拖延行为的多模态神经基础与神经调控

摘要：拖延(procrastination)是人类目前较为流行的行为问题之- -。拖延通常被界定为，尽管提前预见到拖延会导致不利后果，但仍然自愿推迟(postpone)开始或完成某- -计划任务的行为(Steel, 2007)。拖延行为具有跨文化的一*致性,并在个体身上表现为- -种稳定的特质倾向(Steel,2007; Steel & Ferrari, 2013)。严重的拖延行为不仅会导致人们更差的学业、工作表现以及更低社会经济地位，甚至还会损害人们的身心健康(Rozental & Carlbring, 2014)。流行病学调查的结果显示，15-20%的成 年个体存在慢性拖延(chronic procrastination);而在学生群体中，超过70%的学生承认自己曾经存在学业拖延行为，甚至部分学生出现了持续性、问题性的拖延行为(Day, Mensink, & O'Sullivan, 2000; Steel, 2007)。随着工业化时代的竞争不断加剧，任务的时间要求不断提升,拖延行为问题在全球范围内呈现出了不断上升的趋势(Rozental&Carlbring, 2014)。因此，探明拖延行为产生的心理机制及其认知神经基础，开发有效的拖延干预方案(包括心理训练和神经调控)，具有很高的科学价值和重要的实践意义。已有研究从行为角度探索了拖延的认知机制(如时间动机理论、情绪修复理论及时间决策理论等)及影响因素(如特质性因素与能力性因素等)，并从神经基础的视角揭示了部分脑区的神经结构或神经功能异常与拖延行为的显著关联(如参与自我控制的左侧背外侧前额叶、前扣带回:参与情绪编码调控的眶额叶:参与预期想象与预期情绪的腹内侧前额叶及海马(Chen, Liu, Zhang,& Feng, 2020; Hu, Liu, Guo, & Feng, 2018)。然而，先前研究大多从单个心理变量或有限的几个心理成分出发来考察拖延行为的认知机制及影响因素,缺乏从多变量分析视角来对拖延行为的核心心理成分进行全面无偏的描述。其次，先前研究很少从神经多模态组学的角度来系统地考察拖延行为的神经基础。更重要的是，多模态神经连接组学(neural connectome)和计算神经科学(neurocomputational science)技术能够为系统性地揭示个体行为提供更稳健(robust)的神经标记物(biomarkers)，进而更好地解释拖延行为产生的神经基础。再次，尽管拖延行为具有稳定的神经基础,但先前研究仍缺乏对拖延行为个体建立准确预测的神经预测模型。最后，在目前拖延研究领域内，尚无研究者提供有效的神经调控方案来干预个体的拖延行为。

因此,为揭示拖延行为的核心心理成分及多模态神经基础并实现对拖延行为问题个体有效的神经预测与神经调控，本研究从拖延行为的心理成分(描述)、多模态神经基础(解释)、神经预测模型(预测)及神经调控(干预)四个层次来对这一问题进行系统性地研究。首先，研究1从拖延的行为学理论出发，基于自由模型驱动(model-free)的拓扑图论网络算法(graphtheoretical model)，通过考察拖延关联的心理变量的网络拓扑结构来揭示拖延行为产生的核心心理成分。其次,研究2基于神经连接组学和计算神经科学来揭示拖延行为的多模态神经基础。具体而言，研究2主要(1)从神经灰质结构形态学(GM morphological dynamics)角度探测拖延行为的神经基础; (2)从神经 白质纤维结构连接( WM fiber connection)模式角度探究拖延行为的神经基础: (3)从大尺 度固有功能网络(intrinsic large-scale brain functional networks)的效用连接(effective connections) 及去卷积的神经动力学(de-convolution neural dynamics)连接模式角度探究拖延行为的神经功能基础。再次，基于上述拖延行为的神经结构基础和神经功能基础，研究3旨在建立--个融合多模态的神经特征模型试图对拖延行为问题个体进行准确预测。因此，研究3基于分层机器学习模型(hierarchical machine learning, HML)，采用多变量融合神经特征训练识别模型(hybrid brain modeI)来鉴别病理性(或者问题性)拖延行为个体(procratinators)。最后，为了探究神经调控是否能够有效对拖延行为进行干预，研究4基于双盲随机组-控制组的前测_后测实验设计，采用高精度经颅直流电刺激(High-definition transcranial direct current, HD-tDCS)技术对左侧背外侧前额叶进行重复性(multiple sessions)神经刺激训练，考察神经调控对个体拖延意愿及实际拖延行为的干预效果，并验证领域内拖延决策理论的核心假设。

