《Wildlife Biology》：Inspiring systematic inclusion of individual affective states to enhance the quality of wild animal research
编辑推荐：
关于动物的研究持续受到批评，通常涉及未考虑变异、数据质量、可重复性和普适性等问题，然而有一类变异来源仍很少被系统性地纳入：个体间情感状态（affective states）的差异。本文提出，评估情感应被视为生态学和行为学研究中针对野生动物的标准良好实践，与评估
关于动物的研究持续受到批评，通常涉及未考虑变异、数据质量、可重复性和普适性等问题，然而有一类变异来源仍很少被系统性地纳入：个体间情感状态（affective states）的差异。本文提出，评估情感应被视为生态学和行为学研究中针对野生动物的标准良好实践，与评估性别、年龄或社会等级等常见变量同等重要。虽然个性（personality）和应激生理学（stress physiology）等相关概念捕捉了野生动物个体变异的某些方面，但情感状态——在此处被讨论为个体过去与当前经验的整合产物——提供了一种基于福利的补充性框架。它们影响个体如何感知和响应实验处理、环境条件及人类活动，并能系统地改变行为、生理和生态结果。研究人员首先将情感状态置于现有关于动物研究中重复性、偏倚和严谨性的讨论中，并论证未加考量的情感差异可能导致无法解释的变异、明显的异常值、个体的选择性排除以及在不同地点或研究间难以重现结果。研究人员展示了如何利用行为、躯体、生理和认知指标来评估福利并推断圈养及自由活动动物的情感状态，且越来越多地采用微创或远程方法。通过在项目全过程中系统收集福利相关数据，情感状态可作为统计模型中的解释性或控制变量，用于检测采样偏倚，并解释行为模式。最后，研究人员讨论了伦理和后勤方面的意义。整合福利评估有潜力通过减少不必要的重复、增加从每只动物身上获得的信息量以及帮助更早识别福利问题来支持3Rs原则。尽管存在诸如缺乏经过验证的物种特异性指标以及增加分析复杂性等挑战，但常规性地考量情感状态是迈向对野生动物进行更稳健且在伦理上可辩护的研究的可行步骤。
论文主体内容总结
引言
研究人员旨在说明，考虑动物的情感状态（affective states）——福利的一个组成部分——如何能够提高所收集数据的质量（一致性、准确性）和实用性。研究人员的具体目标是说服读者，在与野生动物合作时，最佳研究实践应考虑个体在情感状态上的差异。具体而言，通过将圈养动物福利科学的经验应用于野生动物研究，鼓励所有从事野生动物工作的人员：1）将允许评估情感状态的数据纳入研究设计；2）在分析和解释过程中评估个体情感状态的差异如何影响研究结果。
动物研究中的数据质量问题回顾
近期研究界的反思凸显了科学研究中的偏倚（bias）和数据质量（data quality）问题，范围涵盖数据收集方式、分析方法到结果报告。这些问题挑战了结果的重复性（replication）、可重现性（reproducibility）和普适性（generalisability）。在动物研究中，许多因素若未得到适当考虑会导致数据质量问题：个体变异性（遗传、年龄、性别）、环境影响（饲养、饮食、栖息地）、方法论因素（观察者偏倚、捕获、处理）以及不同设施或设备间的差异。未能考虑这些因素可能导致行为观察的误读或将结果错误归因于其他变量。
为解决这些问题已采取的措施
针对重复性和可重现性提出的解决方案包括系统性异质化（heterogenisation）、预注册（preregistration）、多实验室设计、共享数据库、更详细的受试者报告以及如ARRIVE和PREPARE等报告指南。这些方案强调个体动物的背景，但很少将个体间情感状态的差异视为需要评估的独特变异来源。一些现有框架纳入了与情感状态相关的因素，例如STRANGE框架强调了社会背景、可诱捕性（trappability）和自我选择（self-selection）、养育史（rearing history）、适应和习惯化（acclimation and habituation）、反应性的自然变化、基因组成和过往经历，所有这些都可能促成情感状态的差异。CRAMPED缩写同样概括了实验室动物的状况（寒冷、肥胖、异常、雄性偏向、存活率低、受困和痛苦），这些状况塑造了情感体验并可能使研究结果产生偏倚。两者都指出了情感状态的决定因素，但都没有明确地将情感状态作为框架核心。
