个体焦虑中的注意力处理:与威胁相关和安全相关的陈述性记忆形成的电皮层关联

《COGNITIVE, AFFECTIVE & BEHAVIORAL NEUROSCIENCE》:Attentional processing in individual anxiety: Electrocortical correlates of threat- and safety-related declarative memory formation

【字体: 大 中 小 】 时间:2026年05月14日 来源:COGNITIVE, AFFECTIVE & BEHAVIORAL NEUROSCIENCE 2.7

编辑推荐:

  摘要 在潜在危险的环境中,准确检测和记住威胁性刺激的能力对于适应性行为至关重要。尽管与威胁相关的防御过程已经得到了越来越多的理解,但最近的研究开始强调补充的安全相关注意力和学习机制,这些机制尤其与病理性焦虑的发展和维持有关。先前的恐惧条件作用研究发现,晚期正事件相关电位(特别

  摘要
在潜在危险的环境中,准确检测和记住威胁性刺激的能力对于适应性行为至关重要。尽管与威胁相关的防御过程已经得到了越来越多的理解,但最近的研究开始强调补充的安全相关注意力和学习机制,这些机制尤其与病理性焦虑的发展和维持有关。先前的恐惧条件作用研究发现,晚期正事件相关电位(特别是P300和LPP)在形成与威胁和安全相关的陈述性记忆中起着关键作用。然而,个体焦虑差异对这些机制的影响仍不够深入探讨。在本研究中,我们考察了焦虑敏感性(一种跨诊断的焦虑相关病理风险因素)如何调节在陈述性威胁和安全学习过程中的注意力和记忆过程。通过使用后续记忆范式,我们在参与者学习中性面孔与厌恶结果或安全之间的关联时记录了事件相关电位。与被遗忘的项目相比,被记住的项目显示出更强的P300和LPP幅度。重要的是,较高的焦虑敏感性与在威胁和安全线索出现时的P300和LPP幅度增加有关,表明对这两种类型的刺激都分配了更多的注意力。尽管在记忆编码期间这些神经反应被放大,但较高的焦虑敏感性并未转化为更好的记忆表现。这些结果表明,虽然有较高焦虑相关心理病理风险的个体表现出普遍的过度警觉,但这种增强的注意力投入并不一定转化为有意学习过程中的记忆增强。

引言
联想学习是使生物体有效应对危险环境的基本机制。学习和预测潜在危险的能力对生存至关重要,因为它使生物体能够避免有害情况(Fanselow,2018)。同样重要的是识别和预测安全期的能力,因为这促进了适应性行为,如休息、觅食和社会互动。这些过程之间的不平衡被认为是焦虑障碍发展的关键因素(Mineka & Oehlberg,2008)。对威胁的偏见可能导致过度的恐惧反应,并伴随着对威胁相关刺激的过度警觉和持续的回避行为(Beckers等人,2023)。因此,个体必须确保关于威胁和安全的信息能够随着时间的推移被正确保留,并在遇到类似情况时能够被有效检索。在实验室中,这些过程通常通过巴甫洛夫恐惧条件作用范式进行研究,在这种范式中,最初中性的刺激(CS+)反复与固有的厌恶刺激(US)配对,例如轻微的电刺激,而另一个中性刺激(CS-)从未与US配对(Lonsdorf等人,2017;Pavlov,1927)。随着时间的推移,个体学会了对CS+的防御性反应,因为它预示着危险,而对CS-则没有反应,因为这种刺激与安全的缺失相关联(Seligman & Binik,1977)。最终,仅呈现CS+就能够引发涉及多系统的适应性反应模式。在生理层面,CS+的呈现通常会触发皮肤电导增加(Ojala & Bach,2020)、瞳孔放大(Korn等人,2017)和心率下降(恐惧性心动过缓;Battaglia等人,2022),这一切都由自主神经系统介导。在人类中,这些生理变化通常伴随着痛苦或恐惧的感觉(Lang等人,2000)。此外,注意力系统优先处理与威胁相关的刺激,表现出对CS+的更高警觉性(Miskovic & Keil,2012;Wieser & Keil,2020)。

