腦電研究：冥想提高年輕人的持續注意
- 2019 年 10 月 4 日
- 筆記
來自加利福利亞大學的DavidA. Ziegler等人在Nature Human Behaviour雜誌上發表了關於冥想與年輕人持續性注意關係的研究。該研究使用了一款冥想訓練軟體(MediTrain)來研究冥想對持續性注意以及工作記憶的影響。
文獻導讀
注意是各方面高級認知(如記憶、決策、目標管理和情緒調節)的一個基本組成部分，因此提高持續性注意是十分有益的。然而，提高年輕人的持續性注意是極其困難的。有研究表明，冥想練習可能會提高健康年輕人的注意能力。研究者利用MediTrain（一款冥想訓練軟體，參見補充圖1）對健康年輕人進行冥想訓練，研究其與注意的關係，同時記錄他們的EEG來研究引起這一系列變化的神經機制。
該冥想訓練方法是讓受訓者將注意集中在呼吸上（即聽吸法）。開始冥想訓練時，告知被試如何閉上眼睛將注意集中在呼吸上。在訓練過程中，被試被指示要時刻監測自己的思想走神(注意缺失或分心)，當意識到自己在走神時，要注意轉移回呼吸上。MediTrain運用一種自動調節演算法來調整下一個試驗的難度(當被試注意集中時增加註意的持續時間，反之，減少時間)。這種方法允許以個性化的方式進行集中注意的冥想挑戰，並定期回饋被試對使用呼吸法保持注意的能力，以及隨著時間推移的改善。
MediTrain APP的截屏顯示了主要的介紹頁面、包含程式說明和每日冥想「技巧」庫、跟蹤訓練日曆，以及一個圖形頁面，該頁面提供了定量的回饋，反映了每個被試能夠在多長時間內不受干擾地專註於自己的呼吸。
方法
實驗一：設計對照組來平衡安慰劑效應。
為了平衡APP使用過程中的安慰劑效應，研究者選擇一些列預期可以被試提高認知能力（但不能提高注意）的APP，測試這一些列APP以及MediTrain對被試的影響。要求被試(n = 334)報告MediTrain或其他APP將在多大程度上改善他們的預期（認知）表現。實驗最後選定3種APP，這些APP與MediTrain對被試的預期結果的影響沒有顯著差異，這表明它們可以作為一種合適的安慰劑控制條件。這3個APP分別是：外語學習、拉伸運動和邏輯遊戲。
實驗二：MediTrain的隨機、安慰劑對照實驗
被試：
被試被隨機分為兩組，一組是MediTrain組，另一組是安慰劑對照組（參見補充圖2的consort表）。研究以雙盲的方式進行，所有被試都得到了相同的指導，收集數據的實驗室人員不知道小組任務。雙盲法從招募時開始，所有被試都被告知他們參加一項旨在測試軟體訓練對提高各個領域認知能力的有效性的研究。隨機分配59名健康年輕人（18-35歲），在家接受為期6周的冥想訓練或安慰劑方案。隨機分配的結果是冥想組32名，安慰劑對照組27名，由於各種原因（冥想組8名被試和對照組7名被試退出，排除2名被試由於MediTrain的軟體使用不規範，2名對照組被試訓練曲線為極端異常值，1名對照組和2名MediTrain組由於軟體故障未完成訓練的被試），最終被試量為MediTrain組20名被試和安慰劑對照組19名被試。
補充圖2 被試的分組情況
訓練計劃：
所有被試在家中使用iPad Mini 2完成訓練。每個APP都包括獨立的教學影片和練習模組。在整個訓練期間，為被試提供指導提醒、日曆和郵件支援網站的訪問許可權。將每台ipad設置成在每次訓練結束時自動將數據無線傳輸到研究者的Neuroscape伺服器的模式，這允許研究者實時監控被試對訓練的遵從性和訓練數據完整性。
冥想組：
要求所有被試在家完成冥想訓練，訓練時，在安靜的地方，戴上耳機，閉上眼睛，專註於呼吸。當他們專註於呼吸時，要求他們同時監控自己注意的品質，並特別關注可能出現的任何分心的想法。當這些想法發生時，被試承認分心，並重新把注意轉移回他們的呼吸上。根據測試的回饋結果將初始試驗時間設為20s，在每個試驗結束時，被試通過按鍵報告注意是否仍然集中在呼吸上、注意是否被分散，或者分散的思維是否轉移（即走神）。如果被試在整個實驗過程中成功的在不分心的情況下注意自己的呼吸，那麼下一個試驗時間增加10%，如果不成功，下一個試驗時間減少20%，根據這個標準自動調節試驗的持續時間。
