对于疼痛的共情在实时双向视频交流以及观看预先录制的视频过程中依然存在
《COGNITIVE, AFFECTIVE & BEHAVIORAL NEUROSCIENCE》:Empathy for pain persists across live two-way video interactions and viewing of prerecorded videos
【字体:
大
中
小
】
时间:2026年04月17日
来源:COGNITIVE, AFFECTIVE & BEHAVIORAL NEUROSCIENCE 2.7
编辑推荐:
**摘要**
数字媒介社会互动对理解他人及分享他们情感的影响尚未得到充分研究。我们探讨了实时视频互动与观看预录视频相比,如何影响疼痛共情的行为、神经及生理层面。在三十五名观察者的参与下,他们通过脑电图(EEG)观察到目标对象接受电刺激的痛苦过程。我们假设社交互动中信息传递的即
**摘要**
数字媒介社会互动对理解他人及分享他们情感的影响尚未得到充分研究。我们探讨了实时视频互动与观看预录视频相比,如何影响疼痛共情的行为、神经及生理层面。在三十五名观察者的参与下,他们通过脑电图(EEG)观察到目标对象接受电刺激的痛苦过程。我们假设社交互动中信息传递的即时性或延迟会降低行为和电生理共情反应。然而,观察者的行为共情反应并未因信息传递的延迟而减弱。在神经层面,前额叶θ波对他人疼痛强度敏感,且我们观察到参与者之间存在显著的生理耦合。相反,μ波抑制并未受到疼痛强度的影响。重要的是,共情的神经和生理指标与信息传递的即时性无关。但探索性分析表明,信息传递的即时性会对疼痛相关的θ波活动产生影响——在即时性较高的互动中,θ波增加得更早。结果表明,个体在社交互动中的即时性可能并非共情他人疼痛所必需。未来研究可以探讨更为自然的社会互动,并纳入共情的动机因素。这些发现对社会存在感及第二人称神经科学的讨论具有启示意义。
数字媒介社会互动对理解他人及分享他们情感的影响尚未得到充分研究。我们探讨了实时视频互动与观看预录视频相比,如何影响疼痛共情的行为、神经及生理层面。在三十五名观察者的参与下,他们通过脑电图(EEG)观察到目标对象接受电刺激的痛苦过程。我们假设社交互动中信息传递的即时性或延迟会降低行为和电生理共情反应。然而,观察者的行为共情反应并未因信息传递的延迟而减弱。在神经层面,前额叶θ波对他人疼痛强度敏感,且我们观察到参与者之间存在显著的生理耦合。相反,μ波抑制并未受到疼痛强度的影响。重要的是,共情的神经和生理指标与信息传递的即时性无关。但探索性分析表明,信息传递的即时性会对疼痛相关的θ波活动产生影响——在即时性较高的互动中,θ波增加得更早。结果表明,个体在社交互动中的即时性可能并非共情他人疼痛所必需。未来研究可以探讨更为自然的社会互动,并纳入共情的动机因素。这些发现对社会存在感及第二人称神经科学的讨论具有启示意义。
数字媒介社会互动已成为日常生活不可或缺的一部分,从社交媒体到视频会议,再到在线心理治疗。然而,这些互动对我们理解他人的影响仍知之甚少。我们最近提出了一个理论框架,用于研究社会存在感对社会认知的影响,尤其是对共情和心理状态归因的影响(Kr?mer等人,2025年)。在该框架中,我们将社会存在感定义为他人在物理和时间上的接近程度,即关于他人的言语和非言语线索的可用性(物理存在感)以及这些社交线索的即时性(时间存在感)。在此基础上扩展了我们之前的研究(Petereit等人,2023年),探讨了时间存在感如何影响疼痛共情的行为、神经和生理层面。
时间存在感指的是社交互动中信息传递的即时性或延迟,这决定了互动中的相互性可能性。例如,两人之间的直接对话由于信息的即时交换而具有高时间存在感,而观看预录视频则因录制和观看之间的时间延迟而具有低时间存在感(Kr?mer等人,2025年)。社交情境中的时间对齐对于促进社交协调和沟通至关重要(Ca?igueral等人,2022年;De Jaegher等人,2010年;Gallotti等人,2017年;Schilbach等人,2013年)。只有在高时间存在感下,互动个体才能直接对他人行为作出反应,形成相互的社交反馈循环(Dumas,2011年;Hamilton & Holler,2023年)。与实时双向互动相比,观看他人的视频会降低该人的时间存在感,进而可能因缺乏相互社交线索的交换而削弱共情能力。我们将共情定义为一种情感反应,涉及分享他人的感受及其心理和情感状态的理解,同时保持自我与他人状态的区分(Cuff等人,2016年;Zaki & Ochsner,2012年)。
关于时间存在感对社交互动的影响,尤其是作为社交沟通信号的眼神交流方面的研究较多。当互动个体之间的时间存在感受阻时,眼神交流的社会意义和信号功能会受损(Hamilton,2016年;Hamilton & Lind,2016年;Risko等人,2016年)。比较直接面对面互动、视频中介互动和观看预录视频时,仅发现预录视频与直接互动之间存在皮肤电导反应的差异,这表明在保持时间存在感的条件下,直接的眼神交流是增加自主神经激活的关键因素(Hietanen等人,2020年)。此外,直接互动与预录视频之间的注视行为模式也有所不同,表明两者在隐含心理化方面存在差异(Morgan等人,2022年)。对婴儿、成人及猕猴的动作观察研究表明,直接观察动作时的神经运动反应比观看录像动作更强(Caggiano等人,2011年;J?rvel?inen等人,2001年;Karimova等人,2024年;Shimada & Hiraki,2006年)。最近的一项研究比较了现场表演和录像表演,发现在现场观看时皮肤电导反应更强烈,表明高时间存在感会增强生理激活(Gabriel等人,2025年)。另一项研究探讨了互动中的模仿和信任发展,发现直接面对面互动和实时视频通话中的这些特征保持一致,而在预录视频互动中这些特征减弱(Diana等人,2023年),这可能表明时间存在感降低会减少经验分享。这些研究表明时间存在感会影响共情及其相关因素,包括隐含心理化、模仿、社交情境下的激活和行为分享。基于此,我们假设时间存在感还会影响共情的更复杂方面,这是之前未发现的现象。因此,本研究探讨了信息传递延迟如何影响我们在行为、神经和生理层面分享他人痛苦体验及理解他人的共情能力(Cuff等人,2016年;Decety & Jackson,2004年;Lieberman,2007年;Shamay-Tsoory,2011年;Zaki & Ochsner,2012年)。
与之前关于物理存在感与疼痛共情的研究(Petereit等人,2023年)一样,我们使用了既定的疼痛共情范式(Lamm等人,2011年;Rütgen等人,2015年;Singer等人,2004年;Singer & Lamm,2009年)。在该范式中,“共情准确性”是指观察者对疼痛感受者的评分与疼痛感受者(目标对象)评分之间的关系(Gauthier等人,2008年;Ickes等人,1990年;Jospe等人,2020年;Zaki & Ochsner,2011年)。共情准确性反映了共情的认知维度(Mackes等人,2018年;Rütgen等人,2015年),而观察者对目标疼痛的主观不适感受则反映了共情的情感成分(Mu等人,2008年;Rütgen等人,2015年)。
