Die Auswirkungen des Reaktionshemmungstrainings nach dem Abrufen von Binge-Gedächtnissen bei Essattacken bei jungen Erwachsenen: Eine randomisierte, kontrollierte experimentelle Studie, Teil 2

HPF-Cue-Reaktivität und „Geschmackstest“. Das Verfahren ist in den Zusatzinformationen ausführlich beschrieben. Kurz gesagt wurden „Angenehmheit“, „Essverlangen“ und „Wahrscheinlichkeit von Essattacken“ für 18 HPF- und 18 LPF-Bilder auf einer Skala von 0–100 bewertet. Aus dieser Aufgabe wurden pro Teilnehmer individuelle HPF- und LPF-Bilder (jeweils vier) für die spätere Verwendung in den visuellen Sondierungs- und Go/No-Go-Aufgaben basierend auf den höchsten und niedrigsten Belohnungsreaktivitätsbewertungen ausgewählt.

Der Zusammenhang zwischen Geschmackstests und Gedächtnis gibt Anlass zu großer Sorge. In den letzten Jahren hat eine wachsende Zahl von Untersuchungen gezeigt, dass Geschmackstests dabei helfen können, das Gedächtnis und die kognitiven Fähigkeiten zu verbessern. Im Einzelnen sehen Sie hier, wie sich Geschmackstests auf das Gedächtnis auswirken:

Erstens aktiviert der Geschmackstest das Gehirn und das Nervensystem. Beim Geschmackstest benötigen wir mehrere Sinne wie Riechen, Riechen und Schmecken, um den Geschmack von Lebensmitteln zu spüren. Die Stimulation dieser Sinne kann das Gehirn und das Nervensystem direkt stimulieren und dadurch ihre Fähigkeit verbessern, auf Reize zu reagieren und diese zu empfangen. Daher kann der Geschmackstest das Gehirn schärfer und aktiver machen.

Zweitens können Geschmackstests auch unser Gedächtnis verbessern. Bei der Durchführung eines Geschmackstests müssen wir den Geschmack und die Textur jedes Lebensmittels identifizieren und uns daran erinnern und es ständig vergleichen und identifizieren. Dieser Gedächtnisprozess verbessert nicht nur die Stärke und Haltbarkeit unseres Gedächtnisses, sondern auch unsere Aufmerksamkeit und Konzentration, wodurch es für uns einfacher wird, uns an Dinge zu erinnern und sie abzurufen.

Schließlich können Geschmackstests auch die geistige Entwicklung und Lernfähigkeit fördern. Geschmackstests stimulieren nicht nur das Gehirn und das Nervensystem, sondern sind auch eng mit Kognition und Emotionen verbunden. Durch Geschmackstests können wir unsere Intelligenz und Lernfähigkeit verbessern, unser vielfältiges Denken zeigen und die Verbesserung zwischenmenschlicher und psychologischer Kommunikationsfähigkeiten fördern.

Insgesamt können Geschmackstests unsere kognitiven Fähigkeiten und unser Gedächtnis verbessern und unsere intellektuelle Entwicklung und Lernfähigkeit fördern. Daher sollten wir im täglichen Leben mehr Aufmerksamkeit schenken und an verschiedenen Geschmackstests teilnehmen, um unsere kognitiven und Denkfähigkeiten zu verbessern. Es ist ersichtlich, dass wir das Gedächtnis verbessern müssen, und Cistanche deserticola kann das Gedächtnis erheblich verbessern, da Cistanche deserticola auch das Gleichgewicht von Neurotransmittern regulieren kann, beispielsweise durch die Erhöhung des Acetylcholin- und Wachstumsfaktorspiegels. Diese Stoffe sind sehr wichtig für das Gedächtnis und das Lernen. Darüber hinaus kann Fleisch auch die Durchblutung verbessern und die Sauerstoffversorgung fördern, wodurch sichergestellt werden kann, dass das Gehirn ausreichend Nährstoffe und Energie erhält, wodurch die Vitalität und Ausdauer des Gehirns verbessert werden.

