Eksploracje normalnych neuronowych behawioralnych i patologicznych podstaw metapoznania (METASENS)

PLAN POBIERANIA PRÓBEK

1. Istniejące dane Rejestracja przed utworzeniem danych: Na dzień złożenia niniejszego planu badawczego do rejestracji wstępnej dane nie zostały jeszcze zebrane, utworzone ani zrealizowane.
2. Procedury gromadzenia danych. Z populacji ogólnej będą rekrutowani zdrowi ochotnicy. Osoby ze schizofrenią będą rekrutowane ze środowiskowych ośrodków zdrowia psychicznego i przychodni w rejonie Wersalu oraz z kohorty FACE-SZ (Akademickie Centra Ekspertyz FondaMental ds. Schizofrenii) w Wersalu. Wszyscy uczestnicy będą naiwni w stosunku do celu badania, wyrażą świadomą zgodę zgodnie z wytycznymi instytucjonalnymi i Deklaracją Helsińską oraz otrzymają rekompensatę pieniężną (10 € / h).
3. Wielkość próby Maksymalnie 50 zdrowych osób kontrolnych w porównaniu z 50 osobami ze schizofrenią.

4. Uzasadnienie wielkości próby Oszacowane wielkości próby umożliwiają testowanie efektów średniej wielkości między osobami ze schizofrenią a zdrowymi kontrolami z mocą 0,8, w oparciu o obliczenie mocy jednostronnego testu t dla dwóch prób z d = 0,5 Cohena, α = 0,05. Pozwalają mierzyć średnie korelacje w grupach z mocą 0,7, na podstawie przybliżonego obliczenia mocy korelacji z r = 0,3, α = 0,05.

   Wielkości próbek dla zapisów elektrofizjologicznych są oparte na poprzednim badaniu, z udziałem 20 pacjentów w porównaniu z 20 kontrolami, co daje 13 w porównaniu z 13 po wykluczeniu wartości odstających.

5. Reguła zatrzymania Opcjonalnego zatrzymania można uniknąć, stosując sekwencyjne analizy czynnikowe Bayesa. Gromadzenie danych zostanie zatrzymane, gdy krytyczne porównanie osiągnie próg BF = 3 lub BF = 1/3.

   PLAN PROJEKTOWY

6. Projekt badania Badacze poproszą uczestników o rozróżnienie kierunku ruchu losowego kinetogramu punktowego (zadanie typu 1). Użyją myszy, aby wskazać, czy kropki poruszały się głównie w prawo, czy w lewo, klikając stronę, która ich zdaniem odpowiada prawidłowej odpowiedzi (czerwone i niebieskie kółka, patrz rysunek 1). Trajektoria myszy odpowiadająca zadaniu typu 1 zostanie zarejestrowana i przeanalizowana. Wariancja ruchu zostanie dostosowana dla każdego badanego przed eksperymentem przy użyciu klatki schodowej 1 w górę/2 w dół, aby osiągnąć średnią wydajność na poziomie 71%. Odpowiedź dźwiękowa zostanie odtworzona, jeśli uczestnicy udzielą odpowiedzi w czasie dłuższym niż 6 sekund. Podczas każdej próby uczestnicy wskażą następnie na wizualnej skali analogowej pewność co do swojej odpowiedzi (zadanie typu 2). Skala będzie się wahać od 0% („Pewnie, że moja odpowiedź jest prawidłowa”) do 100% („Pewnie, że moja odpowiedź jest błędna”). Początkowa pozycja kursora będzie zawsze odpowiadać 50% pewności („Niepewna mojej odpowiedzi)”. Eksperyment będzie się składał z 10 bloków po 30 prób i będzie trwał około 1h.

7. Randomizacja Kierunek ruchu (w lewo lub w prawo) będzie pseudolosowy, z nie więcej niż 4 kolejnymi próbami w tym samym kierunku.

   PLAN ANALIZY

8. Modele statystyczne 8.1. Dane behawioralne Wszystkie analizy zostaną przeprowadzone w języku R, w szczególności przy użyciu pakietów afex, BayesFactor, ggplot2, lme4, lmerTest i Effects. We wszystkich analizach ANOVA stopnie swobody będą korygowane za pomocą metody Greenhouse-Geisser.

