威胁的时间可预测性与行动准备如何影响防御性冻结反应
《Psychophysiology》:How Temporal Predictability of Threat and Action Preparation Affect Defensive Freezing Responses
【字体:
大
中
小
】
时间:2026年03月24日
来源:Psychophysiology 2.8
编辑推荐:
**摘要**
对威胁的防御性反应对生存至关重要,通常表现为类似冻结的行为,这种行为与动作准备有关。然而,目前尚不清楚这种准备机制如何受到难以区分或预测的不可预测的厌恶刺激的影响。在这项研究中,我们引入了一种改进的实验范式,以探讨在威胁的可预测性、不可预测性和安全性条件下,类似冻
**摘要**
对威胁的防御性反应对生存至关重要,通常表现为类似冻结的行为,这种行为与动作准备有关。然而,目前尚不清楚这种准备机制如何受到难以区分或预测的不可预测的厌恶刺激的影响。在这项研究中,我们引入了一种改进的实验范式,以探讨在威胁的可预测性、不可预测性和安全性条件下,类似冻结的行为如何受到影响。我们采用多模态方法,对大量样本(n=235名女性)进行了研究,评估了姿势摇晃和心率作为类似冻结行为的指标,同时测量了皮肤电导水平、肌电图惊跳反应、行为表现和主观评分。从行为上看,与安全状态相比,参与者在威胁状态下反应更快,但准确性较低,这复制了之前的研究结果。从生理学上看,威胁状态与副交感神经介导的姿势冻结和交感神经驱动的皮肤电导增加有关。重要的是,威胁的时间(不可)可预测性并未调节类似冻结的行为或皮肤电导反应。在所有条件下(威胁和安全状态),惊跳反应相对于试验间隔时间都受到了抑制。这些发现表明,在威胁状态下,动作准备涉及副交感神经(姿势冻结)和交感神经系统的同时激活,这与动物模型中的冻结现象一致。时间威胁不可预测性的缺失可能表明了一种以准备状态为优先的通用防御模式。
**1 引言**
面对威胁时,会引发协调的行为、自主神经和内分泌反应,为快速防御动作做准备(Signoret-Genest等人,2023年)。有研究表明,威胁的接近程度和可预测性指导了预期的动作准备,从而影响了特定物种的防御反应的选择,这一点通过威胁紧迫性连续体模型得到了描述(Fanselow和Lester,1988年;Mobbs等人,2020年)。在不同物种中,一种核心的防御模式是类似冻结的行为,这种行为在动物中经典定义为除了呼吸外没有明显的运动,同时伴有心动过缓(Hagenaars等人,2014年;Roelofs等人,2010年;Roelofs和Dayan,2022年;Signoret-Genest等人,2023年)。在人类中,类似冻结的行为被认为可以优化威胁检测、风险评估和动作选择,并可以通过稳定力平台(姿势摇晃)和心电图(Azevedo等人,2005年;Roelofs等人,2010年)进行量化。类似冻结的行为不同于持续性静止,后者标志着主动防御的停止。它也不同于定向相关的静止,后者通常是对新奇或显著刺激或缓慢接近的捕食者的反应,后者随着对刺激的熟悉而更快地适应(Roelofs,2017年)。目前关于人类类似冻结反应和防御动作准备的研究结果存在矛盾:一些研究报道在预期威胁时会出现心脏冻结(De Voogd等人,2022年;Gladwin等人,2016年;Hashemi等人,2021年;Lojowska等人,2015年),而其他研究则观察到在威胁出现前的预期阶段心脏会加速(Hashemi等人,2019年),或者在威胁预期期间心脏会加速(Wendt等人,2017年)。对于姿势冻结也有类似的变异性报告,有些研究显示与威胁相关的冻结(Azevedo等人,2005年;Hagenaars等人,2014年;Hashemi等人,2021年;Klaassen等人,2021年;Niermann等人,2018年;Roelofs等人,2010年),而有些研究则没有发现威胁和安全状态之间的差异(Gladwin等人,2016年;Hashemi等人,2019年)。因此,尽管人们对人类类似冻结的行为越来越感兴趣,但不同研究中的威胁诱导冻结结果仍然存在差异,这可能是由于任务设计、研究问题和方法学方法的差异,需要进一步研究。其他生理指标以及与冻结相关的测量方法提供了关于防御准备的补充信息。皮肤电导(SC)主要反映了交感神经系统的激活(Boucsein,2012年),而恐惧增强的惊跳(FPS)反射是一种跨物种的防御反应,通过眼轮匝肌的肌电图(EMG)活动来测量,由突然的刺激引发(Blumenthal等人,2005年)。FPS的幅度反映了刺激的强度和防御参与度(Kuhn等人,2020年;Lang等人,1990年),而潜伏期与刺激强度(Sjouwerman和Lonsdorf,2019年)和威胁输入的神经处理速度(Koch,1999年)有关。尽管防御行为已经被广泛研究,并且在人类中建立了一系列生理指标,但迄今为止只有一项研究(van Ast等人,2022年)在恐惧条件范式中同时考察了姿势冻结、心脏冻结和皮肤电导以及肌电图。此外,许多实验室范式研究的威胁都是可预测的。相比之下,现实世界中的威胁往往是不可预测的,这使得生物体无法进行(防御)动作准备。威胁发生的不可预测性可能会改变快速但可能不太准确的防御反应与较慢但更准确的防御反应之间的平衡(Grupe和Nitschke,2013年;Roelofs和Dayan,2022年)。这种权衡还可能受到威胁时间或概率等因素的影响,这些因素会影响威胁线索的检测和响应效率(Blanchard等人,2010年;Mobbs等人,2007年)。在实验室环境中,威胁时间 and 概率在实验过程中的可学习程度高度依赖于任务类型。固定条件的范式使得威胁的可预测性可以被学习到,而具有伪随机时间或部分强化的范式(例如NPU任务,Grillon等人,2004年;Schmitz等人,2011年或Maryland Threat Countdown范式,Cornwell等人,2025年)则有意降低了威胁的可预测性。NPU范式广泛用于研究时间(不可)可预测性,但它们通常缺乏明确的动作准备成分,而这对于将防御预期与运动准备联系起来至关重要。在这里,我们特别关注时间(不可)可预测性作为调节动作准备和防御反应的关键因素。到目前为止,关于时间威胁不可预测性的研究(通常在没有明确动作准备成分的被动观察任务中)显示,对时间不可预测的威胁比可预测的威胁有更强的心脏冻结反应(Bowers,1971年;Corcoran等人,2021年),而皮肤电导和恐惧增强惊跳的结果则相当不一致。具体来说,一些研究报道在时间威胁不可预测性下皮肤电导增加(Hur等人,2020年;L?w等人,2015年),而其他研究则没有发现差异(Bennett等人,2018年;Grillon等人,2004年;Morriss等人,2022年)。FPS的结果也类似,有些研究报道增强(Bradford等人,2014年;Carsten等人,2022年;Grillon等人,2004年,2017年;Lago等人,2018年;Moberg等人,2017年),有些研究报道抑制(L?w等人,2015年;Seo等人,2023年;Wendt等人,2017年),或者在不同时间可预测性和不可预测性条件下没有差异(Bennett等人,2018年;Nelson和Shankman,2011年;Qiao等人,2022年)。此外,时间威胁不可预测性、类似冻结的行为和防御动作准备之间的相互作用在人类中很少被研究,特别是没有使用姿势摇晃测量方法。研究这一点有助于我们更好地理解预期防御状态如何影响后续行为,因为姿势摇晃提供了动作准备的敏感指标。总之,由于多种原因,目前对人类类似冻结行为的理解仍然有限。部分原因是研究采用了不同的类似冻结行为的操作定义和不同的实验范式来解决不同的研究问题。此外,许多实验室研究依赖于缺乏动作成分的被动威胁预期任务,这限制了在需要快速决策的威胁情况下行为的生态有效性。此外,时间威胁(不可)可预测性,这一生态适应性防御控制的核心变量,以及动作准备,很少与人类的准备性冻结同时进行研究,特别是在整合多个生理系统的设计中。
