减少特质焦虑的脑电图 Alpha/Theta 神经反馈

自 1960 年代后期以来，神经反馈治疗 (NFT) 已被用于治疗患有焦虑症的成年人。 然而，大多数相关的、基于证据的研究是在 20 世纪 70 年代中期和 1990 年代后期进行的。 因此，NFT 作为治疗焦虑问题的有效方法仍不清楚。 文献研究表明，在少数研究中，大多数使用的样本量为每个实验组或对照组 10 名或更少的受试者，结果好坏参半：Orne & Paskewitz (1974) 和 Watson & Herder (1980) 发现焦虑症状减少没有显着效果Egner, Strawson & Gruzelier (2002) 没有发现 alpha/theta (A/T) NFT 和假手术组在主观激活水平上有显着差异。 另一方面，Hardt & Kamiya (1978)、Plotkin & Rice (1981)、Sargunaraj、Kumaraiah、Mishra 和 Kumar (1987)、Rice、Blanchard & Purcell (1993)、Vanathy、Sharma 和 Kumar (1998)， Sarkar、Rathee 和 Neera (1999)、Eismont Lutsyuk 和 Pavlenko (2011)，以及 Gruzelier、Thompson、Redding、Brandt 和 Steffert (2013) 确实发现通过 NFT 可以显着减少焦虑症状。 美国国立卫生研究院国家补充和综合健康中心 (NCCIH) 目前不认可 NFT 作为治疗焦虑症的有效方法。

一般假设：一个包含 alpha (8-11 Hz) 和 theta (5-7.5 Hz) 频带的十个会话 NFT 协议降低了特质焦虑的主观体验，并提升了个体脑电图记录中的平均 θ 和降低了 alpha 振幅具有中度到高度的特质焦虑（而在假 NFT 条件下个人对特质焦虑和 theta/alpha 比率的主观体验不会改变）。

控制治疗期望和自我效能

1. 根据斯坦福治疗期望量表 (SETS) 和 Rotter 控制量表的测量，治疗组和假手术组在治疗期望/自我效能方面没有显着差异。

2. 治疗和假治疗组治疗前和治疗后满意度之间没有显着差异，如通过 SETS 修改结果量表测量的评估所测量的。

   治疗效果假设：

   治疗组平均将：

3. 与假组相比，在会话内和会话之间显示更高的平均 theta 和更高的 alpha 振幅。 （一个会话内的平均 theta/alpha 比率将通过将第一个 8 分钟 NFT 区块的开始和结束以及第二和第三个 NFT 区块结束的 theta/alpha 比率相加并将这四个比率除以四来计算).
4. 与假组中的个体相比，在 NFT 会话之间具有更高的 theta 振幅平均线性增加和更高的 Alpha 线性减少（→ 学习曲线）。
5. 在每次会议结束时，与假手术组相比，主观上感觉更加停用和平静（由 Thayer 的 ActivationDeactivation 形容词清单 (AD-ACL) 评估）。
6. 他们进行的 NFT 会话越多，主观上就越不活跃和平静，而假组则不会。
7. 显示出比假手术组更多减少的自评焦虑症状（由状态特质焦虑量表（STAI）、贝克焦虑量表（BAI）和广泛性焦虑项目量表（GAD-7）测量）。
8. 显示较高的平均 θ 振幅线性增加和较低的平均 alpha 振幅在会话内和跨会话将与治疗组中停用和放松的较高分数相关，但在假手术组中则没有。
9. 显示较高的平均 θ 振幅线性增加和较低的平均 alpha 振幅跨会话将与治疗组中 STAI、BAI 和 GAD-7 清单中较低的治疗后评分相关，但在假手术组中则没有，这意味着=> 在 STAI、BAI 和 GAD-7 变化分数与跨会话的 θ 振幅的平均线性增加和较低的平均 alpha 振幅之间存在更高的负相关，预计在治疗组中比在变化组中。
10. 在 mini-QEEG 上具有更高的 alpha 和 theta 分布，特别是在 Pz 区域。

以前没有 NFT 经验的成年人在状态焦虑量表（STAI-Y；分数：>66%）中得分中等到高，在贝克抑郁问卷（BDI-II；分数：<19）中得分较低，他们可能或可能没有被诊断出患有焦虑症，但没有其他严重的共病心理健康或神经系统疾病，如重度抑郁症、双相情感障碍、精神分裂症、物质使用障碍、癫痫或抽动障碍将被纳入研究。

预筛选后，将通过随机 MATLAB 协议将参与者分配到实验或假 NFT 条件（四个整数长度的七个随机零/一向量，由零和一组成，分别代表实验组（数字 1）和对照组参与者（数字 0））。