研究1为全面无偏地描述拖延行为产生的核心心理成分，基于已有理论研究证据(Steel,2007; Srois & PychyI, 2013)，在实验1中采用标准化行为量表对436名被试进行施测，包含拖延直接测量类(如一-般拖延量表、Tuckman拖延问卷等)、拖延行为相关测量类(如自我控制量表、成就动机问卷等)及人口统计学类等共计47个行为测量工具。为确定入组测量内容是否具有理论合理性一一即拖延相关测量变量(如自我控制和成就动机)是否能够解释拖延行为，研究1首先采用受限探索性典型相关分析(exploratory canonical correlation analysis,ECCA),计算两数据集间(拖延相关变量特征集U及拖延行为特征集V)的相关性。接着，为避免维数灾难和过度拟合(dimensionality curese and overitting)，研究1采用了低方差滤波法(Low Variance Filter, LVF),探索性因子分析法(Exploratory Factor Analysis, EFA)及主成分分析法(Principal Component Analysis, PCA)进行降维。最后，研究1将降维后的行为变量作为图论模型的节点(node)，以Pearson积差相关系数为图论模型的边(edge)构建加权无向(we ighted-indirected)拖延行为网络，并通过Newman算法对重构的拖延行为网络进行社区检测(community detection)。结果发现:(1)ECCA中共存在6对典型性变量相关，且ECCA1显示了拖延相关变量集与拖延特征集的高度正相关关系(r=0.903,p<.001);(2)拖延行为网络存在显著的模块化社群拓扑特性(γ= 1.00, Q= 3.703,p< .001)， 主要表现为两个模块(modules):模块1主要包括自我控制、冲动性、感觉寻求、行动控制等行为变量:模块2主要包括成就动机、负性消极优势、负性情绪、抑郁情绪等行为变量。这些结果说明，研究1构建的拖延行为网络具有--定的理论合理性，而拖延行为产生的核心成分可能主要涉及自我控制和动机情绪两方面。

