Neurobeteendemekanismer för känsloreglering vid depression under den vuxna livslängden (Lifespan)

Känsloregleringsförmåga är avgörande för att upprätthålla mental hälsa inför kumulativa stressfaktorer under ens livstid. Även om det är väldokumenterat att vissa känsloreglerande förmågor bevaras eller till och med förbättras i hälsosamt åldrande, är lite känt om varför regulatoriska underskott kvarstår hos äldre vuxna som lider av depression. Behandlingar för major depressive disorder (MDD) fokuserar på att åtgärda affektiva dysregleringsprocesser som ger risker för funktionshinder, dålig livskvalitet och sjuklighet till sent i livet. Teoretiska perspektiv på känslomässigt åldrande föreslår otaliga livslängdsförändringar som potentiellt påverkar regulatoriska kapaciteter, inklusive strukturell och funktionell integritet av dorsal uppmärksamhet och ventrala affektiva processvägar, kognitiv status och användning av specifika regulatoriska strategier, bland annat. Det finns dock en brist på empiriska bevis för att indikera vilken kombination av dessa faktorer som kritiskt interagerar med depressiva symtom för att påverka emotionell dysreglering hos äldre vuxna, när dessa faktorer blir viktiga under den vuxna livslängden, vilka strategier de tillämpar på, och om de kan förutsäga framtida depressionsstatus. Målet med denna specifika applikation är således att testa en omfattande modell av åldersrelaterade förändringar av hjärnkretsar, neurokognitiv prestation och socialt stöd som prediktorer för förmåga att reglera känslor och depressiva symtom hos individer med och utan MDD. Omvärdering och distraktion är de känsloreglerande strategierna av primärt intresse.

Modeller kommer att utvärderas med i första hand en serie linjära (flera) regressionsmodeller som fokuserar på effekter/jämförelser mellan subjekt (ålder, MDD-status, etc.) och känsloregleringsresultaten separat för omvärdering och distraktionsprocesser. Som en förlängning av dessa modeller kommer vi att utföra SEM-modeller (Structural Equation Modeling) för att sammanfatta ansvarsdimensionerna som ligger bakom de specifika domänerna av depression [BDI-poäng som mäter depressions svårighetsgrad; livslängd av depressiva episoder] och neurala mått på funktion av dorsal uppmärksamhetsnätverk [gPPI-anslutning mellan dlPFC och amygdala; uppgiftsbaserad aktivering under distraktion i dACC, dlPFC och inferior parietallob; DTI FA-mått i SLF II] och affektiv nätverksfunktion [gPPI-anslutning mellan vlPFC och amygdala; uppgiftsbaserad aktivering under omvärdering i vmPFC, vlPFC och amygdala; DTI FA-mått på UF]. SEM kommer att vara särskilt användbar för att förutsäga den framtida depressionen som kommer att bedömas vid ett års uppföljning, där de förutspådda (bästa linjära opartiska prediktorerna-BLUPS) värdena för lägre dimensionella latenta egenskaper, tillsammans med känsloregleringsresultat, kan användas som prediktorer för framtida depression. Dessutom kan hierarkiska modelleringsstrukturer påtvingas latenta egenskaper under förutsättning att en delad latent egenskap beskriver associationer mellan flera latenta egenskaper, vilket ytterligare minskar underliggande dimensionalitet och förenklar beräkningar. Denna enstaka egenskap kan ses som en kumulativ effekt av alla latenta egenskaper och kan användas som ett enda osäkerhetsindex för att förutsäga framtida svårighetsgrad av depressionssymptom.