Klicken Sie auf Möglichkeiten zur Verbesserung der Gehirnfunktion

Vor der Bildbewertung wählten die Teilnehmer in einem vorgetäuschten „Geschmackstest“ einen bevorzugten HPF-Snack aus einem „Menü“ aus und ihnen wurde gesagt, dass sie diesen essen würden, nachdem sie einige Lebensmittelbilder bewertet hatten. Das ausgewählte Lebensmittel wurde vor dem Teilnehmer platziert und war während der Bewertung aller Lebensmittelbilder sichtbar. Am Ende wurde die Bildbewertung selbst nach „Esslust“ und vorhergesagtem „Genuss“ vor dem Verzehr und seinen Geschmacksattributen bewertet. „Genuss“ und „Mehr wollen“, Postkonsum. Das Essen wurde gemäß den Anweisungen auf dem Bildschirm verzehrt, in denen die Teilnehmer aufgefordert wurden, „Essen aufzuheben“, „sich zum Essen vorzubereiten“ und „das Essen zu essen“.

Go/No-Go-Aufgabe. Die Verzerrung der Reaktion auf Essattacken wurde mithilfe einer „Go/No-Go“-Aufgabe, die von Houben und Jansen42 übernommen wurde und früheren Forschungsergebnissen folgte, sowohl bewertet als auch neu trainiert 38,62. Vollständige Aufgabendetails finden Sie in den SupplementaryInformation und Ref.63.

In den Sitzungen 1 und 3 wurde eine „Bewertungsversion“ der Aufgabe und in Sitzung 2 („Interventionssitzung“) eine „Modifikationsversion“ verwendet. Die Aufgabenparameter waren in beiden Versionen identisch, außer dass HPF-Bingefoods mit „No-Go“-Antworten und LPF-Bilder mit „Go“-Antworten bei 100 %-Versuchen in der „Modifikations“-Version gepaart wurden. Die „Scheinversion“ der Go/No-Go-Aufgabe in Sitzung 2 war einfach die „Bewertungsversion“; mit Parität zwischen den Anforderungen für Go- oder No-Go-Reaktionen für alle Stimulustypen (HPF-Binge-Food, LPF oder Filler). Bewertete Indizes für die Antwortverzerrung waren Fehlerraten, mittlere Reaktionszeiten, Sensitivität (D-Prime)-Antwortverzerrungen (Kriterium C) und Indexierungsverzerrung, um unabhängig von der Antwortanforderung zu Bildern zu „gehen“42.

Visuelle Sonde. Eye-Tracking in einer Dot-Probe-Aufgabe wurde verwendet, um die Aufmerksamkeitsverzerrung gegenüber den selbst ausgewählten LPF- und HPF-Reizes zu bewerten. Alle Lebensmittelbilder wurden mit passenden Nichtlebensmittelbildern gepaart und die Verweilzeit und die erste Fixierungslatenz wurden als Indizes für anhaltende bzw. automatische Aufmerksamkeit berechnet. Details in SupplementaryInformation.

Binge-Memory-Abruf und No-Retrieval-Kontrolle. Teilnehmer der BMR+RIT- und BMR+Schein-Gruppen unterzogen sich einem Binge Memory Retrieval (BMR), das einem Verfahren folgte, das parallel zu denen war, die wir in früheren Studien zur maladaptiven Rekonsolidierung des Belohnungsgedächtnisses erfolgreich angewendet haben48,64. Das BMR-Verfahren wurde den Teilnehmern als Wiederholung der ersten „Geschmackstest“-Aufgabe (dh der Reizreaktivität) der Sitzung vorgestellt. Auch hier wählten die Teilnehmer ihr Lieblingsessen aus der „Speisekarte“ aus und wurden angewiesen, dieses nach der Bewertung der Bilder zu verzehren.