实验组和假组将因使用听觉、视觉和数字奖励来训练特定波频率的力量而获得奖励。 两种奖励声音（低音排箫声音和钢鼓声音）将作为具有振幅调制的持续 MIDI 声音播放，并且将取决于各自波频率的功率。 奖励标准将设置为 250 毫秒，奖励之间的不应期为 200 毫秒。 还将向参与者展示飞龙循环视频（Vulcan 飞行），当 alpha 和/或 theta 功率上升时，视频颜色会变得更亮作为视觉奖励，并在循环视频旁边的屏幕上看到他们的奖励百分比作为数字。 两组都将接受三个部分的八分钟 NFT 培训，每个部分之间有最多 90 秒的休息时间（取决于参与者的偏好）。

实验性 A/T NFT 组将接受十次 A/T NFT 训练——特别是上调 alpha（8-11 Hz，低音排箫声）和 theta（5-7 Hz，钢鼓声）。 虚假 NFT 组将收到两个交替 NFT 协议的十个会话。 在奇数会话 (1,3,5,7,9) 中，lobeta（13-16 Hz 排箫声）和 hibeta（16-22 Hz，钢鼓声）将被训练和 alpha（8-11 Hz）， theta (5-7.5 Hz) 和 hibeta (23-30 Hz) 被抑制。 在偶数会话 (2,4,6,8,10) 中，beta（13-16 Hz，排箫声）和 hibeta（16-22 Hz，钢鼓）被向下训练，alpha（8-11 Hz）， theta (5-7.5 Hz) 和 hibeta (23-30 Hz) 被抑制。

BrainAvatar® 4.0 套件（Brainmaster Technologies, Inc；http://www.brainmaster.com）， 将用于所有 NFT。 将选择 Pz 作为 EEG 记录站点，A1 作为参考，A2 作为接地电极。 采样率将设置为标准的每秒 256 赫兹，分辨率 <0.01 赫兹，放大倍数为 10,000。 阻抗将设置为 < 10 kOhms。 使用的滤波器将是带通滤波器（80Hz 高通和 60Hz 低通）和 A/D 低通滤波器（允许 0-30Hz 活动）。 3 dB 时的平滑时间将为 0.5 秒。 伪影抑制阈值将设置为 200 微伏。

统计分析：

拟议研究的总体设计要求混合方差分析治疗条件（A/T 与假）作为受试者之间，焦虑前/后水平作为受试者内因素。 治疗效果（跨两组）将反映在显着的受试者内部效应中，而 NFT 的功效具体将反映在相互作用中，从而在 A/T 中发现显着更多的改善（即降低的特质焦虑）与假控制条件。 在这种混合分析中，总共需要 (N = 27) 名参与者才能检测到中等大小 (f = .25) 相互作用效应和主体内效应具有足够的功效 (.80)。

具体来说：

方差分析

• 治疗前和治疗后（10 次神经反馈之前和之后）假手术组和治疗组之间的平均 θ/α 比率
• 会话前和会话后（10 个会话）平均 theta/alpha 比率在个人和会话之间比较假和治疗组
• 课前和课后（10 节课）激活去激活形容词检查表 (AD-ACL) 个人得分
• 会话前和会话后（10 个会话）会话之间的 AD-ACL 分数
• 治疗组和假手术组之间治疗前后的 STAI 焦虑评分
• 治疗组和假手术组治疗前后 BAI 焦虑评分
• 治疗组和假手术组之间治疗前后的 GAD-7 焦虑评分
• 治疗组和假手术组之间治疗前后的迷你 QEEG 模式

相关性/回归分析：

• 超过十个疗程的 A/T 治疗条件的个体学习曲线：个体在疗程之间的平均 theta/alpha 比率
• AD-ACL 治疗前后评分与治疗前后 theta/alpha 比率之间的相关性
• 治疗前后 SETS 评分与治疗前后 theta/alpha 比率之间的相关性
• STAI 治疗前后评分与治疗前后 theta/alpha 比率之间的相关性
• BAI 治疗前后评分与 theta/alpha 治疗前后评分之间的相关性
• GAD-7 治疗前后评分与 theta/alpha 治疗前后评分之间的相关性
• Rotter Locus of Control 评分与治疗前后 theta/alpha 比率之间的相关性

定性分析：

• 在 NFT 培训期间使用了哪些心理策略，以及各个受试者对不同策略的有效性
• 个体受试者在日常生活中感知到的思想、感受和行为有哪些具体变化（如果有的话）