疼痛共情的神经相关性通常在共享表征和模拟理论框架内进行解释。这些理论认为,观察者会在相似的大脑区域以类似的方式表征目标的体验(Decety & Jackson,2004年;Keysers & Gazzola,2006年;Lamm等人,2011年;Marsh,2018年;Preston & De Waal,2002年),这些区域有时被称为镜像神经元系统(Rizzolatti & Craighero,2004年)。共享表征被认为有助于促进社会理解,这种机制被认为是经验分享和共情情感成分的神经基础(Bekkali等人,2021年;Gallese等人,2004年;Keysers & Gazzola,2006年;Singer & Lamm,2009年),包括对疼痛的共情(Hari & Kujala,2009年;Riecansky & Lamm,2019年)。在本研究中,信息传递的延迟会干扰社交线索的交换和相应反应,从而削弱与模拟及后续共情过程相关的神经回路。因此,我们重点关注了共享表征和疼痛共情的特定神经和生理指标,即μ波节律、前额叶θ波和“生理耦合”。所谓的μ波节律(8–13 Hz)起源于体感皮层,常与疼痛共情相关,其活动会在他人疼痛时减弱(Cheng等人,2008年;Peled-Avron等人,2018年;Peng等人,2021年;Perry等人,2010年;Riecansky & Lamm,2019年;Whitmarsh等人,2011年;Yang等人,2009年)。前额叶θ波活动(2–8 Hz;Misra等人,2017年;Mu等人,2008年;Peng等人,2021年;Petereit等人,2023年)可能来自前扣带回和中央扣带回(ACC/MCC,Misra等人,2017年;Mitchell等人,2008年;Van Der Molen等人,2017年;Zhang等人,2021年),这与第一手和替代性疼痛体验有关(Cheng等人,2007年;Fallon等人,2020年;Hutchison等人,1999年;Jackson等人,2005年;Lamm等人,2011年;Xiao & Zhang,2018年),属于痛觉处理的核心网络(Legrain等人,2011年)。这一点从其对疼痛情境中手部图像的反应以及不同疼痛强度面部表情的反应中可以看出(Mu等人,2008年;Saarela等人,2006年)。手部和面部疼痛的图像都与疼痛共情的行为和神经方面有关(Gallo等人,2018年;González-Roldan等人,2011年;Goubert等人,2005年;Jauniaux等人,2019年;Murata等人,2020年;Saarela等人,2006年)。情感面部表情在社交信号中起着重要作用(Ca?igueral等人,2022年;Güntekin & Ba?ar,2014年)。时间存在感的降低可能通过限制表达同情或支持的能力来阻碍这种相互信号。在中介互动中,由于缺乏相互性和他人体验的自我相关性降低,他人痛苦的显著性会减弱(Conway等人,2016年;Schmitz & Johnson,2007年),从而限制了有意义的反应(Winczewski等人,2016年;Zaki,2014年)。这种自我相关性的降低可能会降低对他人疼痛的投入,因此在时间存在感降低时神经反应也可能减弱。
另一种衡量(疼痛)共情的生理指标是“生理耦合”,指交互中人类之间同步的自主活动模式,如皮肤电导反应(SCR)或心跳间隔(IBI)(Neumann & Westbury,2011年;Palumbo等人,2017年)。多项研究表明,生理耦合在共情(Jospe等人,2020年;Levenson & Gottman,1983年;Pan等人,2023年;Qaiser等人,2023年)以及疼痛感知(Goldstein等人,2017年;Murata等人,2020年;Reddan等人,2020年)、自我报告的社会存在感(J?rvel?等人,2016年)和物理存在感对疼痛共情的影响(Petereit等人,2023年)中具有重要意义。然而,研究生理耦合与共情准确性之间的关系结果并不一致(Jospe等人,2020年;Levenson & Ruef,1992年;Thorson,2018年;Zerwas等人,2021年)。
在之前的研究中,我们使用上述疼痛共情范式探讨了物理存在感对疼痛共情的影响(Petereit等人,2023年)。参与者观察到另一个人接受电刺激,无论是直接面对面还是实时视频互动。物理存在感并未影响共情准确性和共享的不适感,也未影响与疼痛相关的μ波抑制。然而,在中介互动中,观察者对他人疼痛的θ波活动及参与者之间的生理耦合均低于直接互动。这些结果表明,物理上的在场感,即互动中社交线索的丰富程度,对于与他人的疼痛体验产生细微的生理共鸣非常重要。基于这项研究,我们通过比较实时视频通话和观看预先录制的他人疼痛视频,来探讨时间上的在场感如何影响疼痛共情。由于时间上的在场感减少会破坏信息传递的即时性和互动的互惠性,我们假设时间上的在场感会对与共情相关的神经生理机制产生与物理上的在场感相似甚至更大的影响(Petereit等人,2023年)。具体来说,我们假设时间上的在场感减少会导致共情反应减弱。在行为层面上,我们预计时间上的在场感减少会导致共情准确性降低以及对他人的疼痛感受到的不适感减少。在生理层面上,我们假设心率与皮肤电导的耦合会随着时间上的在场感减少而降低。最后,在神经层面上,我们预期mu波的抑制和中额叶θ波的活动会随着时间上的在场感的变化而变化。
**方法**
我们招募了来自吕贝克大学的35名学生(28名女性,7名男性,自我认同;平均年龄:24岁(标准差5.7岁))。所有参与者都同时担任了目标者和观察者的角色。在实验开始前,我们确保互动的参与者彼此不认识。我们采用了Petereit等人(2023年)同样的功效分析方法,因为基于类似的实验条件,我们可以预期效应量是可比的。功效分析显示,30个样本量足以在广义线性混合模型中检测到条件对共情准确性的小效应(f2 = 0.02),且功效至少为0.98。功效计算是在R语言中使用simr包(Green & MacLeod,2016年)中的数据模拟完成的。排除标准包括当前或过去的神经系统疾病、精神疾病或心血管疾病、当前或慢性的疼痛障碍,或正在服用止痛药。
由于实验设计的原因,第一个参与者仅担任目标者,最后一个参与者仅担任观察者(详见实验程序)。有两名参与者因未报告的睡眠障碍而被排除,因此无法同时担任观察者和目标者。还有两名参与者的数据因质量问题而被单独排除(EEG:1名,EDA:1名,自述疼痛:4名)。这导致行为数据的样本量为31名,观察条件下的神经数据样本量为31名,SCR数据样本量为31名,ECG数据样本量为32名,“自述疼痛”条件下的神经数据样本量为30名。参与者在参与实验前获得了学分或每小时12欧元的报酬。所有参与者都在实验前提供了书面知情同意书。该实验得到了吕贝克大学伦理委员会的批准,并按照《赫尔辛基宣言》进行。
**实验设计**
在以往的研究中,“亲密感”和“即时性”这两个术语分别用于描述物理上的在场感和时间上的在场感(Cui等人,2013年;Petereit等人,2023年;Short等人,1976年)。我们更新了这些术语,以提高对社会存在这两个维度的准确性和清晰度(Kr?mer等人,2025年)。
实验设置了三种条件:自述疼痛、通过实时视频通话观察他人的疼痛以及通过预先录制的视频观察他人的疼痛(图1A)。在“自述疼痛”条件下,参与者接受电刺激,并在视觉模拟量表(VAS)上评估自己的疼痛强度。在观察疼痛的条件下,观察者观看另一名参与者(目标者)接受刺激,并同时使用VAS评估目标者的疼痛强度以及自己感受到的不适程度。
实验共有三个阶段:1)自述疼痛;2)通过实时视频通话观察他人疼痛;3)通过预先录制的视频观察他人疼痛(图1A)。在“自述疼痛”阶段,参与者接受电刺激并评估疼痛强度。在观察疼痛的阶段,观察者观看另一名参与者接受刺激,并同时使用VAS评估目标者的疼痛强度和自己的不适感。
所有参与者都完成了所有条件,并在两个实验阶段中轮流担任观察者和目标者(图1B)。这种被试内设计与我们之前的研究(Petereit等人,2023年)不同,在之前的研究中,参与者仅担任目标者或观察者。