Die präsentierten Bilder waren die vier am höchsten bewerteten „Binge Cues“ des Teilnehmers. Anschließend bewerteten sie den vorhergesagten Genuss und das „Verlangen, das ausgewählte Essen zu essen“. Anschließend sehen die Verbrauchshinweise auf dem Bildschirm wie zuvor aus. Die letzte Aufforderung lautete jedoch „Stopp, Essen abstellen“, woraufhin das Essen weggenommen wurde. Die Teilnehmer wurden dadurch daran gehindert, ihre erwartete Nahrungsbelohnung zu sich zu nehmen, was vermutlich zu einem kognitiven Vorhersagefehler führte.

Teilnehmer in der NR-Bedingung folgten dem gleichen Verfahren wie in BMR, mit der Ausnahme, dass (1) die Binge-Food-Cues durch die am niedrigsten bewerteten LPF-Food-Bilder aus der Cue-Reaktivitätsaufgabe ersetzt wurden und (2) den Teilnehmern, anstatt ihr Lieblings-HPF aus dem Menü auszuwählen, gegeben wurden ein Non-Binge-LPF (Selleriestangen) und sagte, sie würden dies essen, nachdem sie Lebensmittelbilder bewertet hatten.

Danach waren die Bild- und Lebensmittelbewertungen sowie die Eingabeaufforderungsbildschirme identisch mit dem BMR-Verfahren, einschließlich des Vorhersagefehlerverfahrens. Das NR-Verfahren wurde entwickelt, um den BMR so genau wie möglich abzugleichen, ohne das Belohnungsgedächtnis für Essattacken (re)aktiviert zu haben.

Verfahren.

Nach dem Screening nahmen die Teilnehmer an drei Laborsitzungen teil und übermittelten (aus der Ferne) bei vier weiteren Gelegenheiten (+2 Wochen, 3 Monate, 6 Monate und 9 Monate) Follow-up-Daten. Vor den Laborsitzungen fasteten sie vier Stunden lang auf feste Nahrung und verzichteten zwei Stunden lang auf Koffein. Alle Laborsitzungen fanden zwischen 13 und 17 Uhr statt. Die schriftliche Einverständniserklärung wurde zu Beginn der ersten Sitzung nach der Eignungsprüfung erteilt. Das vollständige Verfahren ist in den Zusatzinformationen ausführlich beschrieben.

Sitzung 1. Demografische, Fragebogen-, biologische (einschließlich Blutzucker, Blutdruck, Gewicht und Größe zur BMI-Berechnung) und ernährungsbezogene Basiswerte wurden ermittelt (vollständige Liste siehe Ergänzung). Darüber hinaus wurden staatliche Maße für Nahrungsverlangen (FCQ) und Hunger (Hungerlineal) bewertet, gefolgt vom Cue-Reaktivitätsverfahren und der Bewertungsversion der Go/No-Go-Aufgabe. Schließlich haben sie die visuelle Sondenaufgabe abgeschlossen.

Sitzung 2 (Sitzung 1+48 h). Nach Wiederholung der biologischen und staatlichen Messungen aus Sitzung 1 führten die Teilnehmer dann das BMR- oder NR-Verfahren entsprechend ihrer zufälligen Gruppenzuordnung durch. Wie bei unseren früheren Studien48,49 absolvierten die Teilnehmer nach dem BMR- oder NR-Verfahren hochbelastete Arbeitsgedächtnisaufgaben (Prosa-Abruf aus der Rivermead-Batterie und Ziffernspanne vorwärts und rückwärts), um eine kognitive Loslösung von den Essensreizen sicherzustellen. Nach Abschluss dieser „Distraktor“-Aufgaben (ca. 5 Minuten) begannen die Teilnehmer mit der „RIT“- oder „Schein“-Version der Go/No-Go-Aufgabe, gefolgt von FCQ-State und „Hunger Ruler“.

Sitzung 3 (Sitzung 2+7 Tage). Das Verfahren in Sitzung 3 war identisch mit dem Verfahren in Sitzung 1, außer dass die Teilnehmer die BIS-, BIS/BAS- oder BDI-Skala nicht ausfüllten.

