漂流拡散モデリングを用いた過食障害における意思決定の欠陥の縦断分析

科学分野:

• 認知神経科学とは
• 精神科医は精神病を患っている.
• コンピュータサイキアトリーの精神医学

背景:

• ビンジエーディング障害 (BED) は,ネガティブな結果にもかかわらず強迫的な食べることを含み,意思決定の欠陥を示します.
• ベッドにおけるこれらの変化を誘発する正確な認知メカニズムは不明である.
• Drift Diffusion Model (DDM) のようなコンピューティングモデルは,意思決定プロセスを解剖することができます.

研究 の 目的:

• DDMを用いて,意思決定のコア要素と時間経過における過食の頻度との関係を調査する.
• BEDを持つ成人における過食の持続に寄与する特定の認知メカニズムを特定する.

主な方法:

• 95人の成人BED患者 (69%BED,15%BN) を対象とした長期的研究.
• 参加者は,ベースラインと3ヶ月のフォローアップで確率的報酬タスクを完了しました.
• 飲食過多の頻度は,同時および6ヶ月のフォローアップで評価されました.
• DDMパラメータ (漂流率,値,開始バイアス) は,過食の頻度に関連して分析されました.

主要な成果:

• 証拠の蓄積が遅い (ドリフト率が低い) は,一貫して,横断的に,そして将来的に,より高い過食の頻度を予測しました.
• 意思決定の値の低下 (慎重でない意思決定) は,現在の過食の頻度と関連しているが,将来の症状とは関連していない.
• 報酬感度 (スタートバイアス) は,過食の頻度と有意に相関しなかった.

結論:

• 意思決定に関連する情報の統合障害 (遅いドリフト率) は,BEDs.で過食を継続する可能性があります.
• DDMは,BEDにおける意思決定の欠陥を理解するための貴重なコンピューティングフレームワークを提供します.
• 調査結果は,情報処理の改善に焦点を当てた新たな介入目標の可能性を示唆しています.