brain-imaging-investigation-of-the-memory-enhancing-effect-of-emotion

Brain Imaging Investigation of the Memory-Enhancing Effect of Emotion

Emotional events tend to be better remembered than non-emotional events1,2. One goal of cognitive and affective neuroscientists is 
to understand the ...

University of Alberta

&#x7F8E;&#x62C9; &middot; &#x54C8;&#x91CC;&#x68EE;-&#x5FB7;&#x7684;&#x75C5;&#x4EBA;&#x901A;&#x8FC7;&#x533B;&#x9662;&#x53F8;&#x6D41;&#x591A;&#x7EA7;&#x6A21;&#x578B;&#x5236;&#x5B9A;&#x4EE5;&#x6B63;&#x786E;&#x6A21;&#x578B;&#x4E0D;&#x4EC5;&#x5E73;&#x5747;&#xFF0C;&#x4F46;&#x5165;&#x4F4F;&#x7387;&#x7684;&#x53D8;&#x5316;&#x7A0B;&#x5EA6;&#x56E0;&#x4E3A;&#x5B83;&#x662F;&#x4F7F;&#x89C4;&#x5212;&#x56F0;&#x96BE;&#x548C;&#x9AD8;&#x767E;&#x5206;&#x6BD4;&#x7684;&#x5165;&#x4F4F;&#x7387;&#x7684;&#x53D8;&#x5316;&#x968F;&#x673A;&#x7248;&#x672C;&#x589E;&#x52A0;&#x9891;&#x7E41;&#x6EA2;&#x51FA;&#x7684;&#x5371;&#x9669;&#x3002;&#x4ECE;&#x963F;&#x5FB7;&#x83B1;&#x5FB7;&#xFF0C;&#x6FB3;&#x5927;&#x5229;&#x4E9A;&#x6025;&#x6027;&#x75C5;&#x533B;&#x9662;&#x533B;&#x7597;&#x53F8;&#x6A21;&#x578B;&#x9002;&#x5408;&#x4E8E;&#x4E00;&#x5E74;&#x7684;&#x6570;&#x636E;&#x3002;&#x6309;&#x5468;&#x4E2D;&#x7684;&#x5929;&#x548C;&#x5B63;&#x8282;&#x53D8;&#x7387;&#xFF0C;&#x53EF;&#x4EE5;&#x4F5C;&#x4E3A;&#x4E00;&#x4E2A;&#x6CCA;&#x677E;&#x8FC7;&#x7A0B;&#x5EFA;&#x6A21;&#x62DB;&#x751F;&#x3002;&#x5236;&#x5B9A;&#x65B9;&#x6CD5;&#xFF0C;&#x4EE5;&#x8F6C;&#x7387;&#x53C2;&#x6570;&#x4F30;&#x8BA1;&#x5F55;&#x53D6;&#x7387;&#x4E0D;&#x53D8;&#x65F6;&#xFF0C;&#x4F30;&#x8BA1;&#x7684;&#x4E0D;&#x540C;&#x6309;&#x5468;&#x4E2D;&#x7684;&#x5929;&#x548C;&#x5B63;&#x8282;&#xFF0C;&#x6240;&#x5FC5;&#x987B;&#x7684;&#x6A21;&#x578B;&#x53D8;&#x5F02;&#x6027;&#x5927;&#x6570;&#x636E;&#x901F;&#x7387;&#x53C2;&#x6570;&#x4F7F;&#x7528;&#x7684;&#x6574;&#x4E2A;&#x5E74;&#x5EA6;&#x5165;&#x4F4F;&#x914D;&#x7F6E;&#x6587;&#x4EF6;&#x3002;&#x6700;&#x7EC8;&#x6A21;&#x578B;&#x5F88;&#x597D;&#x5339;&#x914D;&#x5E73;&#x5747;&#x503C;&#x3001; &#x6807;&#x51C6;&#x504F;&#x5DEE;&#x548C;&#x5360;&#x7528;&#x6570;&#x636E;&#x548C;&#x4E5F;&#x516D;&#x4E2A;&#x6708;&#x7684;&#x6570;&#x636E;&#x4E0D;&#x7528;&#x4E8E;&#x4F30;&#x8BA1;&#x53C2;&#x6570;&#x7684;&#x81EA;&#x76F8;&#x5173;&#x51FD;&#x6570;&#x3002;&#x53CD;&#x590D;&#x7684;&#x6A21;&#x62DF;&#x4F7F;&#x7528;&#xFF0C;&#x82E5;&#x8981;&#x6784;&#x9020;&#x767E;&#x5206;&#x4F4D;&#x6570;&#x7684;&#x6BCF;&#x5929;&#x7684;&#x5165;&#x4F4F;&#x7387;&#x5206;&#x5E03;&#xFF0C;&#x4ECE;&#x800C;&#x786E;&#x5B9A;&#x8303;&#x56F4;&#x7684;&#x6B63;&#x5E38;&#x6CE2;&#x52A8;&#x548C;&#x90A3;&#x4E9B;&#x6709;&#x5B9E;&#x8D28;&#x6027;&#x504F;&#x79BB;&#x8FC7;&#x53BB;&#xFF0C;&#x5E76;&#x8C03;&#x67E5;&#x6EA2;&#x51FA;&#x7684;&#x9891;&#x7387;&#x548C;&#x4E24;&#x4E2A;&#x56FA;&#x5B9A;&#x548C;&#x7075;&#x6D3B;&#x5E8A;&#x5206;&#x914D; %&#x5165;&#x4F4F;&#x7387;&#x9AD8;&#x4E4B;&#x95F4;&#x7684;&#x6743;&#x8861;&#x3002;&#x8F83;&#x5927;&#x7684;&#x5206;&#x6B67;&#x53EF;&#x4EE5;&#x5B9E;&#x73B0;&#x66F4;&#x9AD8;&#x6548;&#x7684;&#x5165;&#x4F4F;&#x7387;&#x6BD4;&#x89C4;&#x6A21;&#x8F83;&#x5C0F;&#x7684;&#x6EA2;&#x51FA;&#x7684;&#x9891;&#x7387;&#x76F8;&#x540C;&#x3002;&#x5B63;&#x8282;&#x53D8;&#x5316;&#x90FD;&#x6BD4;&#x5929;&#x5468;&#x53D8;&#x5316;&#x66F4;&#x52A0;&#x91CD;&#x8981;&#x548C;&#x53EF;&#x53D8;&#x653E;&#x7535;&#x7387;&#x90FD;&#x6BD4;&#x8D21;&#x732E;&#x6EA2;&#x51FA;&#x53D8;&#x5F55;&#x53D6;&#x7387;&#x66F4;&#x4E3A;&#x91CD;&#x8981;&#x3002;

&#x5728;&#x533B;&#x9662;&#x7684;&#x75C5;&#x5E8A;&#x5360;&#x7528;&#x7387;&#x4E2D;&#x7684;&#x6A21;&#x62DF;&#x53EF;&#x53D8;&#x6027;&#x3002;

A stochastic version of the Harrison-Millard multistage model of the flow of patients through a hospital division is developed in order to model correctly not only the average but also the variability in occupancy levels, since it is the variability that makes planning difficult and high percent occupancy levels increase the risk of frequent overflows. The model is fit to one year of data from the medical division of an acute care hospital in Adelaide, Australia. Admissions can be modeled as a Poisson process with rates varying by day of the week and by season. Methods are developed to use the entire annual occupancy profile to estimate transition rate parameters when admission rates are not constant and to estimate rate parameters that vary by day of the week and by season, which are necessary for the model variability to be as large as in the data. The final model matches well the mean, standard deviation and autocorrelation function of the occupancy data and also six months of data not used to estimate the parameters. Repeated simulations are used to construct percentiles of the daily occupancy distributions and thus identify ranges of normal fluctuations and those that are substantive deviations from the past, and also to investigate the trade-offs between frequency of overflows and the percent occupancy for both fixed and flexible bed allocations. Larger divisions can achieve more efficient occupancy levels than smaller ones with the same frequency of overflows. Seasonal variations are more significant than day-of-the-week variations and variable discharge rates are more significant than variable admission rates in contributing to overflows.

Modelling variability in hospital bed occupancy.

