) rappresenta se il soggetto ritiene che un tono fosse presente o meno in ogni prova. Il secondo livello (X2) è la loro convinzione che i segnali visivi predicono i toni. Il terzo livello (X3) è il cambiamento nella convinzione circa la contingenza tra stimoli visivi e uditivi (cioè volatilità di X2). La modellazione HGF delle allucinazioni condizionate nei nostri partecipanti ha portato a due risultati fondamentali per la presente proposta:

Quelli con allucinazioni dimostrano gradi più elevati di convinzione percettiva sui primi due strati (X1 e X2) e un eccessivo affidamento su credenze precedenti ("sovrappeso precedente" p <0,0019). Quelli con psicosi, indipendentemente dal fatto che abbiano allucinazioni o meno, hanno meno probabilità di rilevare cambiamenti nella struttura statistica del compito (X3) rispetto ai partecipanti non psicotici ("insensibilità al cambiamento". Inoltre, c'era una significativa correlazione negativa tra la sensibilità al cambiamento e il carico di malattia e una significativa correlazione positiva tra la ponderazione precedente e il punteggio di gravità delle allucinazioni. Per la prima volta, gli investigatori dispongono di una misura oggettiva e di laboratorio dell'AVH, con processi componenti rilevanti per le diverse caratteristiche delle allucinazioni. I ricercatori propongono di esaminare se e come questi componenti dell'AVH cambiano con l'esperienza dell'IM.

Apprendimento sociale nella malattia mentale: la sfiducia e la turbolenza relazionale sono caratteristiche fondamentali dei problemi sociali nella malattia mentale grave. Queste caratteristiche possono essere modellate sperimentalmente per interrogare la loro base meccanicistica. Per valutare il comportamento sociale, i nostri soggetti di ricerca svolgono attività basate sul computer con un partner (o confederato). Gli investigatori registrano il comportamento e calcolano l'apprendimento prova per prova sull'affidabilità del partner, che varia nel tempo (volatilità sociale). I modelli computazionali possono descrivere i dettagli di come l'apprendimento combina credenze precedenti con nuove esperienze sociali durante questo compito. Ad esempio, si può misurare la velocità con cui i soggetti apprendono l'affidabilità. Gli investigatori si aspettano che i tassi di apprendimento siano lenti all'inizio del compito quando la volatilità sociale è bassa e più veloci quando la volatilità sociale è più alta; i giocatori dovrebbero cambiare rapidamente per stare al passo. Nel primo articolo dei ricercatori che descrive questo approccio, recentemente pubblicato su Biological Psychiatry, hanno scoperto che entrambi i soggetti di controllo aumentano significativamente i loro tassi di apprendimento quando la volatilità sociale è elevata, ma le persone con problemi sociali no. I ricercatori ipotizzano che l'IM ridurrà i deficit di apprendimento sociale nelle persone con gravi malattie mentali.

Combinazione di approcci quantitativi e qualitativi: gli approcci quantitativi e qualitativi possono essere diversamente appropriati per diverse fasi di studio (esplorazione contro verifica di ipotesi). Hanno anche concezioni fondamentalmente diverse del processo scientifico (rimosso, oggettivo contro impegnato, soggettivo). Gli investigatori ritengono che questi approcci non siano fondamentalmente incompatibili, anzi, possono essere reciprocamente informativi e arricchenti. Ad esempio, il passaggio verso il sostegno tra pari e l'impegno nella ricerca sulla salute mentale ha evidenziato le carenze dell'approccio patrizio guidato dall'esperto per educazione alla ricerca AVH. In breve, gli studi clinici utilizzano spesso strumenti per valutare la gravità dell'AVH che confondono le caratteristiche salienti dell'AVH in singole metriche e quindi non distinguono quali caratteristiche cambiano con il trattamento. Gli studi clinici hanno anche ipotizzato che l'obiettivo del trattamento AVH sia l'eradicazione delle voci diminuendone la frequenza. Gruppi di difesa guidati da pari come The Hearing Voices Network (HVN), composti da esperti per esperienza, suggeriscono invece che alcune voci possono essere positive e di supporto, che anche le voci negative hanno un significato importante e che l'obiettivo del trattamento dovrebbe essere personalizzato verso l'individuo e onorare quel significato. I ricercatori hanno sostenuto che mentre l'HVN e la psichiatria computazionale possono sembrare strani compagni di letto, la loro attenzione condivisa sulla pluralità di spiegazioni (attraverso i livelli di analisi) e l'attenzione sulla fenomenologia dell'AVH suggeriscono che è possibile una collaborazione potente e reciprocamente vantaggiosa. Il lavoro proposto, allineando il lavoro computazionale quantitativo con le analisi qualitative dei cambiamenti AVH, l'impegno sociale e l'autorappresentazione, assicurerà che gli investigatori catturino i modi in cui MI cambia AVH e le sfide sociali in modi che sono significativi per gli utenti del servizio, fondando al contempo quelli cambiamenti nella comprensione meccanicistica basata su modelli di AVH fornita dalla psichiatria computazionale.