   Cechy społeczno-demograficzne (wiek, płeć, wykształcenie), poznawcze (przedchorobowe i obecne IQ oraz wydajność wykonawcza z planowaniem i pamięcią roboczą) oraz nastrój (depresja) grup zostaną porównane za pomocą testu t Studenta lub testów Χ², jeśli to konieczne. Tylko zmienne, które znacząco różnią się między dwiema grupami, zostaną uwzględnione jako współzmienne w poniższych analizach.

   Wydajność metapoznawcza będzie przede wszystkim analizowana za pomocą dwumianowych modeli efektów mieszanych między dokładnością a pewnością siebie, z grupą (pacjent vs. kontrola) i kilkoma współzmiennymi (przedchorobowe i aktualne IQ, depresja i wydajność wykonawcza z planowaniem i pamięcią roboczą) jako czynniki między podmiotami . Nachylenie regresji zostanie przyjęte jako wskaźnik wydajności metapoznawczej, a asymptoty jako wskaźnik błędu ufności, tj. tendencji do zgłaszania wysokich lub niskich ocen ufności niezależnie od wykonania zadania. Testy ilorazu wiarygodności ocenią istotność.

   Przeddecyzyjne zmienne behawioralne (czasy reakcji, parametry trajektorii myszy) zostaną dodane do modelu w analizie wtórnej po ustaleniu głównych różnic między pacjentami a grupą kontrolną. Cechy geometryczne trajektorii myszy (entropia ruchu na osi x) zostaną określone ilościowo za pomocą pakietów EMOT i Mousetrap. Korelacje między entropią ruchu a ufnością zostaną określone ilościowo przez R², skorygowane o liczbę zmiennych zależnych w stosunku do liczby punktów danych.

   8.2. Korelacja między wydajnością metapoznawczą a cechami klinicznymi w schizofrenii

   Badacze przeprowadzą analizy korelacji między wydajnością metapoznawczą (nachylenie regresji między ocenami metapoznawczymi a dokładnością zadania pierwszego rzędu) a kilkoma zmiennymi klinicznymi. Zmiennymi klinicznymi będą:

   • Pozytywne i dezorganizacyjne wyniki w Skali Syndromu Pozytywnego i Negatywnego (PANSS), zgodnie z 5-czynnikowym modelem zaproponowanym przez van der Gaaga i in.
   • Całkowity wynik w skali Birchwood Insight Scale (BIS) dla wglądu w chorobę
   • Całkowity wynik na skali wglądu poznawczego Becka (BCIS) dla wglądu poznawczego
   • Całkowity wynik na Skali Wydajności Osobistej i Społecznej (PSP) w zakresie funkcjonowania społecznego Badacze użyją testu korelacji kolejności rang Spearmana ze wskaźnikiem fałszywych odkryć, aby skorygować wielokrotne porównania.

   8.3. Wstępne przetwarzanie danych elektrofizjologicznych: ciągłe EEG zostanie zarejestrowane przy 1200 Hz za pomocą 64-kanałowego systemu Gtec HIamp. Wstępne przetwarzanie sygnału zostanie przeprowadzone przy użyciu niestandardowych skryptów Matlab (Mathworks) z wykorzystaniem funkcji z zestawu narzędzi EEGLAB. Po oględzinach każdemu uczestnikowi zostaną usunięte elektrody zanieczyszczone artefaktami, a na początku reakcji typu 1 zostanie przeprowadzone epoksydowanie. Dla każdej epoki sygnał z każdej elektrody będzie wyśrodkowany do zera i uśredniony. Po oględzinach i odrzuceniu epok zawierających artefakty, do poszczególnych zestawów danych zostanie zastosowana niezależna analiza komponentów, po której nastąpi półautomatyczne wykrywanie artefaktów w oparciu o miary autokorelacji, topografię kanałów ogniskowych i ogólną nieciągłość. Po odrzuceniu artefaktów elektrody zanieczyszczone artefaktami zostaną interpolowane przy użyciu splajnów sferycznych.

   Analiza statystyczna: amplituda napięcia zostanie uśredniona w oknach czasowych (np. 20 ms) i przeanalizowana za pomocą liniowych modeli efektów mieszanych przy użyciu R wraz z pakietami lme4 i lmerTest. Ta metoda umożliwia analizę danych z pojedynczej próby, bez uśredniania warunków lub uczestników i bez dyskretyzacji ocen ufności. Modele zostaną wykonane dla każdej latencji i elektrody dla poszczególnych prób, w tym surowej oceny ufności i dokładności jako efektów stałych oraz losowych punktów przecięcia dla badanych. Istotność statystyczna danych elektrofizjologicznych w interesujących nas regionach (np. przednio-środkowe i lewe ciemieniowe obszary skóry głowy) zostanie oceniona po skorygowaniu o odsetek fałszywych odkryć. Jeśli to możliwe, zostanie użyty test permutacji oparty na klastrach.

