Authors
Contact Us

Sign In

In This Article

  • Erratum Notice
  • Summary
  • Abstract
  • Introduction
  • Protocol
  • תוצאות
  • Discussion
  • Disclosures
  • Acknowledgements
  • Materials
  • References
  • Erratum
  • Reprints and Permissions

Erratum Notice

Important: There has been an erratum issued for this article. Read More ...

Summary

המחקר הפוטנציאלי הנוכחי הקשור לאירועים (ERP) מספק פרוטוקול ייחודי לחקירת האופן שבו מזמורים דתיים יכולים לווסת רגשות שליליים. התוצאות מראות כי הפוטנציאל החיובי המאוחר (LPP) הוא תגובה נוירופיזיולוגית חזקה לגירויים רגשיים שליליים וניתן לאפות אותו ביעילות על ידי מזמורים דתיים חוזרים ונשנים.

Abstract

בניסויים נוירופסיכולוגיים, הפוטנציאל החיובי המאוחר (LPP) הוא מרכיב פוטנציאלי הקשור לאירוע (ERP) המשקף את רמת העוררות הרגשית של האדם. מחקר זה בוחן אם מזמורים דתיים חוזרים ונשנים מווסתים את התגובה הרגשית לגירויים מעוררי פחד ומתח, ובכך מובילים ל-LPP פחות מגיב. 21 משתתפים עם לפחות שנה אחת של ניסיון בקריאות הדתיות החוזרות ונשנות של "אמיטאבהא בודהה" גויסו. מערכת אלקטרואנצפלוגרפיה (EEG) בת 128 ערוצים שימשה לאיסוף נתוני EEG. המשתתפים הונחו לצפות בתמונות שליליות או נייטרליות שנבחרו ממערכת התמונות הרגשית הבינלאומית (IAPS) בשלושה תנאים: מזמורים דתיים חוזרים ונשנים, מזמורים לא דתיים חוזרים ונשנים וללא מזמורים. התוצאות הראו כי צפייה בתמונות השליליות מעוררות הפחד והלחץ גרמה ל-LPPs גדולים יותר בקרב המשתתפים מאשר צפייה בתמונות נייטרליות בתנאי השירה הלא-מזמרים והלא-דתיים. עם זאת, LPP מוגבר זה נעלם במידה רבה בתנאים חוזרים ונשנים של מזמורים דתיים. הממצאים מצביעים על כך ששירה דתית חוזרת ונשנית עשויה להקל ביעילות על התגובה הנוירופיזיולוגית למצבים מפחידים או מלחיצים עבור מתרגלים.

Introduction

הפוטנציאל החיובי המאוחר (LPP) מלווה זה זמן רב עוררות רגשית, והוא שימש באופן אמין במחקר הקשור לרגשות1,2. המנהגים הדתיים נפוצים הן במדינות המזרח והן במדינות המערב. הוא טען כי זה יכול להקל על החרדה והלחץ של המטפל כאשר מתמודדים עם תופעות לוואי, במיוחד בזמנים של קושי3. עם זאת, זה הוכח רק לעתים רחוקות תחת הגדרות ניסיוניות קפדניות.

מחקרים רבים אישרו כי ניתן ללמוד ויסות רגשי עם אסטרטגיות ומסגרות שונות4,5,6. כמה מחקרים הראו כי תשומת לב ומדיטציה יכול לווסת את התגובה העצבית לאירועים רגשיים7,8. לאחרונה, נמצא כי מתרגלי מדיטציה עשויים להשתמש באסטרטגיות אפנון רגש מלבד הערכה קוגניטיבית, דיכוי והסחת דעת8,9. גירויים ממערכת התמונה הרגשית הבינלאומית (IAPS) יכולים לשמש כדי לעורר רגשות חיוביים או שליליים באופן אמין, ויש קריטריונים סטנדרטיים למציאת תמונות מעוצבות עם ערכיות ורמות עוררות שצוינו במחקר רגשי10.

גירויים רגשיים יכולים לגרום לתגובות מוקדמות ומאוחרות יותר במוח3,11. באופן דומה, מסורת הבודהיזם עשתה ניתוח אנלוגי על מחשבות המוח על ידי תהליכים מנטליים ראשוניים ומשניים3,12,13. סלאטה סוטה (החץ סוטה), טקסט בודהיסטי מוקדם, מזכיר כי אימון קוגניטיבי יכול לאלף רגש. החץ סוטה קובע כי הן מתרגל בודהיסטי מאומן היטב והן אדם לא מאומן חווים תפיסה ראשונית ושלילית של כאב כאשר מתמודדים עם אירוע מזיק13. כאב ראשוני בלתי נמנע זה דומה לאדם שנפגע מחץ, כמתואר בסלטה סוטה. כאב תפיסתי מוקדם זהה לשלב העיבוד המוקדם כאשר אדם צופה תמונה שלילית מאוד. עיבוד עצבי מוקדם בדרך כלל מעורר רכיב N1. אנשים לא מאומנים עלולים לפתח רגשות מוגזמים, כגון דאגה, חרדה ומתח, לאחר שחוו את הרגשות הראשוניים והבלתי נמנעים. על פי Sallatha Sutta, זה רגש שלילי מתפתח מאוחר או כאב פסיכולוגי הוא כמו להיפגע על ידי חץ שני. ניסוי פוטנציאלי הקשור לאירוע (ERP) עשוי ללכוד את התהליכים הפסיכולוגיים המוקדמים והמאוחרים יותר של העיצוב הנוכחי, בהנחה ש- N1 ו- LPP יכולים להתאים לשני החצים שהוזכרו לעיל.