Nachverfolgen. Zwei Wochen, 3, 6 und 9 Monate nach Sitzung 3 absolvierten die Teilnehmer aus der Ferne BES, EDEQ, Y-FAS, TLFB von Binges, TFEQ und PFS und bewerteten jedes Bild, das in der ersten Aufgabe zur Bewertung der Reizreaktivität verwendet wurde, anhand derselben Metriken wie im Labor.

Statistischer Ansatz. Kontinuierliche Messungen im Labor (Daten zur Bewertung der Cue-Reaktivität, Go/No-Go-Reaktionszeiten, okulomotorische Aufmerksamkeitsverzerrung und Zustandsfragebogenmessungen) wurden mit 2 bewertet [Sitzung: Sitzung 1 (Manipulation) vs. Sitzung 3 (Post-Manipulation)) ×3 [BMR+RIT, BMR+Schein, NR+RIT]×gemischte ANOVA. Die Leistungsberechnung basierte auf diesem Modell (vollständige Datenverarbeitungsprotokolle, Daten zur Stichprobengrößenberechnung und Randomisierung finden Sie in den Zusatzinformationen). Zur Analyse der Cue-Reaktivität und Go/No-Go-RT-Daten wurde auch ein Faktor des Cue-Typs (HPF, LPF, Non-Food-Füller) modelliert.

Für Fehlerraten- und Genauigkeitsdaten in der Go/No-Go-Aufgabe wurden aufgrund der ungefähren Poissonverteilung der Zähldaten verallgemeinerte Schätzgleichungen mit einer logarithmisch-linearen Verknüpfungsfunktion verwendet. Für Langzeit-Follow-up-Daten wurden lineare gemischte Modelle (LMMs; für kontinuierliche, normalverteilte Daten) und verallgemeinerte lineare gemischte Modelle (GLMMs; Binge-Count-Daten) verwendet, die die Effekte von Gruppe, Zeitpunkt (Basislinie, Postmanipulation, 2 Wochen, 3 Monate, 6 Monate und 9 Monate) und deren Wechselwirkung.

Kriterium C für Signalerkennungsmetriken (dh „g Bias“ und d′ wurden für die Go/No-Go-Aufgabe berechnet) und mit LMMs und Gamma-GLMM analysiert (nach Prüfung der Datenverteilung). Für Tests von Baseline-Merkmals-, biometrischen und demografischen Variablen, bei denen keine Gruppenunterschiede vermutet wurden, wurde der durch die Falscherkennungsrate (FDR65) angepasste Alpha-Wert angewendet. Post-hoc-Tests im Anschluss an Omnibus-Tests wurden mithilfe der Sidak-Korrektur angepasst. Die Daten wurden von LS und EC gesammelt und von RKD unter Verwendung eines von SKK generierten Codes blind analysiert.

Ethische Genehmigung.

Die Autoren behaupten, dass alle Verfahren, die zu dieser Arbeit beitragen, von den ethischen Standards des Research Ethics Committee des University College London für Experimente am Menschen sowie der Helsinki-Erklärung von 1975 in der 2008 überarbeiteten Fassung genehmigt wurden und diesen entsprechen. ISRCTN-Registrierungskennung: ISRCTN13262256. Voranmeldung zum Open Science Framework:https://osf.io/82c4r/.

Ergebnisse

Descriptive statistics for key variables across groups are given in Table 1. Groups were very similar on assessed demographic variables, being typically in their early 20s and higher education. BES scores verified subjective binge-eating status and the PFS, TFEQ, and FCQ indicated relatively high reactivity to food, emotional/uncontrolled eating, and food craving indicating the sample displayed robust maladaptive reward responses to food. There was a trend for greater BMI in BMR+RIT than the other groups, due to three individuals with particularly high BMI (~37). There was also a trend for a difference (BMR+Sham>BMR+RIT) in der Unterskala „Unkontrolliertes Essen“ des TFEQ. Keiner dieser Unterschiede erreichte bei FDR-korrigiertem Alpha die Signifikanz. Ansonsten waren die Gruppen hinsichtlich der Basisvariablen ähnlich.