**1.1 本研究及其如何解决这些空白**
本研究通过在一个专门为动作准备设计的范式中,直接探讨了在时间可预测与不可预测威胁下的防御动作准备,从而解决了这些空白。这使得可以在生态相关、以动作为导向的背景下研究类似冻结的行为,而不仅仅是在被动观察下进行。我们使用了修改版的“GO-NO/GO Under Threat Task”(GUNT)(Gladwin等人,2016年;Hashemi等人,2019年;Tyborowska等人,2023年),在这种任务中,参与者在不同的威胁条件下准备并执行快速的动作反应(见下图1)。在这里,时间不可预测性被具体化为动作准备阶段厌恶刺激发生的可变时间,用于模拟许多现实世界威胁中的时间不确定性,并研究其对防御动员的影响(Grupe和Nitschke,2013年;Roelofs和Dayan,2022年)。我们采用多模态心理生理学方法全面评估防御准备。具体来说,我们同时测量了姿势摇晃(姿势冻结)、心率(心脏冻结)、皮肤电导(唤醒状态)和恐惧增强的惊跳幅度和潜伏期(刺激强度Sjouwerman和Lonsdorf,2019年;以及神经处理速度Koch,1999年)。这种跨系统指标的整合使我们能够更深入地理解在威胁下自主神经、躯体和反射系统是如何协调的。图1展示了GO-NO/GO Under Threat Task的概览。每个试验开始于一个动作准备阶段,在此期间,一个闪烁的点(线索)在静态背景上显示3-9秒。线索的颜色传达了威胁级别和时间可预测性:黄色=安全/可预测;黑色=威胁/不可预测;蓝色=威胁/不可预测。在时间可预测的条件下(黄色、黑色),闪烁频率随时间增加,而在不可预测的条件下(蓝色)保持不变。线索之后是动作阶段:一个虚拟角色出现(1秒),可能会画出一把枪(进行动作)或一部手机(不进行动作)。如果虚拟角色画出了枪,参与者必须在有限的响应时间内按下按钮(防御动作)。未能及时响应或响应错误可能会导致电触觉刺激和厌恶的视觉反馈(仅在高威胁条件下)。在每个试验的最后部分,当受试者在威胁条件下收到反馈时,会展示一些示例:在不可预测的威胁条件下,红色渐变框代表视觉厌恶反馈(例如,被“射中”或看到一个倒下/垂死的角色),而在可预测的威胁条件下,灰色渐变框表示没有视觉反馈。虚拟角色与威胁级别(高、低、安全)的映射在受试者之间是平衡的;安全虚拟角色是固定的。试验以一个抖动的试验间隔结束(3-8秒),在33%的试验中会呈现惊跳探针。在所有条件下,33%的试验在动作准备阶段也会呈现惊跳探针。
**1.2 任务的主要效应**
我们假设在威胁状态下,行为反应比在安全状态下更快、更准确,这与之前的研究结果一致(Gladwin等人,2016年;Hashemi等人,2019年)。
**1.3 主要假设**
在动作准备阶段,我们假设随着威胁接近程度的增加,姿势冻结和心脏冻结以及皮肤电导水平(SCL)会增加,这反映了时间的主要效应(时间定义为直到潜在威胁或安全状态出现的间隔时间逐渐减少)。此外,我们假设在威胁状态下(无论是可预测还是不可预测),姿势冻结和心脏冻结以及SCL活动都会增强,与安全状态相比(定义为线索的主要效应),我们还预期线索(可预测威胁、不可预测威胁、安全)× 时间的交互作用(动作准备的效果)。最后,基于Wendt等人(2017年)和L?w等人(2015年)的研究,我们预期在威胁状态下惊跳会减弱,即惊跳幅度会降低,与安全状态相比,这反映了线索的主要效应。
**1.4 探索性假设**
此外,我们还将探讨在动作准备阶段,时间可预测和不可预测的威胁条件下,心脏和姿势冻结反应的时间和持续时间、皮肤电导水平以及惊跳反应的差异。基于之前关于心脏反应的研究结果(线索×时间交互作用,Jennings等人,1970年),我们预期在时间威胁不可预测性下,心脏和姿势冻结会减少,与时间威胁可预测性相比。我们还将探索SCL和惊跳幅度作为次要结果,而不预先设定假设。此外,我们还将探讨动作准备期间惊跳潜伏期的作用,这最近被强调为人类焦虑研究的潜在指标(P?hlchen等人,2023年)。更具体地说,我们预计在威胁状态下,无论可预测性如何,惊跳潜伏期都会缩短(线索的主要效应,P?hlchen等人,2023年;Sjouwerman和Lonsdorf,2019年)。
**2 方法**
**2.1 参与者**
最终招募的样本包括235名亚临床成年人(详见结果表1)。排除标准包括:年龄低于18岁或高于50岁、正在服用药物(口服避孕药除外)、怀孕、参与其他药物相关研究、患有内部疾病(例如心律不齐)、慢性疼痛、神经系统疾病(例如帕金森病)或代谢性疾病(例如甲状腺功能亢进)、肝病或肾病、急性感染,以及左撇子或混合用手习惯(由于其他地方报告了额外的fMRI评估)。所有参与者视力正常或矫正至正常,并提供了书面知情同意书。该研究获得了汉堡医学委员会伦理委员会的批准(PV5808),并遵循赫尔辛基宣言进行。这项研究是更大规模的Fear Profiles项目(DFG LO 1980/4–1)的一部分,在该项目中,参与者还完成了一个基于虚拟现实的回避任务(@Kastrinogiannis等人,2025年)、fMRI恐惧条件范式(结果将另行报告)和问卷调查。当前的实验范式(“GO-NO/GO 在威胁下任务”)和虚拟现实(VR)任务分别在不同的日子进行(第1天或第2天),并且参与者之间的顺序是平衡的。数据收集发生在2022年至2023年期间,即COVID-19大流行期间。参与者被要求在2023年3月1日之前提供阴性快速抗原检测结果(受试者1-177)。所有参与者都因参与研究而获得了经济补偿(80欧元)。表1提供了样本的描述性统计信息。
| 变量 | 值 | N |
|------------|-----------|---------|
| 年龄 | 234 | 26.66 (5.49) |
| 性别 | 男/女 | 148/85 |
| 游戏经验 | 230 | 1.83 (4.98) |
| 教育年限 | 221 | 12.39 (1.10) |
| 就业状况 | 有/无 | 75/169 |
| 目前是否失业 | 是/否 | 11/169 |
| 是否正在服兵役或志愿服务 | 是/否 | 2/169 |
| 家庭主夫/主妇 | 是/否 | 3/169 |
| 职业培训中 | 是/否 | 4/169 |
| 学生 | 是/否 | 144/234 |
| 特质焦虑总分(STAI-T) | 228 | 39.55 (10.01) |
| 抑郁总分(BDI) | 228 | 8.79 (8.03) |
2.2 实验设计
所有任务都是在PsychoPy(版本2021.2.3)中实现的,并显示在一个32英寸的显示器上(Samsung GU32T5377AU;全高清分辨率:1920×1080像素;刷新率60Hz),显示器距离参与者60厘米,距离屏幕底部146.5厘米。参与者在实验过程中站在一个稳定力平台上,以便连续记录姿势摆动。同时,还记录了心电图(ECG)、皮肤电导率和肌肉电活动(EMG)的惊跳反应(详见下方相关部分)。实验流程如下:
- 到达前信息:在实验室访问之前,参与者通过电子邮件收到了研究信息表,以便熟悉实验程序。
- 到达和同意:到达后,参与者提供了书面知情同意书,并提供了唾液皮质醇样本(此处未进行分析)。
- 传感器应用和校准:为EMG、皮肤电导率和ECG贴上了Ag/AgCl电极。在参与者坐着的时候,对电触觉刺激的强度进行了个体校准。
- 指导阶段:向参与者展示了标准化的屏幕指令(具体措辞见补充材料)。然后要求参与者口头向实验者总结任务的关键规则,以确保理解;任何误解都会立即得到纠正,必要时会重复指令。
