自适应认知任务期间的自主神经变化

《Journal of Clinical Medicine》：Autonomic Changes During an Adaptive Cognitive Task

　　

摘要 背景/目标： 本研究探讨了在自适应Determination Test（DT）期间，任务减去基线的心率（HR）和皮肤电导（SC）变化与表现之间的参与者间关联。在该测试中，表现会影响后续的任务需求。方法： 这项探索性二次分析纳入了48名年轻成年人。准确性是研究定义的正确反应数/（正确+错误+遗漏），由导出计数计算得出。十个皮尔逊相关系数构成了主要的分析家族。补充的分对数分数和线性模型包括了相应的基线生理值和导出的刺激计数（DT_Stimuli）。同时分析了紧张性皮肤电导水平（SCL）、皮肤电导反应（SCR）频率和幅度。Benjamini-Hochberg（BH）校正分别应用于定义的分析家族。结果： 平均HR增加了19.99次/分，平均SC增加了4.65μS。HR与准确性的皮尔逊估计值为r = 0.338（95% CI 0.060至0.568；p = 0.019；BH q = 0.187），而斯皮尔曼ρ = 0.192。在包含基线HR和DT_Stimuli的模型中，每10次/分的平均边际关联为1.42个百分点（95% bootstrap CI 0.13至2.65；p = 0.033；BH q = 0.306）。无论是主要的相关系数家族还是15个互补模型检验均未达到q < 0.05。直接比较并未确定HR和SC相关性存在差异。结论： 在自适应DT表现期间，HR和SC均增加。一个可能的HR-准确性关联依赖于分析设定。对总刺激计数的调整未能识别表现-需求-生理关系中的方向。这些发现支持在未来研究中采用时间分辨的任务暴露进行前瞻性检验。

自适应认知任务期间自主神经变化的实证解读

1. 研究背景与研究问题

认知任务的执行不仅涉及心理过程，也伴随着显著的生理调整。心率（HR）和皮肤电导（SC）作为反映自主神经系统活动的指标，常用于量化个体从静息状态转向任务参与时的生理动员程度。然而，现有研究多聚焦于固定难度下的组间或组内比较，较少探讨在自适应任务环境中——即任务难度随个人实时表现动态调整——这种生理变化与行为表现之间的关系。具体而言，当表现优异可能导致后续任务需求更高时，更大的生理反应究竟是反映了更有效的认知努力，还是仅仅标志着所承受的更高任务负荷？这一问题尚不明确。本研究旨在填补这一空白，通过在健康年轻人中实施自适应Determination Test（DT），考察任务期间相对于基线的HR和SC变化如何与准确性、反应时等多项行为指标相关联，从而阐明生理动员与认知表现在动态任务环境中的复杂互动。

2. 研究目的与结论

研究人员开展了一项探索性二次分析，纳入48名健康年轻成人（年龄18-23岁）。所有受试者完成5分钟坐姿静息基线记录后，执行约8分钟的自适应S2长版Determination Test（DT）。该测试要求受试者对视觉和听觉信号做出快速准确的按键或脚踏板反应，其呈现速度会根据受试者近期的反应时和正确率自动调整。研究的主要目的是评估任务期间相对于基线的HR和SC变化（ΔHR、ΔSC）与五项DT表现指标（准确性、遗漏比例、错误比例、正确反应次数、中位反应时）之间的关联强度，并探索紧张性皮肤电导水平（SCL）、皮肤电导反应（SCR）频率和幅度等精细指标是否提供额外信息。

研究得出的核心结论包括：从基线到任务期，所有受试者的HR和SC均显著增加（平均ΔHR = 19.99 bpm，平均ΔSC = 4.65 μS），表明任务确实引发了强烈的生理动员。然而，生理变化与行为表现之间的关联并不一致且较弱。最大的关联出现在ΔHR与准确性之间，皮尔逊相关系数为r = 0.338，但在多重假设检验校正后未达到统计学显著性（BH q = 0.187）。进一步的回归模型在校正基线水平和总刺激暴露量后，每10 bpm的HR增加平均与1.42个百分点的准确性提升相关，但同样未通过多重检验校正。相比之下，SC及其分解指标（SCL、SCR频率和幅度）与各项行为指标的相关性均接近零且置信区间宽泛。直接比较也未发现HR和SC与表现的关联强度存在统计上的显著差异。

这项研究的重要意义在于揭示了在自适应认知任务中，群体层面的生理动员（如HR升高）并不能可靠地预测个体间的表现优劣。研究强调了生理反应的复杂性：它可能同时反映了维持表现的努力、应对更高任务需求的代价，以及由先前表现引发的后续刺激处理负荷。这一发现挑战了将生理激活简单等同于更优认知能力的观点，并为未来在临床认知评估中引入生理测量提供了重要的方法论警示——即必须考虑任务动态性和个体差异，而非依赖单一的、静态的生理-行为关联。