主要关注的两种条件是实时视频通话和预先录制的视频条件。在这两种条件下,观察者都可以看到目标者的头部、上半身和被刺激的手。在“视频通话”条件下,两名参与者可以实时看到对方,并意识到对方的可见性。而在“预先录制”的条件下,观察者观看的是目标者“自述疼痛”时的录像,目标者则看不到观察者。摄像机位于屏幕正上方,以尽可能模拟面对面的互动。视频和VAS的使用工具是PsychToolbox(PTB-3,Brainard,1997年;Kleiner等人,2007年)。
为了保持条件间的可比性,“自述疼痛”阶段是通过实验者作为观察者的视频通话进行的,并被录制成录像,用于后续的“预先录制”阶段展示。
在所有条件下,都记录了参与者的行为评分、皮肤电导活动(EDA)和心电图(ECG)。在观察疼痛时记录了观察者的脑电图(EEG),而在参与者经历自身疼痛时记录了他们的EEG,但在被观察时没有记录目标者的EEG。为了确保视觉一致性,所有参与者在所有条件下都佩戴了EEG帽。
**实验程序**
每位参与者参加了两次实验室实验。在第一次实验中,他们完成了“自述疼痛”阶段,随后在随机顺序下分别担任了“视频通话”和“预先录制”阶段的观察者。在第二次实验中,他们则扮演了目标者的角色(图1B)。
在提供知情同意书后,参与者接受了心电图(ECG)、皮肤电导活动(EDA)和脑电图(EEG)电极的安装。接下来进行了疼痛刺激校准(见下一节),然后进行了十次练习性评分。之后,参与者完成了“自述疼痛”阶段的疼痛任务,接着是两个观察阶段。每个阶段结束后,参与者都回答了关于互动体验质量的问题。实验结束后,他们完成了人口统计和人格问卷。
**疼痛刺激校准**
在实际实验之前,疼痛刺激被调整到了参与者的主观疼痛阈值。校准从0毫安(mA)的刺激强度开始,逐步增加到0.5毫安。最大的疼痛刺激强度为10毫安。仅在校准阶段,参与者使用9点李克特量表对每次刺激进行评分,范围从0(“感觉不到”)到8(“最严重的疼痛”)。量表中的中间等级分别为:1 = “可以察觉”;2 = “不舒适”;3 = “轻微疼痛”;4 = “中等疼痛”;5 = “非常疼痛”;6 = “极其疼痛”;7 = “难以忍受的疼痛”;8 = “最严重的疼痛”。刺激强度逐步增加,直到参与者评价为7 = “难以忍受的疼痛”。然后,强度逐步减少,直到评分降至0毫安或“感觉不到”。这个增加刺激强度的过程重复了一次。最终的刺激强度,评分为1 = “可以察觉”,被用作实际实验的下限;评分为6 = “极其疼痛”的强度被用作上限。“自述疼痛”和“视频通话”条件下的疼痛刺激校准结果没有显著差异(下限:自述疼痛平均0.9毫安,视频通话平均0.9毫安,t(33) = 1.22,p = .231;上限:自述疼痛平均6.5毫安,视频通话平均6.6毫安,t(33) = 0.38,p = .703)。
疼痛刺激任务与Rütgen等人(2015年)描述的非常相似。我们使用了Digitimer DS 5双极恒流模拟器(Sprenger等人,2020年),并将Digitimer条形电极(直径9毫米,间距30毫米,电压10伏)附着在左手背面。与之前的研究不同,我们将电极附着在左手而不是右手上,以便于参与者使用右手操纵摇杆进行评分。在电极下方使用了磨砂凝胶以改善皮肤的导电性。图1C提供了试验的示意图。疼痛刺激在500毫秒的听觉提示后开始,所有不同强度的刺激都使用相同的提示时间。提示和刺激之间有2000毫秒的间隔。电击本身持续500毫秒,以2毫秒的间隔连续发放,中间有20毫秒的休息时间。试验之间的间隔为6到9秒的伪随机时间。疼痛强度的评分在50%的试验中进行,开始时会有“请评分”的语音提示。VAS的范围是从0(“完全不疼痛”)到100(“极其疼痛”)。目标者对自己感受到的疼痛进行评分,观察者则对目标者的疼痛体验进行评分。此外,观察者还在VAS上对自己的不适程度进行评分,范围是从0(“完全不不适”)到100(“极其不适”)。
电击的强度范围根据每个参与者的疼痛刺激校准结果平均分为二十个不同的等级。总共进行了80次试验,每个强度在三种实验条件下各出现四次。这与之前在疼痛共情任务中使用的试验次数相同(Petereit等人,2023年;Rütgen等人,2015年),根据先前的功效分析,评估50%的试验即可。所有条件下的刺激强度顺序都是固定的,并且是通过伪随机方式安排的,避免连续出现过多的低或高强度电击。目标者被要求按照自己的感受表达疼痛体验,观察者则被要求尽可能准确地推断他人的疼痛。
在每个实验条件结束后,参与者被要求说明他们感受到互动的即时性如何,以及他们感到与另一名参与者有多亲近和多依赖。这些关于感知到的社会在场感的测量用于验证社会在场感操作的有效性,并通过配对t检验来比较不同条件之间的差异。有关本研究中未分析的额外问卷信息,请参见补充材料S1。
**生理数据采集**
脑电图(EEG)数据使用带有集成眼部和耳垂电极的64个烧结Ag/AgCl传感器进行记录。电极放置遵循国际10–20系统。在线参考电极位于右耳垂,离线参考电极位于左耳垂。水平和垂直的眼球运动(EOG)使用4个电极记录,包括Fp2作为上方的垂直电极、一个右下方的垂直电极和两个位于眼睛外角的水平电极。数据由Brain Products GmbH系统(BrainAmp MR plus放大器,BrainVisionRecorder软件版本1.21.0102)记录。采样率为500赫兹,在线高通滤波器截止频率为0.016赫兹,低通滤波器截止频率为48赫兹,带通滤波器截止频率为50赫兹。阻抗保持在5千欧姆以下。
心电图(ECG)数据使用双极Ag/AgCl记录电极和一个参考电极记录,使用50赫兹的带通滤波器。其中一个记录电极放置在参与者的左前臂,另一个放置在右小腿(遵循Einthoven II导联配置,Quigley等人,2024年)。皮肤电导使用2个电极在右手的拇指球和掌球处测量,也使用了50赫兹的带通滤波器。电极连接在右前臂上,作为心电图(ECG)和皮肤电导(skin conductance)的接地端,这两种信号都使用相同的放大器(BrainAmp ExG,BrainProducts GmbH)进行记录。在“视频通话”条件下,观察者和目标者的数据通过将所有放大器连接到同一个USB适配器来同步记录,然后数据被传送到BrainVisionRecorder中。
### 生理数据处理
#### 心电图(ECG)数据
ECG的预处理使用EEGLAB(版本2023.0,Delorme & Makeig,2004)和ERPLAB(版本9.0,Lopez-Calderon & Luck,2014)软件完成,这些软件运行在MATLAB R2022b环境中(The Mathworks,2022)。首先,数据被重新参考到耳垂作为基准点,并计算了双极水平和垂直的眼球运动(EOG)通道。噪声较大或数据质量较差的通道被标记为在后续分析中忽略(观察条件:M = 3.1个通道,SD = 2.7;“自我疼痛”条件:M = 7.1个通道,SD = 2.8)。由于“自我疼痛”条件下的参与者有直接疼痛体验并因此产生生理反应,其数据中的伪迹比观察条件下的数据更多。不过,受影响的通道都位于颅骨的边缘区域,远离本研究关注的头部中心区域。接下来,通过视觉检查识别并移除了数据中的异常段或大的伪迹。在进行独立成分分析之前(使用EEGLAB中的runica函数),数据通过带通滤波处理(在ERPLABS中使用非因果Butterworth脉冲响应函数;下限截止频率:1 Hz,上限截止频率:40 Hz,48 dB/oct滚降)。然后,将独立成分分析的结果反向投影到原始未过滤的数据上(Stropahl等人,2018)。这一过程确保了在最终步骤中准确统计被拒绝的试验次数。此外,还对原始数据(已应用ICA权重反向投影)再次使用带通滤波(在ERPLAB中使用非因果Butterworth脉冲响应函数;下限截止频率:0.2 Hz,上限截止频率:40 Hz,48 dB/oct滚降)。通过视觉检查,移除了与眼动伪迹明显相关的ICA成分(观察条件:M = 2.5个成分,SD = 0.7;“自我疼痛”条件:M = 2.7个成分,SD = 0.8;Jung等人,2000)。噪声通道通过球形插值法进行修复。之后,数据被分割成与电击发生时间锁定的时间段,时间段范围从-2,500到5,000毫秒,并进行了基线校正(-1,000到0毫秒)。最后,进行了基于电压阈值的半自动化伪迹校正(-60/60到-100/100微伏;观察条件下被拒绝的试验比例:M = 14%,SD = 3%;“自我疼痛”条件下被拒绝的试验比例:M = 15%,SD = 4%)。
