무증상 우울증에서 보상 학습에 대한 경두개 직류 자극의 효과.

비침습적 뇌 자극 기술의 개발은 우울증 치료를 위한 새로운 접근법을 제공합니다. TMS는 영국과 미국에서 치료 저항성 우울증에 대한 승인된 치료법입니다. tDCS는 잠재적으로 더 저렴하고 안전하며 접근하기 쉬운 대안으로 현재 조사 중입니다. 최근 메타 분석에 따르면 중간 정도의 항우울제 효과가 있습니다(Razza et al., 2020).

tDCS의 항우울제 효능을 향상시키는 한 가지 잠재적인 방법은 이를 보상 학습 작업과 결합하는 것일 수 있습니다. 설치류 및 인간 연구에서 tDCS가 활동 의존적 시냅스 가소성과 행동 학습 및 유지를 강화한다는 증거가 있습니다(Fritsch et al., 2010; O'Shea et al., 2017; Reis et al., 2009).

우울증에서 사람들은 긍정적인 정보보다 부정적인 정보 처리를 우선시하며 이러한 부정적인 편향은 우울 증상의 유지에 중요한 역할을 하는 것으로 이론화되었습니다(Kube, Schwarting, Rozenkrantz, Glombiewski, & Rief, 2020). 따라서 우울한 참가자가 보상을 통해 학습하고 tDCS를 통해 학습/유지를 증가시키면 잠재적으로 부정적인 편향에 대응할 수 있으므로 tDCS의 항우울제 잠재력을 높일 수 있습니다.

젊은 건강한 지원자에 대한 초기 개념 증명 연구(기분이 좋지 않음)에서 우리는 tDCS가 정보 편향 학습 작업 중에 적용되었지만 이전에는 적용되지 않았으며 보상 학습률이 증가했음을 보여주었습니다. 여기서 우리는 무증상 우울증이 있는 젊은 건강한 지원자에게 동일한 효과를 테스트할 것입니다. 이 연구에는 온라인 스크리닝, 대면 스크리닝 세션 및 두 개의 tDCS + 학습 세션이 포함됩니다. 작업 수행은 전산 강화 학습 모델에 맞춰질 것입니다. 분석에는 작업 동작에 대한 전산 및 비계산 측정이 모두 포함됩니다.

기본 가설:

1. 정보 편향 학습 작업 중에 적용된 가짜 tDCS와 비교하여 Bifrontal은 긍정적인 결과에서 학습 속도를 높일 것입니다.
2. 작업 중에 적용된 가짜 tDCS와 비교하여 Bifrontal은 승리 중심 선택의 비율을 증가시킵니다.
3. bifrontal tDCS의 효과는 인지 상태에 따라 달라질 것입니다. 즉, 예측 효과는 학습 중에 적용되는 자극에 따라 달라지지만 학습 이전에는 적용되지 않습니다.

이차 가설:

점점 더 많은 증거가 우울증과 불안이 행동 결과 우발 상황의 변동성에 따라 학습 속도를 조정하는 능력이 감소한다는 특징이 있음을 시사합니다(Browning, Behrens, Jocham, O'Reilly, & Bishop, 2015; Gagne, Zika, Dayan, & Bishop, 2015; 비숍, 2020, Pulcu & Browning, 2017). 따라서 우리는 bifrontal tDCS가 변동성 맥락에 따라 학습 속도를 조정하는 참가자의 능력을 증가시킬 수 있는지 여부도 조사할 것입니다. tDCS가 이 능력을 향상시킬 수 있다는 현재의 증거가 없기 때문에 이것은 탐색적입니다.

샘플 크기: 우리의 주요 목표는 정보 편향 학습 작업 중에 적용된 가짜 tDCS와 비교하여 bifrontal이 긍정적인 결과에서 학습률을 증가시킬 것이라는 가설 1을 테스트하는 것입니다. 건강한 지원자를 대상으로 한 이전 연구에서 우리는 이 효과를 관찰했는데, 이는 손실 휘발성 조건에서 가장 두드러졌습니다(손실 휘발성 블록에서 양면 및 가짜 tDCS를 대조하는 페어링된 t-테스트: t(19) = 2.88, p = .009) , 효과 크기는 Cohen의 d = 0.522입니다. 80%의 검정력과 .05의 알파 수준으로 이 크기의 효과를 감지하려면 31명의 참가자가 필요합니다. 효과 크기의 잠재적인 과대평가를 설명하기 위해 우리는 40명의 참가자를 모집할 것이며, 이는 .89의 검정력 수준을 산출해야 합니다. 이전 연구에서 관찰된 효과 크기에 대해. 조건에서 샘플 크기를 동일하게 유지하기 위해 오프라인 조건에 대해 추가로 40명의 참가자를 모집합니다.

