人間の食糧報酬とモチベーションを研究

要約

この記事では、食品関連の動機およびヒトにおける食品関連の目標値を測定するためのメソッドのセットを記述します。

要約

ヒトで報酬処理を研究する上で重要な課題は、主観的な自己報告尺度を超えて、このようなより客観的な方法で快楽、動機、そして目標値としての報酬のさまざまな側面を定量化することである。これは過食や肥満の理解だけでなく、その潜在的な治療のために特に関連する。本論文で意欲を高める対策としてハンドグリップ力を利用して食品関連動機のメジャーのセットに記載されている。これらの方法は、代謝（満腹）および薬理学的操作による食品関連動機の変化を調べるために使用することができ、過食および肥満症を対象とした介入を評価するために使用することができる。しかしそれは、人々が行う決定や行動選択を導く報酬の目標値を確認することができることが不可欠である複合飲食環境で食品関連の意思決定を理解する。これらの値は、隠されたが、それは、次のようなメトリックを使用して、より客観的に把握することができるされている支払い意思額と、このための方法が記載されている。方法は両方ともこれらのセットは、個人内および間で比較することができ動機や目標値の定量的尺度を提供する。

概要

ヒトでの食品の報酬処理の研究では、肥満のまん延約上昇懸念から大幅に弾みを受けています。ほとんどの肥満者の肥満への経路が代謝要求¹の上に、前述の増加エネルギー摂取によるものであるとして、それは過剰消費のドライバーとメカニズムを理解することが重要である。一般的なモデルは、この過剰消費がnonhomeostaticか恒常的なニーズではなく、食品（群）のやりがい態様によって駆動され、「快楽」を食べ、 すなわち消費の形であると考えて^2を消費し^ていました。しかし、これは複雑な現象や恒常性と快楽/報酬システムがオーバーラップし、インタラクティブである。さらに、直接そのような部分のサイズや³利用可能なさまざまな食品などの食品の快楽な側面に関連しないnonhomeostatic食べに影響を与えるいくつかの要因があります。それにもかかわらず、でき特徴付けることが、別のASPEを測定することは重要である食品の報酬のCTS。

、好き欠け、学習：ベリッジらは、報酬の3つの成分を記載している。これらの3つのコンポーネントがリンクされているが、その基礎となる神経系の観点から解離性があります。好みは報酬の快楽への影響を参照して欲しいが、報酬の動機である。学習との関連と報酬についての予測を含む。これらのコンポーネントは、さらに2つのサブコンポーネント、コアまたは暗黙的、意識的または明示的に区別されます。好みは、コア客観的快楽反応を意味する「好み」、と喜びを意識主観的な経験で構成されている。同様に希望する」は欲しい」、報酬と報酬関連の手がかりのインセンティブ顕現、通常的に理解されているようなインセンティブのための欲求を意識主観的な経験で構成されています。好きや欠けを意識し、主観的な経験が、より高いcognによってコア反応の外に詳述されているitiveメカニズム。だけでなく、明示的な表現と認知の予測^4。最後にあまりにも学習することは、パブロフや楽器の団体や連想コンディショニングなどの暗黙的な要素で構成されています。

報酬の3つの要素は、リンクされたが、両方の実験的とその神経基盤の面で解離されている。このフレームワークは、私たちは生物は一度に1報酬にどのように応答するかを理解するのに役立ちますしながら、複数の潜在的な報酬に直面したとき、どのように個々の生物が反応するのでしょうか？神経経済学で広く受け入れられるモデルによると、行動選択の中央ステージではすべてが魅力的なオプションのコンピュ主観的な値が含まれます。この計算は、選択することができる最高の目標値とオプションを使用して、多くの場合、目標値⁵と表記、単一の比較可能な値につながる、各オプションの異なる属性を評価し、重み付け伴うと考えられている。