除了识别防御反应的基本机制外,巴甫洛夫恐惧条件作用范式还被提出用于理解临床焦虑(Beckers等人,2023;Craske等人,2009),因为获得条件反射恐惧的过程可能与导致病理性恐惧和焦虑的机制密切相关。从这个角度来看,被认为有发展临床焦虑风险的个体在恐惧条件作用范式中也倾向于表现出更强的防御反应,例如增强的生理反应,或者在获得条件反射恐惧反应方面更快。然而,元分析证据挑战了焦虑患者对CS+表现出更强恐惧反应的观点(Kausche等人,2025)。相反,这些研究表明,临床焦虑和健康对照组之间的关键区别在于对CS-的增强反应,这被解释为安全学习的缺陷。尽管最近恐惧条件作用研究的重点在于此,但临床焦虑中安全学习缺陷的神经机制仍然难以捉摸。早期理论认为,患有病理性焦虑的个体对潜在威胁线索的注意力敏感性较高,并倾向于采取“宁可安全勿遗憾”策略,从而对固有中性刺激或条件反射的安全信号产生更强的恐惧反应(Wiemer & Pauli,2016a;2016b)。同时,有焦虑障碍风险的个体可能更容易过度泛化条件反射的恐惧,表现为对虽然从未与US直接配对但在外观或概念上类似于原始CS+的模糊线索产生更强的恐惧反应(Cooper等人,2022;Fraunfelter等人,2022)。普遍的学习理论认为,安全学习是刺激与安全之间关联的主动构建,这比仅仅是弱化刺激与威胁之间的关联更为复杂(Craske等人,2014)。因此,焦虑障碍中的安全学习异常可能反映了在安全线索存在时主动抑制恐惧的能力受损。这些过程(即恐惧获取、泛化和安全学习)被认为是高度相关的,可能通过共同机制促进焦虑障碍的发展(Stegmann等人,2019b)。

如上所述,恐惧条件作用研究通常通过心理生理或神经指标来量化条件反射反应和联想记忆,常常忽略了更复杂的认知过程,如陈述性记忆的作用。陈述性记忆指的是对事实和事件的明确、有意识的回忆,这与其在条件作用范式中通常研究的更自动的、隐性的联想区分开来。这一区分尤为重要,因为心理治疗主要针对恐惧和焦虑的明确组成部分,而不是传统条件作用研究中强调的隐性过程(Hofmann,2008)。为了填补这一空白,我们最近将后续记忆范式应用于恐惧条件作用,并探索了陈述性记忆形成的电皮层(Leimeister等人,2023;Wiemer等人,2021)和神经(Wiemer等人,2024)相关性。为此,向参与者展示了多个面孔,其中一半(CS+)与US关联,另一半则不关联(CS-),同时通过EEG或fMRI记录大脑活动。在随后的识别任务中评估了陈述性记忆。通过比较对记住的关联和忘记的关联的大脑反应,可以识别出与恐惧和安全学习过程中成功记忆编码相关的神经活动(Paller & Wagner,2002)。我们特别关注了对CS结果关联的记忆,而不是旧-新识别记忆。我们的目标是探讨在威胁和安全学习过程中的注意力和评价过程如何有助于形成将线索与厌恶结果关联起来的陈述性记忆。虽然旧-新识别范式为威胁和安全相关记忆过程提供了重要见解(Weymar等人,2014;2019;Ventura-Bort等人,2016;Schellhaas等人,2022;2020),但采用这种方法是为了专门针对联想学习机制。我们之前的研究发现,在CS+和CS-处理过程中,LPP显著增强。除了CS本身引发的神经反应外,对CS结果的反应也可能有助于联想性恐惧和安全记忆的形成。特别是,编码威胁的缺失可能是成功安全学习的关键机制。由于预测误差信号在奖励和厌恶领域都被广泛认为是联想学习的核心(Li & McNally,2014),我们还检查了在CS结束时的电皮层活动。这些分析显示,与被记住的关联相比,对被遗忘的关联,在US结束(CS+结束时)和对US缺失(CS-结束时)的反应中P300幅度更大。由于P300和LPP是注意分配的公认指标(Hajcak & Foti,2020;Hajcak等人,2010),这些结果支持注意力分配在陈述性威胁和安全记忆形成中起关键作用的观点。我们的fMRI研究结果进一步证实了这一点(Wiemer等人,2024),该研究表明,与后来被记住的关联相比,海马区域的活性通常更高。相比之下,腹内侧前额叶皮层的活动预示着安全关联期间的后续记忆(CS-与US缺失反应之间),而左背外侧前额叶皮层的活动则能预测一般结果(US呈现和缺失)。总之,EEG和fMRI研究的这些发现突显了前额叶和感觉区域在形成陈述性安全记忆中的相互作用。

这些关于健康人群中安全学习神经基础的研究发现可能有助于阐明病理性焦虑中安全信号注意力处理的异常。然而,高水平的个体焦虑如何影响与陈述性安全学习相关的注意力和记忆机制仍需进一步探讨。解决这一空白的一种方法是研究被诊断为临床障碍的个体以及有这些障碍风险的个体,特别是那些在心理病理学测量评估中得分较高的个体。在这种情况下,焦虑敏感性的概念特别有用,它被定义为相信焦虑经历会导致疾病、尴尬或额外的焦虑(Reiss等人,1986),因为它被认为是各种形式心理病理学的跨诊断因素(Allan等人,2014a;Boswell等人,2013;Deacon & Abramowitz,2006;McNally,2002),并且可以维度测量,因此非常适合研究个体的焦虑差异。因此,本研究的目的是使用先前建立的厌恶学习和记忆范式,调查不同个体焦虑水平下的记忆形成的电皮层相关性。我们假设在学习过程中,对CS开始时的P300、LPP和瞳孔反应增强,以及对CS-结束时的P300和LPP幅度增强,无论是对于后来被记住的还是被遗忘的刺激。此外,我们预计在有较高个体焦虑水平的参与者中,这三个参数在记住的CS-和忘记的CS-之间的差异会减小。