3. 主要关键技术方法

研究人员使用了以下关键技术方法：

• •
  实验范式：采用维也纳测试系统的自适应S2长版Determination Test（DT），其刺激呈现速度基于受试者最近八次反应的平均反应时动态调整。
• •
  生理数据采集与处理：使用Shimmer3 GSR设备以128 Hz采样率同步记录皮肤电导（EDA）和光电容积脉搏波（PPG）。HR由制造商算法从PPG导出。EDA数据经预处理后，使用cvxEDA模型分解为紧张性皮肤电导水平（SCL）和时相性皮肤电导反应（SCR）成分。
• •
  统计分析框架：主要分析家族为10个皮尔逊相关系数（两种生理变化×五种DT表现指标）。补充分析包括：基于分对数连接函数的分数logit模型（用于比例型结局）、普通最小二乘回归（用于连续型结局），所有模型均校正了相应基线生理值和总刺激数量（DT_Stimuli）。多重比较校正采用Benjamini-Hochberg（BH）方法，分别应用于各分析家族。此外还进行了Spearman相关、Theil-Sen斜率、留一法敏感性分析以及Williams检验（用于直接比较HR与SC的相关性差异）。

4. 研究结果

4.1 描述性统计与信号质量

所有48名受试者均纳入主分析。平均HR从基线75.78 bpm升至任务期95.77 bpm（均值变化19.99 bpm），平均SC从3.99 μS升至8.64 μS（均值变化4.65 μS），两项变化在所有受试者中均为正值。平均准确性为90.81%，中位反应时为734.62 ms。DT_Stimuli范围为474至650。HR变化与DT_Stimuli的相关系数为r = 0.083，表明两者几乎无线性关联。所有生理相位的数据质量满足预设标准。

4.2 主要相关性分析

在10个主要皮尔逊相关系数中，无一达到BH校正后的显著性阈值（q < 0.05）。最大的系数见于ΔHR与准确性之间：r = 0.338（p = 0.019，q = 0.187）。ΔHR与遗漏比例的相关系数为r = -0.291（p = 0.045，q = 0.225）。其余ΔHR与SC的各项相关系数绝对值均小于0.21，且均不显著。这表明未经校正的简单线性关联非常微弱。

4.3 包含DT_Stimuli的模型

在校正了基线HR和DT_Stimuli的分数logit模型中，ΔHR每增加10 bpm，准确性的平均边际效应为1.42个百分点（95% bootstrap CI 0.13至2.65，p = 0.033，q = 0.306）。此效应与未纳入DT_Stimuli的模型结果（1.37个百分点）相似。对于遗漏比例和错误比例，ΔHR的估计值分别为-0.73和-0.66个百分点，而对中位反应时的估计为10.55毫秒。所有这些效应在BH校正后均不显著（q > 0.05）。对于SC、SCL、SCR频率和SCR幅度，所有与准确性或遗漏比例相关的模型估计值的bootstrap置信区间均跨越零。HR变化与基线HR的交互项也不显著。这说明即使在控制暴露量后，生理变化与表现的关联仍不稳定。

5. 讨论与结论

讨论部分总结：

研究人员指出，从静息到自适应DT的转变伴随着明确的HR和EDA增加，证实了任务引发了生理动员。然而，更大的生理变化并未持续对应更好的行为表现。这与实验性工作负荷研究（其中生理指标可区分预设的难度级别）形成对比，因为在自适应任务中，生理反应既可能服务于维持表现的努力，也可能源于由该表现所产生的更高任务需求。HR与准确性及遗漏比例的关联模式暗示了一个关于避免遗漏反应的假说，而非普遍的速度或反应量提升。研究人员强调，心率的增加可由多种自主神经组合（交感增强、迷走抑制或两者兼有）驱动，且类似的HR变化可能对应不同的认知策略效率。因此，阶段平均值压缩了时间动态，可能掩盖了特定时刻（如错误后）的关键生理-行为联系。EDA指标（包括其分解成分）与行为结果的弱关联，可能源于错误相关反应与持续任务投入产生的电导变化在整个任务阶段被混合抵消。研究人员认为，对于认知评估而言，更有价值的问题是生理学是否能揭示行为结果是在何种需求下取得的，而不是简单地判断更大的激活是否等于更好的能力。

研究结论部分翻译：

HR和皮肤电测量指标从坐姿基线到自适应DT表现期间均有所增加。平均SC变化与行为结果关联微弱；分解后的EDA成分的估计值仍不确定，其置信区间跨越零。一个正向的HR-准确性估计值出现在多个分析设定中，但其幅度有所变化，并且没有任何一个定义的分析家族产生多重性校正后的显著发现。纳入了基线生理学和总刺激暴露量的模型无法区分表现-需求关系的时序方向。同样，直接比较也未能确立HR比SC具有更强的关联性。未来的前瞻性研究应在自适应和暴露控制的条件下，考察刺激速率、运动反应、表现和生理学之间的时间序列关系。