情感状态及其对动物研究的影响
情感状态反映有感知力（sentient）个体的主观体验（subjective experiences），即它们对其当前或预期情况（内部状态和环境条件）的生理、心理和情绪反应。情感状态作为过去和现在经验的综合衡量指标；它们不仅反映个体的即时状态，也反映其经验和反应的历史。情感无法直接测量，但可以从经过验证的躯体、行为、生理和认知指标中推断出来。指标必须对其应用的物种和情境有效；未经验证的代理指标可能存在误导性。在实践中，情感是通过结合福利指标来推断的，如认知偏差（cognitive bias）、心率、姿势、警觉性以及多种行为等。
与个性和应激生物学的关系
已有几种方法用于描述野生个体动物如何在其对环境反应上存在差异。研究飞行起始距离、大胆程度和糖皮质激素测量的变异为了解野生个体动物如何应对其环境的变异提供了见解，并且共同支持对情感状态的理解。个性研究揭示了跨时间和情境相对一致的行为差异，有助于揭示情感状态，而情感状态是动态的，会随着近期经验而变化。由于生理应激测量（下丘脑-垂体-肾上腺轴或交感神经激活）本身无法区分急性与慢性应激，或负价与正价唤醒，因此在情感状态框架内对其进行解释有助于更好地理解个体对不同经历的反应。
为何将情感状态纳入研究框架
动物经历对其情感状态的影响通常表现为行为。情感状态与行为之间的联系已得到充分证实，但对野生动物的研究很少考虑个体行为变异与情感状态之间的关系，即使相关概念（如个性、应激）被广泛测量。在实验室背景下，人们早已认识到受试者的情感状态会影响数据质量，大量研究表明影响福利的饲养、处理和实验条件的变异会在所得数据中引入混淆变量。更根本的是，由于研究受试者情感状态的差异会影响个体如何应对其处境，未能记录此类差异的指标可能导致误导性的解释。一个后果是，个体间情感状态的变异可能导致明显的异常值，随后这些异常值可能因福利相关原因被从分析中剔除。即使在管理良好的圈养环境中，实现完全同质的福利状态既非总是可能也不可取。
动物福利研究的进展
对圈养动物经历日益加深的理解促使人们更加意识到动物情感状态及其变异性，以及在研究中更有效地考虑这一点的必要性。动物福利科学的基础工作确立了动物福利是多维度的，最好通过多个汇聚的指标而非单一措施进行评估。这催生了动物使用、处理和参与的最佳实践。这些指南现已成为大多数涉及直接动物互动的研究的标准，尤其是在人工照管下。监督机构要求研究人员证明潜在利益能证明对动物福利的任何影响是合理的。这些框架的核心是3Rs原则（替代、减少、优化）。在保护科学领域，越来越认识到情感状态的自然变异可以影响保护项目的成果。研究人员正在采取措施减轻此类影响，并且针对野生动物的3Rs应用资源日益增多。然而，研究人员通常只在所选方法预计会直接影响福利时才考虑情感状态，而不是将自然发生的情感差异视为常规变异来源。大多数评估情感差异的研究侧重于实验室条件或研究的人为影响。野生个体反应的天然变异通常较少被考虑，即便被考虑，也通常被框定为个性或应激生物学，而非作为整合的福利相关情感变异。
纳入情感状态的益处
情感驱动或激发个体如何、何时以及在多大程度上对给定刺激做出反应。动物的过去和现在经历促成了其当前的情感状态，进而驱动其行动动机。由于情感状态的差异塑造了个体如何应对实验或环境条件，因此观察到的反应总是存在相当大的变异。正如性别、年龄、亲缘关系或等级被常规纳入和控制一样，评估情感差异的方法也应被纳入。在研究设计和解释中考虑情感状态带来两个相关益处。第一，当作为统计模型中的控制或解释变量时，情感状态指标能改善模型拟合度并更好地解释个体变异性，它提供了一个系统性地解释其影响的框架。评估福利指标允许研究人员报告受试者之间的情感差异，并透明地记录任何基于福利的剔除，从而提高重复性。第二，在解释结果时考虑情感状态能将观察到的模式置于情境中，并为诸如扩散、战斗或逃跑反应以及社交互动等行为的触发因素和驱动因素提供见解。