透明度与开放性
所有分析和代码已在Open Science Framework上公开,访问地址为https://osf.io/83zbx/。本研究未进行预先注册。

参与者
参与者通过维尔茨堡大学的在线招募程序和本地广告进行了两步筛选过程。作为初步筛选步骤,参与者填写了一份在线问卷,其中包含了关于过去两周内自报的恐慌发作情况的问题,以及德国版本的焦虑敏感性指数(ASI-3;Kemper等人,2009年;Taylor等人,2007年)。我们特别招募了焦虑水平较低和较高的参与者,以涵盖整个焦虑谱系。为此,我们邀请了ASI总分低于18分或高于22分(基于Allan等人,2014b年的临界值)的参与者,以及在问卷参与前两周内表示经历过恐慌发作的参与者进行电话访谈。在第二个筛选步骤中,我们进行了半结构化的Mini-DIPS访谈(Margraf等人,2017年),以确认是否存在与焦虑相关的病理状况(即,在访谈中诊断出的当前恐慌障碍、广泛性焦虑障碍、社交焦虑障碍和/或广场恐惧症),以及是否存在其他排除标准(药物或酒精滥用或依赖的历史、过去6个月内患有重度抑郁症、使用抗精神病药物、双相情感障碍或精神病性障碍的历史)。最终,我们也包括了ASI-3总分低于18分或高于22分但符合所有排除标准的参与者。筛选程序共有87名参与者参加了实验。其中,有3名参与者没有完成任务,18名参与者在每种条件下没有产生足够数量的15次记住/遗忘的试验(排除了含有脑电图伪迹的试验,见下文)。最终样本包括66名参与者(年龄:平均25.4岁,标准差6.5岁;51名为女性)。在这些参与者中,有16名参与者根据Mini-DIPS访谈报告了与焦虑相关的病理状况(6人患有社交焦虑障碍,9人患有广泛性焦虑障碍,4人患有恐慌障碍;平均ASI得分为38.6,标准差16.5)。ASI水平的分布如图1所示。由于筛选程序相对复杂,样本大小的决定是基于实际考虑(例如,参与者的可用性、时间限制)而非正式的功效分析。参与者获得了课程学分或30欧元的报酬。所有参与者的视力均为正常或经过矫正至正常。本研究得到了维尔茨堡大学心理系伦理委员会的批准(GZEK 2017–07)。我们报告了如何确定样本大小、所有数据排除情况、所有操作以及研究中的所有测量方法。

**图1** 最终样本的ASI水平分布(n = 66)。注意:平均分和标准差分别用实线和虚线表示。

**刺激**
**条件刺激(CS)**
视觉刺激显示在刷新率为60 Hz的19英寸显示器上。我们使用了80张不同的黑白男性及女性中性面部表情图片作为条件刺激。这些图片来自芝加哥面部数据库(Ma等人,2015年)。黑白面部图片在灰色背景(RGB = 144)上各显示3秒,以匹配面部的亮度。这些图片被分成两个子集,每个子集包含40张图片,一个作为CS+,另一个作为CS-,在同一会话中进行。CS+和CS-的分配在参与者之间是平衡的。此外,这两个子集在模型的性别、唤醒度、吸引力和亮度上也进行了匹配(所有p值>0.22)。

**无条件刺激(US)**
厌恶性US是一种通过电流刺激器(Digitimer DS7A;Digitimer Ltd,Welwyn GardenCity,英国)和两个钢制表面电极(直径9毫米;GVB-geliMED,Bad Segeberg,德国)施加在左小腿内侧的刺激。电流刺激设置为400伏特,持续40毫秒(10次2毫秒的刺激,间隔2毫秒)。电流强度根据每个人的疼痛阈值通过标准化程序进行个体校准,该程序包括两个上升和下降的电流刺激序列。目标是达到主观强度评分4(“略微疼痛”),评分范围从0(“没有明显感觉”)到10(“极其疼痛”)。这个个体US强度增加了20%,以获得最终的个体US强度。平均电流强度为M = 1.32(标准差=1.31)。

