形質と状態の負の感情は、安静時状態の機能的接続性の安定性と変動性によって別々に予測することができる

The trait and state negative affect can be separately predicted by stable and variable resting-state functional connectivity.

• Yu Li
• Kaixiang Zhuang
• Zili Yi
• Dongtao Wei
• Jiangzhou Sun
• Jiang Qiu

抄録

背景:

不安やうつ病などの多くの感情経験は、負の感情（NA）の影響を受けている。NAには形質と状態の両方の特徴があり、生理的・精神的健康において異なる役割を果たしている。様々な感情経験に共通するNAとその形質-状態の特徴に注目することで、関連する感情障害の共通基盤の理解を深めることができるかもしれません。

BACKGROUND: Many emotional experiences such as anxiety and depression are influenced by negative affect (NA). NA has both trait and state features, which play different roles in physiological and mental health. Attending to NA common to various emotional experiences and their trait-state features might help deepen the understanding of the shared foundation of related emotional disorders.

方法:

また、個人のNAレベルを示す5つの尺度の主成分を算出した。接続性に基づく相関分析を適用して、まず、サンプル1（n = 367）のNAに関連する安静時状態の機能的接続詞（FC）を同定した。次に、大きな時間スケールでのFCの変動性に基づいて、NAに関連するFCをさらに高変動性グループと低変動性グループに分けた。最後に、異なる変動群のFCを個別に適用して、個人の神経症レベル（NAの根底にある形質関連因子であると想定される）とNAレベルの変化（NAの状態関連変動を表す）を予測した。

METHODS: The principal component of five measures was calculated to indicate individuals' NA level. Applying the connectivity-based correlation analysis, we first identified resting-state functional connectives (FCs) relating to NA in sample 1 (n = 367), which were validated through an independent sample (n = 232; sample 2). Next, based on the variability of FCs across large timescale, we further divided the NA-related FCs into high- and low-variability groups. Finally, FCs in different variability groups were separately applied to predict individuals' neuroticism level (which is assumed to be the core trait-related factor underlying NA), and the change of NA level (which represents the state-related fluctuation of NA).

結果:

低変動性FCは主にデフォルトモードネットワーク(DMN)とDMNと背側注意ネットワーク/感覚系の間に存在し、状態NAではなく形質を有意に予測した。高変動性FCは主にDMNと腹側注意ネットワーク、前頭葉ネットワーク、DMN/感覚系の間にあり、NAレベルの変化を有意に予測した。

RESULTS: The low-variability FCs were primarily within the default mode network (DMN) and between the DMN and dorsal attention network/sensory system and significantly predicted trait rather than state NA. The high-variability FCs were primarily between the DMN and ventral attention network, the fronto-parietal network and DMN/sensory system, and significantly predicted the change of NA level.

結論:

NAの形質と状態は、異なる注意過程と感情調節機構を持つ安定型と可変型の自発的FCによって別々に予測できることから、NAの理解を深めることができると考えられる。

CONCLUSIONS: The trait and state NA can be separately predicted by stable and variable spontaneous FCs with different attentional processes and emotion regulatory mechanisms, which could deepen our understanding of NA.