Une version stochastique de la Harrison-Millard mod&egrave;le &agrave; plusieurs &eacute;tapes du flux de patients au moyen d&#39;une division de l&#39;h&ocirc;pital est d&eacute;velopp&eacute; afin de mod&eacute;liser correctement non seulement de la moyenne mais aussi de la variabilit&eacute; des taux d&#39;occupation, puisque c&#39;est la variabilit&eacute; qui rend les niveaux de planification difficile et forte occupation pourcentage augmentent le risque de d&eacute;bordements fr&eacute;quents. Le mod&egrave;le est adapt&eacute; &agrave; un an de donn&eacute;es de la division m&eacute;dicale d&#39;un h&ocirc;pital de soins aigus &agrave; Ad&eacute;la&iuml;de, en Australie. Droits d&#39;entr&eacute;e peuvent &ecirc;tre mod&eacute;lis&eacute;s comme un processus de Poisson avec des taux variant de jour de la semaine et de saison. M&eacute;thodes sont d&eacute;velopp&eacute;es pour utiliser le profil d&#39;occupation annuel complet pour estimer les param&egrave;tres de vitesse de transition lorsque le taux d&#39;admission ne sont pas constants et d&#39;estimer les param&egrave;tres de vitesse qui varient selon le jour de la semaine et selon la saison, qui sont n&eacute;cessaires &agrave; la variabilit&eacute; du mod&egrave;le &ecirc;tre aussi grand que dans les donn&eacute;es. Le mod&egrave;le final correspond bien &agrave; la moyenne, &eacute;cart-type et fonction d&#39;autocorr&eacute;lation des donn&eacute;es occupation et aussi six mois de donn&eacute;es non utilis&eacute;es pour estimer les param&egrave;tres. Simulations r&eacute;p&eacute;t&eacute;es sont utilis&eacute;es pour construire les percentiles des distributions occupation quotidienne et ainsi identifier les gammes des fluctuations normales et celles qui sont des d&eacute;viations fond du pass&eacute; et aussi d&#39;enqu&ecirc;ter sur les compromis entre la fr&eacute;quence des d&eacute;bordements et le taux d&#39;occupation pour cent pour les deux allocations de lit fixe et flexible. Grandes divisions peuvent atteindre des niveaux d&#39;occupation plus efficaces que les petits avec la m&ecirc;me fr&eacute;quence de d&eacute;bordements. Les variations saisonni&egrave;res sont plus importantes que les variations de jour-de-la-semaine et d&eacute;bits variables sont plus importants que les taux d&#39;admission variable en contribuant &agrave; des d&eacute;bordements.

La mod&eacute;lisation de la variabilit&eacute; dans l&#39;occupation des lits hospitaliers.

Eine stochastische Version der Harrison-Millard mehrstufigen Modell des Flusses der Patienten durch eine Krankenhaus-Abteilung entwickelt ist, um richtig model nicht nur dem Durchschnitt, sondern auch die Variabilit&auml;t der Belegung, da es die Variabilit&auml;t, die schwierig und hohe prozentuale Belegung Planungsebenen macht sich erh&ouml;hen das Risiko von h&auml;ufigen &Uuml;berl&auml;ufen. Das Modell ist von der medizinischen Abteilung der ein Krankenhaus der Akutversorgung in Adelaide, Australien bis zu einem Jahr Daten passen. Kinobesuche modellierbar als Poisson-Prozess mit Raten von Wochentag und Saison variieren. Methoden werden entwickelt, um das gesamte j&auml;hrliche Belegung-Profil verwenden, um &Uuml;bergang Satz Parameter zu sch&auml;tzen, wenn Eintritt Preise nicht konstant sind und Tarif-Parameter, die durch den Wochentag und Saison variieren zu sch&auml;tzen, die f&uuml;r die Modell-Variabilit&auml;t so gro&szlig; wie die Daten erforderlich sind. Das letzte Modell entspricht auch den Mittelwert, Standardabweichung und Autokorrelationsfunktion der Belegung Daten und auch sechs Monate der Daten nicht verwendet, um die Parameter zu sch&auml;tzen. Wiederholte Simulationen dienen Perzentile der t&auml;glichen Belegung Distributionen zu konstruieren und somit reicht der normale Schwankungen und die inhaltlichen Abweichungen von der Vergangenheit zu identifizieren und auch Kompromisse zwischen Frequenz von &Uuml;berl&auml;ufen und die prozentuale Belegung f&uuml;r beide feste und flexible Bett-Zuweisungen zu untersuchen. Gr&ouml;&szlig;ere Abteilungen k&ouml;nnen effizientere Belegung als kleinere mit der gleichen Frequenz von &Uuml;berl&auml;ufen erreichen. Saisonale Schwankungen sind wichtiger als Tag-der-Woche-Variationen und Variable Entlastung Preise sind wichtiger als Variable Eintritt Preise &Uuml;berl&auml;ufe beizutragen.

Modellierung Variabilit&auml;t im Krankenhaus-Bett-Belegung.

Una versione stocastica di Harrison-Millard modello multistadio del flusso dei pazienti attraverso una divisione dell&#39;ospedale &egrave; stato sviluppato al fine di modellare correttamente non solo la media, ma anche la variabilit&agrave; nei livelli di occupazione, dal momento che &egrave; la variabilit&agrave; che rende pianificazione difficile e ad alta percentuale occupazione livelli aumentano il rischio di overflow frequenti. Il modello &egrave; adatto a un anno di dati dalla divisione medica di un ospedale di cura acuta di Adelaide, in Australia. Ammissioni possono essere modellati come un processo di Poisson, con tassi che variano dal giorno della settimana e dalla stagione. Metodi sono stati sviluppati per utilizzare l&#39;intero profilo di occupazione annuale per stimare i parametri di frequenza di transizione quando i tassi di ammissione non sono costanti e di stimare i parametri di tasso che variano di giorno della settimana e di stagione, che sono necessari per la variabilit&agrave; di modello di essere grande come i dati. Il modello finale corrisponde bene la media, deviazione standard e funzione di autocorrelazione dei dati occupazione e anche sei mesi dei dati non utilizzati per stimare i parametri. Ripetute simulazioni sono utilizzati per costruire i percentili delle distribuzioni occupazione quotidiana e cos&igrave; identificare gamme di fluttuazioni normali e quelli che sono sostanziale deviazioni dal passato e anche per indagare il trade-off tra la frequenza di overflow e l&#39;occupazione per cento per entrambe le allocazioni letto fisso e flessibile. Divisioni pi&ugrave; grandi possono raggiungere livelli di occupazione pi&ugrave; efficienti rispetto a quelli pi&ugrave; piccoli con la stessa frequenza di overflow. Variazioni stagionali sono pi&ugrave; significativi di variazioni di giorno della settimana e scarico variabile tassi sono pi&ugrave; significativi di tariffe di ingresso variabile nel contribuire all&#39;overflow.

Modellazione variabilit&agrave; nella camera di letto di ospedale.