Kurzfristige Auswirkungen von RIT und BMR (Labormessungen).

Fehler vor der Manipulation und Go/No-Go-Aufgabenkommissionen (Fehlalarme) waren bei beiden Arten von Nahrungsmittelreizen (LPF und Binge) größer als bei Nichtnahrungsreizen. Vollständige Analysen finden Sie in den ergänzenden Informationen. Die Fehlerraten wurden über Gruppen, Sitzungen (vor der Manipulation vs. nach der Manipulation), Stimulustypen (Binge, LPF, Non-Food-Filler) und Fehlertypen (Fehlschläge und Fehlalarme) untersucht. Im Einklang mit der Analyse der Basisdaten sind die Haupteffekte des Stimulustyps (χ2(2)=82.194, S<0.001), Error Type (false alarms>Fehlschläge): χ2(1)=6.404, p=0.011 und ihre Wechselwirkung (χ2(2)=13.013, p=0.001) wurden gefunden .

Die Vier-Wege-Interaktion von Gruppe, Stimulustyp, Fehlertyp und Sitzung war ebenfalls von Bedeutung. In allen Gruppen war eine Drei-Wege-Interaktion zwischen Stimulustyp × Sitzung × Fehlertyp vorhanden, obwohl einfache Effekte innerhalb jeder Gruppe nur bei BMR+RIT eine Veränderung der Reaktion auf Binge-Food-Stimuli zeigten (siehe Tabelle 2, oben). Zu Studienbeginn zeigte BMR+RIT deutlich mehr Fehlalarme als Fehlalarme bei Binge-Food-Bildern (χ2(1)=18.043, S<0.001), however, this was abolished post-training (χ2 (1)=1.222, p=0.269).

Um diesen Effekt zu qualifizieren, wurden die Wechselwirkungen zwischen Sitzung und Stimulustyp innerhalb jeder Gruppe und jedes Fehlertyps bewertet (siehe Tabelle 2 unten). Dies zeigte einen signifikanten Anstieg der „Fehlschläge“ bei Essattacken von Sitzung 1 zu Sitzung 3 bei BMR+RIT, aber einen signifikanten Rückgang der Fehlschläge (d. h. stärkere Reaktion auf Essattacken) bei BMR+Schein, was auf eine mögliche Verschlechterung der Ansatzverzerrung in dieser Hinsicht hinweist Gruppe. Bei NR+RIT gab es einen signifikanten Rückgang der Fehlalarme bei „No-Go“-Versuchen mit Essattacken und einen Rückgang der Fehlalarme bei Füllbildern.

Signalerkennungsmaßnahmen. Kriterium C. A 3 (Gruppe)×2 (Sitzung: vor der Manipulation, nach der Manipulation) ×Stimulustyp (Binge, LPF, Fller) faktorielles lineares gemischtes Modell mit Bootstrapping-Parameterschätzungen gefunden, Haupteffekte des Stimulustyps [F(2.450){ {6}}.59, p=0.028] und eine Gruppe × Sitzung × Stimulustyp-Interaktion[F(4,450)=3.011, p=0.018]. Die 3--Wege-Interaktion wurde durch Untersuchung der Interaktionen zwischen Sitzung und Gruppe für jeden Stimulustyp untersucht. Dies ergab eine Sitzung*Gruppen-Interaktion nur für Binge-Bilder.