每個被試新試驗的記錄起始點為上一次試驗結束時，被試向研究者提供兩種類型的回饋：
(1)實時回饋：被試是否成功地對目標進行檢測或分類；
(2)間接性回饋：被試報告每次試驗的開始和結束。最後，研究者記錄每周的冥想時間繪製出曲線圖。
MediTrain訓練曲線和斜率
為了將被試在MediTrain APP中的表現提升與認知結果改善相關聯，研究者計算了訓練斜率。MediTrain組中每個被試的訓練曲線如圖1所示，在全程為6周的最後一次訓練中繪製了被試每周的最後一次冥想時間。將改善斜率作為被試在MediTrain上如何提升的指標，即最後一次冥想時間減去第一天訓練結束時的冥想時間除以30（總的訓練次數）。然後，在主要結果測量，即警惕性任務（圖2）中，對這些斜率和RTVar進行相關性分析。
圖1 MediTrain訓練曲線圖
灰色曲線為MediTrain訓練組被試的訓練時間與冥想時間曲線，綠色曲線為平均值
認知結果測量：
一個主要認知結果測試（持續注意），兩個次要的認知結果測試（分心過濾和工作記憶容量）和一個探索性測試（工作記憶保真度）對實驗結果進行分析。
1）主要認知結果測試：被試的持續注意測試
使用警惕性任務來測試被試的注意變數TOVA(Test of Variables of Attention )，TOVA為持續注意的指標，在實驗過程中記錄被試EEG。被試需要持續注視螢幕中央的「+」，在「+」的上方或者下方會出現灰色的方塊，且刺激經常出現在螢幕的頂部。為讓被試進行持續注意，要求被試只對螢幕底部不常出現的方塊（目標刺激）做出反應。目標與非目標的比率是1:4(1個目標對應4個非目標)，因此需要被試長時間保持注意。每個被試完成2個block，每個block中包含125個trail，其中25個為目標刺激。
2）次要認知結果測試1：分心時的複雜視覺辨別測試
測試冥想是否會導致被試在注意任務中的表現更加一致，即在分心的情況下進行複雜的視覺辨別。在這個任務中，被試必須注意一組不同數量的物品(一個或三個紅色矩形)，同時或不同時存在兩個視覺干擾物(兩個藍色或綠色矩形)。
條件1：注意一個紅色矩形且沒有干擾項(總共出現1個刺激)；
條件2：注意一個紅色矩形且有兩個干擾項(3個item)；
條件3：注意三個紅色矩形且沒有干擾項(3個item):；
條件4：注意三個紅色矩形且有兩個干擾項(5個item)。
每一種情況的trial中，有一半伴隨提示，即提示被試應該注意螢幕的左邊或右側。每一個trial開始呈現750 ms的注視點，然後是200ms的線索，然後是300ms的空屏。接下來，呈現四種條件中的一種條件的刺激，刺激的呈現時間為200ms，隨後是一個900ms的空白，然後呈現一個探測刺激，探測刺激為紅色矩形，50%的探測刺激中紅色矩形的方向與原刺激相同，50%相反。被試按鍵判斷探測刺激與原刺激中紅色矩形的方向是否相同，被試按鍵後螢幕才會消失。每個被試完成8個block，每個block中有80個trial。要求被試在保證正確率的情況下儘可能快的做出反應。
3）次要認知結果測試2：工作記憶能力測試
所有被試完成60次位置改變任務（圖6d）。實驗用e-prime編程，刺激呈現在CRT顯示器上。在灰色背景上呈現彩色正方形(0.7°×0.7°)刺激。每個trial中，四個正方形的顏色從6種可能的顏色中隨機選擇。每一個正方形呈現在半徑為3°的假想圓內的隨機位置。在個trial中，首先向被試呈現一個500 ms的注視點，然後是由四個彩色正方形組成的陣列，且在100 ms內可見，然後是900 ms刺激間隔，只有注視點可見。之後是由四個正方形組成的測試陣列，其中三個正方形的顏色不變，一個正方形的顏色與之前不同。要求被試選擇改變顏色的正方形。由於被試用滑鼠進行選擇，因此，這個實驗中不能可靠地測量反應時。然後計算每個被試的「k-得分」（k=正確率×記憶數組中的項目數），作為他們在訓練前後的整體工作記憶能力的指標。