&#x78BA;&#x7387;&#x8A08;&#x753B;&#x7248;&#x3001;&#x60A3;&#x8005;&#x75C5;&#x9662;&#x90E8;&#x9580;&#x3092;&#x4ECB;&#x3057;&#x3066;&#x306E;&#x6D41;&#x308C;&#x306E;&#x591A;&#x6BB5;&#x30E2;&#x30C7;&#x30EB;&#x305D;&#x308C;&#x8A08;&#x753B;&#x56F0;&#x96E3;&#x3067;&#x9AD8;&#x5360;&#x6709;&#x7387;&#x306E;&#x30EC;&#x30D9;&#x30EB;&#x306B;&#x3070;&#x3089;&#x3064;&#x304D;&#x304C;&#x3042;&#x308B;&#x306E;&#x3067;&#x6B63;&#x3057;&#x304F;&#x5E73;&#x5747;&#x3060;&#x3051;&#x3067;&#x3082;&#x5360;&#x6709;&#x30EC;&#x30D9;&#x30EB;&#x306E;&#x3070;&#x3089;&#x3064;&#x304D;&#x3092;&#x30E2;&#x30C7;&#x30EB;&#x5316;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x958B;&#x767A;&#x3057;&#x305F;&#x30CF;&#x30EA;&#x30BD;&#x30F3; &#x30DF;&#x30E9;&#x30FC;&#x30C9;&#x983B;&#x7E41;&#x306B;&#x30AA;&#x30FC;&#x30D0;&#x30FC;&#x30D5;&#x30ED;&#x30FC;&#x306E;&#x30EA;&#x30B9;&#x30AF;&#x3092;&#x9AD8;&#x3081;&#x307E;&#x3059;&#x3002;&#x30E2;&#x30C7;&#x30EB; &#x30C7;&#x30FC;&#x30BF;&#x306E; 1 &#x5E74;&#x9593;&#x306B;&#x6025;&#x6027;&#x30B1;&#x30A2;&#x75C5;&#x9662;&#x3067;&#x30A2;&#x30C7;&#x30EC;&#x30FC;&#x30C9;&#x3001;&#x30AA;&#x30FC;&#x30B9;&#x30C8;&#x30E9;&#x30EA;&#x30A2;&#x306E;&#x533B;&#x7642;&#x90E8;&#x9580;&#x304B;&#x3089;&#x30D5;&#x30A3;&#x30C3;&#x30C8;&#x3067;&#x3059;&#x3002;&#x5165;&#x5B66;&#x7387;&#x306E;&#x30B7;&#x30FC;&#x30BA;&#x30F3;&#x3067;&#x306F;&#x66DC;&#x65E5;&#x306B;&#x3088;&#x308A;&#x5909;&#x5316;&#x3092;&#x30DD;&#x30A2;&#x30BD;&#x30F3;&#x904E;&#x7A0B;&#x3068;&#x3057;&#x3066;&#x3092;&#x30E2;&#x30C7;&#x30EA;&#x30F3;&#x30B0;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;&#x5165;&#x5834;&#x6599;&#x91D1;&#x306F;&#x4E00;&#x5B9A;&#x3067;&#x306F;&#x306A;&#x3044;&#x3068;&#x304D;&#x9077;&#x79FB;&#x901F;&#x5EA6;&#x30D1;&#x30E9;&#x30E1;&#x30FC;&#x30BF;&#x30FC;&#x3092;&#x63A8;&#x5B9A;&#x3057;&#x3066;&#x3088;&#x3046;&#x306B;&#x30C7;&#x30FC;&#x30BF;&#x9650;&#x308A;&#x5927;&#x304D;&#x304F;&#x3059;&#x308B;&#x30E2;&#x30C7;&#x30EB;&#x306E;&#x5909;&#x52D5;&#x306E;&#x305F;&#x3081;&#x306B;&#x5FC5;&#x8981;&#x306A;&#x66DC;&#x65E5;&#x304A;&#x3088;&#x3073;&#x30B7;&#x30FC;&#x30BA;&#x30F3;&#x306B;&#x3088;&#x3063;&#x3066;&#x7570;&#x306A;&#x308A;&#x307E;&#x3059;&#x7387;&#x306E;&#x30D1;&#x30E9;&#x30E1;&#x30FC;&#x30BF;&#x30FC;&#x3092;&#x63A8;&#x5B9A;&#x3059;&#x308B;&#x5168;&#x4F53;&#x306E;&#x5E74;&#x6B21;&#x5360;&#x6709;&#x7387;&#x30D7;&#x30ED;&#x30D5;&#x30A1;&#x30A4;&#x30EB;&#x3092;&#x4F7F;&#x7528;&#x3059;&#x308B;&#x624B;&#x6CD5;&#x304C;&#x958B;&#x767A;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x6700;&#x7D42;&#x7684;&#x306A;&#x30E2;&#x30C7;&#x30EB;&#x306F;&#x3001;&#x5E73;&#x5747;&#x3001;&#x6A19;&#x6E96;&#x504F;&#x5DEE;&#x3001;&#x81EA;&#x5DF1;&#x76F8;&#x95A2;&#x95A2;&#x6570;&#x306E;&#x5360;&#x6709;&#x7387;&#x30C7;&#x30FC;&#x30BF;&#x3068;&#x30D1;&#x30E9;&#x30E1;&#x30FC;&#x30BF;&#x30FC;&#x306E;&#x63A8;&#x5B9A;&#x306B;&#x4F7F;&#x7528;&#x3055;&#x308C;&#x306A;&#x3044;&#x30C7;&#x30FC;&#x30BF;&#x306E; 6 &#x30F6;&#x6708;&#x3082;&#x3088;&#x304F;&#x3068;&#x4E00;&#x81F4;&#x3057;&#x307E;&#x3059;&#x3002;&#x7E70;&#x308A;&#x8FD4;&#x3057;&#x306E;&#x30B7;&#x30DF;&#x30E5;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x306F;&#x3001;&#x6BCE;&#x65E5;&#x306E;&#x5360;&#x6709;&#x7387;&#x5206;&#x5E03;&#x306E;&#x30D1;&#x30FC;&#x30BB;&#x30F3; &#x30BF;&#x30A4;&#x30EB;&#x3092;&#x69CB;&#x7BC9;&#x3001;&#x5F93;&#x3063;&#x3066;&#x901A;&#x5E38;&#x306E;&#x5909;&#x52D5;&#x3001;&#x305D;&#x308C;&#x3089;&#x306F;&#x3001;&#x904E;&#x53BB;&#x304B;&#x3089;&#x5B9F;&#x8CEA;&#x7684;&#x306A;&#x504F;&#x5DEE;&#x306E;&#x7BC4;&#x56F2;&#x3092;&#x6307;&#x5B9A;&#x3057;&#x3001;&#x307E;&#x305F;&#x30AA;&#x30FC;&#x30D0;&#x30FC;&#x30D5;&#x30ED;&#x30FC;&#x306E;&#x5468;&#x6CE2;&#x6570;&#x3068;&#x4E21;&#x65B9;&#x306E;&#x56FA;&#x5B9A;&#x304A;&#x3088;&#x3073;&#x67D4;&#x8EDF;&#x306A;&#x30D9;&#x30C3;&#x30C9;&#x306E;&#x5272;&#x308A;&#x5F53;&#x3066;&#x306E;&#x5360;&#x6709;&#x7387;&#x3068;&#x306E;&#x30C8;&#x30EC;&#x30FC;&#x30C9;&#x30AA;&#x30D5;&#x3092;&#x8ABF;&#x67FB;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x4F7F;&#x7528;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x5927;&#x90E8;&#x9580;&#x3068;&#x30AA;&#x30FC;&#x30D0;&#x30FC;&#x30D5;&#x30ED;&#x30FC;&#x306E;&#x540C;&#x3058;&#x983B;&#x5EA6;&#x306E;&#x5C0F;&#x3055;&#x3044;&#x3082;&#x306E;&#x3088;&#x308A;&#x3082;&#x3088;&#x308A;&#x52B9;&#x7387;&#x7684;&#x306A;&#x5360;&#x6709;&#x30EC;&#x30D9;&#x30EB;&#x3092;&#x9054;&#x6210;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;&#x5B63;&#x7BC0;&#x5909;&#x52D5;&#x304C;&#x66DC;&#x65E5;&#x306E;&#x30D0;&#x30EA;&#x30A8;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3088;&#x308A;&#x3082;&#x3088;&#x308A;&#x91CD;&#x8981;&#x306A;&#x3055;&#x308C;&#x3001;&#x5909;&#x6570;&#x653E;&#x96FB;&#x30EC;&#x30FC;&#x30C8;&#x304C;&#x30AA;&#x30FC;&#x30D0;&#x30FC;&#x30D5;&#x30ED;&#x30FC;&#x306B;&#x8CA2;&#x732E;&#x3059;&#x308B;&#x3053;&#x3068;&#x306E;&#x5909;&#x6570;&#x306E;&#x5165;&#x5834;&#x6599;&#x91D1;&#x3088;&#x308A;&#x3082;&#x91CD;&#x8981;&#x3067;&#x3059;&#x3002;

&#x75C5;&#x9662;&#x306E;&#x30D9;&#x30C3;&#x30C9;&#x5360;&#x6709;&#x7387;&#x5909;&#x52D5;&#x30E2;&#x30C7;&#x30EA;&#x30F3;&#x30B0;&#x3002;

