与事件相关的动态阶段幅度合分析揭示了严重抑郁症患者的面部情绪处理缺陷:一个横截面研究

科学领域:

• 神经科学是一个神经科学.
• 计算神经科学是一种神经科学.
• 精神病学是一个精神病学.

背景情况:

• 阶段振幅合 (PAC) 对于大脑功能网络协调至关重要.
• 在情绪处理过程中,了解主要抑郁障碍 (MDD) 中PAC的动态变化是有限的.

研究的目的:

• 在情绪刺激期间调查MDD患者的动态相幅度合 (PAC) 模式.
• 确定与MDD情绪处理缺陷相关的潜在神经生物标志物.

主要方法:

• 采用横截面研究设计,分析了来自24名MDD患者和29名健康对照者的128通道EEG数据.
• 使用高斯-科普拉事件相关PAC (GC-ERPAC) 方法进行动态PAC分析.
• 评估了PAC对恐惧,快乐和悲伤情绪刺激的反应,以及与临床尺度相关的PAC强度.

主要成果:

• 与HC患者相比,MDD患者表现出不同的PAC模式.
• 在接受快乐刺激的MDD患者中观察到减少的三角马合 (DGC),三角马合 (TGC) 和α-马合 (AGC).
• 在MDD患者中,随着可怕的刺激,在头部区域增加了AGC.
• 在MDD组中,TGC和AGC之间的相关性较弱,AGC和临床评分之间的负相关性被发现.

结论:

• 在MDD中,GC-ERPAC有效地识别了情绪识别特征.
• 异常的时空PAC模式与MDD中的情绪处理缺陷有关.
• 减少的DGC和TGC,以及增加的AGC,作为MDD的潜在生物标志物显示出希望.