Tの大部分報酬の神経基盤の彼の仕事は、動物の神経科学のエレガントな研究から派生してきた。ヒトでは快楽、目標値とモチベーションを調査中の課題は、確実かつ客観的に、これらの異なる成分を測定することが困難となっている。それは、例えば、視覚的アナログ評価に記録され得るような好みや目標値の自己評価として報酬値の主観的な尺度を超えて行くことが重要です。正しく値と、それが正直に報告されているかどうかについて疑問についてイントロスペクトの難しさを考えると、検証することができる強固な定量的なツールを開発することが不可欠です。

げっ歯類で観察対物ヘドニック反応はまた、ヒトの乳児⁶に見られるが、これらは、成体ヒトにおいて評価することが困難である。好みや快楽の要素は、このように成人に客観的に測定することは難しい1のまま。しかしながら、より客観的かつ正確に欠けや動機調べることができるDこの論文は、動機づけの措置として、グリップ力の使用に基づいた一連のメソッドを記述します。個人が報酬を受け取るために費やすであろう努力の量は、それらが期待する報酬の大きさによって調節される。報酬に向けたモチベーションを発揮取り組みとして運用可能とすることができます。 Pessiglioneらはエレガントに、参加者がより大きな値^7を持っていた金銭的な報酬のために大きな力を発揮して、金銭的報酬の動機の尺度としてグリップ力の使用を実証した。食品の場合は、個々の食品の報酬の値は内部状態（飢餓や満腹）が重要な1 ⁸となっているいくつかの要因に依存報いる。飽食と、同じ食品^9,10の受信に眼窩前頭皮質（OFC）、刺激の現在の値を符号化する脳の領域における神経活動の低下がある。 OFCは^7応答意欲を高める調節する腹側線条体に投射する。良好意欲を高める措置は飽食と報酬値の変化に対する感度を示すべきである。

目標値を決定するために、直接の主観的な評価が非理想的である。また、彼らの真の目標値を明らかにし、参加を奨励するという利点があり、より間接的な方法は、ベッカー、DeGroot-マルシャックオークション¹¹の修正版を使用することです。ルールの簡単なセットを介して、この競売の手続は、彼らが提供する上でのアイテムのために支払うことを喜んでいる金銭的なリソースの最大量を明らかにするために、人々に動機を与える。 （WTP）を支払う意欲は目標値の指標とする。

プロトコル

このプロトコルで説明されているすべての手順は、ケンブリッジ、現地研究倫理委員会から倫理的な承認を受け開発され、テストされた。

1。食品関連動機の尺度としてグリップ力

1. 装置およびセットアップします。
   1. 刺激配達のラップトップ上のコージェントのツールボックスでMATLABをインストールしてください。
   2. Ethernetポートを経由して刺激配信ラップトップに力変換器および関連するデータ収集システムを接続します。必要なハードウェアとソフトウェアの詳細については表1を参照してください。
      注：スキャナ外部圧力変換器に連結された単純なクレンチ力ゴム球が使用される磁気共鳴イメージング（MRI）スキャナ、タスクを実行する。それは圧搾され、バルブ内の空気圧の変化は、トランスデューサによって測定することができ、直接に加えられた努力に関連している。
   3. 継続的にデータ収集システムをポーリングし、10 SAMPで読むためにプログラムを設定各ポーリングにレ。力が加わるようにサンプルの平均を取る。注：ガルバニック皮膚反応（GSR）は、一緒に測定することができる。このために刺激配達のラップトップは、他の施策とのGSRを同期させるために、GSRのデータ収集システムに接続するためにパラレルポートが必要です。刺激配達ノートPCへの負荷を最小限にするために測定されたGSR信号を記録するために別のコンピュータを使用しています。 GSRの測定は、さらに議論されていません。