스크리닝: 참가자는 사전 스크리닝 온라인 우울증 설문지(Beck Depression Inventory - II(BDI)) 및 안전 스크리닝 양식을 작성하여 tDCS에 대한 잠재적 금기 사항을 식별해야 합니다. BDI 점수가 10 이상인 참가자는 1시간 스크리닝 세션에 초대됩니다. 구조화된 임상 인터뷰(SCID)가 실시되고 연구원은 tDCS 안전 스크리닝 설문지에 대해 참가자를 인터뷰합니다. tDCS에 대한 금기 사항이 없고 양극성 장애의 현재 또는 병력에 대한 징후가 없는 경우 연구원은 두 개의 tDCS 테스트 세션을 예약합니다.

실험 과제: 참가자는 (Pulcu & Browning, 2017)에서 개발한 정보 편향 학습 과제를 수행합니다. 이전 연구에서와 동일한 작업 프로토콜이 사용됩니다(Overman, Sarrazin, Browning, & O'Shea, 2021). 즉, 참가자는 각 시도에서 두 가지 모양 중에서 선택하기 위해 버튼을 누르라는 요청을 받게 됩니다. 선택한 후에는 "승리"와 "패배"라는 단어가 화면에 나타나며 각각 두 모양 중 하나와 연결됩니다. 승패는 서로 독립적입니다. 즉, 둘 다 같은 모양으로 나타날 수도 있습니다. 선택한 모양이 승리와 관련된 경우 10펜스의 금전적 이득을 얻습니다. 손실은 마이너스 10펜스입니다. 누적 총계는 작업 내내 화면 하단 중앙에 지속적으로 표시됩니다. 참가자는 총 £1.50부터 시작합니다. 이 작업은 참가자의 선택이 승패 결과에 의해 상대적으로 영향을 받는 정도를 평가하도록 설계되었습니다. 참가자는 80번의 시도로 6개의 작업 블록을 수행합니다. 첫 번째와 여섯 번째 블록("두 휘발성 블록")에서 승패는 각각 모양 중 하나와 연관될 확률이 75%입니다. 승패의 모양은 시간 경과에 따른 변화와 관련이 있습니다. 두 번째에서 다섯 번째 작업 블록에서 하나의 결과는 시도의 75%에서 하나의 모양과 연관됩니다. 승패의 모양은 시간 경과에 따른 변화와 관련이 있습니다. 다른 결과는 시도의 50%에서 두 모양과 연관됩니다. 각 참가자는 번갈아 가며 두 개의 "wins-volatile" 블록과 두 개의 "losses-volatile" 블록을 수행합니다. 참가자의 절반은 "승리-휘발성" 블록을 먼저 수행하고 나머지 절반은 "손실-휘발성" 블록을 먼저 수행합니다.

테스트 세션: 참가자는 기분 및 불안 설문지를 작성해야 합니다. 첫 번째 세션이 시작될 때 STAI(State Trait Anxiety Inventory)(Spielberger, 1983)의 특성 하위 척도가 완료됩니다. 두 세션에서 작업 수행 전후에 참가자는 STAI의 상태 하위 척도와 긍정적 및 부정적 영향 척도(PANAS)(Watson, Clark, & Tellegen, 1988))를 완료합니다. 연구자는 전산화된 작업에 대해 설명하고 참가자는 작업을 연습할 수 있는 기회를 얻습니다. 그런 다음 연구원은 F3 및 F4 EEG 전극 위치에서 왼쪽 배외측 전두엽 피질(DLPFC) 위에 양극이 있고 오른쪽 DLPFC 위에 음극이 있는 tDCS 장비를 설정합니다. 연구원은 참가자가 자극에 편안한지 확인하기 위해 tDCS를 간단히 테스트합니다. 참가자는 tDCS 없이 작업의 기준 블록 하나("둘 다 휘발성")를 수행합니다. '온라인' 상태에서 두 번째 및 세 번째 작업 블록 동안 2mA에서 20분 동안 작업 중에 tDCS가 적용됩니다. 자극이 끝난 후 참가자는 나머지 작업 블록 4와 5(tDCS 이후의 모든 효과의 지속성을 테스트하기 위해)를 수행한 다음 기준선에서 수행되는 "두 휘발성" 블록을 반복합니다. '오프라인' 조건에서는 기준선("둘 다 휘발성") 블록 후와 나머지 블록 전에 참가자가 휴식을 취하는 동안 자극이 적용된다는 점을 제외하고 모든 절차는 동일합니다.