- 实验前评估:参与者在坐着的时候完成了基线主观评估。
- 培训阶段:参与者站着进行了8次练习试验(4次可预测的威胁、2次不可预测的威胁、2次安全情境;顺序随机)。所有提示条件都在培训阶段体验过。
- 实验阶段:包括5个实验块(每个块约20次试验;总共100次试验)。每个块内的试验顺序是随机的。在整个样本中,80%的试验持续时间为9秒。为了减少直立性压力,块与块之间有休息时间。最初为前64名参与者安排了3次休息;从第65名参与者开始,休息次数增加到5次,以减轻恶心感。
- 实验后评估:任务完成后,参与者完成了实验后的主观评估。
- 补偿:作为“恐惧档案研究”第二天的一部分完成此任务的参与者获得了经济补偿。
2.2.1 任务描述——改编的“GO-NO/GO 在威胁下任务”(GUNT)
我们改编了“GO-NO/GO 在威胁下任务”(GUNT),以研究在电击威胁下准备防御行动时的冻结样行为(Gladwin等人2016;Hashemi等人2019;Tyborowska等人2023),以及行为的(不可)预测性。该范式是在PsychoPy(v2021.2.3)中实现的。每次试验包括两个主要阶段:行动准备阶段和行动+反馈阶段,之后是一个抖动的试验间隔(ITI,见图1)。我们改编的任务版本操纵了威胁水平(安全、低威胁、高威胁)和时间威胁的(不可)预测性(时间上可预测 vs. 不可预测)。
2.2.2 行动准备阶段(3-9秒)
试验开始时,在一个地下停车场的静态背景图像上显示一个闪烁的点(见图1)。这个点同时作为威胁的强度和时间可预测性的提示:
- 黄色点(安全/可预测):预示安全。闪烁频率随时间增加,表示即将出现一个安全的虚拟角色。不需要采取任何行动。
- 黑色点(威胁/可预测):预示潜在的威胁。闪烁频率随时间增加,表示即将出现一个低或高威胁的虚拟角色(见下文虚拟角色描述)。需要准备行动。
- 蓝色点(威胁/不可预测):也预示潜在的威胁,即可能出现一个低或高威胁的虚拟角色,但闪烁频率保持不变,不提供时间信息。试验持续时间不同,引入了不确定性。需要准备行动。重要的是,在可预测和不可预测的条件下,遇到持枪虚拟角色的概率都是0.50。每种条件下80%的试验持续时间较长(9秒),以便观察生理冻结反应(例如心率下降)。剩余20%的试验是填充试验:中等持续时间(6秒,10%)和短持续时间(3秒,10%),以保持试验长度的不可预测性。在此阶段随机呈现了11次惊跳探针(每种条件下33%的试验),以评估惊跳调节情况,这些探针在所有持续时间的试验中都进行了测试(3秒、6秒和9秒)。
2.2.3 行动阶段(1秒)
提示之后,点消失,出现一个与之前提示相对应的虚拟角色:
- 安全虚拟角色(黄色点):穿着白色衬衫,静止不动。不需要采取任何行动或威胁。
- 低威胁虚拟角色(蓝色或黑色点):如果它拔出枪,参与者不会受到电触觉刺激或视觉反馈(“血液”效果)。
- 高威胁虚拟角色(蓝色或黑色点):如果它拔出枪,参与者会受到电触觉刺激以及视觉反馈(“血液”效果)。每个威胁相关的虚拟角色可能会拔出枪(允许行动的试验)或手机(不允许行动的试验)。参与者必须在动态调整的时间窗口内(最初为500毫秒)内按下按钮,以模拟自卫。为了使所有参与者受到的惩罚反馈量相等,采用了一种自适应算法(Gladwin等人2016;Hashemi等人2019)来调整反应时间窗口,使得大约50%的高威胁试验中会有惩罚。对于手机试验,不需要任何反应。在高威胁虚拟角色试验中,错误的反应(例如,没有射击拔枪的虚拟角色或射击了拔出手机的虚拟角色)会伴随着惩罚反馈,包括电击和视觉效果(见图1示例)。为了保持参与者之间惩罚暴露的一致性,时间窗口会根据情况动态调整(例如,如果电击太少,则缩短到200毫秒;如果太频繁,则延长到1000毫秒),如先前的研究所述(Gladwin等人2016;Hashemi等人2019)。值得注意的是,对于安全或低威胁虚拟角色的误报,不会进行惩罚。
2.2.4 试验间隔(ITI,3-8秒,平均6秒)
每次试验结束后是一个抖动的ITI(白色背景上的黑色固定十字)。在33%的ITI期间呈现惊跳探针,以捕捉基线惊跳反应。在培训阶段,连续习惯化试验之间的ITI固定为3秒。
2.2.5 实验前和实验后评估
参与者提供了实验前评估(0-100的视觉模拟量表),对三种提示(点)和三个虚拟角色(一个安全的虚拟角色,没有物体,以及分别具有三种不同特征的两种低威胁和高威胁虚拟角色(枪、手机或没有物体)的感知威胁可预测性进行了评估。实验后评估涵盖了实验过程中的主观情感体验、电击和视觉反馈的厌恶程度以及游戏体验(见图S4和S5)。所有评估问题都在补充材料的“实验前和实验后评估问题”部分提供。为了收集这些评估,参与者通过鼠标在量表上滑动指针来回答,范围从0(完全没有)到100(极端),然后点击确认。刺激和评估量表同时呈现,以便于回忆和准确评估。每个量表的起始位置设置在50。
2.3 实验材料和刺激
2.3.1 电触觉刺激
参与者在右手背面接受了三次2毫秒的电触觉方波刺激(刺激间隔ISI:50毫秒),由Digitimer DS7A恒流刺激器(Welwyn Garden City,Hertfordshire,英国)产生,并通过一个直径1厘米的铂金针表面电极(Speciality Developments,Bexley,英国)传递,电极固定在食指和中指的掌骨之间。实验幅度通过一个标准化的逐步半自动化程序进行校准,目标是达到一个不愉快但仍然可忍受的水平,参与者在从0到10的量表上评分7到8。更具体地说,在实验任务之前,对右手的电触觉刺激进行了两个步骤的个体校准。首先,通过逐渐增加强度的短暂刺激(0.10毫安增量)来确定感知阈值,直到参与者口头报告检测到刺激。其次,通过以0.5毫安的步长增加刺激强度,并要求参与者在从0(“无害”)到10(“无法忍受”)的数字评分量表上对每个刺激进行评分,来确定不愉快阈值。校准的目标评分是7(“非常不舒服但可以忍受”)(Hashemi等人2019,2021)。这个个体确定的强度用于所有实验威胁试验。完整的校准说明在支持信息中提供,有德文和英文版本。
2.3.2 听觉刺激
通过耳机(Sennheiser HD 206,Wedemark,德国)同时在双耳呈现95分贝的白噪声突发(即惊跳探针)。在培训阶段,为了获得稳健的基线惊跳反应,在33次试验中呈现了惊跳探针。
2.4 数据采集和处理
2.4.1 肌电图活动(EMG)
使用两个肌电图电极(传感器直径6毫米,外径13毫米)在右眼下方测量EMG惊跳反应,一个电极放置在眼轮匝肌上,另一个作为参考电极放置在参与者的额头上。EMG数据使用V-AMP 16放大系统(16通道和2个辅助通道,Brain Products GmbH,慕尼黑,德国)进行放大,采样率为5000,采样频率为1000赫兹,使用Brain Vision Recorder(版本1.23.0001,Brain Products GmbH,慕尼黑,德国)进行采样。离线时,原始EMG数据在28赫兹的高通和400赫兹的低通之间进行带通滤波,斜率为4,并使用Brain Analyzer软件(版本2.2.0,Brain Products,brainproducts.com)进行积分(平均时间为9毫秒)。在刺激开始前100毫秒到刺激后500毫秒的分段时间内,EMG数据根据已发布的指南(Blumenthal等人2005)进行半手动评分(即计算机辅助)。在每个受试者中,原始数据都进行了t变换 [50 + 10*((幅度-平均受试者)/标准差_受试者)]。
2.4.2 心脏反应(心脏冻结)