図1。ハードウェアは、グリップ力のタスクに設定します。

2. 手順：
   1. 図1に示すように、テーブル又は他の安定した表面上に機器を設定する。ノートPCに接続するためのデータ収集システムを待ちます。
   2. foのベースライン測定値を収集以下の作業を開始する前に最大随意収縮（MVC）と呼ばれる、グリップ力変換器と参加者の最大の努力をrを。
      1. テーブルの上にグリップ力変換器を配置し、ベースライン測定値を収集します。
      2. MVCを測定するために、グリップ力変換器を保持し、タスクの期間のために維持するために、快適なアーム位置を選択するよう参加者に依頼してください。 5倍の精一杯トランスデューサを絞ってタスクの最大キャとして5尽力の平均を取るために、参加者に指示する。
         注意：以下のように応答期間中に参加者によって加えられる力は、ベースラインとMVCの差の割合として測定されています。
         努力が負である場合、それはゼロの最小の力に設定され、それは、較正中に測定されたMVCよりも大きい場合、それは次のように設定され100台までの努力。これは、上記のように10個のサンプル点平滑化が適用された後、残りのノイズを考慮するために行われる。努力サンプルの得られた一連の応答期間の間に蓄積し、試験のための努力応答として記憶される。
   3. タスクを開始します。
      注意：タスクセッションが長い場合には、疲労の影響も同様に、タスクの終了時に、MVCを測定し、開始時にMVCをとの差に疲労効果を関連付けることにより、アカウントに撮影し年末することができますタスクセッション。
3. キーの従属変数：
   この方法では、各試行にかかる力 - 時間曲線をキャプチャします。曲線下面積（AUC）、最大又はピーク力を発揮し、速度または力 - 時間曲線の傾き：力 - 時間曲線から次の変数を抽出する。
4. アプリケーション：
   把持力の尺度の3つのアプリケーションは、以下に記載される。
   1. 相対報酬Vを調べるALUE：努力を要する画像の選択作業。
      注：このタスクは、参加者がそのような食品や消費財としてのやりがい異なる種類の画像を表示するには、発揮する用意がある相対的な努力を測定します。努力の評価は、同じ画像のための彼らの主観的な好みの評価に関連しています。以下のように実験計画は、次のとおりです。
      1. 現在のタスクの各試行に二つの画像を並べ、1は、大（300×300ピクセル）とはっきりと見えるデフォルトのイメージであり、他方は小さい（5×5画素）の不明瞭なデフォルト以外の画像である。トランスデューサに力を発揮することは、デフォルト以外の画像を拡大し、デフォルトの画像を縮小します。
      2. 高カロリー食品、低カロリー食品と（男女別）やりがいnonfoods：3報酬カテゴリーから6の画像を選択します。画像は独立して、健康なボランティアグループによる主観的な好みのために評価しています。すべての画像は、他の二つのカテゴリーからすべての画像と対になっているように画像のペアを作成します。このようなEAそのペアを相殺CH画像は試行の数と同じ数のデフォルトおよびデフォルト以外の画像として表示されます。
      3. セクション1.2で説明したすべてのステップを行います。作業を実行している。
      4. 参加者に試用構造を説明し、彼女は、デフォルト以外の画像の大きさのサイズを大きくし、それに対応して、変換器を絞ることで、デフォルトの画像とを減少させることができることを彼女に言う。
         注：カウンターバランス上の全ての画像の努力がそれらを拡大または縮小するであろう試験の等しい数を持っていることが保証されます。
      5. 各個人のMVC（この割合はそれぞれたBiopacモジュールごとに個別に設定する必要があります）の10％でできるだけ大きく、デフォルト以外の画像を作るために必要な力を設定します。
         注：以下のように加えられた力と画像サイズとの関係が決定される。背景と前景画像の両方が正方形であると仮定すると、LBとLFそれぞれ背景と前景画像の長さとする。しましょうG、GMVCと、GBASEは、それぞれの校正中に測定、キャリブレーションし、ベースライン時に測定されたグリップ力試験の応答期間中に測定された応答、最大の力である。また、グリップ力と画像サイズとの間の直線関係を仮定し、LBとLFのように書くことができる。
         