בפרוטוקול זה, השירה החוזרת ונשנית של השם "אמיטאבהה בודהה" (סנסקיט: אמיטאבהה) נבחרה כדי לבחון את ההשפעה הפוטנציאלית של מזמורים דתיים כאשר אדם נמצא במצב מפחיד או מלחיץ. מזמור דתי זה הוא אחד המנהגים הפופולריים ביותר של אנשים עם אוריינטציות דתיות בקרב בודהיסטים סיניים, וזה מנהג הליבה של מזרח אסיה טהור אדמה בודהיזם14. ההשערה הייתה כי מזמורים דתיים חוזרים ונשנים יפחיתו את תגובת המוח לגירויים מעוררים, כלומר, ה- LPP המושרה על ידי תמונות מפחידות או מלחיצות. הן EEG והן נתוני אלקטרוקרדיוגרמה (אק"ג) נאספו כדי להעריך את התגובות הנוירופיזיולוגיות של המשתתפים בתנאים שונים.

Protocol

מחקר ERP זה אושר על ידי ועדת הביקורת המוסדית של אוניברסיטת הונג קונג. לפני ההשתתפות במחקר זה, כל המשתתפים חתמו על טופס הסכמה מדעת בכתב.

1. עיצוב ניסיוני

  1. גיוס משתתפים
    1. גייסו משתתפים עם לפחות שנה אחת (~ 200-3,000 שעות) של ניסיון בשירת השם "Amitabha Buddha" למחקר זה.
      הערה: במחקר הנוכחי נבחרו 21 משתתפים אנושיים בגילאי 40-52; 11 היו גברים.
  2. מזמורים דתיים לעומת מזמורים לא דתיים
    1. מזמור את שמו של "בודהה אמיטאבהה" במשך 40 שניות. 20 s הראשונים עם התמונה של Amitabha בודהה ואת 20 s הבאים עם תמונות IAPS.
      1. מזמור רק ארבע תווים של השם "Amitabha בודהה" תוך כדי צפייה בדמותו של בודהה אמיטאבהה בבית הספר Pureland14.
    2. מזמור את שמו של סנטה קלאוס (מצב מזמור לא דתי) במשך 40 שניות. 20 s הראשונים בעת צפייה בתמונה של סנטה קלאוס ואת 20 s הבאים עם תמונות IAPS.
      1. מזמור רק ארבע דמויות של השם של סנטה קלאוס ולדמיין את סנטה קלאוס.
    3. שמור על שתיקה במשך 40 שניות. 20 s הראשונים עם תמונה ריקה למטרת שליטה ואת 20 s הבאים עם תמונות IAPS.
      הערה: בלי מזמורים.
  3. מערכת הקלטה מסוג EEG
    1. הקלט נתוני EEG באמצעות מערכת EEG בת 128 ערוצים המורכבת ממגבר, תיבת ראש, מכסה EEG ושני מחשבים שולחניים (ראה טבלת חומרים).
  4. מערכת הצגת גירויים
    1. השתמש בתוכנת מצגת גירויים (ראה טבלת חומרים) כדי להציג תמונות נייטרליות ושליליות מ- IAPS במחשב שולחני.
  5. מערכת הקלטה א.ק.ג.
    1. השתמש במערכת הקלטת נתונים פיזיולוגית כדי להקליט נתוני אק"ג (ראה טבלת חומרים).

2. ניסוי אפנון רגשי

הערה: לניסוי היו שני גורמים עם עיצוב של 2 x 3: הגורם הראשון היה סוג התמונה: נייטרלי ושלילי (פחד ומעורר מתח). הגורם השני היה סוג המזמורים: מזמור "אמיטאבהה בודהה", מזמור "סנטה קלאוס" וללא מזמורים (נוף שקט).

  1. השתמש בעיצוב בלוק, מכיוון שהוא עשוי לעורר ביעילות רבה יותר רכיבים הקשורים לרגש15.
    הערה: היו שישה תנאים, והרצפים היו אקראיים ומאוזנים בין המשתתפים (איור 1). ששת התנאים היו כדלקמן: מזמורים דתיים תוך כדי צפייה בתמונות שליליות (AmiNeg); מזמורים דתיים בעת צפייה בתמונות נייטרליות (AmiNeu); אין מזמורים בעת צפייה בתמונות שליליות (PasNeg); אין מזמורים בעת צפייה בתמונות נייטרליות (PasNeu); מזמורים לא דתיים בעת צפייה בתמונות שליליות (SanNeg); וזמרות לא דתיות בעת צפייה בתמונות נייטרליות (SanNeu).

figure-protocol-2580
איור 1: ההליך הניסיוני. היו שישה תנאים מדומים, וכל משתתף קיבל רצף פסאודו-דמוקרטי. כל תנאי חזר על עצמו שש פעמים בשתי פגישות נפרדות. נתון זה הותאם מתוך Reference3. לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

  1. הצג כל תמונה עבור ~ 1.8-2.2 שניות, עם מרווח ביניים (ISI) של 0.4-0.6 שניות.
    הערה: היו 10 תמונות מאותו סוג (נייטרלי או שלילי) בכל מפגש.
  2. אפשר תקופת מנוחה של 20 שניות לאחר כל מפגש כדי להתמודד עם ההשפעות השיוריות הפוטנציאליות של שירה או צפייה בתמונה בהפעלה הבאה.
  3. הצג את התמונות על צג CRT במרחק של 75 ס"מ מעיני המשתתפים, עם זוויות חזותיות של 15° (אנכי) ו 21° (אופקי).
  4. בקש מהמשתתפים לצפות בתמונות בקפידה.
  5. ספק ריצת תרגול קצרה למשתתפים כדי לאפשר להם להכיר כל תנאי. השתמש בצג וידאו כדי להבטיח שהמשתתפים לא יירדמו.
  6. תן למשתתפים מנוחה של 10 דקות באמצע הניסוי של 40 דקות.