使用V-AMP 16(16通道和2个辅助通道,Brain Products GmbH,慕尼黑,德国)以1000赫兹的采样率获取心脏反应,并使用Brain Vision Recorder(版本1.23.0001,Brain Products GmbH,慕尼黑,德国)进行记录,使用两个被动电极(传感器直径6毫米,外径14毫米),一个电极放置在胸部的左第五肋间隙,另一个(参考电极)放置在右腰部区域。数据首先使用1-30赫兹,斜率4的带通滤波器进行滤波。然后使用Brain Vision Analyzer软件中的‘EKG Markers’解决方案半自动地从ECG数据中检测R波,并在必要时进行手动校正,以及去除不可用的数据,例如过早的收缩波。接下来,将RR间期转换为HR(每分钟心跳次数)在R Studio中(公式:60000/RR间期)。为了进行试验内的时间分析,我们将IBI时间序列划分为以试验开始时间为参考的1分钟间隔(Mueller等人,2019年)。进行了基线校正,平均了试验开始前1秒内的IBI值(Mueller等人,2019年)。IBI值经过对数转换以标准化分布。在数据转换前后,使用Shapiro Wilk检验测试了原始数据的正态分布。
2.4.3 姿势体摇摆(姿势冻结)
使用在奈梅亨Donders研究所定制的稳定力平台(如Niermann等人,2015年;Niermann等人,2017年所述),该平台尺寸为50.6×50.6厘米,评估了参与者因任务引起的姿势摇摆。在每个角落安装了四个压力传感器,用于记录由于参与者动态姿势变化而产生的阻力变化时间序列。参与者站立在一个相对稳定的位置,双脚间距约为70厘米,并被要求尽可能保持静止。在每次测试前,使用一个32公斤的壶铃(Hastings)对平台进行了校准。使用Python(版本3.6.6)以100赫兹的采样率记录姿势摇摆数据,并使用R(版本4.2.2,R Core Team,2022年)进行预处理和分析。对于每个受试者,记录了每个采样点处压力中心(COP)在前后(AP)和内外(ML)方向上的平均位置。首先,根据Gladwin等人(2016年;Hashemi等人,2019年;Niermann等人,2017年)的方法,对COP数据进行了10赫兹的低通和0.01赫兹的高通带通滤波。其次,根据以下程序识别出异常的基线活动(即离群值)(Gladwin等人,2016年;Hashemi等人,2019年):将每次试验的每个数据点X与试验的整体平均值进行比较,如果X大于试验平均值的两倍标准差,则将其识别为离群值。接下来,如果一次试验中超过50%的数据点被识别为离群值,则该试验被排除(如Klaassen等人,2021年的补充材料所述)。对于每次试验,计算了COP在AP方向上的标准差(COP_AP),并将其用作身体运动变化的指标,即身体摇摆的变异性。根据Roelofs等人(2010年)的方法,然后对这些标准差进行了平均处理。为了精确地定位在威胁迫近的时间和空间连续体上的冻结模式,提取了每次试验威胁预期阶段内每个1秒间隔的COP_AP标准差。注意,姿势摇摆得分较低表示身体活动性降低,因此姿势冻结增加。在数据转换前后,使用Shapiro Wilk检验测试了原始数据的正态分布。
2.4.4 皮肤电导
通过自粘式Ag/AgCl电极(55毫米)测量皮肤电导(SC),这些电极放置在左手手掌的远端和近端掌骨上。用手温水和无肥皂的方式清洁双手。使用V-AMP 16放大系统(16通道和2个辅助通道,Brain Products GmbH,慕尼黑,德国)放大皮肤电导信号,并以1000赫兹的频率和5倍的增益使用Brain Vision Recorder(版本1.23.0001,Brain Products GmbH,慕尼黑,德国)进行记录。根据已发布的指南(Boucsein,2012年),数据在离线时降采样到10赫兹。皮肤电导水平的最小阈值≤0.01微西门子(Boucsein,2012年)。分析了持续性皮肤电导水平(SCL)和相位性皮肤电导反应(SCRs),因为它们反映了交感神经系统活动的不同方面:SCL反映了持续时期的缓慢变化的持续性兴奋,而SCRs量化了对特定刺激的瞬时、事件相关的反应(此处:惊跳探针,Boucsein,2012年)。
2.4.4.1 水平
进行了基线校正,平均了试验开始前1秒内的皮肤电导水平,以考虑个体之间的差异(Kriklenko等人,2024年)。为了进行试验内的时间分析,我们将SCL时间序列划分为以试验开始时间为参考的1分钟间隔。当受试者有超过三分之二的试验缺失(即,由于电极脱落或响应超出采样窗口而导致的记录混乱)或在所有条件下都没有响应时,他们被排除为生理非反应者(Lonsdorf等人,2019年)。零响应定义为响应幅度≤0.01。在威胁预期阶段呈现惊跳探针的试验被移除,因为惊跳探针可能会影响皮肤电导水平(De Haan等人,2018年)。此外,根据Hashemi等人(2019年)的方法,如果一次试验中超过50%的数据点被识别为离群值,则该试验被排除。
2.4.4.2 响应
有关SCR分析方法的描述,请参见支持信息。
2.4.5 退出数据质量
有五名参与者在恐惧特征研究的第二天没有出现,也没有进行威胁下的快速反应任务。此外,有26名参与者因头晕(在平台上站立时间过长)或数据质量不足而被排除在分析之外。对于惊跳反应,只有170个数据集(共235个)可以使用,因为参考电极出现了异常。对于姿势摇摆,分析了207个数据集;对于心率反应,分析了184个数据集;对于皮肤电导水平,分析了210个数据集;对于皮肤电导反应,分析了216个数据集。
2.5 统计分析
使用R和RStudio(版本4.2.2,R Core Team,2022年)进行统计分析。分析使用了R Studio(版本4.2.2)中的lme4包进行线性混合效应模型。随后使用emmeans包计算了边际均值。相同的包也用于事后成对比较。任务的主要效应(动作阶段):根据Hashemi等人(2019年)的方法,分析了包括响应准确性(射击与不射击)和反应时间(RT)的行为数据,以确定威胁的存在是否影响了任务表现。实施了LMEMS来测试高威胁和低威胁试验(自变量)在RT和准确性(因变量)之间的差异。重要的是,低威胁虚拟形象并不是安全虚拟形象,因为在这种控制条件下不需要任何响应。此外,这项分析仅关注动作阶段(显示的虚拟形象),不考虑预期阶段的条件(可预测和不可预测的威胁,安全)。为了进一步检查威胁和动作类型的综合效应,模型包括了虚拟形象威胁水平(高 vs. 低)和动作类型(射击 vs. 不射击)之间的交互作用,以准确性作为因变量。这导致了四种实验条件(低威胁虚拟形象-射击,低威胁虚拟形象-不射击,高威胁虚拟形象-射击,高威胁虚拟形象-不射击)。所有模型都包含了随机受试者截距。主要和探索性假设(动作准备阶段):注意,持续时间少于9秒的试验(所有试验的20%)被排除在心理生理分析之外。使用LMEMS分析了提示条件(时间上可预测的威胁,不可预测的威胁,以及安全)的主要效应。对于每个因变量(姿势摇摆,心脏反应,皮肤电导水平,以及惊跳反应),提示条件作为自变量,受试者有随机截距[模型:lmer(因变量~提示条件+(1|受试者)]。为了检查提示条件与时间(定义为动作准备阶段的第二个时间点)之间的交互作用,指定了额外的模型,时间作为自变量及其与提示条件的交互作用[模型:lmer(公式=因变量~提示条件 * 时间+(1|受试者)]。所有模型都包含了随机受试者截距。使用Wilcoxon符号秩检验进行了事后成对比较,并使用Tukey方法调整了多重比较的p值。所有分析的统计显著性alpha水平设置为0.05(双尾)。对于数据分析和可视化以及手稿的创建,我们使用了以下R包。数据和代码可在Zenodo上找到(doi: 10.5281/zenodo.15111976)。
2.6 问卷调查