         制約の下で
         
         どこ
         
         制約は、イメージがGMVC以上の力が作用しても、Lmaxを超えて拡張しないことを確認してください。
      6. タスクの短いデモを提示する。
      7. 彼女は彼女が発揮どれだけの労力に応じてchosesとして彼女が画像を見ることができ、参加者に伝える。タスクを完了するために彼女自身に参加したままにします。
      8. 後にタスクは、その後、ビジュアルアナログスケールで画像ごとに好みの評価を収集し、完了です。
      9. データを分析するには、画像ごとに、それがデフォルト以外の画像や努力がそれを拡大するには必要とされたされたすべての試験全体の力 - 時間曲線下面積の平均を取る。この平均AUCは、その特定の画像の動機の尺度として採用されている。
   2. 食糧のためのサブリミナル動機を調べる。
      注：サブリミナルと意識し、両方の刺激プレゼンテーションを使用して、このタスクは、食品用の両方のサブリミナルと意識的な動機を調べます。以下の説明は、感覚特定飽食（Ziauddeen ら ^16を参照）を使用して、以前の研究に基づいています。以下のように実験計画は、次のとおりです。
      1. 香ばしい食べ物、甘い食べ物や中立的な食料品以外のアイテム：3刺激を選択します。直接モータのを最小限にするようにサブリミナル試験のために各項目の二つの画像、意識審判の一方及び他方の収集pecification効果^12。 Adobe Photoshopのを使用して、同じ輝度と同じパターン化された背景（黄、赤、緑、茶色の1ミリメートルの正方形の市松模様の配列）を持っているすべての画像をフォーマットします。シングルパスを使用して画像のエッジをぼかす。
      2. ランダムにすべての画像をスクランブルすることによってマスク画像を作成し、合成画像を作成するためにそれらをブレンド。
      3. サブリミナルプレゼンテーションは、サンドイッチマスキングによって達成される。 267ミリ秒のために再びマスクに続く200ミリ、33ミリ、次いで刺激画像については、この現在のマスク画像をすることができません。意識的な試験では200ミリ秒、それから200ミリ秒のための刺激画像と100ミリの下位マスクするためのマスクをプレゼントに。総プレゼンテーションでは、両方の試験の種類が500ミリ秒である。
      4. マスクされた刺激提示後、参加者はグリップ力変換器に力を加えることができ、その間に応答ウィンドウを起動します。画面上の液面を介して、リアルタイムのフィードバックを提供します。
         注：すべてのタスクで参加者へのフィードバックのための流体レベルを使用して、達成することができる列および最大高さの高さは、両方の試験にわたってランダムに変化する。 例えば、カラムの高さは100、110、および120単位の間で変化するように設定されているタスクの開始時に測定された各参加者の最大の力のパーセンテージとして80、90、および100単位の間に達成することができる最大の高さ。フィードバックは、タスクの被験者に係合する上で重要な役割を提供していますが、これは加えられた力と裁判へのトライアルからの流体レベルの高さとの間には一貫した関係がないことが保証さを設定します。目的は、最上部にこのようになった流体レベルなど特定のフィードバックを達成するための努力を変調からの参加を防ぐためです。参加者は、明示的なフィードバックが信頼できないと彼ら自身を彼らの努力を判断するために、流体のレベルに依存しないように指示されたことが通知されます。
      5. 各試行では、固定を提示3000ミリ秒のための流体レベルのフィードバックと500ミリ秒してから応答ウィンドウのためのマスクされた刺激が続く500ミリ、ためのクロス。
      6. 1.2節で説明したように、すべての手順を行います。作業を実行している。
      7. 各試行で、中央固定十字架に彼女の注意を集中する参加者に依頼してください。液面が表示されたときに彼女がちょうど提示項目の方にポイントを獲得する力変換器を絞ることができることを彼女に説明してください。いくつかの試験にそれを説明して画像が見えにくいことが、彼女は彼女の本能に従って提案することができる。信頼性の低いフィードバックことを強調。
      8. 必要な数のブロックでタスクを実行してください。
      9. タスクが完了した後、マスキング手順が働いてどれだけ確認してください。これは2つの方法で行うことができます。参加者の主観的な報告書を収集することにより、強制選択弁別を実行することによって。後者では、二つのオプションが続く主なタスクのようにマスクされた刺激を提示し、WHを示すために、参加者に依頼ICH 1ちょうど発表されました。それはメインタスクの各ブロックに発表された回数だけ各画像を提示する。
      10. 「マスキングがうまくいっていれば信号検出理論に従って、dは識別性指数（D） 'を計算し、ゼロに近いはず。
   3. スキャナで食品関連動機を調べる。
      1. グリップ力球および付随する圧力変換器を使用して、これらのグリップ力ベースのタスクは、MRIスキャナで実行することができる。フィードバックが使用されている場合は、1.4.2項のように行ってください。

