Mechanizmy i predyktory zmian w treningu uważności opartym na aplikacjach dla młodzieży

Aplikacje na smartfony oparte na uważności zyskały w ostatnich latach na popularności. Headspace – jedna z najpopularniejszych platform – ma ponad 42 miliony użytkowników. Ostatnie badania wskazują, że 11% nastolatków w USA używało aplikacji uważności jako sposobu radzenia sobie z objawami lękowymi lub depresyjnymi, które znacznie nasilają się w okresie dojrzewania. Coraz więcej badań sugeruje, że ruminacje są transdiagnostycznym czynnikiem ryzyka związanym z rozwojem depresji i lęku u młodzieży. Krytycznie rzecz biorąc, medytacja uważności okazała się obiecująca w celowaniu w ruminacje i ostatecznie w poprawie objawów depresyjnych i lękowych. Aplikacje uważności oferują wygodny i opłacalny sposób na dostęp do treningu uważności, będąc jednocześnie interaktywnym i angażującym dla młodzieży. Pomimo ich rosnącej popularności wśród nastolatków, przeprowadzono zaskakująco mało badań nad tymi aplikacjami. Należy jeszcze odpowiedzieć na dwa krytyczne pytania, które są ściśle powiązane z planem strategicznym NCCIH: (1) jakie są podstawowe mechanizmy neuronowe i poznawcze, które odpowiadają za korzystne efekty tych aplikacji oraz (2) dla kogo jest uważność oparta na aplikacjach dobrze dopasowane. Aby wypełnić te luki, młodzież (w wieku 13-18 lat) zostanie losowo przydzielona do kursu uważności prowadzonego przez aplikację w porównaniu z aktywnym warunkiem kontrolnym i wykona przed i po interwencji skany funkcjonalnego rezonansu magnetycznego (fMRI) w stanie spoczynku w celu zbadania statyczna i dynamiczna łączność funkcjonalna w sieciach mózgowych i pomiędzy nimi zaangażowanych w trening uważności i ruminacje. Ponadto zadania poznawcze będą wykonywane przed i po interwencji w celu oceny zdolności kontroli uwagi, prawdopodobnie wzmocnionych przez trening uważności. Wreszcie, umiejętności uważności i zmiany w przeżuwaniu zostaną ocenione za pomocą chwilowej oceny ekologicznej opartej na smartfonie (EMA). Najpierw badacze sprawdzą, czy zmiany w (1) funkcjonalnej łączności mózgu (dynamiczna łączność funkcjonalna w stanie spoczynku poprzez analizę wzorców koaktywacji), (2) kontroli uwagi (prawidłowy % NoGo w zadaniu SART) oraz (3) nabywaniu i stosowaniu uważności umiejętności (ocenione przez EMA) pośredniczą w różnicach między grupami (tj. aplikacja vs. kontrola) w redukcji przeżuwania. Po drugie, badacze sprawdzą, czy model uczenia maszynowego obejmujący podstawowe cechy kliniczne, demograficzne i psychospołeczne można wykorzystać do określenia, które nastolatki mogą odnieść korzyści z treningu uważności opartego na aplikacjach. Ostatecznie taki algorytm może dostarczać informacji o indywidualnych ocenach ryzyka i korzyści, które można wykorzystać do obiektywnego informowania użytkowników o prawdopodobieństwie wystąpienia pozytywnych i niekorzystnych wyników przed rozpoczęciem korzystania z aplikacji uważności. Oczekuje się, że łącznie wyniki przyczynią się do (1) lepszego zrozumienia podstawowych mechanizmów, które odpowiadają za korzystne efekty treningu uważności opartego na aplikacjach oraz (2) naszej zdolności do przewidywania, którzy nastolatkowie dobrze pasują do tych coraz bardziej popularnych aplikacji.