纤维肌痛患者的弹性因素和选择性学习

选择性学习将通过使用阻塞程序进行实验研究。 阻塞效应是一种可以提供选择性学习信息的机制。 在此过程中，一个事件 (A+) 将首先与疼痛配对。 参与者应了解此事件与疼痛发生之间的关系。 之后，另一个事件 (x)，即阻塞刺激，与第一个事件 A (AX+) 一起显示。 这两个事件的组合也将与疼痛相关。 它将被测试，参与者在多大程度上期望单独的阻塞刺激会带来疼痛。 在“阻塞”的情况下，即减少对 X 的疼痛预期，我们可以假设适应性、选择性学习。

在计划的研究中，纤维肌痛患者的虚构日记将用作“封面故事”。 不同的事件和“痛”或“不痛”这些词将在视觉上一起呈现，表明在什么情况下会发生疼痛，在什么情况下不会。 参与者将被要求想象他们是试图了解哪些情况与疼痛相关的从业者。 这项学习实验基于 Meulders 及其同事之前的一项研究，其中通过呈现虚构的日记条目（例如“Kim was walking her dog”或“今天天气不好”(CS)）并将句子配对来研究选择性学习在阻止程序方面（见上文）。 在中央测试阶段，在没有疼痛报告的情况下呈现事件，参与者被要求给出他们对不同情况的疼痛预期。 与健康对照组相比，纤维肌痛患者在选择性学习方面存在缺陷。 对于计划中的研究，这种学习范式将被用于较小的改编（翻译成德语，较小的指令改编，重命名的尺度末端，更高的尺度分辨率）。 学习实验大约需要 15 分钟。

积极的影响和乐观将通过最佳可能自我 (BPS) 干预来诱导。 受试者将被随机分配到乐观条件或控制条件。

整个研究将在线进行。 参与者将被要求在不同时间从实验平台切换到问卷平台。 为了重现实验室情况并让参与者保持参与，我们制作了几个视频，其中虚拟研究者在整个实验过程中指导参与者。

假设影响较小，样本量应包括 164 名参与者。 使用软件程序 G*Power for ANOVA 计算先验功效分析，重复测量，在具有小效应的相互作用之间（f=0.1，功效 0.8，α=0.05）。

纤维肌痛患者将通过 Facebook 和 Instagram 等社交媒体平台招募，也可以通过杂志广告、自助团体以及医疗办公室和诊所的传单招募。

计划主要计算具有重复测量和 t 检验的方差分析。 将有四个独立的重复测量 (RM) 方差分析关于正面和负面影响以及正面和负面的未来预期，其中组 (BPS/TD) 作为因素间因素，时间（前/后）作为受试者内因素。 计划对比也将用于检查 a) 积极影响和 b) 积极未来预期的增加（而不是 a) 消极影响和 b) 消极未来预期的减少）与 TD 组相比是否会更大团体。

此外，我们将计算方差分析来测试不同阶段疼痛预期的获得。 中央分析将是一个 2 x 3 RM 方差分析，其中组 (BPS/TD) 作为主体间变量，刺激类型 (B/Z/X) 作为主体内变量，关于学习实验测试阶段的疼痛预期评级. 此外，根据文献，研究人员可能会进行响应者分析，并使用 a) 积极影响和 b) 积极未来预期的变化作为选择性学习的预测指标（以便在必要时在统计分析中发挥更大的作用）。

转换：将完成非正态分布变量的转换。

推理标准：我们将使用标准 p < .05 标准。

数据排除：参与者将被排除在分析之外，如果他们在测试阶段给出 Z>X 评级，或者如果他们在整个实验过程中给出相同的评级。 未正确完成 BPS/TD 写作练习的参与者将被排除在具有群体因素的方差分析之外。