2。報酬の価値の尺度としての支払い意思

注：このタスクは、任意の適切な刺激の配信ソフトウェアでプログラムされ、唯一の標準的なデスクトップやラップトップコンピュータを必要とすることができます。ここで説明するバージョンは、プレゼンテーション（バージョン14.5、神経行動システム）にプログラムされている。

1. 手順：
   注記：この手順は、の変形例であるPlassmann ¹³からのコンピュータ化された競売の手続。競売の手続は次のとおりです。
   1. オークションはラウンドのシリーズ、それぞれ特色1食品を必要とする。同一のプレートと背景のすべての食品を撮影しています。前にタスクを表示する参加者のスケールの正確な感覚を提供するために、画像で使用される実際のプレートのスタートに。
   2. 参加者に固定金銭の予算を与え、 例えば £3。
   3. 彼女はオークションのいくつかのラウンドを通じて取得されて、彼女は各ラウンドに入札を配置することができ、参加者に伝える。 10pの単位で£3 - 彼女は£0から行くスライディングスケールで彼女の入札を配置することができます。
   4. 1ラウンドカウントラウンドとしてオークション終了時に選択されることを参加者に通知します。そこで彼女は、別のラウンドの間で彼女の£3予算を広げる必要はなく、一つだけであるかのようにすべてのラウンドを扱うことができます。
   5. コンピュータは反対入札され、参加者に知らせる各ラウンドでそれら。彼らが選択したラウンド上のコンピュータを高値場合は、食品に勝つだけの量のコンピュータの入札を支払う必要があり、残りの変更を維持することができるようになります。しかし、コンピュータはoutbidsたり、入札と一致する場合、これらは食品を得るが、まだ彼らの金銭的な予算を維持するために得ることはありません。
   6. それはルールのこれらのセットを指定して、このオークションでの入札のための最善の戦略は、彼らが提供する上で食品の支払いに本当に喜んでどのくらいに近い金額を入札することを参加者に説明してください。
      注意：この方法で収集された入札は彼らのWTPに対応しています。
2. アプリケーション：
   1. 内部状態の変化に指標の感度を調べる。
      注：概念実証として、飢餓と満腹感の変化に価値の変動に対する対策の感度を調べた。健康的な標準体重のボランティアが前と固定カロリー食（550キロカロリー）を食べた後、競売の手続に参加しました。 SEnsory特定満腹操作を使用した。
      1. ビジュアルアナログスケールで飢餓と満腹評価を収集します。
      2. 2.1節で説明したように、タスクの最初のブロックを実行します。カウントがゼロ以外の入札を提供したことのラウンドが置かれるように計画された食品の項目が選択されるようにタスクを設計します。
      3. 彼らが獲得している食物と一緒に参加者を紹介し、それらに食事を消費する15分を与える。 £3予算から支払を引きます。
      4. 再び飢餓と満腹の評価を収集します。
      5. 新しい£3予算でタスクの2番目のブロックを実行します。食べ物は、第二ブロックで優勝していない。
      6. 二つのブロック間で異なる項目のWTPを比較してください。
   2. 将来のアプリケーション：値算出に関わる神経システムの検討。
      注：このタスクは、セットアップした値の計算の神経相関を調べるためにfMRIのスキャナで実行することができます。それは、最近の薬理学的fMRIの研究を探しに使用されている食品の報酬の値の計算についてドーパミン作動性の影響の影響で。参加者は、ドーパミン作動薬（ブロモクリプチン）、ドーパミン拮抗薬（スルピリド）またはプラセボの単回投与を受けた後、タスクの単一のブロックを行った。手順は別としてスケールが20Pずつ増加するように設定したことから、2.1節とほぼ同じであった。同様のタスク¹³と比較すると、この尺度は、4つの値（標準的なMRIボタンボックスの各ボタンに対応する）の最大値をとる離散変数とは対照的に、より連続的な変数としてWTPの捕捉を可能にする。