#### “预录制”条件
在“预录制”条件下,需要根据视频中的情况来发送ECG触发信号。触发信号是基于之前同一参与者在“自我疼痛”条件下的日志文件数据来确定的。然而,由于视频和观察者的视觉厌恶量表(VAS)需要同时呈现,因此触发时间的偏差比预期的要大且变化更明显。因此,根据记录视频时的“自我疼痛”条件下的日志文件中的触发时间对触发时间进行了校正。这种校正以“实验开始”触发时刻作为基准点(该触发时刻对应于“预录制”条件下的视频开始时间),并据此调整了所有试验的触发时间。
#### 时间-频率分析
根据Cohen(2014)的建议进行了时间-频率分析。所有通道的数据在1至40赫兹的频率范围内使用Morlet小波进行卷积处理(频率范围的周期均匀分布为5到14个周期),然后进行拉普拉斯变换(Cohen,2014;Perrin等人,1989)。功率值通过单次试验基线标准化转换为分贝(基线时间从刺激前-700到-200毫秒)。提取-500到2,500毫秒的时间窗口,并将其降采样到100赫兹。
#### 心电图(ECG)数据预处理
ECG的预处理在MATLAB和EEGLAB中完成。数据通过带通滤波处理(在ERPLAB中使用非因果Butterworth脉冲响应函数;下限截止频率:1 Hz,上限截止频率:30 Hz,48 dB/oct滚降),并分割成10秒的时间段(刺激前3秒和刺激后7秒)。使用MATLAB的findpeaks函数检测R波峰。之后,通过视觉检查移除错误检测或缺失的R波峰,以及 extrasystoles(早搏)和其他伪迹。计算每个时间段内每对心跳的间期(IBI,单位毫秒)。将IBI值按照原始采样率分配给该时间段内的每个数据点。每个时间段的数据都根据所有参与者在每次试验中刺激前两秒内的平均值进行基线校正。在平均之前,排除了超出每个参与者±3个标准差的异常值,导致有18.2%的试验被排除。
#### 皮肤电导(SCR)数据
皮肤电导反应(SCR)使用MATLAB的Ledalab-Toolbox(Benedek & Kaernbach,2010a, b,版本3.4.8)进行计算。数据降采样到50赫兹,并用自适应高斯滤波器进行平滑处理。视觉识别的伪迹通过样条插值法进行修复。为了区分持续性和相位性的皮肤电活动(tonic and phasic electrodermal activity),进行了连续的反卷积分析(Benedek & Kaernbach,2010b)。对于SCR幅度分析,保留大于0.01微西门子的值(SCR > 0.01 μS)以供进一步分析(Boucsein等人,2012)。在平均试验之前,还进行了额外的伪迹校正,采用每个参与者内部±3个标准差的排除标准。由于参与者使用安装EDA电极的同一只手操作操纵杆,因此在下一个试验的最初几秒内有时会出现伪迹。因此,伪迹校正的时间窗口设定在电击发生前的-1到1秒内。伪迹校正后,有24.86%的试验被排除。每个参与者的SCR数据根据其最大SCR值进行了范围校正(Hein等人,2011;Lykken,1972)。
### 统计分析
在详细描述每项分析之前,我们先概述一下一般的统计分析方法:
- 行为数据、ECG功率和IBI数据使用R语言(R Core Team,2020)计算线性混合模型(LMM)。
- 对于右偏态的SCR数据(偏度 = 2.48),使用了带有伽马分布和对数链接的广义线性混合模型(GLMM)。
- 固定效应结构的确定取决于分析的类型。具体细节在以下小节中给出。每个最终模型的参数配置见补充材料S2。
- 实验条件(“视频通话” vs. “预录制”)使用简单的效应编码方案(Daly等人,2016)进行虚拟编码。
- 随机效应结构从最复杂的结构开始(条件*predictor-of-interest的随机截距和随机斜率交互作用,适用于每个观察者)(Barr等人,2013),然后逐步移除方差最小的高阶随机效应,直到模型收敛(Singmann & Kellen,2019建议)。
- 由于SCR数据为正偏态数据,因此使用了Gamma对数链接函数(Lo & Andrews,2015)。模型使用R语言中的lme4包中的lmer和glmer函数进行构建(Bates等人,2015)。
- 使用lmerTest包(Kuznetsova等人,2017)检验线性混合模型的显著性。
- 目标评分、电击强度、生理数据和ECG功率经过z标准化处理,以保证(G)LMM的收敛性。R2边际值和条件值使用MuMIn包(Bartoń,2010)计算。
如果目标数据(自变量)显著影响观察者数据(因变量),则表明目标的反应影响了观察者的反应,这可以视为共情的表现。如果条件(“视频通话” vs. “预录制”)有显著效果,说明时间上的共存影响了观察者的反应。如果目标数据和时间共存之间存在显著交互作用,则意味着观察者对目标疼痛反应的共情反应会随时间共存程度的不同而变化。根据效应的方向,这可能表明在“视频通话”或“预录制”条件下共情反应增强或减弱。对于(G)LMM的非显著结果,我们使用了贝叶斯因子(Schmalz等人,2023)来评估支持或反对零假设的证据。我们使用的贝叶斯因子近似值是根据获得的(G)LMM的BIC计算得出的(Faulkenberry,2018;Raftery,1995)。
在描述每项分析的细节之前,我们先介绍总体统计分析的方法:
- 行为数据、ECG功率和IBI数据使用R语言计算线性混合模型(LMM)。
- 对于右偏态的SCR数据,使用了带有伽马分布和对数链接的广义线性混合模型(GLMM)。
- 固定效应结构根据分析类型而定。具体细节在相应小节中给出。
- 实验条件的虚拟编码采用Daly等人(2016)提出的简单效应编码方案。
- 随机效应结构从最复杂的结构开始确定(条件*predictor-of-interest的随机截距和随机斜率交互作用),然后逐步移除方差最小的高阶随机效应,直到模型收敛(Singmann & Kellen,2019建议)。
- 皮肤电导反应数据的模型使用lme4包中的lmer和glmer函数构建。
- 使用lmerTest包(Kuznetsova等人,2017)检验线性混合模型的显著性。
如果目标数据显著影响观察者数据,这表明目标的反应影响了观察者的反应,即存在共情现象。如果条件(“视频通话” vs. “预录制”)有显著效果,则说明时间上的共存影响了观察者的反应。如果目标数据和时间共存之间存在显著交互作用,则观察者对目标疼痛反应的共情程度会随时间共存程度的不同而变化。根据效应的方向,这可能表明在“视频通话”或“预录制”条件下共情反应增强或减弱。对于(G)LMM的非显著结果,我们使用贝叶斯因子来评估证据。
关于互动主观质量的问题,通过配对t检验在不同条件下进行了比较。对于疼痛评分数据,分析了共情准确性(基于感知的疼痛强度)和情感共情(基于不愉快程度的评分)。认知(共情准确性)和情感(共享不愉快感)共情的区别基于共情的经典定义和先前的研究,这些研究显示了这两种现象在神经和行为上的差异(Cuff等人,2016;Rütgen等人,2015;Zaki & Ochsner,2012)。我们将观察者对目标疼痛体验的评分与目标的实际疼痛评分进行关联,作为共情准确性的衡量指标(Gauthier等人,2008;Ickes,1993;Ruben & Hall,2013;Sun等人,2018)。我们将观察者的不愉快程度评分与目标的疼痛评分进行关联,作为情感共情的衡量指标(Rütgen等人,2015;Shamay-Tsoory,2011;Zaki & Ochsner,2012)。在LMM中,我们评估了观察者的疼痛评分和不愉快程度评分是否受到目标疼痛评分和时间共存条件交互作用的影响。