Bei BMR+Sham kam es zu einer signifikanten Verschlechterung der Reaktionsverzerrung auf Nahrungsmittel, was sich in einer Verringerung der C-Forbinge-Bilder von Sitzung 1 zu Sitzung 3 widerspiegelte [F(1,90)=6.14, p=0.015]. Bei BMR+RIT gab es eine signifikante Verringerung der Neigung zu Binge-Bildern (Anstieg von C in Richtung 0) [F(1,90)=4.635, p=0.034]. Bei NR+RIT gab es keine statistisch signifikante Änderung [F(1,90)=3.153,p=0.079]. Dies ist möglicherweise ein Beweis für eine positive Reaktion bei BMR + RIT, obwohl zu beachten ist, dass diese Gruppe in Sitzung 1 die größte Tendenz zu Binge-Bildern zeigte, was auf mögliche Basisabhängigkeitseffekte hinweist. Dieser Effekt ist in Abb. 1 dargestellt.

D prime (d′). As with overall accuracy, d′ scores were highly skewed (z>4 (in den meisten Fällen) und zeigt die Leistung auf Höchstniveau hinsichtlich der Empfindlichkeit des Signals „Gut/Nicht geht“ an. Aus diesem Grund wurden d′-Scores mithilfe eines Gamma-verallgemeinerten linearen gemischten Modells analysiert, das die Faktoren Gruppe, Stimulustyp und Sitzung faktoriell umfasste. Dies ergab einen Haupteffekt nur des Stimulustyps [F(2,522)=4.124, p=0.016], was auf niedrigere d′-Werte hinweist (was eine höhere Fehlalarmrate widerspiegelt) für Binge-Food-Bilder im Vergleich zu Non-Food-Füllbildern [t(522)=2.783, p{{13} }.017], aber kein Unterschied zwischen HPF- und LPF-Stimuli [t(522)=0.766, p=0.444].

Daten zur Reaktionszeit. Zu Beginn deuteten die mittleren Reaktionszeiten bei (richtigen) „Go“-Versuchen auf einen Effekt von StimulusType [F(2,174)=8.447, p<0.001, η2 p=0.089], that was invariant across groups [Stimulus Type × Group interaction: F(4,174) = 1.948, p=0.105, η2 p=0.043]. Responses were faster to both types of food images (HPF and LPF) than non-food fller images [Helmert F(1,87)=14.82, p<0.001, η2 p=0.146], but not different between HPF and LPF images [Helmert F(1,87)=0.089, p=0.766, η2 p=0.001]. Tus there was an overall faster response to food images in the study sample, but not specifically to HPF 'binge' foods. A general speeding of responses between sessions 1 and 3 indicated practice effects [F(1,87)=32.643, p<0.001, η2 p=0.273], but there were no interactions nor group effects.

Okulomotorische Aufmerksamkeitsverzerrung (visuelle Sonde). Die Bewertung der Verweildauer von HPF-/Binge-Food-Bildern im Vergleich zu LPF-Food-Bildern ergab keine Hinweise auf eine unterschiedliche anhaltende Aufmerksamkeit für Binge-Food-Bilder im Vergleich zu anderen Food-Bildern an sich [Haupteffekt des Bildtyps F(1,85)=2.79, p{ {5}}.099, η2p=0.032]. Ebenso wenig variierte dies vor und nach der Manipulation [Sitzung × Bildtyp F(1,85)=0.7, p=0.792, η2p=0.001] oder zwischen den Gruppen [Sitzung × Bildtyp × Gruppe F(2,85)=0.43,p=0.65, η2p=0.01]. Die Verweilzeit bei Versuchen mit langer Latenz (2000 ms) umfasst eine frühe automatische und später bewusste Kontrolle der visuellen Aufmerksamkeit.

Tatsächlich wurden deutlich geringere Latenzen bis zur ersten Fixierung bei Binge-Food-Bildern beobachtet (ein Maß für die automatische Aufmerksamkeitserfassung) im Vergleich zu LPF-Bildern [Haupteffekt des Bildtyps [F(1,85)=27.508,S<0.001, η2 p=0.245. Combined with the lack of difference in dwell time, this suggested that following initial (automatic) attentional capture, participants deployed effortful visual avoidance strategies to disengage attention from binge food images.

For more information:1950477648nn@gmail.com