人間の食糧報酬とモチベーションを研究

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装置およびセットアップします。 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。 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。 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。 手順： 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 タスクの短いデモを提示する。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 必要な数のブロックでタスクを実行してください。 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。 「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。 スキャナで食品関連動機を調べる。 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。 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。 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。 参加者に固定金銭の予算を与え、 例えば £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。 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。 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。 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。 アプリケーション： 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。 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。 2.1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。 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。 再び飢餓と満腹の評価を収集します。 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。 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。 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。