**程序**
首先,参与者提供了知情同意并完成了社会人口统计问卷。然后他们坐在一个隔音且光线昏暗的测试室中。随后安装了脑电图(EEG)和电流刺激电极。电流刺激根据每个参与者的个体疼痛阈值进行了调整,并且眼动追踪器也进行了个体校准,以便在实验开始前最佳捕捉瞳孔扩张情况。实验的主要部分包括两个阶段:学习阶段和回忆任务,遵循Leimeister等人的设计(2023年)。学习阶段开始时,参与者被指示记住面部(CS)和电流刺激(US)之间的关联。总共在三个连续的区块中每个区块展示一次80张面孔,区块之间有短暂的自我调节休息时间。这样每个CS+和CS-都展示了三次,共计240次试验。每个面孔显示3秒。US在CS+面孔图像的偏移时刻施加(强化率为100%,总共120次电流刺激)。在试验间隔期间,屏幕中间随机显示一个黑色的固定十字,持续3-5秒(见图2)。

**图2** 主要任务的设计和试验结构。注意:A)在学习阶段记录了EEG,每个CS+之后都跟随一个厌恶性的电刺激(US)。B)根据回忆阶段的记忆评分,条件刺激(CS+和CS-)被分类为记得或忘记。

学习阶段之后,参与者完成了一项15分钟的视空间认知任务,该任务涉及解决三维谜题。这项任务的设计目的是防止他们进一步参与后续的记忆任务。

此后,参与者进行了回忆任务,在此任务中他们再次查看每个CS,并被要求指出给定的图片是否与US相关联。他们对判断的信心在一个从-4(非常确定没有US)到+4(非常确定有US)的八点量表上进行了评分,不包括零。根据回忆阶段的记忆评分,条件刺激(CS+和CS-)被分类为记得或忘记:高信心 hit(CS+为+4和+3;CS-为-4和-3)被归类为正确记住,而所有其他评分则被归类为忘记(Leimeister等人,2023年;Wiemer等人,2021年,2024年)。此外,参与者还对每张图片提供了情感价值和唤醒度的评分,评分范围从0(非常不愉快,非常平静)到100(非常愉快,非常强烈)。

**EEG记录和数据预处理**
EEG记录使用32通道系统(ActiCap;Brain Products,慕尼黑,德国)进行,电极按照10-20系统放置。数据参考乳突电极记录,并在0.01到250 Hz之间在线过滤,采样率为1,000 Hz。电极阻抗保持在5 kΩ以下。此外,还从两个水平和垂直的眼电极记录了眼电图。数据收集使用了Brain Vision Recorder Version 1.05和ActiCap Control软件(Brain Products,慕尼黑,德国)。

EEG使用EElab v2022.1版本(Delorme & Makeig,2004)进行离线分析。数据首先被重新参照到共同平均值,并使用40 Hz的巴特沃斯滤波器(过渡带宽度=10 Hz,截止频率=45 Hz)进行低通滤波。根据z值标准(z=3.29,Tabachnick & Fidell,2007)自动排除了不良通道并进行了插值(球形样条方法)。为了校正各种伪迹,使用了ICA程序和EElab插件IClabel(Pion-Tonachini等人,2019)。概率≥0.5被分类为眼伪迹、肌肉伪迹、心脏伪迹、线路噪声或通道噪声的成分被拒绝。然后将数据分割成刺激前-200毫秒到刺激后1,000毫秒的时期,并对-200到0毫秒的时间窗口进行了基线调整。为CS开始和CS结束创建了单独的段(即US省略)。伪迹拒绝基于幅度阈值(-150到+150 μV)和联合概率阈值(标准差=5)。如上所述,如果经过伪迹拒绝后每种条件(CS+/CS- x 记得/忘记)可用的试验少于15次,则参与者被排除,共有14名参与者被排除。剩余参与者的平均(±标准差)拒绝率为7.5 ± 17%。以下条件的分段平均值分别为:CS+记住(保留的试验:50.2 ± 25.1;拒绝率:5.8 ± 16%)、CS+忘记(保留的试验:60.7 ± 25.9;拒绝率:5.6 ± 12%)、CS-记住(保留的试验:41.0 ± 22.0;拒绝率:4.9 ± 13%)、CS-忘记(保留的试验:69.9 ± 23.3;拒绝率:6.2 ± 13%)、CS-结束记住(保留的试验:38.2 ± 22.3;拒绝率:8.8 ± 18%)和CS-结束忘记(保留的试验:65.0 ± 25.8;拒绝率:13.7 ± 13%)。为了与我们的先前发现保持一致,P300和LPP都是在中央-顶叶电极处评分的(Schupp等人,2000年)。具体来说,我们从Pz电极提取了P300和LPP对提示开始的反应,而提示结束的反应是从Cz电极评分的,因为在当前和之前的迭代中提示开始和结束的拓扑结构不同。对于这两个区域,P300的幅度计算为CS开始或结束后200到400毫秒之间的平均值,而LPP的幅度计算为CS开始或结束后400到1,000毫秒之间的平均值,类似于之前的工作(Leimeister等人,2023年;Wiemer等人,2021年)。