伦理标准
未能考虑情感状态可能会损害科学质量和可重复性，也可能破坏伦理实践。将情感状态整合到研究中有助于最大限度地减少伤害并优化资源，通过鼓励系统性地识别福利相关问题。如果情感状态没有得到充分监测和报告，动物可能会遭受不必要的痛苦，而且不良福利会以导致结果偏倚的方式改变行为、生理和认知，从而产生不可靠的数据。尽管3Rs原则是在实验室背景下发展起来的，但它可以通过非侵入性观察、改进研究设计以减少样本量，以及优化捕获、标记或处理方法，来指导野外伦理实践。糟糕的可重复性的一个后果是不必要的重复研究，使更多动物遭受捕获、处理或痛苦的暴露，这与“减少”原则直接冲突。明确考虑情感状态可以降低因有效性差而需要重复研究的可能性。考虑情感变异还能提高研究结果在不同研究群体间的普适性，并帮助研究人员避免过度标准化实验条件。
野外的情感状态差异
野生动物福利正日益被认为是一个重要的研究领域。在野外，个体间情感状态的差异可能更为显著，因为那里的研究条件变化很大，个体经历高度异质。更大的移动性、可变的空间和时间尺度以及对环境条件的有限控制会增加无法解释的变异。将情感视为一个需要解释的变异来源，强调了收集有关情感状态差异信息的必要性。随机样本不太可能代表自然发生的情感变异的全部范围。这可能是有意为之，当研究人员优先选择看起来更健康的个体时；也可能是无意或结构性的，当具有特定情感状态或过往经历的动物可能通过回避陷阱、对相机羞怯或移动性降低而选择退出时。纳入福利评估工具使研究人员能够识别和报告此类抽样效应并避免潜在的偏倚。
在野生动物研究中整合情感状态
研究人员鼓励所有从事动物研究的人员收集更多能为理解自然种群中情感差异提供信息的数据。非破坏性福利评估方法和远程技术（如相机陷阱和热传感器）日益促进将福利评估系统地整合到野生动物研究中。为了提高可靠性和最小化偏倚，建议结合多个经过验证的互补性指标。这种方法纳入来自福利不同领域的指标以交叉验证发现并加强评估。指标还应针对感兴趣的物种进行验证以确保适用性。整合这些数据类型看似艰巨，但系统性地收集福利相关数据本身将改进方法论；此外，人工智能和遥感也可能直接对此有所帮助。需要注意的是，应避免将同一行为同时用作福利指标和主要研究变量，以避免循环论证。
整合福利评估面临的挑战
情感状态的评估使用代理指标而非直接测量，因此一个持续的挑战是缺乏可靠的、经过验证的物种特异性指标。没有任何单一指标能提供完全的准确性；即使是稳健的可转移指标也需要物种特异性验证。可操作性也因物种而异。将情感作为一个变量也会增加分析的复杂性，因为增加福利指标会提高模型参数的数量，从而增加过拟合的风险；每个个体的重复测量可能在不增加样本量的情况下缓解这一问题。在野生种群中，生态、社会和个体层面的因素会随时间自然波动。环境条件、群体组成、资源可用性和季节性效应会引入显著的变异性，并与福利指标相互作用，通常需要更复杂的建模或纵向设计。这种复杂性与福利指标和其他变量之间的关系和冗余相结合，既是挑战也是效率。尽管如此，这些变量的解释价值很可能证明了方法论努力是值得的，尽管整合将需要额外的时间和密切的跨学科合作。
结论
在以动物为基础的研究中，个体受试者的情感状态通常仅被视为伦理考量，而非研究设计和统计分析的整体组成部分。未能评估情感状态可能会在行为反应中留下大量无法解释的变异，扭曲抽样，降低普适性，掩盖准确的解释，并削弱可重复性，特别是对于野生种群而言。尽管关于行为综合征、个性和应激生理学的研究已经捕捉到了野生动物个体变异的要素，但这些方法通常是孤立于彼此以及更广泛的福利框架之外进行研究的。将它们整合在一个明确考虑情感状态的基于福利的框架下，将增加它们的解释力，并为将福利评估纳入野生动物研究提供了一个自然的起点。将动物福利科学的方法和经验与快速发展的非侵入性、远程和连续野生动物监测方法相结合，应能促进并加速在野生动物研究中常规纳入情感状态的测量和监测。