Spielberger特质焦虑量表(STAI,Spielberger,2012)是一种用于评估与焦虑相关的特质负面情感或个人特征的测量工具,包含20个项目,采用4点李克特量表进行评分。STAI具有出色的内部一致性(α=0.90),通过Cronbach's alpha评估,并且具有中等到出色的重测信度系数(Barnes等人,2002年)。然而,尽管其名称中包含“焦虑”,STAI在测量焦虑方面缺乏特异性——这体现在其收敛效度较差(Knowles和Olatunji,2020年)以及与抑郁量表有很强的重叠(Bados等人,2010年)。尽管当前文献中有建议的临界分数来指示临床焦虑(例如,≥52;Wiglusz等人,2019年),但目前对于推荐的临界分数仍没有共识(见Womble等人,2021年)。七名参与者的STAI数据未被记录。Beck抑郁量表(Beck,1961)是一种用于评估抑郁症状严重程度的工具,包含21个项目,采用4点或5点李克特量表进行评分。BDI-II在健康青少年和成人样本以及成人临床住院患者中显示出强烈的内部一致性(α=0.91)和重测信度(Beck等人,1988年;Storch等人,2004年;Wang和Gorenstein,2013年)。此外,它在识别被诊断为临床抑郁的个体方面显示出可接受的敏感性和特异性,证实了其在诊断目的上的实用性(García-Batista等人,2018年;Gomes-Oliveira等人,2012年;Kojima等人,2002年)。四名参与者的BDI数据未被记录。当前样本的内部一致性(Cronbach's α)为BDI(21个项目)α=0.92,STAI(20个项目)α=0.92。
3 结果
3.1 样本描述
下表1描述了总招募样本(不包括排除的样本)。值得注意的是,该研究始于2021年11月,当时正值COVID-19大流行的限制时期(即,必须佩戴口罩,直到2023年3月1日只有接种过疫苗的个体才能接受测试(受试者1-177),并于2023年10月结束。
3.2 操作检查
首先,为了验证动作准备阶段威胁操作的成功(见任务图1),我们比较了实验前后的提示评分。正如预期的那样,提示的主效应显著(F(2, 999) = 747.64, p<0.001;时间上可预测的威胁 > 不可预测的威胁 > 安全,所有成对比较p<0.001),以及评估时间的主效应显著(F(1, 1123) = 18.81, p<0.001;实验前 > 实验后),表明两种威胁提示的评分在实验过程中都有所下降(图2A)。没有观察到提示×时间的交互作用(2, 999) = 1.23, p=0.29)。时间上可预测和不可预测条件下的威胁评分在幅度上相似,但个体间存在显著差异(图2B)。值得注意的是,一部分参与者将安全提示评为中度到高度威胁,少数人给出了量表的高端评分,表明威胁可能泛化到了安全条件。为了进一步验证威胁操作的成功,我们要求参与者在任务前后对虚拟形象进行威胁评分。在动作阶段,高威胁虚拟形象被评定为比低威胁或安全虚拟形象更具威胁性(F(6,1407) = 45.68, p<0.001;详见图S4)。虚拟形象的威胁评分反应时间没有显著差异(所有p值>0.25,数据未显示)。此外,我们在实验后评估了任务期间的情绪。正如预期的那样,个体平均报告了与动作准备相关的高水平情绪,例如感到专注(平均值=65.49±21.93)或焦虑(平均值=53.20±28.73),但负面情绪水平较低,例如厌恶(13.29=13.08±22.88)或悲伤(12.35=13.09±19.81,见图2C)。图2展示了基于视觉类比李克特量表的实验前后的威胁评分,范围从0(完全不具威胁性)到100(极其具有威胁性),并附有95%置信区间的估计边际均值(A)和带有连接点的箱形图,显示了每个个体在三种提示条件下的威胁评分(B)。使用彩色密度图和代表每个个体的点来展示任务期间的主观体验的实验后评分。情绪按照体验到的威胁的平均值降序显示(黑色点,C)。
3.3 任务的主要效应
3.3.1 威胁调节的动作阶段行为表现
我们的目标是复制之前的报告,即在威胁下行为表现改善,表现为反应时间加快,但牺牲了反应准确性(正确按键与错误按键)作为任务的主要效应(Gladwin等人,2016年;Hashemi等人,2019年,2021年),在任务的“反应”阶段,参与者需要在面对绘制枪支的虚拟形象时按下按钮,或者在虚拟形象绘制电话时不按下按钮(见任务图1)。我们的结果确实证实了在威胁下反应时间加快,但准确性降低了。更准确地说,线性混合效应模型显示了虚拟形象(avatar)的主效应(F(3,284) = 7.79,p < 0.001,见图3A),在没有电击威胁的试验中(低威胁射击:平均正确率为88.44%,标准差为21.19%;低威胁不射击:平均正确率为97.13%,标准差为12.43%),虚拟形象的正确率略高但具有统计学意义),与有电击威胁的试验相比(高威胁射击:平均正确率为85.32%,标准差为25.01%;高威胁不射击:平均正确率为84.45%,标准差为23.92%,配对比较见表S1)。同样,虚拟形象对反应时间也有显著的主效应(F(1,439) = 6.21,p = 0.01,见图3B,C),与没有电击威胁的情况相比,对有电击威胁的虚拟形象的反应时间显著更快(平均反应时间为0.37毫秒,标准差为0.08毫秒)。需要注意的是,由于在这些条件下不需要进行射击动作,因此没有包括低威胁和高威胁不射击试验的反应时间分析。图3在图形查看器中打开。
估计的边际均值及其95%置信区间描绘了任务行动阶段的行为表现,包括行动准确性(A)和反应时间(B)。与Hashemi等人2019年的研究一致,反应时间分析仅针对拔枪的虚拟形象进行,且均值仅包括在200-500毫秒响应窗口内的正确反应。二元射击准确性(正确与错误)分析仅涉及那些没有通过算法调整响应时间窗口的试验,以保持不同受试者之间的惩罚反馈(电击威胁)量相当。(*p < 0.05,**p < 0.01,***p < 0.001)。
3.4 行动准备期间的心理生理反应动态调节
3.4.1 姿势摇摆(姿势冻结)
正如预期的那样(Gladwin等人2016年;Hashemi等人2019年),线性混合效应模型显示了提示对姿势摇摆的显著主效应(F(9,163,533) = 109.36,p < 0.001),在威胁预期下摇摆减少(即姿势冻结增加)。时间上可预测和不可预测的威胁条件都与比安全情况下更强的姿势冻结相关,但在总体水平上没有显著差异(所有p ≥ 0.93;见图S2A)。时间也有显著的主效应(F(2,163,534) = 28.71,p < 0.001),在9秒的行动准备阶段内摇摆减少。与之前的研究一致,冻结样行为被定义为从行动准备阶段的早期到后期,姿势摇摆幅度的减少和心跳间隔的增加,预计在威胁条件下变化更大(Roelofs 2017年;Roelofs和Dayan 2022年)。重要的是,提示×时间的交互作用对姿势摇摆有显著影响(F(18,163,533) = 2.94,p < 0.001,见图4A),但对心脏反应没有影响(见下文)。在两种威胁条件下,准备阶段的后半部分(第5-9秒),姿势冻结比安全情况下更强烈。配对比较显示,时间上不可预测的威胁条件从第4秒到第9秒的姿势冻结显著增加,尽管在最后几秒的效果较小但仍然显著。时间上可预测的威胁条件仅在第7秒和第9秒显示出比安全情况下更大的姿势冻结。在任何单个时间点,两种威胁条件之间没有显著差异(所有p ≥ 0.93;见表S2)。图4在图形查看器中打开。
估计的边际均值及其95%置信区间展示了行动准备阶段的生理反应,包括姿势摇摆(A)、心脏反应(B)和皮肤电导水平(C)。请注意,这些分析仅基于长时间的试验(9秒)。bc表示基线校正;sd表示标准差。
3.4.2 心脏反应(心脏冻结)
提示有显著的主效应(F(9,181,205) = 83.86,p = 0.002),在两种威胁条件下,心跳间隔(IBIs;心脏冻结)都比安全情况下增加(见图S2B)。时间的主效应也很显著(F(2,181,227) = 1.72,p < 0.001),在准备阶段过程中心跳间隔增加。然而,提示×时间的交互作用不显著(F(18,181,201) = 0.39,p = 0.99;见图4B),表明心脏冻结的时间特征在不同条件下没有差异。