Musica ed elaborazione predittiva: secondo il framework di elaborazione predittiva, le previsioni all'indietro vengono trasmesse alle gerarchie corticali per risolvere gli errori di previsione a livelli inferiori. Gli errori di previsione irrisolti possono risalire la gerarchia per dimostrare previsioni migliori, in base alla loro precisione relativa (varianza inversa). Questo motivo computazionale sussume i sistemi sensomotorio, autonomo e di memoria. E gli errori di previsione servono come imperativi per agire all'interno di questi sistemi (impegnandosi in azioni e regolazione omeostatica che li minimizza attraverso i sistemi). La musica offre previsioni contrastanti e poi dissipa l'incertezza confermando una particolare previsione. La generazione di musica è la quintessenza dell'enactive. La percezione della musica è allo stesso modo. Come per il linguaggio, gli esseri umani prevedono la musica in base a come potrebbero generarla da soli. Gli esseri umani sentono la spinta a muovere i nostri corpi al ritmo per stabilire previsioni uditive appropriate. L'elaborazione predittiva implica l'esistenza di un modello generativo gerarchico di precisione che abbraccia le modalità. Prestare attenzione alla musica esterna attenua le predizioni interocettive e propriocettive del tipo che si potrebbe incontrare generando musica noi stessi. In questo modo, la percezione della musica è più simile all'elaborazione del linguaggio. Gli investigatori suggeriscono, sulla base di dati preliminari, che allucinazioni e disfunzioni sociali comportano squilibri nelle relative precisioni di priori percettivi, propriocettivi e sociali e errori di previsione. La musica influisce sulle gerarchie di precisione dinamica, in particolare quando è autoprodotta. In tal modo, ipotizzano che avrà un impatto sui meccanismi fisiopatologici alla base dell'AVH e dei deficit sociali.

Song-making in a Group (SING): le interviste qualitative preliminari e le osservazioni etnografiche che hanno frequentato il sito drop-in del nostro programma MI e hanno partecipato ad attività di creazione musicale e performance includevano ventuno persone, circa il 60% delle quali ha riferito di ricevere o avere attualmente ricevuto servizi di salute mentale. L'analisi delle interviste approfondite e delle note etnografiche sul campo ha rivelato quattro caratteristiche principali dello spazio di intervento musicale e dell'esperienza di fare musica: 1) l'importanza di un ambiente non clinico, terapeutico e sobrio; 2) opportunità di impegno sociale e integrazione; 3) opportunità di (re)invenzione dell'identità; e 4) uno sbocco per l'espressione artistica e musicale. Per questa proposta, i ricercatori hanno adattato tale MI per facilitare l'esame dei meccanismi rilevanti di codifica predittiva. Questo intervento adattato si chiama SING - Song-Making In a Group. In una sessione di un'ora, 5 persone lavorano insieme a un facilitatore qualificato per sperimentare e/o produrre musica. Gli investigatori propongono di manipolare i compiti del gruppo SING per identificare l'impatto di determinate attività sull'AVH e sull'elaborazione sociale.

Il SING Team è unico, unisce persone con esperienza vissuta di psicosi, ricercatori quantitativi e qualitativi, scienziati clinici e musicologi. Questa unità è resa possibile dal Connecticut Mental Health Center, una struttura statale di salute mentale i cui obiettivi tripartiti sono il trattamento, l'istruzione e la ricerca e la cui partnership unica con la Yale University è incarnata nei due centri di ricerca collegati da questa applicazione; il programma Yale per il recupero e la salute della comunità e l'unità di ricerca sulle neuroscienze cliniche nelle strutture di ricerca Abraham Ribicoff. Insieme, queste unità hanno le infrastrutture reali e virtuali, il personale e l'esperienza per rendere il lavoro proposto un successo.