&#xBCD1;&#xC6D0; &#xBD80;&#xC11C;&#xB97C; &#xD1B5;&#xD574; &#xD658;&#xC790;&#xC758; &#xD750;&#xB984;&#xC758; &#xB2E4;&#xB2E8;&#xACC4; &#xBAA8;&#xB378; &#xBAA8;&#xB378;&#xB9C1; &#xC62C;&#xBC14;&#xB974;&#xAC8C; &#xD3C9;&#xADE0; &#xBFD0;&#xB9CC; &#xC544;&#xB2C8;&#xB77C; &#xC778; &#xC218;&#xC900;&#xC5D0;&#xC11C; &#xBCC0;&#xD654; &#xC774;&#xD6C4; &#xC5B4;&#xB835;&#xACE0; &#xB192;&#xC740; &#xBC31;&#xBD84;&#xC728; &#xC120;&#xC810; &#xC218;&#xC900;&#xC744; &#xACC4;&#xD68D; &#xD558; &#xAC8C; &#xBCC0;&#xD654; &#xD558;&#xAE30; &#xC704;&#xD574; &#xAC1C;&#xBC1C; &#xB41C; &#xD574;&#xB9AC;&#xC2A8; &#xBC00;&#xB77C; &#xB4DC;&#xC758; &#xD655;&#xB960;&#xC801; &#xBC84;&#xC804; &#xC790;&#xC8FC; &#xC624;&#xBC84;&#xD50C;&#xB85C; &#xC704;&#xD5D8;&#xC774; &#xB192;&#xC544;&#xC9D1;&#xB2C8;&#xB2E4;. &#xBAA8;&#xB378;&#xC740; &#xB370;&#xC774;&#xD130;&#xC758; 1 &#xB144; &#xC560;&#xB4E4;&#xB808;&#xC774;&#xB4DC;, &#xD638;&#xC8FC;&#xC5D0;&#xC11C; &#xAE09;&#xC131; &#xCE58;&#xB8CC; &#xBCD1;&#xC6D0;&#xC758; &#xC758;&#xB8CC; &#xBD80;&#xBB38;&#xC5D0;&#xC11C;&#xC5D0; &#xB9DE;&#xAC8C; &#xB429;&#xB2C8;&#xB2E4;. &#xC785;&#xD559; &#xC694;&#xC77C; &#xBC0F; &#xACC4;&#xC808;&#xC5D0; &#xB530;&#xB77C; &#xBCC0;&#xD654; &#xD558;&#xB294; &#xC18D;&#xB3C4;&#xC640; &#xD3EC;&#xC544;&#xC1A1; &#xACFC;&#xC815;&#xC73C;&#xB85C; &#xBAA8;&#xB378;&#xB9C1;&#xD560; &#xC218; &#xC788;&#xB2E4;. &#xC785;&#xC7A5; &#xC694;&#xAE08;&#xC740; &#xC77C;&#xC815; &#xB54C; &#xC804;&#xD658; &#xC18D;&#xB3C4; &#xB9E4;&#xAC1C; &#xBCC0;&#xC218; &#xCD94;&#xC815; &#xBC0F; &#xCD94;&#xC815; &#xB370;&#xC774;&#xD130; &#xCC98;&#xB7FC; &#xD06C;&#xAC8C; &#xBAA8;&#xB378; &#xBCC0;&#xD654;&#xC5D0; &#xD544;&#xC694;&#xD55C; &#xC694;&#xC77C; &#xBC0F; &#xACC4;&#xC808; &#xBCC0;&#xD654; &#xD558;&#xB294; &#xC18D;&#xB3C4; &#xB9E4;&#xAC1C; &#xC804;&#xCCB4; &#xC5F0;&#xAC04; &#xC778; &#xD504;&#xB85C; &#xD30C;&#xC77C;&#xC744; &#xC0AC;&#xC6A9; &#xD558;&#xB294; &#xBC29;&#xBC95;&#xC774; &#xAC1C;&#xBC1C; &#xB429;&#xB2C8;&#xB2E4;. &#xCD5C;&#xC885; &#xBAA8;&#xB378; &#xD3C9;&#xADE0;, &#xD45C;&#xC900; &#xD3B8;&#xCC28; &#xBC0F; &#xC790;&#xB3D9; &#xAE30;&#xB2A5; &#xC778; &#xB370;&#xC774;&#xD130;&#xC640; &#xB9E4;&#xAC1C; &#xBCC0;&#xC218;&#xB97C; &#xC608;&#xC0C1; &#xD558;&#xC9C0; &#xC0AC;&#xC6A9; &#xD558;&#xB294; &#xB370;&#xC774;&#xD130;&#xC758; 6 &#xAC1C;&#xC6D4;&#xB3C4; &#xC798; &#xC77C;&#xCE58; &#xD569;&#xB2C8;&#xB2E4;. &#xBC18;&#xBCF5; &#xB41C; &#xC2DC;&#xBBAC;&#xB808;&#xC774;&#xC158; &#xC77C;&#xC77C; &#xC778; &#xBC30;&#xD3EC;&#xD310;&#xC758; &#xBC31;&#xBD84;&#xC704;&#xB97C; &#xC0DD;&#xC131; &#xD558; &#xACE0; &#xB530;&#xB77C;&#xC11C; &#xC77C;&#xBC18; &#xBCC0;&#xB3D9; &#xBC0F; &#xADF8;&#xB294; &#xACFC;&#xAC70; &#xB85C;&#xBD80;&#xD130; &#xC2E4;&#xC9C8;&#xC801;&#xC778; &#xD3B8;&#xCC28; &#xBC94;&#xC704;&#xB97C; &#xC2DD;&#xBCC4; &#xD558; &#xACE0; &#xC624;&#xBC84;&#xD50C;&#xB85C; &#xC8FC;&#xD30C;&#xC218;&#xC640; &#xB450; &#xACE0;&#xC815; &#xD558; &#xACE0; &#xC720;&#xC5F0;&#xD55C; &#xCE68;&#xB300; &#xD560;&#xB2F9;&#xC5D0; &#xB300; &#xD55C; &#xBC31;&#xBD84;&#xC728; &#xC778; &#xAC04;&#xC758; &#xC7A5;&#xB2E8;&#xC810;&#xC744; &#xC870;&#xC0AC; &#xD558;&#xAE30; &#xC704;&#xD574; &#xC0AC;&#xC6A9; &#xB429;&#xB2C8;&#xB2E4;. &#xB354; &#xD070; &#xBD84;&#xC5F4; &#xC624;&#xBC84;&#xD50C;&#xB85C; &#xAC19;&#xC740; &#xC8FC;&#xD30C;&#xC218;&#xC640; &#xC791;&#xC740; &#xAC83; &#xB4E4; &#xBCF4;&#xB2E4; &#xB354; &#xD6A8;&#xC728;&#xC801;&#xC778; &#xC778; &#xB808;&#xBCA8;&#xC744; &#xB2EC;&#xC131;&#xD560; &#xC218; &#xC788;&#xB2E4;. &#xACC4;&#xC808; &#xBCC0;&#xD654;&#xB294; &#xC77C; &#xC8FC;&#xAC04;&#xC758; &#xBCC0;&#xD654; &#xBCF4;&#xB2E4; &#xB354; &#xC911;&#xC694; &#xD55C; &#xBC0F; &#xAC00;&#xBCC0; &#xBC29;&#xC804; &#xC18D;&#xB3C4; &#xC624;&#xBC84;&#xD50C;&#xB85C;&#xC5D0; &#xAE30;&#xC5EC;&#xC5D0; &#xAC00;&#xBCC0; &#xC785;&#xD559; &#xB960; &#xBCF4;&#xB2E4; &#xB354; &#xC911;&#xC694; &#xD55C;.

&#xBCD1;&#xC6D0; &#xCE68;&#xB300; &#xC778; &#xBCC0;&#xD654;&#xB97C; &#xBAA8;&#xB378;&#xB9C1; &#xD569;&#xB2C8;&#xB2E4;.

Una versi&oacute;n estoc&aacute;stica de la Harrison-Millard modelo gradual del flujo de pacientes a trav&eacute;s de una divisi&oacute;n de hospital se desarrolla para modelar correctamente no s&oacute;lo a la media, sino tambi&eacute;n a la variabilidad en los niveles de ocupaci&oacute;n, ya que es la variabilidad que hace planificaci&oacute;n niveles dif&iacute;ciles y alta ocupaci&oacute;n por ciento aumentan el riesgo de desbordamientos frecuentes. El modelo es apto para un a&ntilde;o de los datos de la Divisi&oacute;n M&eacute;dica de un hospital de cuidados agudos en Adelaide, Australia. Admisiones se pueden modelar como un proceso de Poisson con tarifas que var&iacute;an de d&iacute;a de la semana y de temporada. Se desarrollan m&eacute;todos para utilizar el perfil de ocupaci&oacute;n anual entero para estimar par&aacute;metros de tasa de transici&oacute;n, cuando las tasas de admisi&oacute;n no son constantes y para estimar par&aacute;metros de tasa que var&iacute;an de d&iacute;a de la semana y de temporada, que son necesarios para la variabilidad del modelo a ser tan grande como en los datos. El modelo final coincide con bien la media, desviaci&oacute;n est&aacute;ndar y los datos de ocupaci&oacute;n y tambi&eacute;n seis meses de los datos no utilizados para estimar los par&aacute;metros de la funci&oacute;n de autocorrelaci&oacute;n. Simulaciones repetidas se utilizan para construir percentiles de las distribuciones de ocupaci&oacute;n diaria y as&iacute; identificar las gamas de fluctuaciones normales y las desviaciones sustantivas del pasado y tambi&eacute;n para investigar las ventajas y desventajas entre frecuencia de desbordamientos y la ocupaci&oacute;n por ciento para ambas asignaciones de cama fijo y flexible. Las divisiones m&aacute;s grandes pueden alcanzar niveles de ocupaci&oacute;n m&aacute;s eficientes que los m&aacute;s peque&ntilde;os con la misma frecuencia de desbordamientos. Variaciones estacionales son m&aacute;s importantes que las variaciones del d&iacute;a-de-la-semana y tasas de descarga variable son m&aacute;s importantes que las tasas de admisi&oacute;n variable en contribuir a desbordamientos.

Modelar la variabilidad en la ocupaci&oacute;n de camas de hospital.