3. איסוף נתוני א.א.ג. ואק"ג

הערה: לפני ההגעה לניסוי, בקשו מכל משתתף לשטוף את השיער והקרקפת ביסודיות מבלי להשתמש במרכך או בכל דבר אחר שעלול להגביר את העכבה של המערכת. לאסוף את נתוני EEG ו- ECG בו זמנית על ידי שתי מערכות נפרדות.

  1. ליידע כל משתתף של הליכים ניסיוניים, כלומר, כי תמונות יעילות נצפו בתנאי מזמור שונים.
  2. הגדר את קצב הדגימה ל- 1,000 הרץ, ושמור על העכבה של כל אלקטרודה מתחת ל- 30 kΩ במידת האפשר או בהתאם לדרישות המערכת.
  3. לאסוף נתונים פיזיולוגיים, כולל נתוני אק"ג באמצעות מערכת הקלטת נתונים פיזיולוגית (ראה טבלת חומרים).

4. ניתוח נתוני EEG

  1. לעבד ולנתח את נתוני EEG עם EEGLAB (ראה טבלת חומרים) , קובץ משלים 1-2, תוכנת קוד פתוח16 בעקבות השלבים הבאים.
  2. השתמש בפונקציה EEGLAB "pop_resample" כדי לדגום מחדש את הנתונים מ- 1,000 הרץ עד 250 הרץ כדי לשמור על גודל קובץ נתונים סביר. לחץ על כלים > שינוי קצב דגימה.
  3. השתמש בפונקציה EEGLAB "pop_eegfiltnew" כדי לסנן את הנתונים באמצעות מסנן תגובת דחף סופית (FIR) עם פס פס של 0.1-100 הרץ. לחץ על כלים > לסנן את הנתונים > מסנן FIR בסיסי (חדש, ברירת מחדל).
  4. סנן את הנתונים שוב באמצעות מסנן תגובת דחף אינסופית לא ליניארית (IIR) עם פס עצירה של 47-53 הרץ כדי להפחית את הרעש מהזרם המתחלף. לחץ על כלים > סנן את הנתונים > בחר 'חריץ' סנן את הנתונים במקום את פס המעבר.
  5. בדוק חזותית את הנתונים כדי להסיר חפצים חזקים שנוצרו על ידי תנועות עיניים ושרירים. לחץ על התוויית נתוני ערוץ > (גלילה).
  6. בדוק שוב את הנתונים באופן חזותי אם יש רעש עקבי שנוצר על-ידי ערוץ כלשהו, והערוצים הרעים נרשמו.
  7. לשחזר את הערוצים הרעים באמצעות אינטרפולציה כדורית. לחץ על כלים > אלקטרודות אינטרפולציה > בחר מתוך ערוצי הנתונים.
  8. הפעל ניתוח רכיבים עצמאי (ICA) עם אלגוריתם הקוד הפתוח "runica"16. לחץ על כלים > הפעל ICA.
  9. הסר את הרכיבים העצמאיים (ICs) המתאימים לתנועות עיניים, מצמוצים, תנועת שרירים ורעש קו. לחץ על כלים > דחה נתונים באמצעות ICA > דחה רכיבים לפי מפה.
  10. שחזר את הנתונים באמצעות ה- ICs הנותרים. לחץ על כלים > הסר רכיבים.
  11. סנן את הנתונים באמצעות מסנן מעבר נמוך של 30 הרץ. לחץ על כלים > לסנן את הנתונים > מסנן FIR בסיסי (חדש, ברירת מחדל).
  12. השג נתוני ERP על-ידי חילוץ וממוצע של תקופות נעולות בזמן עבור כל תנאי עם חלון זמן של -200 עד 0 אלפיות השנייה כבסיס ו- 0 עד 800 אלפיות השנייה כ- ERP. לחץ על כלים > לחלץ עידנים.
  13. עיין מחדש בנתוני ERP עם הממוצע של ערוצי המסטואיד השמאלי והימני. לחץ על כלים > הפניה חוזרת.
  14. חזור על השלבים לעיל עבור ערכות הנתונים מכל המשתתפים והשווה את ההבדלים בין התנאים באמצעות בדיקת t או מדדים חוזרים ונשנים ANOVA בתוכנת ניתוח סטטיסטית (ראה טבלת חומרים).
  15. הגדר חלונות זמן עבור N1 ו- LPP בהתבסס על תיאוריות מבוססות8,17 והנתונים הנוכחיים3.
    הערה: בעבודה זו, N1 הוגדר כ 100-150 אלפיות השנייה, בעוד LPP כמו 300-600 ms מתחילת הגירוי; LPP בולט ביותר באזור המרכזי-קודקודי (איור 2).
  16. מצא את ההבדל בתמונה הניטרלית לעומת השלילית ברכיב N1 באמצעות בדיקת t משויכת בין שלושה תנאים (איור 3).
  17. מצא את ההבדל בתמונה הניטרלית לעומת השלילית ברכיב LPP באמצעות בדיקת t משויכת בין שלושה תנאים (איור 4).
  18. בצע ניתוח אזור עניין (ROI) ברכיבי N1 ו- LPP על-ידי חישוב ממוצע של ערוצים רלוונטיים כדי לייצג אזור.
    הערה: כדי לבחור החזר על ההשקעה, ממוצע התקופות של כל שלושת התנאים היה לחשב את הערוצים שבהם לתמונות הניטרליות והשליליות היה הבדל משמעותי בחלון הזמן הספציפי (לדוגמה, עבור N1 או LPP).
  19. השווה את ההבדל ב- N1 ו- LPP בנפרד, באמצעות מדדים חוזרים ונשנים ANOVA וסטטיסטיקות פוסט הוק בתוכנת ניתוח סטטיסטי.
    הערה: השתמש בניתוח פוסט הוק (תיקון Bonferroni) ולקבוע הבדלים משמעותיים בין שני התנאים בנפרד אם המודל היה משמעותי. סף המשמעות נקבע על p < 0.05.