4）探索性行為結果測量:
為測試被試的工作記憶的保真度，研究者們使用了延時認知範式，旨在衡量在有或沒有干擾或干擾資訊的情況下，被試的工作記憶中保持對事物的準確記憶能力的變化。這個範式包括4個不同條件:
(1)無干擾；
(2)忽略干擾(有干擾呈現，但被試需要忽略干擾因素)；
(3)注意干擾(被試需要對干擾刺激做出反應)；
(4)被動觀看的控制條件，即沒有記憶成分，被試只是簡單地觀察面部或場景刺激，然後要求他們當向左/向右的箭頭出現時，儘快地進行相應按鍵反應。每次實驗開始前，都會有明確的指導語告知被試任務要求。每個trial開始時，會呈現800ms的面部圖片刺激，之後是3s的延遲期。在忽略干擾和注意干擾條件下，呈現一個800ms的面部圖片作為干擾刺激，之後是第二個3s的延遲期和一個1s的探測刺激。要求被試在不犧牲準確性的情況下，儘快對探測刺激做出匹配/不匹配的按鍵反應。實驗用e-prime編程，刺激呈現在CRT顯示器上。
EEG記錄與分析
我們採集了被試在為期6周的訓練前後的EEG數據。剔除雜訊trial超過30%的數據，雜訊剔除標準為在epoch內電壓值大於±100-μv（訓練前n=4，訓練後n=3）。MediTrain組，最終有14名被試在訓練前和訓練後都有可用的EEG數據。安慰劑組，有16名被試在訓練前有可用的數據，15名被試在訓練後有可用的數據。由於實驗為縱向設計，ANCOVA只能用於分析在訓練前和訓練後都有可用數據的被試中。因此，MediTrain組有12名被試，安慰劑組有12名被試參與分析。為了確保這個亞樣本與全體被試間沒有顯著差異，我們對訓練後的RTVar(反應時的個體變異性)進行了ANCOVA分析，發現有/沒有EEG數據的被試間差異不顯著（F1，36=0.021,P=0.88, Cohen's D=0.013, CI: 66.7 ~ 83.4）。
此外，為了確保該子集能夠代表更大的樣本，研究者們對這些被試的警惕性任務進行了額外的RTVar(反應時的個體變異性) ANCOVA分析，發現與安慰劑組相比，MediTrain組在訓練後的RTVar較低（F1,21=4.9,P=0.037, Cohen's D=0.76, CI: 65.5 ~ 86.5）。事後檢驗顯示，這種減少是由MediTrain組內的效應引起的（配對樣本t11=2.47, p=0.031, Cohen's D=0.71, CI: 1.3~ 22.8; 訓練前平均值=69.8ms,s.e.=4.2ms; 訓練後平均值=57.7ms,s.e.=5.0ms）, 而安慰劑組訓練前後沒有改變（配對樣本t11=-0.86,p=0.411, Cohen's D=-0.25, CI: -27.4 ~ 12.1; 訓練前平均值=86.6ms, s.e.=9.6ms;訓練後平均值=94.2ms,s.e.=11.7ms）。所有EEG數據均採用與實驗3相同的方法進行記錄和分析（見下文）。根據實驗3的結果，我們在訓練後測試差異，同時使用ANCOVA控制基準線。
EEG源定位
為了進行EEG源定位，我們對每個擁有完整EEG數據的被試進行高解析度T1-MPRAGE結構MRI掃描（每組12個）。所有磁共振成像都是在西門子3T三重磁共振儀上獲得的，該三重磁共振儀配備了12通道矩陣磁頭線圈，使用以下序列參數：體素大小=1.0 mm各向同性，重複時間=2300 ms，回波時間=2.98 ms，翻轉時間=900 ms，翻轉角度=9°。T1加權的MRI數據使用Freesurfer（https://surfer.nmr.mgh.harvard.edu）工具進行處理。皮質表面重建使用半自動程式。