結果

上記の方法のそれぞれの異なるアプリケーションからの代表的な結果を次に示します。

モチベーションの尺度としてのグリップ力

努力を要する画像の選択タスク：相対報酬値を調べる

この特定のタスクは、過食や肥満¹⁴の治療のために開発新規μ-オピオイド拮抗薬GSK1521498の概念実証研究で使用した。本研究では¹⁵肥満過食症の被験者は2 mg /日または5 mg /日でプラセボまたはGSK1521498いずれかの4週間に無作為に割り付けた。目的は、薬物の報酬効果は、他のタイプに影響を与えることなく、食物報酬に特有であるかどうかを決定することであった。2,3はそれぞれ、食品及び非食品報酬プラセボからのデータおよび5mg /日の基を示す。本研究では重要な問題は、薬剤がヘクタールのかどうか、というもの食品の報酬上の特定の効果をVEのこの措置は、私たちがこれを検査することができました。 図2は 、高カロリー食品の動機に対する薬剤の具体的な効果を示しており、それは、図3からわかるように、やりがいのある食料品以外の画像には影響がありませんでした。

図2。努力を要する画像選択のタスク：努力が費やさや食品画像の評価を好むトップパネルにはグリップ力を発揮し、治療終了時に両群でベースライン時に評価が好き、別々にプラセボとGSK1521498·グループに対応した示していますこれは、力の差は、低脂肪（LF）食品のイメージ対高脂肪（HF）のために加えられることが分かる、もはや薬物処置後に有意ではないにもかかわらず、主観好みそれ画像が高い。下のパネルは、再び両群のベースライン時に、加えられた力と高脂肪食のイメージのために好きな評価との相関が表示され、個別にこれらの二つの尺度の間の日28。相関で、ベースライン時とでプラセボ群に見られる処置の終了が、薬物基で失われる（*はp <0.05、**はp <0.01、***はp <0.001）。この図は、ケンブリッジら ^14）から再生されます。 この図の拡大版を表示するには、こちらをクリックしてください。

図3。努力を要する画像選択タスク：努力が費やさおよび食料品以外の画像のためのレーティングを好き左側のパネルには、力がviに発揮さを示しています。プラセボ（PBO）とGSK1521498（498 5mg）をグループ内のEWやりがいの食料品以外のイメージ。右側のパネルには、同じ画像の好みの定格を示します。それは、に向けた動機ややりがいの食料品以外の画像の主観的な好みに有意な薬物効果がないことがわかる。この数字は、ケンブリッジら ^14）から再生される。