5. ניתוח מקור ERP

  1. בצע את ניתוח מקור ERP18 עם תוכנת הקוד הפתוח SPM19 (ראה רשימת חומרים) לאחר השלבים הבאים.
  2. קשר את מערכת קואורדינטות חיישן כובע EEG למערכת הקואורדינטות של תמונת MRI מבנית סטנדרטית (קואורדינטות של המכון הנוירולוגי של מונטריאול (MNI) על ידי רישום משותף מבוסס ציון דרך. ב- SPM, לחץ על אצווה > SPM > M/EEG > שחזור מקור > מפרט דגם הראש.
  3. בצע חישוב קדימה כדי לחשב את ההשפעה של כל דיפול על רשת קליפת המוח המוטלת על חיישני ה- EEG. תחת אותו עורך אצווה, לחץ על SPM > M/EEG > שחזור מקור > היפוך מקור.
    הערה: תוצאות אלה הוצבו במטריצת G (n x m), כאשר n הוא מספר החיישנים (ממד חלל EEG) ו - m הוא מספר קודקודי רשת השינוי (ממד חלל המקור). מודל המקור היה X = GS, כאשר X הוא מטריצת n x k המציינת את נתוני ה- ERP של כל תנאי, k הוא מספר נקודות הזמן ו - S הוא מטריצת m x k המציינת את מקור ה- ERP.
  4. השתמש באלגוריתם הרשעות קודמות מרובות דלילות המבוססות על חיפוש חמדן (מכיוון ש- S אינו ידוע) בשלב השלישי (בין האלגוריתמים הרבים הזמינים) כדי לבצע את השחזור ההפוך מכיוון שהוא אמין יותר משיטות אחרות20. בחר MSP (GS) עבור סוג ההיפוך בחלון היפוך מקור .
  5. קבע את ההבדל בין תנאים באמצעות מידול ליניארי כללי ב- SPM. הגדר את רמת המשמעות ל- p < 0.05. תחת עורך אצווה, לחץ על SPM > סטטיסטיקה > מפרט עיצוב מחולל.

6. נתוני אק"ג וניתוח הערכה התנהגותית

  1. השתמש בתוכנה פיזיולוגית ועיבוד נתונים כדי לעבד ולנתח את נתוני האק"ג (ראה טבלת חומרים). חשב את הציונים הממוצעים עבור כל תנאי. ב- EEGLAB, לחץ על כלים > כלי FMRIB > לזהות אירועי QRS21.
    הערה: בדומה לניתוח משרעת ERP, תוכנה סטטיסטית שימשה לניתוח נוסף של הנתונים עם אמצעים חוזרים ונשנים ANOVA. ניתוח פוסט הוק בוצע כדי לקבוע את ההבדלים המשמעותיים בין שני התנאים בנפרד אם המודל היה משמעותי. רמת המשמעות נקבעה ל - p < 0.05.
  2. בקש מהמשתתפים לדרג את אמונתם ביעילות של מזמור שם הנושא (אמיטאבהה בודהה, סנטה קלאוס וכו ') בסולם של 1-9, שבו 1 נחשב החלש ביותר ו -9 החזק ביותר.

תוצאות

תוצאות התנהגותיות
התוצאות של האמונה של המשתתפים של מזמורים חשפו ציון ממוצע של 8.16 ± 0.96 עבור "Amitabha Buddha", 3.26 ± 2.56 עבור "סנטה קלאוס", ו 1.95 ± 2.09 עבור תנאי השליטה הריקה (טבלה משלימה 1).

תוצאות ERP
הערוץ היציג של Pz (האונה הקודקודית) הראה כי לתנאי המזמור היו השפעות שונות על העיבוד המוקדם (N1) והמאוחר (LPP) של תמונות נייטרליות ושליליות. הוא הראה את חלון הזמן של N1 ו-LPP, בהתאמה (איור 2).

שלב תפיסתי מוקדם
תוצאות ה-ERP הראו N1 מוגבר בעת צפייה בתמונות השליליות בשלושה תנאי מזמורים (איור 3). הוא הראה כי תמונות שליליות גרמו לפעילות מוחית מרכזית חזקה יותר מאשר תמונות נייטרליות, והעליות דומות בשלושה תנאים.

שלב רגשי/קוגניטיבי מאוחר
ה- ERP הפגין LPP מוגבר בתנאי המזמורים הלא דתיים והבלתי מזמרים. עם זאת, ה-LPP המושרה על ידי תמונות שליליות בקושי נראה כאשר המשתתף מזמר את שמו של אמיטאבהה בודהה (איור 4).