**瞳孔和SCR记录和预处理**
在学习阶段使用Tobii Pro Nano眼动追踪器(Tobii Technology)以60 Hz的采样率记录了瞳孔直径。首先,我们对包含眨眼和缺失数据的段进行了线性插值。随后,我们应用了2 Hz的低通滤波器,并通过从每个后续数据点减去-500到0毫秒时间窗口的平均值进行了基线校正。对于统计分析,我们计算了每个条件下0.5到3秒之间的平均瞳孔直径(Reutter & Gamer,2023)。

**统计分析**
ERP幅度、瞳孔直径变化以及情感价值和唤醒度的均值差异通过线性混合模型进行了分析,其中组内因素包括CS类型(2个水平:CS+ vs. CS-)和记忆(2个水平:忘记 vs. 记得),以及以平均为中心的ASI分数作为组间协变量。所有三个主要效应及其交互作用作为固定效应纳入模型。参与者作为随机截距纳入模型。LPP和P300幅度对US省略的分析类似,但没有包括CS类型因素。 significance使用Kenward-Rogers近似法评估自由度(Kenward & Roger,1997;Luke,2017)。alpha水平设定为p < 0.05(双尾)。线性混合模型在R软件环境(版本4.4.2;R Development Core Team,2021)中运行,使用‘lme4’包(版本1.1–36;Bates等人,2015)。标准化效应大小和95%置信区间(95% CI)使用‘r2glmm’包(版本0.1.2;Jaeger等人,2017)计算。仅出于可视化目的,焦虑敏感性进行了中位数分割,以在图中显示组间模式。重要的是,所有统计分析都是使用连续的焦虑敏感性分数进行的。没有基于中位数分割的推论性结论,所有报告的效应都反映了将焦虑敏感性视为连续变量的模型。除了这种二分化的记忆分析外,我们还进行了探索性分析,将US-记忆评分视为连续变量。线性混合效应模型的指定与主要分析类似,但包括连续的记忆评分,而不是分类的记忆与忘记对比。由于不同条件和参与者之间可分析试验数量的大幅变化,以及一些记忆×CS类型组合中的空单元,这些分析被认为是探索性的,并在补充材料中详细报告。

**结果**
**评分**
参与者评定CS+(M = 1.28,标准差=0.99)与US相关联的可能性大于CS-(M = -1.01,标准差=0.84),F(1,64) = 204.38,p < .001,R2 =.62,95% CI [.52,.70],表明在回忆任务期间成功区分了CS+和CS-。平均而言,CS+面孔(47.1 ± 19.2%)比CS-面孔(41.0 ± 14.9%)更常被分类为记得(F(1, 64) = 8.10,p =.006,R2 =.11,95% CI [.01,.28])。记忆评分或记得的面孔数量没有显示出与个体ASI水平的main效应或交互作用(所有p值> .193)。唤醒度和价值评价

在唤醒度和价值评价的线性混合模型分析中,线索与记忆之间的交互作用显著:唤醒度方面,F(1, 192) = 107.22,p < .001,R2 = .36,95% CI [-.26, .46];价值方面,F(1, 192) = 76.00,p < .001,R2 = .28,95% CI [-.19, .39]。这表明与CS?相比,CS+的唤醒度和价值评价更高,尤其是对于被记住的面孔(图3)。未发现焦虑敏感指数(ASI)水平有显著影响(所有p值 > .346)。

图3:该图像的替代文本可能是使用AI生成的。完整尺寸图像

唤醒度和不适度的平均值(±标准误)作为记忆和线索的函数。注意:ASI得分的中位数划分仅用于说明连续ASI协变量的目的。

瞳孔反应

在获取阶段的瞳孔反应线性混合模型分析中,线索的主效应显著,F(1,192) = 18.22,p < .001,R2 = .09,95% CI [.03, .17],表明CS+试验的瞳孔扩张更强(图4A)。此外,线索、记忆和个体ASI水平之间存在显著的三重交互作用,F(1,192) = 7.21,p = .008,R2 = .04,95% CI [.003, .10](图4B)。记忆的主效应未能达到显著性,F(1,192) = 3.01,p = .084,R2 = .02,95% CI [.00, .07]。其他效应均不显著(所有p值 > .151)。针对每种线索类型的后续线性混合模型显示,CS+试验的记忆效应显著,F(1,64) = 4.45,p = .039,R2 = .07,95% CI [.001, .22],表明在呈现后来被记住的CS+关联时瞳孔直径更大,但ASI水平没有影响(所有p值 > .099)。相反,在CS-试验中,记忆和ASI水平之间存在显著交互作用,F(1,64) = 5.29,p = .025,R2 = .07,95% CI [.002, .23],表明随着ASI水平的增加,被记住和被遗忘的CS-关联之间的区分度降低。