虽然我们将观察者对他人的疼痛评分和自身的不愉快感评分视为两种不同的心理现象(共情准确性和情感共情),但我们检查了这些评分之间的相关性。我们分别计算了每对参与者之间的皮尔逊相关系数。为了合并所有相关性的p值,使用Stouffer的Z分数方法计算了组合p值(Stouffer等人,1949)。为了得到观察者和目标评分之间的距离,我们分别计算了每种条件下每对评分的差异,并对每种条件下的差异进行了平均。然后,计算了条件差异。为了分析冲击强度与条件之间的交互作用,我们计算了冲击强度与EEG功率之间的Spearman相关系数,对这些系数进行了随机排序,并随机分配了条件标签。接着,再次计算了条件差异。我们使用了最大值校正方法来处理多重比较问题。为了识别出在多重比较校正后仍然显著的最大活动群集及其位置,我们使用MATLAB中的bwconncomp命令计算了群集大小。通过这种方法,我们确定了最大活动群的频率边界、时间窗口边界以及相关电极。
为了检测SCR(皮肤电反应)的耦合情况,我们在广义线性混合模型(GLMM)中预测了观察者的SCR,模型中考虑了时间存在条件与目标SCR的交互作用。生理耦合是通过观察者的SCR与目标SCR之间的关系来获得的。对于目标的SCR,我们考虑了冲击发生后的2,140–5,140毫秒时间窗口内的平均相位活动,这对应于目标对冲击响应的最大平均时间的3秒窗口。对于观察者的SCR,我们测试了四个时间窗口(2.5–5.5秒、3–6秒、3.5–6.5秒、4–7秒),以考虑观察者对目标疼痛表现反应可能存在的时间延迟。最终选择了4–7秒的时间窗口进行分析,因为这个窗口内的目标SCR与观察者SCR之间的相关性最高。
为了检测IBI(人际交互行为)的耦合情况,我们采用了与SCR耦合分析相同的程序,但将IBI作为LMM(线性混合模型)的输入变量。对于LMM,我们使用了冲击发生后的2,136–5,136毫秒时间窗口内的平均IBI数据,这也是目标对冲击响应的最大平均时间的3秒窗口(参考Sperl等人,2016年的研究)。对于观察者的IBI,我们测试了五个时间窗口(2.2–5.2秒、2.5–5.5秒、3–6秒、3.5–6.5秒、4–6.8秒),以考虑观察者对目标疼痛表现反应可能存在的时间延迟。最终选择了2.5–5.5秒的时间窗口进行分析,因为这个窗口内的目标IBI与观察者IBI之间的相关性最高。
在对EEG潜伏期的探索性分析中,我们发现了中额叶θ波和右后脑α波活动的变化。在数据分析过程中,我们观察到这些频率带下的时间存在条件之间存在潜伏期差异。为了进一步探究这一现象,我们分别计算了每个观察者在两种观察条件下的峰值潜伏期。因此,我们自动识别了冲击发生后100至1,500毫秒时间窗口内的最大活动(参考Kompus等人,2015年的研究)。这些频率带是通过全脑分析得出的。我们使用配对t检验来比较不同条件下的峰值潜伏期。
为了探讨不同的共情测量指标之间的关系,我们计算了单次试验θ波激活与疼痛或不愉快感评分之间的皮尔逊相关系数。其次,我们还将共情准确性(观察者与目标评分之间的相关性)与生理耦合(观察者与目标IBI或SCR之间的相关性)进行了关联。在跨受试者平均之前,我们对相关系数进行了Fisher-z转换。在比较不同条件之间的相关性时,我们先计算了每对受试者和每种条件下的相关系数,然后进行了平均处理。结合p值是通过Stouffer的Z分数方法得出的(参考Stouffer等人,1949年的研究)。
在每种条件结束后,我们询问了观察者对交互质量的感知,特别是他们对即时性、交互亲密度以及与另一参与者的亲密感的感受。观察者认为,在视频通话后,即时性和亲密度评分显著高于预录制视频时的评分(t(29) = 5.16, p < .001, pBonferroni < .001, d = 0.94;亲密度评分t(29) = 4.02, p < .001, pBonferroni = .001, d = 0.72),但在亲密感评分上没有显著差异(t(29) = 1.47, p = .153, pBonferroni = .458, d = 0.28)。结果如图2A所示。这些结果支持了我们实验范式的结构有效性。
时间存在并不影响共情准确性。为了评估共情准确性,我们构建了一个LMM模型,该模型包含了目标的疼痛评分、条件(“视频通话”与“预录制”)以及它们之间的交互作用,用于预测观察者的疼痛评分。模型参数见表1。结果显示,观察者的疼痛评分能够被目标的疼痛评分所预测,这表明观察者的共情准确性是有意义的。然而,这种效应并未受到条件的影响,即在视频通话和预录制视频之间共情准确性没有差异(见图2B)。将观察者和目标的疼痛评分进行相关性分析后,两种条件下的相关系数相似(视频通话:r(31) = .65, p < .001, pBonferroni < .001;预录制:r(31) = .64, p < .001, pBonferroni < .001)。在0–100的VAS量表上,观察者与目标疼痛评分的平均距离在视频通话条件下为1.99(SD = 15.8),在预录制条件下为-1.57(SD = 16.5),这表明在两种条件下共情准确性都较高。
为了评估情感共情,我们构建了一个LMM模型,该模型同样包含了目标的疼痛评分、条件以及它们之间的交互作用,用于预测观察者的不愉快感评分。结果表明,观察者的不愉快感评分能够被目标的疼痛评分所预测,这表明观察者具有情感共情能力。此外,在视频通话条件下的观察者不愉快感评分普遍略高于预录制条件(参见图2B)。条件的主效应显示,观察者与目标疼痛评分之间的平均差异仅为1.66(SD = 21),这个范围在0–100的VAS范围内,可以忽略不计。即使考虑了条件这一固定效应,模型仍具有很强的稳健性(BF10 = 0.001)。
尽管我们将观察者对他人疼痛的评分和他们自己的不愉快感评分视为两种不同的心理指标(分别是共情准确性和情感共情),但需要注意的是,这两种评分是相关的。当计算所有受试者和每种条件下的评分相关性时,结果证实观察者的疼痛评分与不愉快感评分之间存在显著关系(视频通话:r(31) = .9, p < .001, pBonferroni < .001;预录制:r(31) = .9, p < .001, pBonferroni < .001)。
基于我们之前关于物理存在的研究(Petereit等人,2023年)以及相关文献,我们假设观察者的μ波、θ波和β波活动应同时受到目标疼痛水平和时间存在水平的影响。我们通过使用线性混合模型(LMM)来验证这些假设,模型考虑了条件与冲击强度在θ波(3–9 Hz,电极Cz,时间窗口100–600 ms)、μ波(8–12 Hz,电极C3,时间窗口500–1,000 ms)和β波(11–20 Hz,电极CP1,时间窗口100–600 ms)频率带上的交互作用对EEG功率的影响。可视化结果如图3A-C中间和右侧列所示。线性混合模型的参数见表1。
我们发现冲击强度对观察者的额叶θ波活动有影响,观察者在对他人更强烈疼痛的体验中表现出更多的θ波活动。然而,冲击强度对观察者的μ波和β波功率没有影响。重要的是,条件或冲击强度与条件的交互作用对μ波、θ波或β波活动都没有显著影响。这表明时间存在并未影响我们之前全脑分析中假设的频率带内的神经活动。在LMM中测试条件效应时,贝叶斯因子BF10分别为θ波为0.0005,μ波为0.0009,β波为0.0005,这强烈表明时间存在对EEG功率没有影响。这些结果一起提供了有力的证据,证明时间存在对μ波、θ波和β波频率带的EEG功率没有影响。有关对自身疼痛的神经反应分析,请参阅补充材料S3。