ניתוח אזור עניין (ROI)
שלושת התנאים שולבו כדי להעריך את האזורים שהופעלו בדרך כלל ברכיבי N1 ו- LPP. אמצעים חוזרים ונשנים בוצע ANOVA עם תוכנה סטטיסטית כדי לחשב את ההבדל ברכיבי N1 ו- LPP בין תנאי המזמור (איור 5).

שלושת העמודים השמאליים מראים את ההבדל ברכיב N1 בשלושת תנאי השירה: תנאי הצפייה השקטים, מצב המזמור הלא דתי ומצב המזמור הדתי. ההבדלים ברכיב N1 היו דומים בשלושת התנאים. שלוש העמודות הימניות מציגות את ההבדל ברכיב LPP עבור שלושת תנאי השירה. זה ממחיש כי ההבדל ברכיב LPP הוא הרבה יותר קטן במצב השירה הדתית מאשר במצב של שירה לא דתית ותנאי הצפייה השקטה.

ניתוח מקור
ניתוח המקור יושם כדי לחלץ את מיפוי המוח הפוטנציאלי בהתבסס על תוצאות ה-LPP (איור 6). התוצאות מראות כי בהשוואה לתמונות נייטרליות, תמונות שליליות גורמות להפעלה קודקודית יותר במצב המזמור הלא דתי וללא מצב מזמור. לעומת זאת, הפעלה שלילית זו המושרה על ידי תמונה נעלמת במידה רבה במצב של מזמורים דתיים.

תוצאות פיזיולוגיות: קצב לב
חל שינוי משמעותי בקצב הלב (HR) בין התמונות השליליות והניטרליות במצב המזמור הלא דתי. מגמה דומה נמצאה במצב של אי-מזמורים. עם זאת, לא נמצא הבדל כזה במשאבי אנוש במצב המזמור הדתי (איור 7).

figure-results-2516
איור 2: ערוץ מייצג (Pz) הראה ERPs שונים בשישה תנאי מזמור. ששת התנאים הם (1) מזמורים דתיים בעת צפייה בתמונות נייטרליות (AmiNeu); (2) מזמורים דתיים בעת צפייה בתמונות שליליות (AmiNeg); (3) מזמורים לא דתיים בעת צפייה בתמונות נייטרליות (SanNeu); (4) מזמורים לא דתיים בעת צפייה בתמונות שליליות (SanNeg); (5) אין מזמורים בעת צפייה בתמונות נייטרליות (PasNeu); ו -(6) ללא מזמורים בעת צפייה בתמונות שליליות (PasNeg). הערוץ Pz הממוקם באזור האמצעי הקודקודי של הקרקפת. לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

figure-results-3306
איור 3: תוצאות ה- ERP להדגמת רכיב N1 בשלושת תנאי המזמורים. מפות דו-ממדיות של רכיב N1 עבור שלושת התנאים עבור כל סוג תמונה. בעמודה האחרונה, ערוצים עם הבדלים משמעותיים (p < 0.05) מוצגים עם נקודות; נקודות בצבע כהה יותר מצביעות על משמעות רבה יותר (כלומר, ערכי p קטנים יותר). לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

figure-results-3964
איור 4: תוצאות ה-ERP להדגמת רכיב ה-LPP בשלושת תנאי השירה. מפות דו-ממדיות של רכיב הפוטנציאל החיובי המאוחר (LPP) עבור שלושת התנאים עבור כל סוג תמונה. בעמודה האחרונה, ערוצים עם הבדלים משמעותיים (p < 0.05) מוצגים עם נקודות; נקודות בצבע כהה יותר מצביעות על משמעות רבה יותר (כלומר, ערכי p קטנים יותר). לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

figure-results-4614
איור 5: ניתוח אזור עניין (ROI). ניתוח אזור העניין (ROI) על ההבדל בין תגובות מוחיות שליליות לעומת תגובות מוחיות ניטרליות המושרות על ידי תמונה עבור הרכיב המוקדם, N1, לבין הרכיב המאוחר, הפוטנציאל החיובי המאוחר (LPP). לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

figure-results-5165
איור 6: ניתוח מקור של רכיב הפוטנציאל החיובי המאוחר (LPP) בשלושת התנאים. אזורים מודגשים מצביעים על פעילות מוחית גבוהה יותר בתנאים שליליים לעומת ניטרליים. לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

figure-results-5652
איור 7: מרווחי פעימות הלב נמצאים תחת שלושת תנאי השירה. מרווחי הפעימות (RRs) של האלקטרוקרדיוגרמה תחת כל סוג תמונה/ שילוב מזמורים וערכי p המתאימים. Ami: Amitabha בודהה מזמר מצב, סן: סנטה קלאוס מזמר מצב, Pas: מצב צפייה פסיבית, נוי: תמונה נייטרלית, שלילית: תמונה שלילית. לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

טבלה משלימה 1: דירוג האמונה ביעילותו של נושא המזמור (אמיטאבהה בודהה, סנטה קלאוס). הוא משתמש בקנה מידה 1-9, שבו 1 מציין את האמונה הפחותה ביותר ו 9 האמונה החזקה ביותר. לחץ כאן כדי להוריד טבלה זו.

קובץ משלים 1: קוד לעיבוד מקדים של אצוות נתונים EEG. הוא מסיר ערוצים פגומים, מדגם מחדש את הנתונים ל- 250 הרץ ולאחר מכן מסנן את הנתונים. נא לחץ כאן כדי להוריד קובץ זה.

