基于努力的决策在没有药物的成年人缓解抑郁症的计算表型化

科学领域:

• 神经科学是一个神经科学.
• 精神病学是一个精神病学.
• 计算精神病学是一种计算精神病学.

背景情况:

• 减少动机是主要抑郁症 (MDD) 的核心症状.
• 即使在重大抑郁症 (rMDD) 症状缓解后,动机缺陷也可能持续存在.
• 在rMDD中理解基于努力的决策对于预防复发至关重要.

研究的目的:

• 研究在未服用药物的成年人中以努力为基础的决策,这些成年人患有缓解的主要抑郁障碍 (rMDD).
• 在rMDD中使用计算表型化来描述决策过程和策略.
• 检查rMDD中是否存在动机缺陷,以及奖励敏感性如何影响努力分配.

主要方法:

• 采用计算建模,包括等级漂移扩散建模和主观价值建模.
• 在没有药物的rMDD (n=40) 和健康对照 (HC,n=68) 的成年人中利用了努力支出奖励任务.
• 在不同奖励大小和概率的努力分配中分析了决策动态.

主要成果:

• 与HC相比,患有rMDD的参与者总体上做出了较少的高精力选择,在考虑无症时效果减弱.
• 在高回报/高概率条件下,rMDD参与者比HC更努力.
• 漂移扩散建模表明rMDD中偏向于更轻松的任务,受到奖励概率和大小敏感度增加的抵消.

结论:

• 缓解后的大型抑郁症与持续的动机缺陷有关.
• 患有rMDD的个体对高价值奖励具有高度敏感性,需要更实质性或特定的奖励来从事艰苦的任务.
• 损伤的奖励处理和努力成本计算可能是rMDD的动机功能障碍的基础,这表明了预防复发的潜在干预目标.