3.4.3 皮肤电导水平(SCL)
提示对平均SCL有显著的主效应(F(9,185,142) = 509.53,p < 0.001),在两种威胁条件下水平都比安全情况下高(时间上可预测的威胁 > 不可预测的威胁 > 安全;见图S2C)。时间也有显著的主效应(F(2,185,146) = 87.82,p < 0.001),无论在何种条件下,SCL在行动准备阶段都减少。提示×时间的交互作用显著(F(18,185,141) = 11.83,p < 0.001,见图4C)。事后比较表明,在几种个别中后期时间区间(≥ +5秒),两种时间上可预测和不可预测的威胁条件下的SCL水平都显著高于安全条件,直到行动准备阶段结束(具体时间点见表S3)。值得注意的是,时间上可预测的威胁仅在最后1秒(+9秒)超过了不可预测的威胁。
3.4.4 对惊吓探针的皮肤电导反应(SCR)
对惊吓探针的相位SCR在行动准备阶段和试验间隔期间没有显著差异(F(1,12,695) = 1.6,p = 0.20),提示条件之间也没有差异(F(2,6152) = 0.3,p = 0.77;见图S6)。这表明在这个任务中,惊吓探针没有调节SCR的幅度。
3.5 惊吓抑制与行动准备之间的关联
与我们的假设一致,我们观察到在所有(威胁、安全)提示条件下,行动准备期间的惊吓反应幅度降低,与试验间隔期间的反应相比(见图5A,提示的主效应;F(3,10,205) = 20.36,p < 0.001)。然而,与我们的假设相反,在安全提示条件下,惊吓幅度也显著降低,与试验间隔期间引起的反应相比(见图5B),并且与提示条件期间引起的反应没有差异(即时间上可预测和不可预测的威胁,配对比较见图5)。除了行动准备期间惊吓幅度降低外,我们还观察到惊吓起始潜伏期(F(3,7401) = 391.56,p < 0.001,见图5C)和惊吓峰值潜伏期(F(3,9233) = 4.60,p < 0.001)在所有提示条件下都比试验间隔期间降低。总之,这些结果表明,任务情境与行动准备期间的更快和幅度降低的EMG惊吓反应相关,无论是在有行动准备的威胁试验中还是在没有行动准备的安全试验中,这两种情况都与试验间隔期间不同。图5在图形查看器中打开。
估计的边际均值(基于t变换的幅度和原始潜伏期)及其95%置信区间(A)以及每个受试者在行动准备阶段(时间上可预测/不可预测的威胁,安全)和试验间隔期间呈现的探针的惊吓幅度的半小提琴点图(B)和单个数据点(C)。请注意,在行动准备阶段(时间上可预测/不可预测的威胁,安全条件),每个受试者有10次试验的数据,而在试验间隔条件下,每个受试者有30次试验的数据。估计的边际均值(基于原始潜伏期)及其95%置信区间(C)和密度图(D)显示了行动准备阶段(时间上可预测/不可预测的威胁,安全)和试验间隔期间呈现的惊吓探针的EMG惊吓起始潜伏期,通常在行动准备期间起始潜伏期更早。请注意,在去除异常值之前进行了t变换。
4 讨论
防御性反应是确保物种生存的重要过程。特别是第一响应者(例如,警察、消防员或急救人员),他们不仅需要保护自己,还需要训练在巨大压力下(例如,在威胁下)切换到最佳行动的机制。重要的是,在实践中,危险情况通常具有威胁的临近性、潜在攻击的时间以及威胁的确切位置的时间不可预测性,这阻碍了防御性行动的准备。在这里,我们在235名个体的大样本中研究了威胁下的防御性行动准备,并复制了之前的发现,即在威胁下的普遍惊吓抑制(Richter等人2012年;Wendt等人2017年)、皮肤电导水平的增加(L?w等人2015年;Wendt等人2017年)以及类似冻结的行为增加(Hashemi等人2019年,2021年)。此外,我们还研究了防御性冻结样行为是否受到时间威胁(不可预测性)的调节。与我们的预期相反,我们没有观察到在时间上可预测和不可预测的威胁条件下,行动准备期间的心理生理反应存在差异。
4.1 在威胁面前描述行动准备期间的心理生理级联
类似冻结的行为被概念化为主要是由副交感神经系统驱动的“中断”,从而有助于持续关注并优先考虑自下而上的或刺激驱动的活动(Roelofs 2017年)。为此,它可能有助于促进后续行动(Roelofs和Dayan 2022年),表现为在威胁面前更快的反应时间和更高的反应准确性(Wendt等人2017年)。我们的结果确实复制了在威胁下更快的反应时间,但代价是准确性的降低(Hashemi等人2019年)。此外,我们的结果还复制了预期的更强的威胁诱导的姿势和心脏冻结(Hashemi等人2021年)以及在切换到行动之前的皮肤电导水平的增加(L?w等人2015年)。此外,根据van Ast等人(2022年)的研究,我们观察到随着威胁迫近,防御性行动准备期间的防御性冻结增加,但心脏冻结没有增加。与我们的预期相反,随着威胁迫近,没有观察到心脏冻结。这与当前将“冻结”概念化为随着时间减少的姿势摇摆的观点一致,这在厌恶或威胁条件下预计尤为明显(Roelofs 2017年;Roelofs和Dayan 2022年)。随着威胁迫近,没有观察到心脏冻结,这与之前的研究结果一致,这些研究也没有报告时间×提示的交互作用(Hashemi等人2019年),但确实报告了提示(Hashemi等人2021年)和/或时间(Hashemi等人2019年;Klaassen等人2021年;Merscher等人2022年;Swiercz等人2018年;Vila等人2007年)的主效应。在这里,我们也观察到了时间和提示的主效应。据假设,对于时间的主效应,无论威胁如何,心脏冻结都会随着时间的推移而增强,这与选择性、警觉的注意力和反应准备状态相关(Hashemi等人2019年)。相比之下,也有报告指出,在威胁迫近的情况下,心率加速(提示×时间交互作用,Wendt等人2017年),这与在没有行动组分的威胁条件下观察到的心脏冻结不同。作者认为,威胁诱导的心脏冻结是“对外部刺激的增强定向反应,只有在注意力集中在捕食者上时才会发展成完全的心脏冻结”(参见Wendt等人2017年)。在我们的范式中,假设威胁迫近会导致心动过缓,而刺激闪烁率的快速增加可能会增强交感神经系统的激活,这可能会抵消或掩盖这种效应。从这个角度来看,目前还不能对防御性行动准备期间的心率反应的作用做出最终结论,需要在未来的研究中扩展我们的范式,包括有行动组分和无行动组分的威胁条件,以复制Wendt等人(2017年)的发现。此外,未来的工作应该使用相同的平均闪烁频率,并包括一个额外的不可预测的安全条件,以直接评估闪烁率差异对生理反应的潜在影响。此外,个体在面对威胁时是否表现出心率加速或心脏冻结也存在显著差异(Jaswetz等人2025年)。因此,未来工作将关注(潜在的)亚组和/或轨迹分析,这将是一个有趣的下一步。如前所述,防御性行动准备与自主神经系统的副交感神经和交感神经分支的共激活有关(Roelofs 2017年)。与此和之前的工作一致,副交感神经系统驱动的威胁诱导的心脏和姿势冻结伴随着交感神经系统反应性的增加,这通过威胁下SCL的减弱习惯化来体现(L?w等人2008年,2015年;Wendt等人2017年)。在文献中,这种在威胁面前的增强交感活动与注意力的增强以及感知和运动处理的促进有关(L?w等人2015年;Merscher等人2022年;Pribram和McGuinness 1975年),这两者都有助于后续行动(Roelofs和Dayan 2022年)。总之,我们的结果表明,在威胁准备期间,与安全条件相比,防御性行动准备期间出现了更多的副交感冻结样行为和交感神经系统的共激活。然而,危险情况通常具有威胁的临近性、攻击的时间或攻击者的确切位置的时间不可预测性,这使得有效的防御性行动准备变得复杂。因此,这些反应模式可能受到时间威胁(可预测性或不可预测性)的调节,这是本研究的重点。