קובץ משלים 2: קוד לתיקון נתוני ERP. זה מתקן תקופות רעות עם קוצים רועשים. נא לחץ כאן כדי להוריד קובץ זה.

Discussion

ייחודו של מחקר זה הוא יישום של שיטה נוירו-מדעית לחקור את המנגנונים העצביים העומדים בבסיס מנהג דתי נרחב, כלומר, מזמורים דתיים חוזרים ונשנים. בהתחשב בהשפעתה הבולטת, שיטה זו יכולה לאפשר התערבויות חדשות עבור מטפלים או קלינאים לטפל בלקוחות המתמודדים עם בעיות רגשיות וסובלים מחרדה ומתח. יחד עם מחקרים קודמים, מחקר ויסות רגש רחב יותר צריך להיחשב במחקרים עתידיים7,8,9,22.

ישנם מעט מחקרי ERP על מזמורים, בהתחשב בקושי לבנות ניסויים המשלבים שירה ואירועים קוגניטיביים אחרים. מחקר זה מדגים פרוטוקול ריאלי לחקירת ההשפעה הרגשית של שירה / תפילה, אשר פופולרי למדי בעולם האמיתי. מחקרי MRI פונקציונליים קודמים (fMRI) מצאו כי תפילה מגייסת תחומים של קוגניציה חברתית23. מחקר fMRI מצב מנוחה אחד גילה כי מזמור "OM" מופחת תפוקות מן cingulate הקדמי, אינסולה, קליפת המוח orbitofrontal24. מחקר EEG אחר מצא כי מדיטציית "OM" הגדילה את גלי הדלתא, מה שגרם לחוויה של הרפיה ושינה עמוקה25. עם זאת, שיטות אלה לא יכלו לחקור במדויק את השינויים הספציפיים הקשורים לאירועים לאחר מזמורים דתיים.

החוקרים צריכים לשלוט בגורמים המבלבלים של עיבוד השפה וההיכרות כדי לחקור בהצלחה את ההשפעה הפוטנציאלית של מזמורים דתיים חוזרים ונשנים בהצלחה. בזמן שהמשתתפים תרגלו בהרחבה וביומיום מזמרים את השם "אמיטאבהה בודהה" (תווים סיניים: figure-discussion-1457; הגייה קנטונזית: o1-nei4-to4-fat6), השתמשנו בשם "סנטה קלאוס" (תווים סיניים: ; figure-discussion-1655 הגייה קנטונזית: sing3-daan3-lou5-jan4) כתנאי השליטה מכיוון שהמקומיים מכירים את סנטה קלאוס. בסינית, שני השמות מכילים ארבעה תווים, ובכך שולטים בדמיון לשפה. לגבי היכרות, סנטה קלאוס הוא גם די פופולרי בהונג קונג כי היא עיר מערבית חלקית. בנוסף, סנטה קלאוס הוא גם נתון חיובי במקצת בהונג קונג, שם יש חופשות חג המולד הרשמיות. עם זאת, שליטה זו בהיכרות היא חלקית, שכן קשה להתאים לחלוטין את ההבנה של שמו של אמיטאבהא בודהה למתרגלים.

אחד הצעדים הקריטיים במחקר הנוכחי היה הכנת התמונות מעוררות הפחד או הלחץ. כמו מזמור דתי עשוי לעבוד טוב יותר כאשר מתרחשים אירועים מאיימים, בחירת גירויים נאותים מתוך מאגר התמונות IAPS26 היה חיוני. מומלץ לראיין משתתפים פוטנציאליים ולבחור תמונות מתאימות כדי למנוע יותר מדי פחד או גועל. תמונות שליליות ביותר עלולות למנוע מהמשתתפים למשוך את תשומת ליבם בזדון; יחד עם זאת, הגירויים מעוררי הפחד והלחץ אמורים לאפשר למשתתפים לחוות איום מספיק. סוגיה קריטית נוספת היא עיצוב הבלוק של המחקר. האות EEG/ERP רגיש ודינמי מספיק כדי לעקוב אחר כל אירוע. עם זאת, זה יהיה מתאים יותר ליישם עיצוב בלוק עם תקופת צפייה של 20-30 שניות כי הדפוס של תפקוד לב או רגש לא יכול להשתנות בסדר של שניות27. מצד שני, בלוק של 60 s עשוי להיות ארוך מדי, ואת התגובה העצבית יכול להיות מתורגל במחקרי ERP.

שלב עיבוד הנתונים של EEG צריך לבצע גיבוי במהלך כל שלב, מכיוון שכל שלב משנה את הנתונים ומתעד את השינויים שבוצעו במהלך שלבים אלה. ניתן להשתמש באפשרות זו כדי לעקוב אחר שינויים ולהקל על איתור שגיאות במהלך עיבוד אצווה. שיפור איכות הנתונים הוא גם חיוני, ולכן יש צורך בניסיון בניקוי נתונים גולמיים ובזיהוי IC שגוי. בניתוח הסטטיסטי, השוואות נעשו על ממוצעים גדולים, ו ANOVA יושם. אנו מזהירים כי סטטיסטיקה זו עם מודל האפקט הקבוע רגישה לאפקטים אקראיים28. ניתן להתאים מודלים של אפקטים מעורבים לשליטה בגורמים זרים29, וההנחה של ליניאריות עשויה להשפיע על המסקנות הנלקחות מנתוני ERP30.