サブリミナル動機を調べる

この特定のアプリケーションでは、参加者が食品のインセンティブ力タスク¹⁶の2ブロックが行われる以前の研究からのものである。これらは特に二つの試験食品の1に（感覚の特定）飽きるされたブロックの間では、すべての参加者がエピソードを食べて、この1で彼らの毎日のカロリー摂取量の30％を与えた。各試行では、彼らは危機に瀕して賞の方にポイントを獲得する機会がありましたそれらはグリップ力変換器に作用する力の量に応じ。意識的な試験は、そこにされた絡んで賞それが唯一の33秒のために提示される200ミリ秒とサブリミナル試験、のために提示した。 2食の賞品、ピザ、ケーキ、およびコントロール項目を務めた1非食品賞がありました。サブリミナルプレゼンテーションは、前後マスクを採用しているサンドイッチマスキング手順を使用して達成された。データの分析のために、関心対象の従属変数は、すべての試験のための力曲線（AUC）下の領域として抽出したグリップ力、であった。すべての参加者間での比較を可能にするために、各被験者のために、各試行タイプのAUCは、6種類（;摂食と絶食の両方飽きる、nonsated、食料品以外）の最大平均AUCで規格化した。これは、各参加者のための0-1の間の正規化されたスコアを提供した。疲労、食後の低迷や、各セッションでの食料品以外項目の摂食と絶食セッション、AUC全体の非特異的効果を制御するためにベースラインとして使用し、飽きるとnonsated対策から差し引いた。 （詳細はZiauddeen らを参照してください。ら^16）。これは、満腹、食物の動機は（ 図4参照）の両方を意識し、サブリミナル条件で減少することが分かる。

図4。具体的な満腹感が動機付けの努力を変調する。食料消費と飢餓と満腹格付けの（A）に変更。 （B、C）の参加者だけで消費された食物にはあまり力を行使それでもかかわらず、意識の、他の食品のために絞った。 Y軸は、被検体内で正規化し、ベースラインの変化について補正曲線の下の面積である。この図は、Ziauddeen ら ^15）から再生されます。 この図の拡大版を表示するには、こちらをクリックしてください。

スキャナで食品関連動機を調べる

参加者は、セッション後に昼食のために高カロリーと低カロリー食品に向けてポイントを獲得するクレンチ電球を絞られているスキャナにインセンティブ力タスクのセッションを行った。 図5は 、最近の薬理学的なfMRIの中の10人の被験者からの説明のデータを提示タスクはあまりやりがい食品に対して非常にやりがいのための差動モチベーションをキャプチャしていることを示して研究。

図5。力が異なる報酬カテゴリに加わる被験者は3つの異なるカテゴリ（HFからのアイテムに向けてのポイント獲得するスキャナでグリップ力球を絞ら：高カロリー食品、LF：低カロリー食品、NF：NEUTをRAL nonfoods）。

報酬値の尺度として支払い意思

図6は、食品の報酬を支払う意思に満腹効果の概念研究の証拠からの調査結果を提示します。被験者内での比較を容易にするために、各被験者の入札は、その最高入札額で割ることにより正規化した。これは、参加者が最初のラウンドでの食品のためのより多くを支払うことを喜んでいたことがわかる。第二ラウンドでの低入札に反映されているようにこれは、試験食品の600カロリーで満腹に減少した。そこに甘い食べ物に比べて風味の食品と飽食の強い効果であるように見えますが、これは有意ではなかった。

図6。意欲に満腹の影響（WTP）を支払うこと。10人の健康なボランティアは、この研究に参加した。これは、正規化された平均入札が研究の食事で満腹後に減少していることが分かる。感覚特定満腹操作が使用されたように、第2のオークションの結果は十分に満足したとnonsatedのカテゴリから食品に個別に表示されています。飽きるカテゴリから食品に大きな影響があると思われるが、これは統計的に有意ではなかった。