为了进一步分析时间存在和冲击强度的全时频电极空间效应,我们进行了全时频电极空间分析(类似于我们之前的研究(Petereit等人,2023年)。为此,我们使用排列检验创建了冲击强度、时间存在条件及其交互作用的零假设分布,并将实际数据与这些零假设数据进行比较以识别显著的EEG响应。结果经过最大值校正处理。对于两种条件下的冲击强度平均效应(见图4A),我们在冲击发生后的270–1,450毫秒时间窗口内发现了1–6 Hz频率范围内的显著群集,最大功率出现在Fpz电极上。这表明观察者的额叶θ波活动与目标感受到的疼痛有关。另一个显著群集显示,在冲击发生后的870–1,550毫秒时间窗口内,9–13 Hz频率范围内冲击强度对功率有负面影响,其中PO8电极上的抑制最为明显。这表明随着目标疼痛的增加,观察者的右后脑α波活动减弱。对于条件和冲击强度与条件交互作用的效应(见图4B-C),我们没有发现经过多重比较校正后仍显著的激活现象。这些探索性全脑分析共同揭示了冲击强度对额叶低θ波和后脑α波活动的显著影响,但没有证据表明时间存在有相应的效应。A) 冲击强度的影响。有两个数据簇在最大值校正后仍然存活下来。时频功率图显示了每个数据簇中最大振幅电极处功率与疼痛强度之间的相关性。功率时间过程图显示了每个数据簇中显著频率范围的平均功率。地形图显示了显著频率和时间范围内的平均功率。B) 冲击强度与条件的交互作用。显示了每种条件下高疼痛强度减去低疼痛强度的效果,并在所有电极上进行了平均。C) 实验条件的影响:热图显示了在所有电极上平均的条件之间的差异。D) 对theta峰的探索性潜伏期分析。与“视频通话”条件相比,“预录制”条件下的参与者theta峰有所延迟。我们利用全脑分析的结果来探索行为和神经共情反应之间的关系。在单次试验水平上,观察者的额叶theta活动(1-6 Hz,Fpz,270-1450 ms)与观察者的疼痛评分(“视频通话”条件:r(30) = .14,p < .001,pBonferroni < .001;“预录制”条件:r(30) = .13,p < .001,pBonferroni < .001)和不适评分(“视频通话”条件:r(30) = .13,p < .001,pBonferroni < .001;“预录制”条件:r(30) = .13,p < .001,pBonferroni < .001)之间存在弱正相关,表明在疼痛共情方面神经和行为反应之间存在关联。
B) 冲击强度和条件的交互作用。显示了每种条件下高疼痛强度减去低疼痛强度的效果,并在所有电极上进行了平均。
C) 实验条件的影响:热图显示了在所有电极上平均的条件之间的差异。
D) 对theta峰的探索性潜伏期分析。与“视频通话”条件相比,“预录制”条件下的参与者theta峰有所延迟。
我们使用全脑分析的结果来探索行为和神经共情反应之间的关系。在单次试验水平上,观察者的额叶theta活动(1-6 Hz,Fpz,270-1450 ms)与观察者的疼痛评分(“视频通话”条件:r(30) = .14,p < .001,pBonferroni < .001;“预录制”条件:r(30) = .13,p < .001)和不适评分(“视频通话”条件:r(30) = .13,p < .001,pBonferroni < .001;“预录制”条件:r(30) = .13,p < .001,pBonferroni < .001)之间存在弱正相关,表明在疼痛共情方面神经和行为反应之间存在关联。
我们对EEG激活潜伏期的时间存在效应进行了探索性分析。我们的theta分析基于之前研究中的假设。然而,如图3A所示,观察者的实际theta反应比预期晚(灰色区域表示假设的时间窗口)。为了研究这一点,我们进行了潜伏期效应的探索性分析,以确定时间存在是否对theta和alpha频段的峰值潜伏期有影响。频率带范围是基于探索性全脑分析得出的,该分析显示了中额叶theta(1-6 Hz,Fpz)和右后脑alpha活动(9-13 Hz,PO8)的效应。
为了测试这种潜伏期效应是否由于技术原因以及“预录制”条件下视频呈现的延迟所致,我们分析了听觉N1对表示冲击开始的音信号的潜伏期。“视频通话”条件下的听觉N1峰值为132 ms,“预录制”条件下的听觉N1峰值为141 ms,表明“预录制”条件下没有普遍的延迟(详见补充材料S4)。
由于theta和alpha活动的延迟不是由技术问题引起的,接下来我们测试了这种延迟是否具有统计显著性。因此,我们在个体受试者层面识别了最大theta振幅和最小alpha振幅的潜伏期。我们发现不同条件下的theta峰潜伏期存在显著差异(图4D;电极Cz;t(30) = ?2.78,p = .009,pBonferroni = .019,d = 0.54)。平均theta峰在“视频通话”条件下为649 ms,在“预录制”条件下为901 ms(差异:252 ms)。对alpha降低的分析没有发现条件差异(电极簇:PO8;“视频通话”条件下的峰值为984 ms,“预录制”条件下的峰值为1094 ms,t(30) = ?1.37,p = .18,pBonferroni = .36)。这些结果表明,在“视频通话”条件下(时间存在性更高)额叶theta活动的峰值出现得更早,而在“预录制”条件下(时间存在性较低)。值得注意的是,时间存在的潜伏期效应不仅在theta频段的时频数据中可见,也在事件相关电位中可见(详见补充材料S4)。
我们注意到,在我们之前关于身体存在对疼痛共情影响的研究中也可能观察到类似的效应(Petereit等人,2023年)。因此,我们重新分析了那项研究的数据,发现了类似的潜伏期效应(电极Cz,“直接”条件下的theta峰潜伏期:636 ms;“中介”条件下的潜伏期:808 ms;差异:172 ms;t(28) = ?1.92,p = .033,d = 0.3)。这一结果也显示,在社交存在减少的条件下潜伏期有所延迟。之前研究中theta功率的时间过程可以在Petereit等人(2023年)的图3D中看到。因此,两项研究中都存在社交存在条件下的theta潜伏期差异。
时间存在性并不调节观察者与目标之间的生理耦合。我们使用LMMs来测试时间存在性对观察者和目标之间的SCR和IBI生理耦合可能的影响。因此,我们计算了观察者数据是否可以通过目标数据预测,以及这种效应是否受到时间存在性的调节。对于SCR和IBI,目标数据都能预测观察者数据,显示出在心率和皮电活动方面的显著生理耦合。然而,未发现条件或目标数据与条件之间的交互作用对生理耦合有任何显著影响。模型参数见表1。在有无条件固定效应的情况下测试SCR模型,得到的贝叶斯因子BF10 = 0.0009,表明在没有预测条件的情况下模型极具启发性。这表明在低时间存在性和高时间存在性条件下,SCR耦合没有差异。在有无条件固定效应的情况下测试IBI模型,得到的贝叶斯因子BF10 = 0.0003,也表明在没有预测条件的情况下模型极具启发性。这表明在低时间存在性和高时间存在性条件下,IBI耦合也没有差异。总的来说,这些结果强烈表明时间存在性并不调节观察者和目标之间的生理耦合,无论是皮肤电导反应还是心跳间隔。观察者在不同条件下的SCR和IBI数据分别显示在图5A–B中,生理耦合显示在图5C–D中。SCR和IBI的生理耦合与共情准确性无关(跨条件计算;SCR:r(28) = .25,p = .178,pBonferroni = .355;IBI:r(29) = .17,p = .362,pBonferroni = .725)。