ראוי לציין מספר מגבלות. מגבלה אחת היא שהמחקר הנוכחי רשם רק קבוצה אחת של משתתפים שתרגלו בודהיזם Pureland. רישום קבוצת ביקורת ללא כל ניסיון בקריאות דתיות לשם השוואה יכול לעזור לקבוע אם ההשפעה של שירה דתית מתווכת על ידי אמונה או היכרות. בדרך כלל, ניסוי אקראי מבוקר יהיה משכנע יותר לבחון את ההשפעה של אפנון רגש על מזמורים דתיים31. עם זאת, קשה להבטיח כי כל משתתף היה מזמר שוב ושוב "Amitabha Buddha" ברצון מוחלט. בנוסף, ה- LPP מושפע מגורמים אחרים, כגון צליל רגשי או פרימינג חיובי 32,33. לכן, ניסויים מבוקרים יותר נדרשים כדי לתאר בצורה ברורה יותר את המנגנון הנוירו-מנגנונים הבסיסי שבבסיס ההשפעה של מזמורים דתיים.

לסיכום, מחקרים קודמים הראו כי המוח האנושי הוא סובייקטיבי לפלסטיות עצבית ושינוי מהיר של מצבים34,35; עם מספיק תרגול וכוונה, המוח יכול לעצב את עצמו מחדש ולהגיב באופן שונה לגירויים מפחידים בדרך כלל. מחקר זה מספק תובנות על פיתוח אסטרטגיות התמודדות יעילות לטיפול במצוקה רגשית בהקשרים עכשוויים. בעקבות פרוטוקול זה, החוקרים צריכים לבחון את ההשפעה של מזמורים דתיים או מנהגים מסורתיים אחרים כדי לזהות דרכים אפשריות כדי לעזור לאנשים לשפר את הסבל הרגשי שלהם.

Disclosures

המחברים מצהירים כי אין להם אינטרסים פיננסיים מתחרים.

Acknowledgements

המחקר נתמך על ידי פרויקט הקרן הקטנה של HKU ו- NSFC.61841704.

Materials

NameCompanyCatalog NumberComments
E-Prime 2.0Psychology Software Toolsstimulus presentation, behavior data collection
EEGLABSwartz Center for Computational NeuroscienceEEG analysis software
HydroCel GSN 128 channelsElectrical Geodesics, Inc. (EGI)EEG cap
LabChartADInstrumentsphysiological data (including ECG) acquisition software
Matlab R2011aMathWorksEEGLAB and SPM are based on Matlab; statistical analysis tool for EEG and physiological data
NetstationElectrical Geodesics, Inc. (EGI)EEG acquisition software
PowerLab 8/35ADInstrumentsPL3508physiological data (including ECG) acquisition hardware
SPMWellcome Trust Centre for NeuroimagingEEG source analysis software
FMRIBUniversity of Oxford Centre for Functional MRI of the Brain (FMRIB)Plug-in for EEGLAB to process ECG data
SPSSIBMstatistical analysis tool for behavior and EEG ROI data
iMac 27"Applerunning the Netstation software
Windows PCHPrunning the E-Prime 2.0 software
Windows PCDellrunning the LabChart software