&#x4F20;&#x7EDF;&#x4E0A;&#xFF0C;&#x60C5;&#x7EEA;&#x523A;&#x6FC0;&#x6709;&#x60F3;&#x901A;&#x8FC7;&#x81EA;&#x4E0B;&#x800C;&#x4E0A;&#x7684;&#x81EA;&#x52A8;&quot;&#x6355;&#x83B7;&#x7684;&#x6CE8;&#x610F;&quot;&#x673A;&#x5236;&#x4F1A;&#x81EA;&#x52A8;&#x8FDB;&#x884C;&#x5904;&#x7406;&#x3002;&#x6700;&#x8FD1;&#xFF0C;&#x8FD9;&#x4E00;&#x89C2;&#x70B9;&#x7684;&#x8BC1;&#x636E;&#x60C5;&#x611F;&#x5904;&#x7406;&#x4E0A;&#x6CE8;&#x610F;&#x8D44;&#x6E90;&#x7684;&#x53EF;&#x7528;&#x6027;&#x53D6;&#x51B3;&#x4E8E;&#x53D7;&#x5230;&#x8D28;&#x7591;&#x3002;&#x867D;&#x7136;&#x8FD9;&#x4E24;&#x4E2A;&#x89C6;&#x56FE;&#x4E0D;&#x662F;&#x4E92;&#x65A5;&#x7684;&#x4F46;&#x5374;&#x7F3A;&#x4E4F;&#x534F;&#x8C03;&#x5B83;&#x4EEC;&#x7684;&#x76F4;&#x63A5;&#x8BC1;&#x636E;&#x3002;&#x652F;&#x6301;&#x4F20;&#x7EDF;&#x6216;&#x76F8;&#x62B5;&#x89E6;&#x7684;&#x610F;&#x89C1;&#x4EE5;&#x524D;&#x8C03;&#x67E5;&#x7684;&#x4E00;&#x4E2A;&#x9650;&#x5236;&#x662F;&#x4ED6;&#x4EEC;&#x6CA1;&#x6709;&#x7CFB;&#x7EDF;&#x5730;&#x8C03;&#x67E5;&#x4EFB;&#x52A1;&#x65E0;&#x5173;&#x7275;&#x5728;&#x4E00;&#x8D77;&#x7684;&#x6CE8;&#x610F;&#x529B;&#x8981;&#x6C42;&#x624B;&#x6CD5;&#x7684;&#x60C5;&#x611F;&#x6536;&#x8D39;&#x7684;&#x5F71;&#x54CD;&#x3002;&#x6211;&#x4EEC;&#x4F7F;&#x7528;&#x4E8B;&#x4EF6;&#x76F8;&#x5173;&#x529F;&#x80FD;&#x78C1;&#x5171;&#x632F;&#x6210;&#x50CF;&#xFF0C;&#x901A;&#x8FC7;&#x64CD;&#x7EB5;&#x4E24;&#x4E2A;&#x60C5;&#x611F;&#x8D1F;&#x8D23;&#x7684;&#x5206;&#x6563;&#x7684;&#x4FE1;&#x606F;&#x548C;&#x4EFB;&#x52A1;&#x8981;&#x6C42;&#x7684;&#x4E3B;&#x8981;&#x8C03;&#x67E5;&#x60C5;&#x611F;&#x7275;&#x60C5;&#x611F;&#x8BA4;&#x77E5;&#x77E5;&#x89C9;&#x6B67;&#x89C6;&#x4EFB;&#x52A1;&#x4E2D;&#x4EA4;&#x4E92;&#x7684;&#x6027;&#x8D28;&#x3002;&#x7814;&#x7A76;&#x7ED3;&#x679C;&#x8868;&#x660E;&#x60C5;&#x611F;&#x5904;&#x7406;&#x662F;&#x81EA;&#x52A8;&#x548C;&#x8C03;&#x5236;&#x7684;&#x6CE8;&#x610F;&#xFF0C;&#x4F46;&#x60C5;&#x7EEA;&#x548C;&#x6CE8;&#x610F;&#x529B;&#x53EA;&#x53D1;&#x73B0;&#x8FDB;&#x884C;&#x4EA4;&#x4E92;&#x65F6;&#x60C5;&#x611F;&#x7535;&#x8377; &#xFF08;&#x81F3;&#x5C11;&#x60C5;&#x611F;&#x6761;&#x4EF6;&#x4E0E;&#x5927;&#x591A;&#x6570;&#x6BD4;&#x8F83;&#xFF09; &#x7684;&#x7CBE;&#x7EC6;&#x8BC4;&#x4F30;&#x88AB;&#x8BA4;&#x4E3A;&#x548C;&#x6709;&#x6548;&#x64CD;&#x4F5C;&#x7684;&#x5904;&#x7406;&#x8D1F;&#x8377; (&#x9AD8;&#x4E0E;&#x4F4E;)&#x3002;&#x8BE5;&#x9879;&#x7814;&#x7A76;&#x4E5F;&#x786E;&#x5B9A;&#x6027;&#x80FD;&#x4EE5;&#x53CA;&#x5730;&#x533A;&#x53C2;&#x4E0E;&#x5E2E;&#x52A9;&#x4E0E;&#x8FD9;&#x79CD;&#x7275;&#x53CD;&#x6620;&#x60C5;&#x611F;&#x7275;&#x9020;&#x6210;&#x7684;&#x4E0D;&#x5229;&#x5F71;&#x54CD;&#x7684;&#x5927;&#x8111;&#x533A;&#x57DF;&#x3002;&#x6D3B;&#x52A8;&#x5728;&#x80CC; pFC &#x548C;&#x8179;&#x5916;&#x4FA7;&#x7684; pFC &#x6302;&#x94A9;&#x7684;&#x60C5;&#x7EEA;&#x7275;&#xFF0C;&#x6709;&#x5BB3;&#x7684;&#x5F71;&#x54CD;&#x800C;&#x80CC;&#x884C;&#x653F;&#x534F;&#x8C03;&#x4F1A;&#x548C;&#x5916;&#x4FA7;&#x6795;&#x53F6;&#x76AE;&#x5C42;&#x53C2;&#x4E0E;&#x5E2E;&#x52A9;&#x4E0E;&#x60C5;&#x611F;&#x7275;&#x3002;&#x8FD9;&#x4E9B;&#x7814;&#x7A76;&#x7ED3;&#x679C;&#x8868;&#x660E;&#x4EFB;&#x52A1;&#x65E0;&#x5173;&#x7684;&#x60C5;&#x611F;&#x5904;&#x7406;&#x662F;&#x4E3B;&#x89C2;&#x7684;&#x60C5;&#x611F;&#x5185;&#x5BB9;&#x7684;&#x7275;&#x5F15;&#x548C;&#x6CE8;&#x610F;&#x529B;&#x9700;&#x6C42;&#x7684;&#x6C34;&#x5E73;&#x3002;

&#x52A0;&#x5DE5;&#x7684;&#x60C5;&#x7EEA;&#x7275;&#x662F;&#x65E2;&#x81EA;&#x52A8;&#x548C; Modulated &#x7684;&#x6CE8;&#x610F;&#xFF1A; &#x4ECE;&#x4E8B;&#x4EF6;&#x76F8;&#x5173;&#x529F;&#x80FD;&#x78C1;&#x5171;&#x632F;&#x6210;&#x50CF;&#x8C03;&#x67E5;&#x8BC1;&#x636E;&#x3002;

Traditionally, emotional stimuli have been thought to be automatically processed via a bottom-up automatic "capture of attention" mechanism. Recently, this view has been challenged by evidence that emotion processing depends on the availability of attentional resources. Although these two views are not mutually exclusive, direct evidence reconciling them is lacking. One limitation of previous investigations supporting the traditional or competing views is that they have not systematically investigated the impact of emotional charge of task-irrelevant distraction in conjunction with manipulations of attentional demands. Using event-related fMRI, we investigated the nature of emotion-cognition interactions in a perceptual discrimination task with emotional distraction by manipulating both the emotional charge of the distracting information and the demands of the main task. Findings suggest that emotion processing is both automatic and modulated by attention, but emotion and attention were only found to interact when finer assessments of emotional charge (comparison of most vs. least emotional conditions) were considered along with an effective manipulation of processing load (high vs. low). The study also identified brain regions reflecting the detrimental impact of emotional distraction on performance as well as regions involved in helping with such distraction. Activity in the dorsomedial pFC and ventrolateral pFC was linked to a detrimental impact of emotional distraction, whereas the dorsal ACC and lateral occipital cortex were involved in helping with emotional distraction. These findings demonstrate that task-irrelevant emotion processing is subjective to both the emotional content of distraction and the level of attentional demand.

Processing of Emotional Distraction Is Both Automatic and Modulated by Attention: Evidence from an Event-related fMRI Investigation.

Traditionnellement, les stimuli &#xE9;motionnels ont &#xE9;t&#xE9; pens&#xE9; pour &#xEA;tre trait&#xE9;es automatiquement via un bottom-up automatique &#x26;quot;capture de l&#x26;#39;attention&#x26;quot; m&#xE9;canisme. R&#xE9;cemment, ce point de vue a &#xE9;t&#xE9; contest&#xE9; par la preuve que l&#x26;#39;&#xE9;motion de traitement d&#xE9;pend de la disponibilit&#xE9; des ressources attentionnelles. Bien que ces deux points de vue ne s&#x26;#39;excluent pas mutuellement, des preuves directes en les r&#xE9;conciliant fait d&#xE9;faut. Une limitation de pr&#xE9;c&#xE9;dentes enqu&#xEA;tes &#xE0; l&#x26;#39;appui des points de vue traditionnels ou concurrents, c&#x26;#39;est qu&#x26;#39;ils n&#x26;#39;ont pas &#xE9;tudi&#xE9; de fa&#xE7;on syst&#xE9;matique l&#x26;#39;impact de la charge &#xE9;motionnelle de la t&#xE2;che-pertinence de distraction en conjonction avec les manipulations de demandes attentionnelles. Utilisation li&#xE9;e &#xE0; l&#x26;#39;&#xE9;v&#xE9;nement IRMf, nous avons &#xE9;tudi&#xE9; la nature de l&#x26;#39;&#xE9;motion-cognition interactions dans une t&#xE2;che de discrimination perceptive avec distraction &#xE9;motionnelle en manipulant &#xE0; la fois la charge &#xE9;motionnelle de l&#x26;#39;information distrayant et les exigences de la t&#xE2;che principale. Les r&#xE9;sultats sugg&#xE8;rent que le traitement est &#xE0; la fois l&#x26;#39;&#xE9;motion automatique et modul&#xE9;e par l&#x26;#39;attention, mais l&#x26;#39;&#xE9;motion et l&#x26;#39;attention ont &#xE9;t&#xE9; trouv&#xE9;s seulement d&#x26;#39;interagir lors des &#xE9;valuations plus fines de la charge &#xE9;motionnelle (comparaison de la plupart des conditions &#xE9;motionnelles au rapport) ont &#xE9;t&#xE9; pris en compte avec une manipulation efficace de la charge de traitement (haute vs faible). L&#x26;#39;&#xE9;tude a &#xE9;galement identifi&#xE9; les r&#xE9;gions c&#xE9;r&#xE9;brales refl&#xE9;tant l&#x26;#39;impact n&#xE9;gatif de la distraction &#xE9;motionnelle sur la performance ainsi que des r&#xE9;gions impliqu&#xE9;s dans l&#x26;#39;aide &#xE0; la distraction telle. L&#x26;#39;activit&#xE9; dans le dorsom&#xE9;dial pFC et ventrolat&#xE9;rale pFC a &#xE9;t&#xE9; li&#xE9; &#xE0; un impact n&#xE9;gatif de la distraction &#xE9;motionnel, alors que la dorsale et lat&#xE9;rale du cortex occipital ACC ont particip&#xE9; en aidant &#xE0; la distraction &#xE9;motionnelle. Ces r&#xE9;sultats d&#xE9;montrent que la t&#xE2;che pertinente traitement des &#xE9;motions est subjective &#xE0; la fois le contenu &#xE9;motionnel de la distraction et le niveau de la demande attentionnelle.