4.2 威胁时间上的不可预测性是否与防御行动准备级联的变化有关?有研究表明,威胁的时间不可预测性会以威胁的紧迫性和(不可预测性)依赖的方式扰乱典型的防御反应级联(Fanselow 2022)。然而,与这一假设相反,我们的研究结果并未发现,在时间可预测和不可预测的威胁下,冻结样行为(心脏和姿势)在行动准备过程中存在差异。这一发现可能表明,在面对威胁时,人类的神经系统更倾向于优先考虑一种普遍的准备状态,而不是防御反应的精确性或特异性。更准确地说,当面临威胁情况时,神经系统可能会默认进入一种广泛的、高度警觉的状态,以便快速应对潜在的危险,而不是精细调节对特定威胁特征(如时间不可预测性的程度)的反应。这种适应机制可能反映了进化发展,即在不确定和快速变化的环境中为立即行动做准备,即使这会以牺牲精确的威胁辨别能力为代价(Mobbs等人2015, 2024)。或者,可以推测,尽管参与者能够在威胁评估上区分这两种情况,但时间不可预测的条件可能无意中包含了时间可预测性,这可能导致两种条件下的(预期)反应难以区分。更具体地说,虽然时间威胁不可预测性的线索并没有随着行动接近而更快地出现,但参与者可能仍然利用时间序列中的模式来推断时间可预测性(随着时间的推移,无论在不可预测条件下,反应的需求通常都会增加),这可能导致两种条件下的实际时间可预测性相似(见图2A)。因此,时间可预测和不可预测威胁试验之间的差异在威胁预期窗口的早期可能更为明显。此外,由于本研究采用了被试内设计,参与者同时接触了两种威胁条件(时间可预测和不可预测),这可能有助于检测到这种内在但无意的時間可预测性。有趣的是,我们观察到在切换到行动前的最后一秒,时间可预测条件下的交感神经系统激活显著增加(通过SCL指标衡量),而在之前的8秒内,两种条件之间没有差异,这一模式与先前的研究结果一致(Cornwell等人2025;Monat等人1972)。这可能表明,在面对威胁时,为即将发生的行动做准备需要更多的注意力和运动资源,尤其是在时间上可以精确预测的情况下。然而,在惊跳反应方面,与先前的研究结果一致(Seo等人2023),我们没有观察到时间可预测和不可预测威胁条件之间的惊跳反应(无论是幅度还是潜伏期)存在显著差异。总之,理解对时间可预测和不可预测威胁的行动准备机制在临床上具有很高的相关性,有助于洞察焦虑症及相关心理病理学中观察到的高度威胁反应,其中个体表现出夸张的防御行为和过度警觉,尤其是在面对不可预测威胁时。尽管我们的结果没有通过冻结样行为(姿势和心脏)和惊跳反应显示出时间威胁可预测性与不可预测性在行动准备方面的显著或明确差异,但这一发现应该通过未来工作的精细实验设计来复制和进一步探讨。
4.3 姿势冻结:测量挑战及其对结果变异性的影响
虽然本研究中使用的大多数测量方法(心率、惊跳反应、SCL)的分析和操作化已经建立了数十年(SCL:Boucsein 2012;惊跳反应:Blumenthal等人2005;心率:Quigley等人2024),但作为人类冻结样行为指标的姿势摇摆测量是一个较新的发展(Roelofs 2017;Roelofs和Dayan 2022)。姿势冻结是一种心理生理反应,其特征是身体摇摆的减少,这与面对威胁时的防御行动准备有关(Roelofs 2017)。其测量通常涉及使用力平台或运动捕捉系统来量化姿势摇摆动态,从而检测到运动变异性或幅度的减少作为冻结的指标。特别是在使用类似或密切相关范式的先前研究中,已经使用了心脏和姿势冻结来研究威胁下的行动准备。然而,由于关键指标的操作化存在很大差异,以及用于指示冻结样行为的精确统计效应不明确,这些研究的结果难以整合。更具体地说,在使用相同范式的先前研究中,冻结样行为(即姿势和心脏冻结)被操作化为(i)随时间的一般运动减少(即时间的主效应),而不需要额外的威胁主效应或威胁-时间交互作用(Hashemi等人2019),或者作为(ii)在没有显著的时间主效应或威胁-时间-威胁交互作用的情况下,威胁对姿势冻结的主效应(Hashemi等人2021)。在这里,我们根据最近的综述(Roelofs 2017;Roelofs和Dayan 2022)将冻结样行为概念化为(iii)随着时间推移而增强的防御行动准备反应(威胁×时间交互作用)。因此,我们呼吁对冻结样行为有一个明确的定义、操作化和统计操作化,以促进未来知识的积累(R?seler等人2024)。除了“如何”测量姿势冻结的问题外,关于“什么”冻结样行为(包括姿势和心脏)实际上被测量的问题同样重要。根据目前的观点,人类的冻结样行为被认为有助于促进防御行动准备(Roelofs 2017)。然而,在回顾当前关于冻结样行为的文献时,很明显,绝大多数研究检查冻结样行为的任务都不包含行动(准备)成分,例如那些涉及情绪图片或视频观看的任务(Azevedo等人2005;Facchinetti等人2006;Fragkaki等人2016;Fragkaki等人2017;Hagenaars等人2012;Hagenaars等人2014;Hillman等人2004;Lelard等人2014;Roelofs等人2010;van Ast等人2022;Stins和Beek 2007;但参见Gladwin等人2016;Hashemi等人2019;Klaassen等人2021)。值得注意的是,这些研究在负面图片条件下显示出强烈的姿势和心脏冻结,而在中性或正面图片条件下则没有——在任何行动准备的情况下。然而,仍然有可能存在行动准备过程,但由于这些研究的设计而未被捕捉到。原则上,冻结样行为可能反映了即使任务没有明确要求时的一种隐性的行动准备形式。未来的研究应该考虑这些任务是否仍然能引发准备性的运动或自主过程,即使它们没有被明确测量。因此,问题在于冻结样行为是否是防御行动准备的代理指标,还是主要与恐惧和威胁相关的反应,而不考虑行动准备(对负面图片的反应)。例如,L?w等人(2015)在主动和被动威胁条件下观察到了心脏冻结反应,以及在主动安全条件下也观察到了心脏冻结。然而,在被动威胁条件下,心脏冻结发生的时间晚于两种主动条件。值得注意的是,关于心脏反应或时间,主动条件(安全与威胁)之间没有显著差异(L?w等人2015)。由此可以推断,心脏冻结所指示的行动准备机制与威胁(安全与威胁线索)相对独立,但依赖于威胁的紧迫性(威胁×时间交互作用)。然而,这项研究(L?w等人2015)没有评估姿势摇摆,因此,目前还无法确定心脏冻结发现对姿势冻结的普遍性。复制和扩展这项研究设计,包括测量姿势摇摆,可以为进一步探索冻结样行为作为人类行动准备的代理指标提供一个有希望的起点。值得一提的是,惊跳抑制作为一个特别有前途的心理生理标记,表明了行动准备。在这项研究中,无论是在安全、时间可预测威胁还是不可预测威胁条件下,都观察到了惊跳抑制,其特征是幅度减少和潜伏期提前,与试验间隔期间的反应相比,这可能有助于后续行动。由于只有在威胁试验中需要行动准备,而在安全试验中不需要,因此仍然观察到了惊跳抑制,这表明抑制效应可能不仅仅是由于行动准备。相反,它可能受到其他因素的影响,如注意力投入或对事件的总体预期,无论是否明确需要运动反应。然而,在行动之前的防御性惊跳抑制的发现与先前的研究结果一致(Richter等人2012;Wendt等人2017),这些研究报告了在没有行动成分的条件下惊跳增强,在有行动成分的条件下转变为抑制。此外,这种模式与在没有行动准备元素的厌恶情境中观察到的防御性惊跳增强一致,例如在情感(图片观看)任务中(Azevedo等人2005;Hagenaars等人2014;Hillman等人2004;Mouras等人2015;Noordewier等人2020;Roelofs等人2010;Stins和Beek 2007)或威胁条件反射中(Szeska等人2021;van Ast等人2022),其中van Ast等人(2022)证明了尽管没有任何行动准备要求,但姿势摇摆减少与惊跳反应增强之间存在明确联系。