研究者使用openMEEG軟體，通過MATLAB工具箱Brainstorm實現，用邊界元素法進行正向建模。正向模型建立後，使用sLORETA估計頭皮記錄的EEG活動來源。P3b的源估計被投射到15000個頂葉皮層表面重構上。在訓練前評估中，計算兩組被試ERP源的平均值，並在最大振幅出現的潛伏期(350ms)可視化了P3b 成分的皮質分布。在計算前額葉中線θ（4–7Hz）的ITC（序列相干性）的源估計之前，將皮質表面重取樣到2500個頂點，在不顯著改變數據空間解析度的情況下，減少後續處理步驟的計算負擔。ITC時間序列的計算，使用EEGLAB的快速傅里葉變換來對EEG源的4 – 40hz波段的活動進行解析。利用這種方法，能夠在源重構EEG數據中得到每個皮層頂點的ITC時間序列。然後，從MediTrain組的平均ITC中減去安慰劑組每個時間點的平均ITC，並在組對比度最大的潛伏期（260 ms）觀察這種對比。因此，利用這項技術，能夠可視化對ITC有訓練相關的影響的皮質分布。在觀察P3b時沒有使用相同的程式，因為訓練對P3b振幅的影響比額中線的影響更分散。因此，研究者只可視化了P3b的源映射地形圖，以展示其潛伏期的源，而沒有可視化訓練對該成分的影響。
訓練方案
在完成實驗室認知和EEG實驗後，所有被試都會收到一台ipad，其中預裝了他們指定的訓練方案。一位沒有參與數據收集的實驗者提供了詳細的培訓指導；被試也可以隨時通過訂製的網站訪問這些指導，並且可以通過電子郵件或電話聯繫研究協調員來回答問題和解決問題。兩組都使用他們的APP 6周，從第1周和第2周每天20分鐘開始，第3周和第4周每天25分鐘，到第5周和第6周每天30分鐘結束。這種接觸時間的逐漸增加是為了模仿傳統冥想訓練的進展。因為安慰劑組使用的是現成的APP，不會將數據發送到我們的伺服器，所以我們要求安慰劑對照組的被試直接從他們的iPad提交「登錄」和「下線」記錄，收集被試開始和結束培訓的時間點，以確保被試遵守訓練。經過6周的訓練後，被試回到實驗室進行另一次與訓練前相同的認知測試。
統計方法
為了測試訓練對認知結果的影響，研究者使用ANCOVA方法，其中因變數是訓練後的表現，自變數為分組（MediTrain組/安慰劑組），將相同任務的訓練前表現作為一個連續的協變數，選擇RTvar作為主要指標。剔除數據中的異常值，並對於在每個ANCOVA中出現顯著主要影響的事後分析，對每個組進行雙尾配對樣本T檢驗，以檢驗訓練前、後的差異。為了得到反映各組時間交互作用的Cohen'sd效應量分數，研究者計算了訓練前、後所有感興趣指標的RTvar變化分數。為了測試訓練曲線與RTvar變化之間是否存在關係，研究者計算了MediTrain組中每個被試的斜率（最終冥想持續時間-初始冥想持續時間/6周的訓練），並計算了斜率與RTvar改變之間的皮爾遜相關。使用同樣的ANCOVA方法分析訓練對EEG的影響，選擇訓練後的指標做為因變數，分組（MediTrain組/安慰劑組）為自變數，將訓練前的指標設置為連續協變數。其他分析同上。
實驗三：選擇EEG指標和分析
為提出神經活動指標隨訓練而改變的先驗假設（實驗2），研究者分析了73名（19-32歲）健康年輕人（一個獨立的樣本）在執行警惕性任務時的EEG數據。在數據中提取了注意控制的傳統ERP指標（即P1/N1、P3b、前中線θ功率和ITC、後α功率），並與警惕性任務的RTvar做相關。發現:（1）額葉中線θ的ITC和功率,（2）P3b的潛伏期和AUC都與警惕性任務的RTvar顯著相關。因此，在MediTrain研究中對這些神經活動指標進行了訓練前後變化分析（見上文實驗2）。
EEG記錄
使用active two head cap(Cortech Solutions)和BioSemi ActiveTwo 64（如感興趣可聯繫微信：SIYINGYXF諮詢購買）導腦電採集系統，結合BioSemi ActiView軟體記錄，在認知結果測量期間記錄數據。
EEG預處理