Traitement de la distraction &#xE9;motionnelle est automatique et modul&#xE9;e par l&#x26;#39;attention: la preuve d&#x26;#39;une enqu&#xEA;te li&#xE9;e &#xE0; l&#x26;#39;&#xE9;v&#xE9;nement IRMF

Traditionell haben emotionale Reize gedacht worden, &uuml;ber ein Bottom-up-Automatismus &quot;Erfassen der Aufmerksamkeit&quot; automatisch verarbeitet werden. Vor kurzem ist diese Ansicht durch Beweise angefochten worden, dass die hohe Verf&uuml;gbarkeit der syn&auml;sthetischen Emotion Verarbeitung abh&auml;ngt. Obwohl diese beiden Ansichten nicht gegenseitig ausschlie&szlig;en, ist direkte Beweise, die Vereinbarkeit von ihnen fehlt. Eine Einschr&auml;nkung fr&uuml;herer Untersuchungen unterst&uuml;tzen die traditionellen oder konkurrierenden Ansichten ist, dass sie die Auswirkungen der emotionale Aufladung der Aufgabe irrelevant Ablenkung in Verbindung mit Manipulationen der syn&auml;sthetischen Forderungen nicht systematisch untersucht haben. Ereignisbezogene fMRI verwenden, untersucht wir die Natur der Emotion-Kognition-Interaktionen in eine wahrnehmbare Diskriminierung-Aufgabe mit emotionalen Ablenkung durch Manipulation der emotionale Aufladung der ablenkenden Informationen sowohl die Forderungen der Hauptaufgabe. Forschungsergebnisse legen nahe, dass Emotion Verarbeitung sowohl die automatische als auch die modulierte durch Aufmerksamkeit, aber Emotion und Aufmerksamkeit fanden nur interagieren, wenn feinere Beurteilungen der emotionale Aufladung (Vergleich der meisten vs. mindestens emotionalen Zust&auml;nde) zusammen mit einer effektiven Manipulation der Verarbeitungslast (hohe vs. niedrige) betrachtet wurden. Die Studie identifiziert auch Hirnregionen, die infolge der nachteiligen Auswirkungen der emotionale Ablenkung auf Leistung sowie Regionen mit solchen Ablenkung helfen. Aktivit&auml;t der Dorsomedial pFC und ventrolateral pFC war verbunden eine nachteilige Auswirkungen der emotionale Ablenkung, w&auml;hrend die dorsalen ACC und seitlichen okzipitale Kortex beteiligt waren, bei emotionalen Ablenkung zu helfen. Diese Ergebnisse zeigen, dass Aufgabe irrelevant Emotion Verarbeitung subjektiv zu den emotionalen Inhalt der Ablenkung und der Ebene der Aufmerksamkeit bedarf.

Bearbeitung von emotionalen Ablenkung ist sowohl automatische und Modulated durch Aufmerksamkeit: Evidenz aus einer ereignisbezogenen fMRI Untersuchung.

Tradizionalmente, stimoli emotivi hanno pensati per essere elaborati automaticamente tramite un meccanismo automatico di &quot;cattura di attenzione&quot; bottom-up. Recentemente, questa vista &egrave; stata contestata da prove che elaborazione di emozione dipende dalla disponibilit&agrave; delle risorse di attenzione. Anche se questi due punti di vista non sono mutuamente esclusive, prove dirette conciliandole sono carente. Una limitazione delle precedenti indagini sostenendo le viste tradizionali o concorrenti &egrave; che essi non hanno indagato sistematicamente l&#39;impatto della carica emotiva di distrazione attivit&agrave; irrilevante in congiunzione con manipolazioni di richieste di attenzione. Usando fMRI evento-correlati, abbiamo studiato la natura delle interazioni di emozione-cognizione in un compito di discriminazione percettiva con distrazione emotivo manipolando la carica emotiva delle informazioni distrazione sia le esigenze dell&#39;attivit&agrave; principale. Scoperte suggeriscono che emozione l&#39;elaborazione &egrave; automatico e modulato di attenzione, ma emozione e attenzione sono stati trovati solo per interagire quando valutazioni pi&ugrave; sottili della carica emotiva (confronto della maggior parte vs condizioni meno emotive) sono state considerate insieme ad un efficacia manipolazione del carico di elaborazione (alto vs basso). Lo studio ha inoltre identificato regioni del cervello che riflette l&#39;impatto dannoso di distrazione emotivo sulle prestazioni, come pure le regioni coinvolte nell&#39;aiutare con tale distrazione. Attivit&agrave; nel dorsomedial pFC e pFC ventrolateral era legata ad un impatto negativo di distrazione emotivo, considerando che l&#39;ACC dorsale e corteccia occipitale laterale sono stati coinvolti in aiutando con distrazione emotivo. Questi risultati dimostrano che emozione attivit&agrave; irrilevante l&#39;elaborazione &egrave; soggettivo sia il contenuto emotivo di distrazione e il livello di attenzione richiesta.

Elaborazione emotiva distrazione &egrave; sia automatico e modulata da attenzione: prova da un Event-related fMRI inchiesta.