图4:该图像的替代文本可能是使用AI生成的。完整尺寸图像

瞳孔反应作为线索、记忆和ASI水平的函数。注意:A) 阴影区域表示从线索开始到500至3000毫秒的反应间隔。B) 阴影区域内瞳孔反应的平均值(±标准误)。ASI得分的中位数划分仅用于说明连续ASI协变量的目的。

事件相关电位对线索开始的响应

P300

对线索开始时的P300振幅的线性混合模型分析显示,ASI水平的主效应显著,F(1,64) = 5.58,p = .021,R2 = .08,95% CI [.003, .24],表明随着ASI水平的增加,P300振幅更高。其他效应不显著(p值 > .174),尽管线索、记忆和ASI水平之间的三重交互作用边缘显著,F(1,192) = 3.37,p = .068,R2 = .02,95% CI [.00, .07]。这种交互效应可能是由于在低ASI水平下对CS-的记忆效应更强(图5A)。然而,分别对CS+和CS-进行的探索性后续线性混合模型分析未发现任何显著的交互效应(所有p值 > .204)。

图5:该图像的替代文本可能是使用AI生成的。完整尺寸图像

Pz点对线索开始时的ERP反应。注意:A) P300(A)和LPP(B)对线索开始的平均反应(±标准误)。C) P300和LPP的拓扑图作为CS条件和ASI分数的函数。D) 和E) 对CS-(D)和CS+(E)在Pz点的ERP反应。对于ERP图表,数据进行了低通滤波(20 Hz)。ASI得分的中位数划分仅用于说明连续ASI协变量的目的。

LPP

对线索开始的LPP振幅对于被记住的面孔比被遗忘的面孔更强,F(1,192) = 4.72,p = .031,R2 = .02,95% CI [.001, .08]。此外,ASI水平的主效应显著,F(1,64) = 8.61,p = .005,R2 = .12,95% CI [.02, .29],表明个体ASI分数较高时LPP振幅普遍增强(图5B)。此外,线索、记忆和个体ASI水平之间存在边缘显著的三重交互作用,F(1,192) = 3.25,p = .073,R2 = .02,95% CI [.00, .07]。其他效应均不显著(所有p值 > .137)。为了进一步探索这种边缘显著的交互作用,我们分别对CS+和CS-进行了线性混合模型分析。虽然CS+试验中记忆和ASI水平之间没有显著交互作用,F(1,64) = .59,p = .442,但在CS-试验中交互作用边缘显著,F(1,64) = 3.80,p = .055,表明在低ASI水平下对CS-的记忆效应略强。

事件相关电位对CS-缺失(CS- Offset)的响应

对CS-(US缺失)的线索偏移时的P300振幅的线性混合模型显示,记忆的主效应显著,F(1,64) = 8.68,p = .004,R2 = .12,95% CI [.02, .29],表明被记住的CS-面孔的P300振幅更高(图6A)。此外,ASI水平的主效应边缘显著,F(1,64) = 3.47,p = .067,R2 = .05,95% CI [.00, .20]。然而,它们的交互作用不显著,F(1,64) = 0.06,p = .800,R2 < .01,95% CI [.00, .08]。

图6:该图像的替代文本可能是使用AI生成的。完整尺寸图像

Cz点对CS-缺失的偏移时的ERP反应。注意:A) P300(A)和LPP(B)对CS-偏移的平均反应(±标准误)。C) P300和LPP的拓扑图作为ASI分数的函数。D) 对Pz点CS-偏移的ERP反应。对于ERP图表,数据进行了低通滤波(20 Hz)。ASI得分的中位数划分仅用于说明连续ASI协变量的目的。

LPP的结果

对线索偏移的LPP振幅显示了类似的模式,记忆的主效应边缘显著,F(1,64) = 3.79,p = .056,R2 = .06,95% CI [.001, .20],ASI水平的主效应也显著,F(1,64) = 3.26,p = .076,R2 = .05,95% CI [.00, .19]。交互作用不显著,F(1,64) = 0.01,p = .931,R2 < .01,95% CI [.00, .08]。被记住的CS-面孔的LPP振幅略高于被遗忘的面孔,且ASI水平较高时LPP振幅也略高(图6B)。