A) 不同条件下的观察者SCR。B) 不同条件下的观察者IBI变化。为了展示目的,冲击强度被人为分为低强度和高强度。灰色区域表示跨条件平均的目标和观察者数据之间最大相关的时间窗口。C) 通过预测观察者的SCR与目标的SCR来研究皮肤电导耦合的GLMM。D) 通过预测观察者的IBI与目标的IBI来研究心跳耦合的LMM。对于这两种生理读数,观察者的共情反应都与目标的疼痛反应相关。然而,这种关系不受时间存在性的影响。黑色实线和虚线分别代表“视频通话”和“预录制”的平均值,而绿色到黄色的颜色编码反映了每个参与者的随机斜率强度。
我们没有发现条件顺序对观察者的疼痛和不适评分、共情准确性或情感共情测量有任何影响。目标和观察者在疼痛和(在观察者的情况下)不适评分上表现出习惯化效应。然而,共情准确性和情感共情在每个条件的前后半段没有变化。我们也没有发现观察者或目标的性别对共情准确性或情感共情有任何影响。详细信息请参见补充材料S5。
我们研究了实时视频互动与观看类似疼痛场景的预录制视频之间的疼痛共情差异。在这两种情况下,观察者都观看了接受疼痛电刺激的目标。根据我们的理论框架,我们预期较低的时间存在性会损害共情处理。然而,我们发现观察者在被动观看预录制视频时判断他人疼痛感知的准确性与在实时视频互动时一样高。此外,观察者在两种条件下都同样认为他人的痛苦令人不快。在神经水平上,我们没有发现体感皮层对他人疼痛的mu抑制作用。相反,中额叶theta确实跟踪了他人的疼痛强度。探索性全时频空间分析证实了这一结果,并进一步表明右后脑alpha功率的降低参与了跟踪他人的疼痛强度。然而,这些神经效应与时间存在性无关。进一步的探索性分析揭示了时间存在性可能对疼痛相关theta激活的潜伏期有影响,在时间存在性降低的条件下反应有所延迟。我们在疼痛共情范式中观察到了显著的皮肤电导和心跳耦合,但这也与时间存在性无关。总之,疼痛范式在行为、神经和生理层面上引发了观察者的有意义的共情反应。然而,这些效应不受时间存在性的影响,除了时间存在性对theta反应的潜伏期效应外。下一节将首先讨论关于疼痛共情的一般发现,然后讨论关于时间存在性对疼痛共情影响的零发现。
行为、神经和生理方面的疼痛共情
与其他关于疼痛共情的研究一致,我们研究中的观察者能够准确评估他人的疼痛体验(Ben Adiva等人,2024年;Gauthier等人,2008年;Goldstein等人,2017年,2018年;Laursen等人,2014年;Leonard等人,2013年;Ruben & Hall,2013年;Shahri等人,2024年)。我们研究中的观察者表现出高共情准确性,他们与目标的评分距离接近零,并且观察者和目标的疼痛评分之间存在中等程度的相关性。这也与其他研究一致,参与者表现出情感共情,表现为对他人痛苦的反应中不适评分的增加(Fan & Han,2008年;Li等人,2017年;Mu等人,2008年;Peng等人,2021年;Petereit等人,2023年;Rütgen等人,2015年)。此外,我们的发现与之前的研究一致(Goldstein等人,2017年;Hein等人,2011年;Murata等人,2020年;Petereit等人,2023年;Ruddan等人,2020年),这些研究表明疼痛共情与疼痛接受者和观察者之间的生理耦合有关。尽管当前研究缺乏没有疼痛刺激的对照条件,但图5A显示观察者在观察他人疼痛时确实表现出SCR,表明了共情反应。生理耦合与共情准确性之间的关系似乎不够明确,因为结果混合(Jospe等人,2020年;Levenson & Ruef,1992年;Thorson,2018年;Zerwas等人,2021年)。我们的结果表明生理耦合与共情准确性之间没有关系。需要进一步的研究。
关于共情的神经指标,我们发现中额叶theta活动与他人的疼痛有关,这复制了之前的疼痛共情研究结果(Misra等人,2017年;Mu等人,2008年;Peng等人,2021年;Petereit等人,2023年)。此外,单次试验的观察者theta活动与观察者的疼痛和不适评分相关,表明神经和行为指数的疼痛共情之间有密切关系。这种对应关系在自我疼痛(补充材料S3)和替代疼痛中都很明显,支持中额叶theta可能反映了对他人痛苦的感知厌恶或显著性(Legrain等人,2011年;Seeley,2019年;Uddin,2015年)的解释。
与我们的假设和大多数先前的文献(Li等人,2017年;Peled-Avron等人,2018年;Perry等人,2010年;Riecansky & Lamm,2019年;Whitmarsh等人,2011年)相反,我们没有观察到在观察他人疼痛时出现mu抑制。因为我们在“自我疼痛”条件下观察到明显的mu抑制,并且因为我们应用了Laplace变换(电流源密度[CSD])来改善枕叶alpha和感觉运动mu的分离,所以我们有信心这种缺乏mu抑制不是方法学伪影。值得注意的是,这一零发现复制了我们之前使用相同疼痛共情范式的研究(Petereit等人,2023年),表明这并非偶然现象,而可能是这种特定实验环境的特征。一种可能的解释是mu抑制特别容易受到明显动作或感觉事件观察的影响(Fox等人,2016年;Perry & Bentin,2009年;Whitmarsh等人,2011年),而当前的范式主要依赖于疼痛的面部表现,没有明显的肢体运动或直接动作观察。在这样的情境中,同理心的情感和评价成分可能比感觉运动镜像机制更强烈地被激活(Saarela等人,2006年)。重要的是,在缺乏μ抑制的情况下,仍然存在对他人疼痛的强烈行为、生理反应以及中额叶θ波响应,这表明尽管缺乏感觉运动镜像特征,同理心处理过程仍然得以保持。综合这些发现,增加了对μ抑制作为同理心一般神经标志物的可靠性和特异性的担忧(Hobson & Bishop,2016年),并表明其参与程度可能取决于任务特性和可用的同理心线索类型。
关于时间存在对疼痛同理心的影响,我们没有发现时间存在对疼痛同理心行为指标的影响。此外,我们也未发现时间存在对神经μ波、β波和θ波活动以及疼痛同理心生理标志物的影响。然而,在没有同步信息交换的条件下,θ波的功率有所下降(图4A)。因此,如果功率足够大,这种效应可能会达到显著性。进一步地,我们发现时间存在对θ波峰值有潜伏期效应,这表明在没有同步信息交换的情况下出现了延迟响应。
当前研究的结果与我们的先前研究相似,后者比较了面对面的直接互动和视频通话互动(“物理存在”)。在这项研究(Petereit等人,2023年)中,我们没有发现物理存在对疼痛同理心行为指标、μ波和β波功率以及心跳耦合的影响。与当前关于时间存在的研究不同,物理存在对θ波功率和与疼痛同理心相关的EDA耦合有显著影响。这表明物理存在,即可用社会线索的数量,可能比对疼痛接收者和观察者之间的同步信息交换对他人疼痛的反应有更强的影响。这表明,在比较实时视频通话和观看预先录制的视频时,个体之间的同理心生理耦合在没有双向社会线索交换的情况下仍然得以保持。
Diana及其同事(2023年)发现,与直接面对面互动相比,对预先录制视频的同理反应和信任程度较低,这表明随着时间存在的减少,经验分享可能会减弱。相比之下,我们发现对他人疼痛的同理反应并未受到时间存在的影响。这表明我们的同理能力,如理解并分享他人的疼痛,并不受时间缺失的影响。这与Morgan及其同事(2022年)的发现一致,他们在心智理论任务中比较直接面对面互动和预先录制的视频时发现,明确的心理化过程不受社会存在的影响。