&#x4F1D;&#x7D71;&#x7684;&#x306B;&#x3001;&#x611F;&#x60C5;&#x7684;&#x306A;&#x523A;&#x6FC0;&#x306F;&#x3001;&#x81EA;&#x52D5;&#x7684;&#x306B;&#x6A5F;&#x69CB;&#x30DC;&#x30C8;&#x30E0;&#x30A2;&#x30C3;&#x30D7;&#x81EA;&#x52D5; &#x26;quot;&#x6CE8;&#x610F;&#x306E;&#x30AD;&#x30E3;&#x30D7;&#x30C1;&#x30E3;&#x26;quot;&#x3092;&#x4ECB;&#x3057;&#x3066;&#x51E6;&#x7406;&#x3055;&#x308C;&#x308B;&#x3088;&#x3046;&#x306B;&#x8003;&#x3048;&#x3089;&#x308C;&#x3066;&#x304D;&#x305F;&#x3002;&#x6700;&#x8FD1;&#x3067;&#x306F;&#x3001;&#x3053;&#x306E;&#x30D3;&#x30E5;&#x30FC;&#x306F;&#x611F;&#x60C5;&#x51E6;&#x7406;&#x3067;&#x306F;&#x6CE8;&#x610F;&#x306E;&#x30EA;&#x30BD;&#x30FC;&#x30B9;&#x306E;&#x53EF;&#x7528;&#x6027;&#x306B;&#x4F9D;&#x5B58;&#x3057;&#x3066;&#x3044;&#x308B;&#x3053;&#x3068;&#x3092;&#x8A3C;&#x62E0;&#x306B;&#x3088;&#x3063;&#x3066;&#x6311;&#x6226;&#x3055;&#x308C;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x3053;&#x308C;&#x3089;&#x306E;2&#x3064;&#x306E;&#x30D3;&#x30E5;&#x30FC;&#x306F;&#x3001;&#x76F8;&#x4E92;&#x306B;&#x6392;&#x4ED6;&#x7684;&#x3067;&#x306F;&#x3042;&#x308A;&#x307E;&#x305B;&#x3093;&#x304C;&#x3001;&#x305D;&#x308C;&#x3089;&#x3092;&#x4E21;&#x7ACB;&#x3055;&#x305B;&#x308B;&#x76F4;&#x63A5;&#x7684;&#x8A3C;&#x62E0;&#x306F;&#x6B20;&#x3051;&#x3066;&#x3044;&#x308B;&#x3002;&#x4F1D;&#x7D71;&#x7684;&#x306A;&#x307E;&#x305F;&#x306F;&#x7AF6;&#x5408;&#x3059;&#x308B;&#x30D3;&#x30E5;&#x30FC;&#x3092;&#x30B5;&#x30DD;&#x30FC;&#x30C8;&#x3059;&#x308B;&#x5F93;&#x6765;&#x306E;&#x7814;&#x7A76;&#x306E;&#x4E00;&#x3064;&#x306E;&#x5236;&#x9650;&#x306F;&#x3001;&#x305D;&#x308C;&#x3089;&#x304C;&#x4F53;&#x7CFB;&#x7684;&#x306B;&#x6CE8;&#x610F;&#x306E;&#x8981;&#x6C42;&#x306E;&#x64CD;&#x4F5C;&#x3068;&#x9023;&#x52D5;&#x3057;&#x3001;&#x30BF;&#x30B9;&#x30AF;&#x7121;&#x95A2;&#x4FC2;&#x306A;&#x6C17;&#x6674;&#x3089;&#x3057;&#x306E;&#x611F;&#x60C5;&#x306E;&#x5F37;&#x3055;&#x306E;&#x5F71;&#x97FF;&#x3092;&#x8ABF;&#x67FB;&#x3057;&#x3066;&#x3044;&#x306A;&#x3044;&#x3053;&#x3068;&#x3067;&#x3059;&#x3002;&#x30A4;&#x30D9;&#x30F3;&#x30C8;&#x95A2;&#x9023;fMRI&#x3092;&#x7528;&#x3044;&#x3066;&#x3001;&#x6211;&#x3005;&#x306F;&#x6C17;&#x304C;&#x6563;&#x308B;&#x60C5;&#x5831;&#x3084;&#x4E3B;&#x306A;&#x30BF;&#x30B9;&#x30AF;&#x306E;&#x8981;&#x6C42;&#x306E;&#x611F;&#x60C5;&#x306E;&#x5F37;&#x3055;&#x306E;&#x4E21;&#x65B9;&#x3092;&#x64CD;&#x4F5C;&#x3059;&#x308B;&#x3053;&#x3068;&#x306B;&#x3088;&#x3063;&#x3066;&#x3001;&#x611F;&#x60C5;&#x7684;&#x306A;&#x6C17;&#x6674;&#x3089;&#x3057;&#x306E;&#x77E5;&#x899A;&#x5F01;&#x5225;&#x8AB2;&#x984C;&#x306B;&#x304A;&#x3051;&#x308B;&#x611F;&#x60C5;&#x8A8D;&#x77E5;&#x306E;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x306E;&#x6027;&#x8CEA;&#x3092;&#x8ABF;&#x3079;&#x305F;&#x3002;&#x306E;&#x77E5;&#x898B;&#x306F;&#x3001;&#x611F;&#x60C5;&#x306E;&#x51E6;&#x7406;&#x304C;&#x6CE8;&#x76EE;&#x3055;&#x306B;&#x3088;&#x3063;&#x3066;&#x81EA;&#x52D5;&#x5316;&#x3055;&#x308C;&#x5909;&#x8ABF;&#x3055;&#x308C;&#x305F;&#x4E21;&#x65B9;&#x3067;&#x3042;&#x308B;&#x3053;&#x3068;&#x3092;&#x793A;&#x5506;&#x3057;&#x3066;&#x3044;&#x308B;&#x304C;&#x3001;&#x611F;&#x60C5;&#x3068;&#x6CE8;&#x610F;&#x304C;&#x552F;&#x4E00;&#x611F;&#x60C5;&#x7684;&#xFF08;&#x307B;&#x3068;&#x3093;&#x3069;&#x5BFE;&#x5C11;&#x306A;&#x304F;&#x3068;&#x3082;&#x611F;&#x60C5;&#x7684;&#x306A;&#x6761;&#x4EF6;&#x306E;&#x6BD4;&#x8F03;&#xFF09;&#x306E;&#x7D30;&#x304B;&#x3044;&#x8A55;&#x4FA1;&#x304C;&#x51E6;&#x7406;&#x8CA0;&#x8377;&#x306E;&#x52B9;&#x679C;&#x7684;&#x306A;&#x64CD;&#x4F5C;&#xFF08;&#x30CF;&#x30A4;&#x3068;&#x4E00;&#x7DD2;&#x306B;&#x8003;&#x3048;&#x3089;&#x308C;&#x3066;&#x3044;&#x305F;&#x3068;&#x304D;&#x306B;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x5224;&#x660E;&#x3057;&#x305F;&#xFF09;&#x5BFE;&#x4F4E;&#x3044;&#x3002;&#x7814;&#x7A76;&#x306F;&#x307E;&#x305F;&#x3001;&#x6709;&#x5BB3;&#x306A;&#x30D1;&#x30D5;&#x30A9;&#x30FC;&#x30DE;&#x30F3;&#x30B9;&#x4E0A;&#x306E;&#x611F;&#x60C5;&#x7684;&#x306A;&#x6C17;&#x6674;&#x3089;&#x3057;&#x306E;&#x5F71;&#x97FF;&#x3060;&#x3051;&#x3067;&#x306A;&#x304F;&#x3001;&#x305D;&#x306E;&#x3088;&#x3046;&#x306A;&#x6C17;&#x6674;&#x3089;&#x3057;&#x3092;&#x624B;&#x4F1D;&#x3046;&#x3053;&#x3068;&#x200B;&#x200B;&#x306B;&#x95A2;&#x4E0E;&#x3059;&#x308B;&#x9818;&#x57DF;&#x3092;&#x53CD;&#x6620;&#x3059;&#x308B;&#x8133;&#x9818;&#x57DF;&#x3092;&#x540C;&#x5B9A;&#x3057;&#x305F;&#x3002;&#x80CC;&#x5074;ACC&#x3068;&#x5916;&#x5074;&#x5F8C;&#x982D;&#x8449;&#x76AE;&#x8CEA;&#x306F;&#x611F;&#x60C5;&#x7684;&#x306A;&#x6C17;&#x6674;&#x3089;&#x3057;&#x3092;&#x624B;&#x4F1D;&#x3046;&#x3053;&#x3068;&#x200B;&#x200B;&#x306B;&#x95A2;&#x4E0E;&#x3057;&#x3066;&#x3044;&#x305F;&#x306E;&#x306B;&#x5BFE;&#x3057;&#x3001;&#x80CC;&#x5185;&#x5074;PFC&#x304A;&#x3088;&#x3073;&#x8179;&#x5916;&#x5074;PFC&#x306E;&#x6D3B;&#x52D5;&#x306F;&#x3001;&#x611F;&#x60C5;&#x7684;&#x306A;&#x6C17;&#x6674;&#x3089;&#x3057;&#x306E;&#x6709;&#x5BB3;&#x306A;&#x5F71;&#x97FF;&#x306B;&#x30EA;&#x30F3;&#x30AF;&#x3055;&#x308C;&#x3066;&#x3044;&#x305F;&#x3002;&#x3053;&#x308C;&#x3089;&#x306E;&#x77E5;&#x898B;&#x306F;&#x3001;&#x30BF;&#x30B9;&#x30AF;&#x7121;&#x95A2;&#x4FC2;&#x306E;&#x611F;&#x60C5;&#x306E;&#x51E6;&#x7406;&#x304C;&#x6C17;&#x6674;&#x3089;&#x3057;&#x3068;&#x6CE8;&#x610F;&#x306E;&#x9700;&#x8981;&#x306E;&#x30EC;&#x30D9;&#x30EB;&#x306E;&#x611F;&#x60C5;&#x7684;&#x306A;&#x30B3;&#x30F3;&#x30C6;&#x30F3;&#x30C4;&#x306E;&#x4E21;&#x65B9;&#x306B;&#x4E3B;&#x89B3;&#x7684;&#x3067;&#x3042;&#x308B;&#x3053;&#x3068;&#x3092;&#x793A;&#x3057;&#x3066;&#x3044;&#x308B;&#x3002;

&#x611F;&#x60C5;&#x7684;&#x306A;&#x6C17;&#x6674;&#x3089;&#x3057;&#x306E;&#x51E6;&#x7406;&#x306F;&#x3001;&#x6CE8;&#x610F;&#x306B;&#x3088;&#x308B;&#x81EA;&#x52D5;&#x3068;&#x5909;&#x8ABF;&#x306E;&#x4E21;&#x65B9;&#x3067;&#x3059;&#xFF1A;&#x30A4;&#x30D9;&#x30F3;&#x30C8;&#x95A2;&#x9023;fMRI&#x8ABF;&#x67FB;&#x304B;&#x3089;&#x306E;&#x8A3C;&#x62E0;