讨论

本研究调查了在陈述性威胁和安全学习过程中记忆形成的生理和电皮层相关因素,以及它们与个体焦虑敏感性的关系。为此,我们在一个先前建立的厌恶学习范式中研究了记忆效应(Leimeister等人,2023年;Wiemer等人,2021年,2024年),同时记录了脑电图和瞳孔测量数据。我们的发现表明,尽管在高ASI水平下CS+和CS-面孔开始时的P300和LPP振幅略有增强,但较高的个体ASI水平并未与更好的陈述性记忆表现相关联。此外,我们分析了CS-结束时的电皮层反应,这是对无条件刺激(US)缺失的响应。我们观察到记忆相关的效应,即在后来被记住的面孔中P300振幅增强,LPP振幅也略有升高。然而,这些效应与个体ASI水平无关。瞳孔测量显示了更细致的模式:随着个体焦虑水平的增加,对后来被遗忘的安全线索(CS-)的瞳孔反应更强。

这些发现表明,虽然焦虑敏感度较高的个体会对潜在的威胁性刺激分配更多的注意力和认知资源(Hunt等人,2006年;Nelson等人,2015年),但这种增强的处理并不一定有助于陈述性记忆的形成。与先前的研究一致,我们观察到在随后被记住的CS和US之间的关联中LPP振幅增强,表明持续关注情绪刺激有助于成功的记忆编码(Dolcos & Cabeza,2002年;Kiefer等人,2008年)。LPP是顶枕区域的一个持续的正电位,在情绪刺激下增强(Hajcak等人,2010年,2013年)。同样,LPP振幅的增加与被记住和被遗忘的情绪图片相关(Dolcos & Cabeza,2002年;Kiefer等人,2008年)。然而,其在记忆过程中的确切机制尚不清楚。LPP被认为是一个电皮层标志,表明持续的注意力和感知可能是成功记忆编码的结果(Hajcak等人,2010年;Schupp等人,2000年)。LPP还受到来自前额叶区域的自上而下的过程的调节(Schupp等人,2006年)。此外,已经观察到对高度唤醒的情绪刺激的晚期反应(约400毫秒)存在从后部到前部的双向链接(Moratti等人,2011年)。与此一致,我们最近的fMRI研究发现,腹内侧和背外侧前额叶皮层(PFC)在安全记忆的形成中起着关键作用,可能通过稳定视觉和体感区域的跨感觉刺激的整合(Wiemer等人,2024年)。总之,这些发现表明LPP可能在记忆形成中起因果作用,可能是通过向支持记忆过程的前额叶区域传递情绪价值和动机重要性来实现的。

然而,随着焦虑敏感性的提高,LPP振幅的总体增加并未转化为记忆表现的提升。一个可能的解释是,记忆任务的成功完成不仅需要编码面孔本身,还需要编码它是否与无条件刺激(US)配对。值得注意的是,记忆任务不仅仅是识别在主实验中是否呈现了面孔,而是回忆它是否与US配对。这种关于关注线索偏移的明确指示可能降低了记忆编码过程中线索开始时的重要性。这一解释进一步得到了我们关于线索开始时P300振幅的发现的支持,这些发现与我们的任务中的成功记忆编码无关。这表明在刺激开始时的早期注意处理对于编码关键的面部-US关联可能不太相关。此外,我们发现了高焦虑水平下异常的安全学习过程的初步证据。被记住和被遗忘的安全关联之间的差异在焦虑水平较高的人中较弱。这表明,LPP和P300振幅所代表的面部注意处理对高焦虑个体的记忆形成的影响较小。考虑到焦虑水平之间的记忆表现没有差异,这表明在高焦虑个体中,安全学习可能通过不同的机制来补偿。另一种可能是,这些个体更多依赖于海马体支持的自动、基于上下文的记忆过程,而不是与注意力和情感相关的显著性驱动的编码(Fanselow,2000年;Maren等人,2013年)。然而,这种替代机制可能不太稳定,因为先前的研究表明焦虑障碍中存在安全学习的缺陷(Kausche等人,2025年)。未来的研究还可以评估不同时间的 associative memory 水平。

此外,对CS偏移的电皮层反应的分析也揭示了与记忆相关的效应,对于后来被记住的面孔,P300和LPP振幅都增强了,尽管LPP振幅的效应仅边缘显著。因此,这可能表明将注意力资源分配给威胁的缺失在安全学习和安全记忆的形成中起着关键作用。值得注意的是,P300与感官预测误差信号有关(Palidis等人,2019年),这种信号的幅度与人类的后续记忆形成有关(Jang等人,2019年)。因此,无条件刺激(US)的存在或缺失可能会引发预测误差反应,这反映在P300中,从而最终增强记忆形成(Wiemer等人,2021年)。然而,与开始相关的反应不同,这些与偏移相关的ERPs仅受ASI水平的边缘调节。鉴于焦虑水平对记忆表现没有行为差异,这一发现支持了面部-US关联对于成功记忆表现更为关键的观点。