因此,威胁下的行动准备与惊跳幅度减少但惊跳反应更快开始有关,这表明它是一个有价值的测量指标,用于研究人类的行动准备。该研究的优势在于其大型样本以及结合了关键的复制努力和新的研究问题。此外,采用的多方法学方法结合了皮肤电导水平和EMG惊跳反应,为压力下的行动处理级联提供了有价值的见解,超出了传统使用的姿势和心脏冻结测量方法(Hashemi等人2019,2021;Klaassen等人2021)。尽管有这些优势,我们也承认一些局限性。首先,结果基于一个主要是同质的样本(例如,主要是学生,大约三分之二是女性),并且是在COVID-19大流行的特定设置要求下收集的。更具体地说,最近的证据表明,尽管戴口罩和不戴口罩的参与者的行为表现相当,但生理需求增加了(例如,心率升高和血氧饱和度降低,Tornero-Aguilera和Clemente-Suárez 2021),这可能干扰了我们的心理生理测量。其次,所有三种行动准备条件都跨越了相同的3-9秒预期窗口,其中80%的试验(5次中的4次)恰好持续9秒。因此,大多数试验的持续时间相同,这可能降低了条件之间的时间不确定性的有效程度(例如,黑色点与蓝色点),并可能限制了时间不确定性操纵的效果。虽然本研究通过使用频率和与威胁的时间接近度不同的闪烁刺激来具体检查威胁开始的时间可预测性,但未来的研究可能会从使用更广泛的试验持续时间以及探索威胁不可预测性的其他维度(例如,感知或冲击概率)中受益,以提高普遍性(Roelofs和Dayan 2022;Skora等人2022)。此外,当前任务与许多被动、不可控制的威胁范式不同,因为惩罚结果部分取决于参与者的反应时间,这意味着不可预测性发生在可控的操作框架内,这可能会调节其影响,与真正不可控制的威胁情境相比。总之,我们的结果证明了概念上预测的(Roelofs 2017)在威胁下行动准备期间的副交感神经和交感神经的共同激活,表现为姿势冻结和皮肤电导水平的增加,并强调了惊跳抑制作为评估防御行动准备的额外代理指标。至关重要的是,我们的调查没有发现时间可预测或不可预测威胁在冻结样行为方面的差异。这种在时间可预测和不可预测威胁之间冻结样行为的缺乏差异可能表明,防御行动准备作为一种通用机制,在面对潜在威胁时优先考虑准备状态而非特异性。然而,需要针对可预测性进行优化的未来研究。总的来说,我们的发现丰富了我们对防御行为的理解,并强调了进一步研究探索情境和个体因素如何调节这一过程的必要性。
作者贡献:
Alina Koppold:方法论、概念化、调查、验证、正式分析、可视化、数据整理、撰写——原始草稿、撰写——审阅和编辑。
Tina B. Lonsdorf:概念化、方法论、正式分析、撰写——原始草稿、撰写——审阅和编辑、监督、资金获取。亚历山德罗斯·卡斯特里诺吉安尼斯(Alexandros Kastrinogiannis):负责调查、数据整理、撰写以及审稿和编辑工作。玛娜·R·埃勒斯(Mana R. Ehlers):同样负责调查、数据整理、撰写以及审稿和编辑工作。卡琳·罗洛夫斯(Karin Roelofs):负责撰写、审稿和编辑工作以及方法论研究。费利克斯·H·克拉森(Felix H. Klaassen):负责方法论研究以及撰写、审稿和编辑工作。致谢
我们感谢拉尔斯·贾斯韦茨(Lars Jaswetz)在实验任务开发过程中提供的咨询支持。本研究的开放获取资金由Projekt DEAL提供并组织。资金来源
本研究得到了德国研究基金会(Deutsche Forschungsgemeinschaft)对TBL项目的资助(项目编号:DFG LO1980/4-1)。利益冲突声明
作者声明不存在任何利益冲突。注释
1
本研究使用了以下R语言包及相关工具:R(版本4.2.2;R核心团队2022年发布)、ade4(Bougeard和Dray 2018年开发;Chessel等人2004年开发;Dray等人2007年更新;版本1.7.23;Dray和Dufour 2007年更新)、bookdown(版本0.42;Xie 2016年开发)、corrplot2024(Wei和Simko 2024年开发)、data.table(版本1.17.0;Barrett等人2025年开发)、dplyr(版本1.1.4;Wickham等人2023年开发)、effectsize(版本1.0.0;Ben-Shachar等人2020年开发)、emmeans(版本1.11.0;Lenth 2025年开发)、forcats(版本1.0.0;Wickham 2023a年开发)、ggalluvial-article(Brunson 2020年开发)、ggdist(版本3.3.2;Kay 2024年开发)、ggplot2(版本3.5.1;Wickham 2016年开发)、ggpubr(版本0.6.0.999;Kassambara 2023年开发)、ggrain(版本0.0.4;Allen等人2021年开发)、ggsignif(版本0.6.4;Constantin和Patil 2021年开发)、ggtext(版本0.1.2;Wilke和Wiernik 2025年开发)、gridGraphics(版本0.5.1;Murrell和Wen 2020年开发)、gt(Iannone等人2024年开发;Sjoberg等人2021年开发;版本0.11.1;Wilke和Wiernik 2025年开发)、gtsummary(版本2.1.0;Sjoberg等人2021年开发)、irr(版本0.84.1;Gamer等人2019年开发)、jtools(版本2.3.0;Long 2022年开发)、kableExtra(版本1.4.0;Zhu 2024年开发)、knitr(版本1.50;Xie 2015年开发)、lme4(版本1.1.37;Bates等人2015年开发)、lmerTest(版本3.1.3;Kuznetsova等人2017年开发)、lpSolve(版本5.6.23;Berkelaar 2024年开发)、lubridate(版本1.9.4;Grolemund和Wickham 2011年开发)、magick(版本2.8.6;Ooms 2025年开发)、Matrix(版本1.5.1;Bates等人2022年开发)、papaja(版本0.1.3;Aust和Barth 2024年开发)、patchwork(版本1.3.0;Pedersen 2024年开发)、purrr(版本1.0.4;Wickham和Henry 2025年开发)、rcartocolor(版本2.1.1;Nowosad 2018年开发)、RColorBrewer(版本1.1.3;Neuwirth 2022年开发)、readr(版本2.1.5;Wickham、Hester等人2024年开发)、readxl(版本1.4.5;Wickham和Bryan 2025年开发)、stringr(版本1.5.1;Wickham 2023b年开发)、tibble(版本3.2.1;Müller和Wickham 2023年开发)、tidyr(版本1.3.1;Wickham、Vaughan等人2024年开发)、tidyverse(版本2.0.0;Wickham等人2019年开发)、tinylabels(版本0.2.5;Barth 2025年开发)、viridis(Garnier等人2023年开发;版本0.6.5;Garnier等人2024年开发)、viridisLite(版本0.4.2;Garnier等人2023年开发)以及wesanderson(版本0.3.7;Ram和Wickham 2023年开发)。
数据可用性声明
本研究支持的研究结果所使用的数据已公开发布在Zenodo平台上,网址为:https://doi.org/10.5281/zenodo.18713991。