&#xC804;&#xD1B5;&#xC801;&#xC73C;&#xB85C;, &#xC815;&#xC11C;&#xC801; &#xC790;&#xADF9; &#xC0C1;&#xD5A5;&#xC2DD; &#xC790;&#xB3D9; &quot;&#xAD00;&#xC2EC;&#xC758; &#xCEA1;&#xCC98;&quot; &#xBA54;&#xCEE4;&#xB2C8;&#xC998;&#xC744; &#xD1B5;&#xD574; &#xC790;&#xB3D9;&#xC73C;&#xB85C; &#xCC98;&#xB9AC; &#xB418;&#xB3C4;&#xB85D; &#xC0DD;&#xAC01; &#xB418;&#xC5C8;&#xB2E4;. &#xCD5C;&#xADFC;&#xC5D0;,&#xC774; &#xBCF4;&#xAE30; &#xC99D;&#xAC70; &#xAC10;&#xC815; &#xCC98;&#xB9AC; attentional &#xC790;&#xC6D0;&#xC758; &#xAC00;&#xC6A9;&#xC131;&#xC5D0; &#xB530;&#xB77C; &#xB2E4;&#xB985;&#xB2C8;&#xB2E4;&#xC5D0; &#xC758;&#xD574; &#xB3C4;&#xC804;&#xC744; &#xBC1B;&#xACE0; &#xC788;&#xB2E4;. &#xC774; &#xB450; &#xAC00;&#xC9C0; &#xBCF4;&#xAE30; &#xC0C1;&#xD638; &#xBC30;&#xD0C0; &#xD558;&#xC9C0; &#xC54A;&#xC2B5;&#xB2C8;&#xB2E4;, &#xBE44;&#xB85D; &#xADF8;&#xB4E4;&#xC744; &#xC870;&#xC815; &#xD558;&#xB294; &#xC9C1;&#xC811;&#xC801;&#xC778; &#xC99D;&#xAC70;&#xB294; &#xBD80;&#xC871; &#xD558;&#xB2E4;. &#xC804;&#xD1B5;&#xC801;&#xC778; &#xB610;&#xB294; &#xACBD;&#xC7C1; &#xD50C;&#xB808;&#xC774; &#xC9C0; &#xC6D0;&#xD558;&#xB294; &#xC774;&#xC804; &#xC870;&#xC0AC;&#xC758; &#xD55C; &#xAC00;&#xC9C0; &#xD55C;&#xACC4;&#xB294; &#xADF8;&#xB4E4;&#xC740; &#xCCB4;&#xACC4;&#xC801;&#xC73C;&#xB85C; &#xC870;&#xC791; attentional &#xC694;&#xAD6C;&#xC640; &#xD568;&#xAED8;&#xC5D0;&#xC11C; &#xC791;&#xC5C5;&#xC5D0; &#xBB34;&#xAD00; &#xD55C; &#xC0B0;&#xB9CC;&#xC758; &#xAC10;&#xC815;&#xC801;&#xC778; &#xC694;&#xAE08;&#xC5D0; &#xBBF8;&#xCE58;&#xB294; &#xC601;&#xD5A5;&#xC744; &#xC870;&#xC0AC; &#xD558;&#xC9C0; &#xC54A;&#xC740;&#xC785;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC; &#xBAA8;&#xB450; &#xC0B0;&#xB9CC; &#xD55C; &#xC815;&#xBCF4;&#xC758; &#xAC10;&#xC815; &#xC694;&#xAE08; &#xBC0F; &#xC8FC;&#xC694; &#xC791;&#xC5C5;&#xC758; &#xC694;&#xAD6C;&#xB97C; &#xC870;&#xC791; &#xD558; &#xC5EC; &#xAC10;&#xC815; &#xC778;&#xC2DD; &#xAC10;&#xC815; &#xC8FC;&#xC758; &#xC9C0; &#xAC01; &#xCC28;&#xBCC4; &#xC791;&#xC5C5;&#xC5D0; &#xC0C1;&#xD638; &#xC791;&#xC6A9;&#xC758; &#xC131;&#xACA9;&#xC744; &#xC870;&#xC0AC; &#xC774;&#xBCA4;&#xD2B8; &#xAD00;&#xB828; Fmri&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC;. &#xACB0;&#xACFC; &#xAC10;&#xC815; &#xCC98;&#xB9AC; &#xC790;&#xB3D9;&#xC774; &#xACE0;, &#xAD00;&#xC2EC;&#xC5D0; &#xC758;&#xD574; &#xBCC0;&#xC870; &#xB41C; &#xD558;&#xC9C0;&#xB9CC; &#xAC10;&#xC815;&#xACFC; &#xAD00;&#xC2EC; &#xAC10;&#xC815; &#xC694;&#xAE08; (&#xC801;&#xC5B4;&#xB3C4; &#xAC10;&#xC815;&#xC801; &#xC870;&#xAC74; &#xB300; &#xB300;&#xBD80;&#xBD84;&#xC758; &#xBE44;&#xAD50;)&#xC758; &#xBBF8;&#xC138;&#xD55C; &#xD3C9;&#xAC00; &#xCC98;&#xB9AC; &#xBD80;&#xD558; (&#xB192;&#xC740; &#xB0AE;&#xC740; &#xB300;)&#xC758; &#xD6A8;&#xACFC;&#xC801;&#xC778; &#xC870;&#xC791; &#xD568;&#xAED8; &#xACE0;&#xB824; &#xB418;&#xC5C8;&#xB2E4; &#xB54C; &#xC0C1;&#xD638; &#xC791;&#xC6A9;&#xC744; &#xBC1C;&#xACAC;&#xB9CC; &#xC88B;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC5F0;&#xAD6C;&#xB294; &#xB610;&#xD55C; &#xADF8;&#xB7EC;&#xD55C; &#xC8FC;&#xC758; &#xD568;&#xAED8; &#xD558;&#xB294; &#xB370; &#xAD00;&#xB828; &#xB41C; &#xC601;&#xC5ED;&#xC73C;&#xB85C; &#xC131;&#xB2A5;&#xC5D0; &#xAC10;&#xC815; &#xC8FC;&#xC758;&#xC758; &#xD574;&#xB85C;&#xC6B4; &#xC601;&#xD5A5;&#xC744; &#xBC18;&#xC601; &#xD558;&#xB294; &#xB1CC; &#xC601;&#xC5ED; &#xC2DD;&#xBCC4;. &#xD65C;&#xB3D9;&#xC740; dorsomedial&#xC5D0;&#xC11C; pFC &#xBC0F; ventrolateral pFC &#xC5F0;&#xACB0; &#xB418;&#xC5C8;&#xB2E4; &#xAC10;&#xC815; &#xC8FC;&#xC758;&#xC758; &#xD574;&#xB85C;&#xC6B4; &#xC601;&#xD5A5; &#xBC18;&#xBA74; &#xB4F1; ACC &#xCE21;&#xBA74; &#xC774;&#xC6C3;&#xC9D1; &#xD53C; &#xC9C8; &#xAC10;&#xC815; &#xC8FC;&#xC758; &#xD568;&#xAED8; &#xD558;&#xB294; &#xB370; &#xCC38;&#xC5EC; &#xD588;&#xB2E4;. &#xC774;&#xB7EC;&#xD55C; &#xC5F0;&#xAD6C; &#xACB0;&#xACFC; &#xC785;&#xC99D; &#xC791;&#xC5C5; &#xAD00;&#xB828;&#xC131;&#xC774; &#xC5C6;&#xB294; &#xAC10;&#xC815; &#xCC98;&#xB9AC; &#xC0B0;&#xB9CC;&#xC758; &#xAC10;&#xC815;&#xC801;&#xC778; &#xCF58;&#xD150;&#xCE20; &#xBC0F; attentional &#xC218;&#xC694; &#xC218;&#xC900;&#xC5D0; &#xC8FC;&#xAD00;&#xC801; &#xC774;&#xB2E4;.

&#xC815;&#xC11C;&#xC801; &#xD63C;&#xB780;&#xC740; &#xBAA8;&#xB450; &#xC790;&#xB3D9; &#xBC0F; &#xC8FC;&#xC758; &#xC758;&#xD574; Modulated &#xCC98;&#xB9AC;: &#xC774;&#xBCA4;&#xD2B8; &#xAD00;&#xB828; fMRI &#xC870;&#xC0AC;&#xC5D0;&#xC11C;&#xC5D0;&#xC11C; &#xC99D;&#xAC70;.

Tradicionalmente, los est&#xED;mulos emocionales se han pensado para ser objeto de tratamiento automatizado a trav&#xE9;s de un bottom-up autom&#xE1;tico de &#x26;quot;captura de la atenci&#xF3;n&#x26;quot; mecanismo. Recientemente, esta visi&#xF3;n ha sido cuestionada por la evidencia de que la emoci&#xF3;n de procesamiento depende de la disponibilidad de recursos de atenci&#xF3;n. Aunque estos dos puntos de vista no son excluyentes entre s&#xED;, evidencia directa de que la conciliaci&#xF3;n es insuficiente. Una de las limitaciones de las investigaciones anteriores de apoyo a los puntos de vista tradicionales o en competencia es que no se han investigado sistem&#xE1;ticamente el impacto de la carga emocional de las tareas irrelevantes distracci&#xF3;n en relaci&#xF3;n con la manipulaci&#xF3;n de demanda de atenci&#xF3;n. Uso de eventos relacionados con la fMRI, se determin&#xF3; la naturaleza de las interacciones cognitivas de emoci&#xF3;n en una tarea de discriminaci&#xF3;n perceptiva con la distracci&#xF3;n emocional mediante la manipulaci&#xF3;n tanto de la carga emocional de la informaci&#xF3;n que distrae y las exigencias de la tarea principal. Los resultados sugieren que el procesamiento de la emoci&#xF3;n es autom&#xE1;tica y modulada por la atenci&#xF3;n, pero la emoci&#xF3;n y la atenci&#xF3;n s&#xF3;lo se encontraron para interactuar cuando las evaluaciones m&#xE1;s sutiles de la carga emocional (comparaci&#xF3;n de la mayor&#xED;a de por lo menos frente a las condiciones emocionales) fueron considerados junto con una manipulaci&#xF3;n efectiva de la carga de procesamiento (de alta vs bajo). El estudio tambi&#xE9;n identific&#xF3; las regiones cerebrales que reflejan el impacto negativo de la distracci&#xF3;n emocional en el rendimiento, as&#xED; como las regiones involucradas en ayudar con la distracci&#xF3;n tales. La actividad en el dorsomedial PFC y PFC ventrolateral estaba relacionado con un impacto perjudicial de la distracci&#xF3;n emocional, mientras que la corteza occipital, dorsal y lateral del CAC participaron en ayudar con la distracci&#xF3;n emocional. Estos hallazgos demuestran que las tareas irrelevantes procesamiento de las emociones es subjetivo tanto en el contenido emocional de la distracci&#xF3;n y el nivel de atenci&#xF3;n que requiere.

El procesamiento de distracci&#xF3;n emocional es autom&#xE1;tico y modulada por la atenci&#xF3;n: La evidencia de una investigaci&#xF3;n FMRI relacionados con el evento

Andrea Shafer

Centre for Neuroscience

University of Alberta

Brain Imaging Investigation of the Memory-Enhancing Effect of Emotion

Andrea Shafer

.css-o250i3{font-size:18px;font-family:Open Sans,sans-serif;line-height:21.6px;}Centre for Neuroscience

University of Alberta

Brain Imaging Investigation of the Memory-Enhancing Effect of Emotion

Centre for Neuroscience