9. Przekształcenia Dane zostaną przekształcone w przypadku naruszenia założenia o normalności (np. odwrotność czasów reakcji).

10. Dalsze analizy Poza mieszanymi regresjami logistycznymi, wydajność metapoznawcza zostanie przeanalizowana przy użyciu teorii wykrywania sygnałów drugiego rzędu: meta-d' będzie odzwierciedlać ilość dowodów percepcyjnych dostępnych podczas przeprowadzania oceny pewności. Błędy ufności będą również obliczane za pomocą krzywych charakterystyki działania odbiornika (ROC): obszar między ROC a większą przekątną zostanie podzielony przez mniejszą przekątną, a błąd ufności zostanie zdefiniowany jako stosunek logarytmiczny dolnego i górnego obszaru. ANOVA z grupą i odpowiednimi zmiennymi towarzyszącymi jako czynnikami międzyosobniczymi będzie testować spadek wydajności metapoznawczej i wzrost błędu ufności u pacjentów w porównaniu z uczestnikami z grupy kontrolnej.

    Modelowanie dryf-dyfuzja pozwoli nam określić, które aspekty czasu reakcji podczas zadania typu 1 różnią się między pacjentami ze schizofrenią a zdrowymi kontrolami (np. istnienie deficytów metapoznawczych w locus decyzyjnym.

11. Kryteria wnioskowania Zastosowane zostaną testy dwustronne z grupą jako czynnikiem międzyobiektowym. Próg istotności zostanie ustawiony na alfa = 5%. Jeśli to możliwe, zostaną obliczone czynniki Bayesa, aby potwierdzić wyniki zerowe i ustawić reguły zatrzymania (patrz wyżej).

12. Wykluczanie danych Pierwsze próby każdego warunku zostaną wykluczone z analizy, jeśli zawierają duże zmiany sygnału percepcyjnego.

    Zachowane zostaną tylko próby z czasem reakcji od 100 ms do 6 s dla zadania typu 1.

    Uczestnicy zostaną wykluczeni w przypadku, gdy nie będą w stanie osiągnąć 71% dokładności w zadaniu typu 1, odpowiedzieć w czasie dłuższym niż 6 s w większości prób lub w przypadku, gdy nie użyją prawidłowo skali ufności (np. brak wariancji w raportach ufności) .

13. Brakujące dane Wykorzystanie modeli mieszanych zastosowanych do danych behawioralnych i elektrofizjologicznych pozwoli poradzić sobie z niezrównoważonymi zbiorami danych, dzięki czemu imputacja danych nie będzie potrzebna.
14. Analiza eksploracyjna (nieobowiązkowa) 14.1. Korelacja między błędem metapoznawczym a cechami klinicznymi w schizofrenii Badacze przeprowadzą eksploracyjne analizy korelacji rzędu Spearmana między błędem metapoznawczym (asymptoty linii regresji między ocenami metapoznawczymi a trafnością zadania pierwszego rzędu) a kilkoma zmiennymi klinicznymi (wyniki dodatnie i dezorganizacyjne dla PANSS, łączny wynik BIS, BCIS i PSP).

14.2. Tętno Tętno będzie mierzone za pomocą pletyzmograficznego czujnika tętna Gtec i określane ilościowo jako funkcja sprawności typu 2. Opierając się na wcześniejszych ustaleniach dotyczących zdrowych uczestników, badacze spodziewają się, że większa pewność będzie związana z szybszym tętnem między początkiem bodźca a reakcją typu 2. Badacze spróbują powtórzyć te odkrycia, stosując te same metody, co Allen i współpracownicy, i rozszerzyć je na pacjentów.

14.3. Galvanic Skin Response (GSR) Jeśli chodzi o tętno, GSR będzie mierzone za pomocą dedykowanego czujnika Gtec i określane ilościowo jako funkcja wydajności typu 2 przy użyciu zestawu narzędzi Ledalab w środowisku Matlab. Według naszej wiedzy żadne badanie nie określiło ilościowo związku między GSR a metapoznaniem, więc badacze przeprowadzą analizy eksploracyjne.