ディスカッション

この記事では、食品の報酬と報酬値の動機を測定するための施策のセットについて説明します。ヒトでの食品関連動機の研究にグリップ力の措置の適用は、新規である。ほとんどのアプリケーションは、食品関連動機の今後の研究におよび抗肥満薬の治験で、これらの方法の価値と代謝および薬理学的操作への感受性、したがって、それらの潜在的な更なる使用を示す説明したための代表的な結果が提示されている。これらのより客観的な測定が簡単に譲渡し、異なる設定間で比較可能である。それはまた、それらに衝動性などの特性の影響を調べることにより、これらの措置に関する個人差の影響を考慮することが有用であろう。

いくつかの重要な点は強調されなければならない。グリップ力のタスクを使用することで、初期校正とMVCの捕獲は重要である。それは理想tとOこれは早すぎる応答の検査を許可するように指定された応答ウィンドウのみに限らせて各試験の開始からグリップの応答をキャプチャしていない。各モジュールは、機器のその部分に最適な設定を決定するためにテストする必要がありますのでたBiopac MP150モジュールに多少のばらつきがあります。規格外の画像が使用される場合、それは彼らが独立して、それらがあることが認識されている方法を決定するために評価さやりがい有することが重要である。これらすべての対策の重要な制限は、彼らはそれがタスクの後、視覚的アナログ尺度またはその他の適切なツールを使用して、主観的な好みの対策を収集することが重要であるように使用される食品の報酬のための好みをキャプチャしないことです。次いで、これらを動機付け策と比較して、または一次従属変数上の他の変数の影響をモデル化するために使用することができる。しかしながら、実際の食物報酬が消費される研究において、タスクの後に収集された嗜好評価である可能性があることに留意することが重要で食料消費の影響を受ける。これらは独立して評価されているように、これは代表的な画像だけでなく、代表的な食品だけでなく、見た目で最もチョコレートブラウニーのような味がだろチョコレートブラウニーを例えば持つことの重要性を強調している。

最後に、これらすべての措置は、食品の報酬の代わりに、実際の食品の報酬の表現として、食品の写真を使用することを認めることが重要です。これは、いくつかの制限を提示しませんが、食品や食品に関する決定に向けた先行動作は、多くの場合、食品の表現ではなく、すぐに完了の報酬によって案内される。それにもかかわらず、彼らはそのような成功し、食品の入札などの成果にリンクされている場合には、実際の結果が配信されるべきであることをここで説明した方法のために不可欠です。

資料

Name	Company	Catalog Number	Comments
Biopac MP150 data acquisition system	Biopac Systems Inc
TSD121C hand held isometric dynamometer	Biopac Systems Inc	TSD121C	Grip force transducer
DA100C General Purpose Transducer Amplifier	Biopac Systems Inc	DA100C	Interface between MP150 and TSD121C
SS56L Grip clench bulb	Biopac Systems Inc	SS56L	MRI safe rubber clench bulb
TSD160C differential pressure transducer	Biopac Systems Inc	TSD160C	Interface between MP150 and TSD160C
PowerLab 8/30 or 8/35	ADinstruments Ltd	PL358	For Galvanic Skin Response (GSR) measurement only
FE116 GSR amplifier	ADInstruments Ltd	FE116	For GSR measurement only
MLT116F GSR electrodes	ADInstruments Ltd	MLT116F	Supplied with GSR amplifier
Compute ethernet port and compatible with MP150			For stimulus delivery and running of task. Ethernet port to connect to Biopac MP150
Computer with parallel port			For GSR recording. Parallel port required to interface with Powerlab 8/30
API module for Biopac hardware	Biopac Systems Inc
Cogent and Cogent graphics toolboxes, version 1.29	publicly available		Download from Laboratory of Neurobiology, UCL
Labchart 6 or above	ADInstruments Ltd		For stimulus Display
inpout.dll module for parallel port communication	publicly available		For Galvanic Skin Response measurement only
MATLAB R2009a	Mathworks Inc		Programming of main task