통계 분석:

작업 중에 적용된 sham tDCS와 비교하여 bifrontal이 승리 결과에서 학습률을 증가시킬 것이라는 가설 1을 테스트하기 위해 "wins-volatile" 및 "losses"의 학습률에 대한 반복 측정 분산 분석(ANOVA)을 실행합니다. -휘발성" 블록, 주제 내 요인 tDCS 조건(양면 vs. 가짜), 원자가(승리 vs. 손실 결과), 변동성(승-휘발성 vs. 손실-휘발성 블록) 및 시간(첫 번째 vs. 후반부) 네 가지 작업 블록). 첫 번째 세션의 첫 번째 작업 블록에서 승패에 대한 기본 학습률이 공변량으로 포함됩니다.

먼저 tDCS Condition과 Valence 간의 상호 작용 효과를 테스트합니다. 우리의 주요 예측을 테스트하기 위해 우리는 실제와 실제 비교의 선험적으로 계획된 대비를 실행할 것입니다. 승리 학습 속도에 대한 가짜 tDCS. 이전 연구에서 tDCS로 인한 승리 학습률의 증가는 손실 변동성 조건에서 가장 두드러졌으므로 손실 변동성 및 승리 변동성 조건에 대해 실제 가짜 승리 학습률을 별도로 대조할 것입니다.

sham tDCS와 비교하여 bifrontal이 승리 주도 선택의 비율을 증가시킬 것이라는 가설 2를 테스트하기 위해 우리는 요인 tDCS 조건, 변동성 및 시간을 포함하여 승리 주도 선택의 비율에 대해 ANOVA를 실행할 것입니다. 우리는 tDCS 조건의 주요 효과와 tDCS 조건과 변동성 사이의 상호 작용 효과에 대해 테스트할 것입니다. 상호 작용 효과는 승리-휘발성 조건 및 손실-휘발성 조건에 대해 별도로 bifrontal 대 sham tDCS의 계획된 대조가 뒤따를 것입니다.

승리 학습률과 승리 주도 선택의 비율(가설 3)에 대한 온라인 대 오프라인 양면 tDCS의 효과를 비교하기 위해 결합된 데이터 세트(온라인 및 오프라인 조건)에서 ANOVA를 실행하고 요인 "자극 시간"을 추가합니다. (작업 수행 전과 수행 중). 학습 속도의 경우 자극 시간의 주요 효과 및/또는 자극 시간과 tDCS 조건 및/또는 원자가 간의 상호 작용을 테스트합니다. 후속 ANOVA는 자극 시간별로 데이터를 분리하고 위의 가설 1에 설명된 대로 각 데이터 세트를 분석하여 승리 학습률에 대한 tDCS의 효과를 테스트합니다. 각 조건의 효과(유의 여부에 관계없이)는 두 가지 자극 시간 조건에서 정량화되고 대조되어 온라인이 아닌 오프라인 tDCS가 승리 학습률을 증가시킬 것이라는 가설을 테스트합니다. 동일한 분석 접근 방식이 승리 주도 선택의 비율에 사용됩니다.

sham tDCS와 비교하여 온라인 bifrontal이 참가자의 학습 속도를 변동성 맥락에 맞게 조정하는 능력을 향상시킬 수 있다는 두 번째 가설과 관련하여 ANOVA를 사용하여 tDCS가 승패 학습 속도의 차이에 미치는 영향을 테스트하는 탐색적 분석을 수행할 것입니다. 휘발성 및 안정 블록(예: 종속 변수는 Win delta LR(wins-volatile 블록의 승리 학습률에서 손실-휘발성 블록의 승리 학습률을 뺀 값) 및 Loss delta LR(손실 휘발성 블록의 손실 학습률에서 wins volatile 블록의 손실 학습률을 뺀 값)입니다. 승리 및 손실 델타 LR에서 자극 시간과 tDCS 조건 간의 상호 작용을 테스트합니다. 그 다음에는 가설 3에 대해 위에서 설명한 대로 온라인 및 오프라인 tDCS 조건 내에서 계획된 대비가 뒤따를 것입니다.