線維筋痛症患者におけるレジリエンス因子と選択的学習

選択的学習は、ブロッキング手順を使用して実験的に調査されます。 ブロッキング効果は、選択的学習に関する情報を提供できるメカニズムの 1 つです。 この手順では、1 つのイベント (A+) が最初に痛みとペアになります。 参加者は、このイベントと痛みの発生との関係を学ぶ必要があります。 その後、別のイベント (x)、つまりブロッキング刺激が最初のイベント A (AX+) と共に表示されます。 両方のイベントの組み合わせも痛みに関連付けられます。 参加者がブロッキング刺激だけでどの程度の痛みを期待するかがテストされます。 「ブロックされた」場合、つまり X に対する痛みの期待が減少した場合、適応的で選択的な学習を想定できます。

計画された研究では、線維筋痛症患者の架空の日記が「カバーストーリー」として使用されます. さまざまなイベントと「痛み」または「痛みなし」という言葉が一緒に視覚的に提示され、どの状況で痛みが発生し、どの状況で発生しないかが示されます。 参加者は、どの状況が痛みに関連しているかを学ぼうとしている開業医であると想像するように求められます. この学習実験は、Meulders らによる以前の研究に基づいており、「キムは犬の散歩をしていた」や「今日は天気が悪かった」などの架空の日記エントリ (CS) を提示し、文をペアにすることで選択的学習を調査しました。ブロッキング手順に関して（上記を参照）。 イベントが痛みの報告なしで提示された中央テスト段階では、参加者はさまざまな状況での痛みの期待を与えるように求められました. 選択的学習の欠陥は、健康な対照と比較して線維筋痛症患者で発見されました。 計画された研究では、この学習パラダイムはマイナーな適応 (ドイツ語への翻訳、マイナーな指示の適応、スケールの端の名前変更、スケールの解像度の向上) と共に使用されます。 学習実験の所要時間は約 15 分です。

ポジティブな影響と楽観主義は、最善の自己介入 (BPS) を通じて誘発されます。 被験者は、楽観条件または対照条件のいずれかにランダムに割り当てられます。

研究全体がオンラインで行われます。 参加者は、さまざまなタイミングで実験プラットフォームからアンケート プラットフォームに切り替えるよう求められます。 実験室の状況を再現し、参加者の関与を維持するために、仮想調査員が実験全体で参加者をガイドするいくつかのビデオを実装しました。

効果が小さいと仮定すると、サンプル サイズには 164 人の参加者が含まれます。 アプリオリな検出力分析は、ANOVA 用のソフトウェア プログラム G*Power を使用して計算され、小さな効果 (f=0.1、検出力 0.8、α=0.05) を伴う相互作用内で繰り返し測定されました。

線維筋痛症の患者は、Facebook や Instagram などのソーシャル メディア プラットフォームを介して募集されますが、雑誌の広告、自助グループ、診療所や診療所のチラシからも募集されます。

主に、反復測定と t 検定による ANOVA を計算する予定です。 グループ (BPS/TD) を因子間、時間 (Pre/Post) を被験者内因子として、正と負の影響、および正と負の将来期待に関する 4 つの個別の反復測定 (RM) ANOVA があります。 計画された対比は、a) プラスの影響と b) プラスの将来の期待 (a) マイナスの影響と b) マイナスの将来の期待の減少ではない) の増加が、TD と比較して BPS グループでより大きくなるかどうかを確認するためにも使用されます。グループ。

さらに、ANOVA を計算して、さまざまなフェーズでの疼痛予測の取得をテストします。 中心的な分析は、グループ (BPS/TD) を被験者間変数として、刺激タイプ (B/Z/X) を被験者内変数として使用した 2 x 3 RM ANOVA であり、学習実験のテスト フェーズにおける痛みの期待値に関する評価です。 . さらに、文献に従って、研究者はレスポンダー分析を行い、a) 肯定的な影響と b) 肯定的な将来の期待の変化を選択的学習の予測因子として使用する場合があります (必要に応じて、統計分析でより多くの力を得るために)。

変換: 正規分布していない変数の変換が行われます。

推論基準: 標準の p < .05 を使用します 基準。

データの除外: 参加者がテスト段階で Z>X 評価を与えた場合、または実験全体を通して同じ評価を与えた場合、参加者は分析から除外されます。 BPS/TD ライティング演習を適切に完了しなかった参加者は、グループ要因による ANOVA から除外されます。