References

  1. Kennedy, H., Montreuil, T. C. The late positive potential as a reliable neural marker of cognitive reappraisal in children and youth: A brief review of the research literature. Frontiers in Psychology. 11, 608522 (2020).
  2. Yu, Q., Kitayama, S. Does facial action modulate neural responses of emotion? An examination with the late positive potential (LPP). Emotion. 21 (2), 442-446 (2021).
  3. Gao, J. L., et al. Repetitive religious chanting modulates the late-stage brain response to fear and stress-provoking pictures. Frontiers in Psychology. 7, 2055 (2017).
  4. Barkus, E. Effects of working memory training on emotion regulation: Transdiagnostic review. PsyCh Journal. 9 (2), 258-279 (2020).
  5. Denny, B. T. Getting better over time: A framework for examining the impact of emotion regulation training. Emotion. 20 (1), 110-114 (2020).
  6. Champe, J., Okech, J. E. A., Rubel, D. J. Emotion regulation: Processes, strategies, and applications to group work training and supervision. Journal for Specialists in Group Work. 38 (4), 349-368 (2013).
  7. Sobolewski, A., Holt, E., Kublik, E., Wrobel, A. Impact of meditation on emotional processing-A visual ERP study. Neuroscience Research. 71 (1), 44-48 (2011).
  8. Katyal, S., Hajcak, G., Flora, T., Bartlett, A., Goldin, P. Event-related potential and behavioural differences in affective self-referential processing in long-term meditators versus controls. Cognitive Affective & Behavioral Neuroscience. 20 (2), 326-339 (2020).
  9. Uusberg, H., Uusberg, A., Talpsep, T., Paaver, M. Mechanisms of mindfulness: The dynamics of affective adaptation during open monitoring. Biological Psychology. 118, 94-106 (2016).
  10. Bradley, M. M., Lang, P. J., Coan, J. A., Allen, J. B. . Handbook of emotion elicitation and assessment. Series in affective science. 483, 483-488 (2007).
  11. Gao, J. L., et al. Repetitive religious chanting invokes positive emotional schema to counterbalance fear: A multi-modal functional and structural MRI study. Frontiers in Behavioral Neuroscience. 14, 548856 (2020).
  12. Somaratne, G. A. The Jhana-cittas: The methods of swapping existential planes via samatha. Journal Of The Postgraduate Institute Of Pali And Buddhist Studies. 2, 1-21 (2017).
  13. Bhikkhu, T. Sallatha Sutta: The arrow (SN 36.6), Translated from the pali. Access to Insight Legacy Edition. , (2013).
  14. Halkias, G. . Luminous bliss : a religious history of Pure Land literature in Tibet : with an annotated English translation and critical analysis of the Orgyan-gling gold manuscript of the short Sukhāvatīvȳuha-sūtra. , (2013).
  15. Stewart, J. L., et al. Attentional bias to negative emotion as a function of approach and withdrawal anger styles: An ERP investigation. International Journal of Psychophysiology. 76 (1), 9-18 (2010).
  16. Delorme, A., Makeig, S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. Journal of Neuroscience Methods. 134 (1), 9-21 (2004).
  17. Ito, T. A., Larsen, J. T., Smith, N. K., Cacioppo, J. T. Negative information weighs more heavily on the brain: The negativity bias in evaluative categorizations. Journal of Personality and Social Psychology. 75 (4), 887-900 (1998).
  18. Grech, R., et al. Review on solving the inverse problem in EEG source analysis. Journal of NeuroEngineering and Rehabilitation. 5, 25 (2008).
  19. Penny, W. D., Friston, K. J., Ashburner, J. T., Kiebel, S. J., Nichols, T. E. . Statistical Parametric Mapping: The Analysis of Functional BrainIimages: The Analysis of Functional Brain Images. , (2011).
  20. Friston, K., et al. Multiple sparse priors for the M/EEG inverse problem. NeuroImage. 39 (3), 1104-1120 (2008).
  21. Niazy, R. K., Beckmann, C. F., Iannetti, G. D., Brady, J. M., Smith, S. M. Removal of FMRI environment artifacts from EEG data using optimal basis sets. Neuroimage. 28 (3), 720-737 (2005).
  22. Nakamura, H., Tawatsuji, Y., Fang, S. Y., Matsui, T. Explanation of emotion regulation mechanism of mindfulness using a brain function model. Neural Networks. 138, 198-214 (2021).
  23. Schjoedt, U., Stdkilde-Jorgensen, H., Geertz, A. W., Roepstorff, A. Highly religious participants recruit areas of social cognition in personal prayer. Social Cognitive and Affective Neuroscience. 4 (2), 199-207 (2009).
  24. Rao, N. P., et al. Directional brain networks underlying OM chanting. Asian Journal of Psychiatry. 37, 20-25 (2018).
  25. Harne, B. P., Bobade, Y., Dhekekar, R. S., Hiwale, A. SVM classification of EEG signal to analyze the effect of OM Mantra meditation on the brain. 2019 Ieee 16th India Council International Conference (Ieee Indicon 2019). , (2019).
  26. Coan, J. A., Allen, J. J. B. . Handbook of Emotion Elicitation and Assessment. , (2007).
  27. Meseguer, V., et al. Mapping the apetitive and aversive systems with emotional pictures using a Block-design fMRI procedure. Psicothema. 19 (3), 483-488 (2007).
  28. Luck, S. J., Gaspelin, N. How to get statistically significant effects in any ERP experiment (and why you shouldn't). Psychophysiology. 54 (1), 146-157 (2017).
  29. Meteyard, L., Davies, R. A. I. Best practice guidance for linear mixed-effects models in psychological science. Journal of Memory and Language. 112, 104092 (2020).
  30. Tremblay, A., Newman, A. J. Modeling nonlinear relationships in ERP data using mixed-effects regression with R examples. Psychophysiology. 52 (1), 124-139 (2015).
  31. Wu, B. W. Y., Gao, J. L., Leung, H. K., Sik, H. H. A randomized controlled trial of Awareness Training Program (ATP), a group-based mahayana buddhist intervention. Mindfulness. 10 (7), 1280-1293 (2019).
  32. Brown, D. R., Cavanagh, J. F. The sound and the fury: Late positive potential is sensitive to sound affect. Psychophysiology. 54 (12), 1812-1825 (2017).
  33. Hill, L. D., Starratt, V. G., Fernandez, M., Tartar, J. L. Positive affective priming decreases the middle late positive potential response to negative images. Brain and Behavior. 9 (1), 01198 (2019).
  34. Belzung, C., Wigmore, P. . Current Topics in Behavioral Neurosciences,1 online resource. , (2013).
  35. Denes, G. . Neural Plasticity Across The Lifespan: How The Brain Can Change. , (2016).

Erratum


Formal Correction: Erratum: Modulation of the Neurophysiological Response to Fearful and Stressful Stimuli Through Repetitive Religious Chanting
Posted by JoVE Editors on 3/25/2022. Citeable Link.

An erratum was issued for: Modulation of the Neurophysiological Response to Fearful and Stressful Stimuli Through Repetitive Religious Chanting. The Authors section was updated.

The authors section was updated from:

Hin Hung Sik1, Georgios T. Halkias1, Chunqi Chang2, Junling Gao1, Hang Kin Leung1, Bonnie W. Y. Wu1
1Centre of Buddhist Studies, The University of Hong Kong,
2School of Biomedical Engineering, Shenzhen University

To:

Hin Hung Sik1, Georgios T. Halkias1, Chunqi Chang2, Junling Gao1, Hang Kin Leung1, Bonnie Wai Yan Wu1
1Buddhism and Science Research Lab, Centre of Buddhist Studies, The University of Hong Kong,
2School of Biomedical Engineering, Shenzhen University

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Explore More Articles

177

This article has been published

Video Coming Soon

JoVE Logo

Privacy

Terms of Use

Policies

Contact Us

Recommend to library

JoVE NEWSLETTERS

Research

Education

Authors

Librarians

ABOUT JoVE

Copyright © 2025 MyJoVE Corporation. All rights reserved