預處理採用EEGLAB軟體進行。檢查有雜訊的通道，剔除並進行插值替換。降取樣到1024Hz，高通濾波為1Hz，低通濾波為40Hz。最後採用獨立成分分析（ICA）識別並去除眼動，分段為-1000~1000ms。
（1）額葉中線θ分析：實驗3的結果表明，在不常出現的目標刺激開始後200-300ms額葉中線θ（4–7Hz）的ITC（序列相干性）與警惕性任務中的RTvar顯著相關（圖3c）。此外，研究表明，在持續注意任務中，冥想參與會增加額中線位置電極的θ帶ITC，而這種變化伴隨著RTvar的變化。有大量的文獻將額葉中線θ功率與注意控制能力聯繫起來，其對認知訓練反應的變化是敏感的。因此，我們研究了在實驗訓練下，前額中線電極群(FCz、Fz、FPz、AF3、AF4和AFz)的平均θ波段段ITC和刺激後200 – 300ms內的功率是否能夠被調製。
（2）P3b ERP分析：假設P3b可以反映注意資源的分配。實驗3的結果表明P3b 的AUC（曲線下面積）和潛伏期與RTvar顯著相關（圖3a，b）因此，我們研究了在目標刺激檢測後，注意力資源的分配速度和數量(分別以P3b潛伏期和AUC為指標)是否受到MediTrain訓練的調節。刺激開始後的250 – 500ms內，在Pz電極上計算P3b的AUC，並將該時間窗內達到最大電壓時的時間點作為P3b的潛伏期。採用事後分析確定P3b延遲的重測信度，發現類別內相關性很高(r22=0.7,P<0.01;補充圖5)
補充圖5 重新測試P3b潛伏期的可靠性
結果
分析對目標刺激的反應時的個體變異性(RTVar)。控制訓練前的水平，使用協方差分析(ANCOVA)來評估訓練後水平。發現，進行訓練後，MediTrain組RT變化更少(F1,37=6.4, P=0.016, Cohen』sd = −0.66)，兩組被試間RTVar差異顯著。進一步分析發現，MediTrain組的被試訓練前、後RTVar顯著下降( Δ=−7.98ms,paired t21=−3.5, P=0.002,95% ,CI: −12.7 ~ −3.1), 而安慰劑組的被試並沒有改變(Δ=1.1ms, paired t17=0.29, P=0.78, 95%CI: −7.0 ~ 9.1)。為了確保RTVar的降低與一般的RT變化或正確率無關，研究者對RT和敏感性指數d '進行了事後分析。ANCOVA結果表明,相比於訓練前，訓練後組間RT無顯著差異(F1,37 = 0.14, P = 0.71, Cohen』s d = – 0.15, 95%CI: -189.5 ~ 276.5), 而MediTrain組在訓練後的TRVar顯著好於安慰劑對照組(F1,37 = 6.7, P =0.014;Cohen 's d = 0.39, 95% CI: 0.09 ~ 0.79)。
訓練後實驗組TRVar顯著下降，安慰劑組無改變，組間無顯著性差異。MediTrain組RTVar的降低與其他指標無關。
圖2 持續注意改善
a:警惕性任務刺激和對照
b:冥想組和安慰劑組在訓練前後RTVar的變化;
c:訓練後組間RT變化。
d、e：MediTrain組(d)和安慰劑對照組(e)在訓練前(黑色)和訓練後(灰色）的RT分布。
f：MediTrain和安慰劑組的每個被試RTVar的變化(訓練後-訓練前)。
g：MediTrain組中被試警覺性任務的訓練斜率與RTVar變化的相關關係的散點圖和最佳擬合線。
在控制訓練前水平的情況下，單獨對訓練後進行重複測量ANCOVAs分析，結果表明，冥想組的額葉中線θ的ITC水平更高(F1,21= 9.71, P = 0.005, Cohen』s d = 1.27, 95% CI: 0.33 ~ 0.42)，P3b潛伏期出現的時間更早(F1,21= 15.4, P = 0.001, Cohen』s d = 1.02, 95% CI: 327.5 ~ 353.0)。此外，冥想組訓練後P3b的AUC大於安慰劑組(F1,21= 3.54, P = 0.07, Cohen』s d = 0.66, 95% CI: 467.27-676.36)。探索性分析顯示，MediTrain組P3b潛伏期的變化與RTVar的變化具有顯著相關(Pearsonr10 = 0.568, P = 0.05)。