就我们的同理心测量而言,结果表明时间存在,因此至少在非语言层面上存在相互交流的可能性,并不会调节一个人对另一个人的同理心。Schilbach及其同事(2013年)强调“通过与他人的体验和互动作为了解他们的主要方式”的重要性(第395页)。在这种情况下,情感参与和社会互动及其复杂的互动动态被认为是社会认知的关键组成部分。同样,De Jaegher及其同事(2010年)强调,互动个体之间的共同调节对于社会理解至关重要。个体之间的关系动态和联系被认为会影响思考他人的认知过程。只要我们的同理心测量方法是适当的,我们的结果表明情况并非一定如此。在我们的范式中,参与者能够在没有同步互动的情况下,仅通过观察他人的疼痛表现,同样理解并分享他人的疼痛,并在生理上产生共鸣。我们的数据表明,在非互动条件下,疼痛感知者在情感上(表现为情感同理心)与互动条件下的投入程度相同。因此,对于疼痛同理心这一领域,理解并分享他人的状态可能不受疼痛接收者和观察者之间时间存在的影响。对疼痛的同理心可能依赖于较简单的社会线索,这些线索使得即使在没有观察者和目标之间同步线索交换的情况下也能理解和分享经验。然而,这也可能与更复杂的社会互动形成对比,例如分享负面自传体情感事件(Jospe等人,2020年),后者可能更依赖于社会交换的反馈循环。
可以说,即使是实时的视频媒介条件,也没有真正提供社交互动的机会。参与者的任务是估计他人的疼痛强度并评估自己对他人痛苦的不适程度,但他们没有被要求与对方互动或表现出亲社会行为。相反,由于EEG记录的限制,他们被要求避免移动和说话。因此,如果需要并允许更多的互动,可能会发现时间存在对同理心更明显的影响。例如,更复杂的社会认知现象,如合作、亲社会动机和信任,可能对时间存在更敏感。相比之下,对疼痛的同理心可能依赖于相对直接的、感知上的、情感上的线索。尽管如此,我们的结果对第二人称神经科学(Ca?igueral等人,2022年;De Jaegher等人,2010年;Gallotti等人,2017年;Schilbach等人,2013年)仍有启示,因为它们表明至少在对他人疼痛的同理反应方面,即使时间存在和个体之间的相互交流减少,这些反应仍然得以保持不变。更积极地说,我们的结果对于使用视频作为刺激的社会神经科学研究来说是令人安心的,因为与直接互动相比,差异可能并不像人们预期地那么明显。
我们不能排除时间存在对同理心的影响超出了我们评估的同理心测量范围。由于时间存在减少而无法与另一个人互动,可能会降低那个人在自我相关的程度(Conway等人,2016年;Schmitz & Johnson,2007年),从而降低亲社会行为或表达同情心的动机(Ferguson等人,2020年;Hein等人,2011年;Weisz & Zaki,2018年;Zaki,2014年)。由于我们的实验设置不允许观察者通过面部表情表达同情心,并且我们没有评估他们的亲社会行为动机,这一点仍然是推测性的。未来的社会存在研究应该考虑测量同理心的动机方面。
尽管我们的假设检验结果表明时间存在对疼痛同理心没有影响,但我们确实发现时间存在对前额叶θ波活动有潜伏期效应。在时间存在减少的条件下,参与者对他人疼痛的θ波活动有所延迟,差异约为252毫秒。这种潜伏期变化构成了本研究中时间存在减少的主要神经标志,表明同理心处理的时间动态发生了变化,而不是其总体强度。可能的解释是视觉注意力和自我相关性的差异。在行为层面上,自我相关性已被发现可以加速视觉搜索反应(Wade & Vickery,2018年)并影响视觉注意力(Svensson等人,2023年)。在神经层面上,自我相关的信息会增加神经反应(Sui等人,2013年;Viskontas等人,2009年)。被观察者看不到自己可能会导致在与观察者都能看到对方的社交互动中,对他人疼痛表现的关注不同(Hietanen等人,2020年;Morgan等人,2022年)。因此,自我相关性的差异可能影响了当前研究中的注意过程,表现为神经反应的延迟。
有趣的是,重新审视我们之前关于物理存在对疼痛同理心影响的研究数据时,也发现了类似的潜伏期效应。在社交线索减少的条件下(实时视频通话),θ波峰值的潜伏期比在社交线索丰富的条件下(直接面对面)晚172毫秒。这些发现共同表明,无论是在时间维度还是物理维度上,社交存在的减少都一致性地影响了与疼痛同理心相关的神经反应的时间。需要进一步的研究来确定这里相关的认知或动机因素——无论是注意力、自我相关性还是其他因素。在时间存在减少的情况下,行为反应和生理耦合的保持以及前额叶θ波活动延迟的结合可能表明,尽管同理心处理的整体强度没有变化,但其处理动态仍然基本完整。这种潜伏期变化可能指向在时间存在减少时支持同理心理解的微妙变化或补偿机制。
与任何零效应一样,当前研究中条件间的差异缺失可能是由于样本量和统计功效太有限造成的。然而,先前的功效分析表明,即使是小规模的行为效应,在被试内设计中也需要30名参与者的样本量。此外,贝叶斯因子分析也提供了强有力的证据支持零假设。我们的样本相当同质,主要由年轻的女性学生组成。这限制了结果对外部人群(如男性、年龄较大者和非学生群体)的普遍性。此外,年轻人可能更擅长数字媒介互动(Vossen & Valkenburg,2016年),这可能会抵消时间存在对同理心的影响。相反,在数字媒介社交互动经验较少的人群中,时间存在对同理心的影响可能更为显著。
此外,样本的同质性也可能导致了较高的同理心准确性,因为先前的研究表明,人们对相似的人(Han,2018年;Majdand?i?等人,2016年)和熟悉的人(Israelashvili & Perry,2021年)的同理心更为准确。我们只包括了陌生人之间的配对,因此确保了较低的熟悉程度。然而,由于参与者都是同一所大学的年轻学生,他们很可能认为彼此非常相似。参与者在实时视频通话中不如在预先录制的视频条件下准确,这可能是由于天花板效应。因此,未来的社会存在研究可以考虑包含更多异质性的样本。
尽管“视频通话”条件符合实际视频通话的标准,但参与者仍然处于近距离,并且知道他们位于相邻的房间。由于研究的被试内设计,无法进一步物理隔离参与者。这限制了我们发现的普遍性,因为真实的视频通话通常涉及更大的物理距离,而人们对这种物理距离的认识可能会降低对方在自我中的重要性。未来的研究将需要验证除了技术传输之外,实际的物理距离是否对参与者的行为、生理和神经同理心反应有影响。
就技术限制而言,应该注意的是,用于附着EDA电极的手同时也被用来操作操纵杆。不幸的是,操作操纵杆进行VAS评分会在EDA数据中引入人为干扰,这就需要排除某些试验。如果有更多的试验和更高的统计功效,我们可能会发现时间存在在EDA数据中的细微影响,因为至少存在条件差异的趋势(图5A)。
数字媒介的社会互动在日常生活中变得越来越普遍。研究刚刚开始明确比较直接互动和媒介互动(Diana等人,2023年;Hietanen等人,2020年;J?rvel?inen等人,2001年;Karimova等人,2024年;Prinsen & Alaerts,2019年;Shimada & Hiraki,2006年),特别是在社会认知方面(Jospe等人,2020年;Morgan等人,2022年;Petereit等人,2023年;P?nk?nen等人,2011年)。在当前关于时间存在和疼痛同理心的研究中,我们没有发现时间存在对疼痛同理心的影响。这表明,在媒介互动中,对他人疼痛的同理反应的主要方面并未受到影响。在神经层面上,时间存在的减少主要体现在前额叶θ波活动的潜伏期变化上,表明同理心处理的时间动态发生了变化,而不是其总体强度。因此,我们的发现对于第二人称神经科学(Schilbach等人,2013年)具有相关性,同时也适用于在线心理治疗和远程医疗(Amichai-Hamburger等人,2014年;Grondin等人,2019年)。如果在观看预录视频时仍然能够对他人感受到的疼痛产生共鸣,那么通过实时视频互动进行在线治疗的成本可能可以忽略不计,至少在理解他人疼痛方面是如此。未来的研究需要探讨在更复杂情境下社交存在对同理心的影响,并同时考虑同理心的动机层面。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号