有研究表明,高焦虑个体对潜在威胁更敏感,这可能导致更强的情绪反应(Nelson等人,2015年;Stegmann等人,2019a)。这与我们关于线索开始和偏移的发现一致,其中P300和LPP振幅随着ASI水平的增加而增加,特别是因为每个面孔只显示了三次。的确,对潜在威胁的增强敏感性可能与将更多的认知资源分配给处理情感相关刺激有关,并对感觉不确定或不可预测的刺激产生放大反应,这分别反映在LPP和P300中。这些发现也支持了焦虑个体中普遍存在的高度警觉偏差的观点(Bar-Haim等人,2007年;Cisler & Koster,2010年;Mathews等人,1990年;Mogg & Bradley,1998年;Wieser & Keil,2020年)。

ERP的结果进一步得到了瞳孔测量反应模式的支持。值得注意的是,与CS-试验相比,CS+试验的瞳孔反应通常更强,表明恐惧条件反射成功。这一点尤为重要,因为80组“面孔-美国刺激”对中的每一组仅被呈现了三次,与典型的恐惧条件作用研究(Lonsdorf等人,2017年)相比,这减少了学习试验的次数。此外,瞳孔反应还受到记忆效应和自动联想强度(ASI)水平的影响。在CS+试验中,观察到了预期的主要记忆效应,即对记得的关联的瞳孔反应略高于忘记的关联。这符合这样的观点:增强的觉醒状态是记忆形成的关键前提(Bradley等人,1992年;Dolcos和Cabeza,2002年;LaBar和Phelps,1998年;Mather和Sutherland,2011年)。然而,在CS-试验中,这种模式被对忘记的CS关联的增强瞳孔反应所覆盖。需要注意的是,在当前的实验范式中,记忆表现的测量并非针对刺激本身,而是针对CS-结果关联的记忆。因此,被分类为“忘记”的CS可能反映了未能编码CS-美国刺激省略的关联性,并可能进一步表明倾向于将威胁归因于该刺激。从这个角度来看,在后来被分类为忘记的CS-试验中,增强的瞳孔收缩可能反映了自主神经系统的激活或威胁预期,这可能会使后续判断倾向于假设一个负面的关联。这可能表明,在安全学习过程中,增强的自主神经激活可能会干扰记忆巩固,可能是由于认知负荷增加或那些焦虑程度较高的人难以摆脱与威胁相关的处理(Pessoa,2009年;Robinson等人,2013年)。值得注意的是,高焦虑个体制对忘记的CS-刺激的瞳孔反应增强,这是安全学习异常的唯一证据。鉴于先前关于焦虑个体安全学习功能障碍的研究结果(Kausche等人,2025年),我们预期随着焦虑水平的增加,CS反应的差异会更大。一个可能的解释是,我们主要调查了亚临床焦虑的参与者。尽管我们明确邀请了符合DSM-5焦虑相关障碍标准的个体,但最终样本中只有16名符合条件的参与者,数量太少,无法进行有意义的亚组分析。另一个重要的限制是,与偶发学习相比,有意学习的调节可能较少受到ASI水平的影响。我们假设在偶发学习中,自上而下的调节作用减弱,而来自威胁相关刺激的自下而上的调节作用更为明显。然而,我们最初选择研究有意学习,是因为治疗焦虑障碍通常关注的是有意学习而非偶发学习。最后,在主要分析中,我们将原始的8点信心量表简化为“记得”与“忘记”的反应,这可能引入了分类误差并掩盖了一些微妙的效应。为了解决这一限制,我们使用了连续的美国刺激-记忆评分进行了补充性探索性分析(见补充材料)。虽然我们基本上能够复制我们的主要发现,即随着个体焦虑敏感性的增加,LPP和P300振幅增强,以及对后来被自信记住的CS-美国刺激关联的ERP反应增强,但瞳孔反应的模式不太稳定。关键的是,由于实验范式的特性,一些数据单元只包含少数可分析的试验。因此,这些结果应谨慎解读。

总之,本研究探讨了在威胁和安全学习过程中记忆形成的电皮层和瞳孔测量相关因素,重点是个体焦虑敏感性(ASI)与记忆表现之间的关系。我们的发现表明,较高的焦虑敏感性与威胁和安全刺激出现时的较大P300和LPP振幅有关,表明对威胁和安全信号的注意力分配增加了。然而,尽管有这些增强的神经反应,较高的ASI水平并未带来记忆表现的改善,特别是在编码面孔与美国刺激省略的关联性方面。因此,我们没有观察到焦虑敏感性对行为记忆表现的影响。这些发现表明,虽然高焦虑水平的个体对威胁表现出普遍的警觉性,但这并未干扰有意学习过程中的威胁和安全记忆的编码。尽管当前研究揭示了一般记忆过程的电皮层相关因素,但未来的工作需要探讨不同焦虑敏感性个体中有意学习和偶发学习过程的差异。理解这些过程对于改进焦虑障碍的治疗策略至关重要,因为这些策略往往依赖于有意学习机制来改变适应不良的威胁反应。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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