圖3 RTVar與注意指標之間的相關性
a:P3b潛伏期與RTVar的相關性
b:曲線下面積(AUC)與RTVar的相關性
c:額中線θ的ITC與RTVar相關性
d:功率與RTVar相關性
圖4 額中線θ的ITC變化
a:訓練後冥想組與安慰劑組(n = 12)θ波段ITC差異的時頻圖
b:冥想組和安慰劑組P3b變化情況(訓練後-訓練前)
c:相位鎖值的方差分析
d:訓練後，冥想組和安慰劑組之間的θ波段段 ITC差異源定位
額葉中線θ ITC源分析(圖4d)顯示，峰值訊號集中在內側前額葉皮質(默認模式網路相關的區域)和外側前額葉皮質(注意網路相關的區域)。發現P3b來自後顳頂葉網路，其中包括楔前葉(圖5d)，楔前葉通常被認為是默認模式網路中的一個「樞紐」。在默認模式網路中，前額中線的功率與神經活動呈負相關。額葉中線θ的ITC的試次間一致性在MediTrain訓練後得到了改善，反映RTVar的試次間一致性更大。隨著時間的推移，網路的穩定性得到了增強，表明MediTrain訓練後持續注意得到改善。其他研究指出額葉θ的功率是認知控制的一個重要標誌。研究結果顯示,從一個試驗到另一個試驗的θ波段振蕩的相位的一致性不是簡單的自上而下的網路激活,這對時刻保持注意集中是至關重要的,而且這個過程是通過冥想方法來加強的。在P3b中觀察到的神經變化反映了注意資源分配的改善。最近的證據表明，默認模式網路中的活動和楔前葉之間的複雜相互作用分別構成了注意穩定性和靈活性的基礎。此外，在有經驗的冥想練習者中，默認模式網路在休息時更不活躍，P3b也被冥想訓練調節。總的來說，神經數據表明，額葉和頂葉網路都能對持續注意起促進作用。
圖5 P3b潛伏期的變化
a:冥想組（左）和安慰劑（右）
b:冥想組和安慰劑組ITC變化（訓練前-訓練後）
c:MediTrain和安慰劑組訓練前後方差分析
d：訓練前被試在峰值點（350ms）時P3b的地形圖分布
如果您對腦電數據處理感興趣，如功率譜，功能連接，溯源以及統計等，可直接點擊以下鏈接（難度逐漸提高）：
對工作記憶能力的測試中發現，冥想組(n =20)被試在訓練後的記憶能力顯著高於安慰劑組(n =19)(ANCOVA: F1,36 = 4.4, P = 0.04, Cohen』s d = 0.66, CI: 0.006 ~ 0.35)。進一步分析顯示，MediTrain組顯示訓練後工作記憶能力增強(Δ=0.17,paired-sample t19 = 3.4, P = 0.003, CI: 0.067 ~ -0.28),而安慰劑組沒有變化(Δ=−0.01,paired-sample t18 =−0.15, P = 0.89, CI:−0.16 ~ 0.14)。
圖6 在視覺辨別和工作記憶方面的改善
a:視覺辨別和干擾過濾任務刺激實驗
b:訓練前後MediTrain組與安慰劑組RTVar變化
c:MediTrain和安慰劑組RTVar的變化評分
d:刺激類型和位置改變
e、f: ANCOVA分析訓練前後MediTrain組和安慰劑組的記憶能力
總結：
冥想可以提高年輕人持續注意，改善其注意分配的速度和數量並提高其工作記憶能力。大家趕緊去下載MediTrain吧。
原文：
Ziegler,D. A., Simon, A. J., Gallen, C. L., Skinner, S., Janowich, J. R., Volponi, J.J., … Gazzaley, A. (2019). Closed-loop digital meditation improves sustained attentionin young adults. Nature Human Behaviour.