研究2旨在揭示拖延行为的多模态神经基础。随着神经连接组学及神经计算科学的进步，拖延行为的神经基础也在由单模态向多模态框架发展。因此，研究2将分别考察拖延行为的灰质神经结构基础(实验2)、白质神经结构连接基础(实验3)及固有大尺度神经功能网络连接基础(实验4)来揭示拖延行为的多模态神经特征。实验2在三个独立样本的基础上(样本1:242人,样本2:215人,样本3:215人),以数据驱动为主,通过行为脑关联(behavioral-brain configuration)(样本1)、脑-行为关联(brain-behavioral reconfigration)(样本2)及预测性验证(predictivevalidation)(样本3)探明并验证拖延行为与脑灰质体积等脑结构形态学指标的关系。结果发现:(1)拖延行为与左侧脑岛(left insula)、左侧前扣带回(eft anterior cingulate cortex,LACC)及右侧旁海马(right parahippocampus cortex, R PHC)的灰质体积存在显著的正相关关系，但与左侧背外侧前额叶(L .DLPFC)的灰质体积存在显著的负相关关系: (2)拖延行为与左侧前扣带回、右侧腹内侧前额叶(vmPFC)的灰质密度及双侧眶额叶(OFC)的皮层厚度存在显著的正相关; (3). 上述结果均在独立样本.上得到复现: (4)OLS 回归、贝叶斯回归及支持向量回归模型结果均显示，上述脑区能够在独立样本上准确预测拖延行为水平。基于研究1的理论证据，实验2首次提出解释拖延行为的神经理论模型，即拖延的三重神经灰质网络模型(riple brain network model of procrastination):以背外侧前额叶和前扣带回为核心节点的自我控制网络(self-controlnetwork)，以脑岛和眶额叶为核心节点的情绪调节网络(emotional regulation network)，和以旁海马和腹内侧前额叶为核心节点预期想象网络(episodic thinking network)的神经灰质结构异常可能是拖延产生的神经结构基础。为进一-步探索拖延行为的大脑白质纤维结构连接基础，实验3同样采用了三个独立样本(样本1: 314 人，样本2: 142人，样本3: 400人), 基于弥散张量模型追踪白质纤维连接束，以探索并验证白质微结构(microstructure)及白质连接网络与拖延行为的关系。结果发现: (1)左侧项下回左侧脑岛的白质连接完整性及左侧额上回-左侧尾状核(caudate)白质连接的完整性与拖延行为存在显著的负相关: (2)边缘网络(limbic network)的白质连接网络完整性与拖延行为存在显著的负相关:(3)上述结果均在独立样本中得到了复现(replication)和泛化(generalizability). 由此可见，参与自我控制的神经网络和参与奖赏加工或价值表征的神经网络的结构连接异常可能是拖延行为产生的白质结构基础,对奖赏加工或价值表征的自上而下的控制调节减弱可能导致了拖延行为的产生。为进--步揭示拖延行为的神经功能基础，实验4分别通过基于BOLD水平的多态格兰杰效用连接(multi-states Granger efective connectivity)分析(实验4a)及基于神经元动力学水平的盲源反卷积与偏条件化格兰杰因果联合分析(实验4b),考察拖延行为的脑功能网络连接机制。实验4a同样采用了两个独立样本对结果进行交叉验证(样本1: 108 人，样本2: 46 人):首先，基于实验2、3的结果，以假设驱动为主，实验4a选定参与自我控制的扣带控制网络(cingulum-control network, CON)、参与情绪情感的突显网络(salience network,SAN)及参与奖赏加工、价值表征的皮层下网络(subcortical network, SCN)为感兴趣网络，并遍历构建了6条可能的格兰杰因果静态、动态效用连接,以考察这些连接与拖延行为的关系。结果发现,扣带控制网络向突显网络及皮层下网络的静态有向效用连接与拖延行为存在显著的负相关。这些结果揭示了拖延行为的神经功能网络连接基础，证明了自上而下的(top-bottom)自我控制对情绪调节和奖赏加工/价值表征的调控失败可能会导致拖延行为。为获得更稳健的结果并进--步证明上述推论，实验4b首先采用盲源反卷积与偏条件化格兰杰因果联合分析，在更精细的信号水平上估计功能神经网络效用连接状态:接着,利用线性稳健回归模型(inear robust regression model)和结构方程模型考察了扣带控制网络对突显网络及皮层下网络的效用连接调节拖延行为的具体机制。结果发现: (1)在 神经元动力学信号水平上,扣带控制网络向突显网络及皮层下网络的有向效用连接与拖延行为也存在显著的负相关关系:(2)自我控制和情绪状态分别中介了扣带控制网络对突显网络及皮层下网络的效用功能连接与拖延行为的关系:(3)自我控制中介路径的效应量显著大于正性情绪状态的中介路径的效应量。这些结果提供了更稳健的证据证实了拖延是由参与自我控制和参与情绪的两条独立神经环路所影响，验证了拖延行为的神经功能网络连接基础。总之，研究2提出了首个拖延行为的神经理论模型,并证实了拖延行为可能是由参与自我控制和情绪调节的两条神经结构及功能环路异常所引起，因而系统性地揭示了拖延行为的多模态神经基础。

研究3旨在利用拖延行为的多模态神经特征信息实现对问题性拖延行为个体的准确鉴别。具体来说,研究3在实验5中首先构建了2(strucural features, functional features) x 2(static functional entities, dynamic functional entities) x 2(local functional properties, global functional propeties)的多模态混合脑特征模型(hybrid brain model), 包含脑结构灰质体积(grey matter volume, GMV)特征、脑结构白质水分子弥散各项异性( white matter fiber fractional anisotropy)特征、静态的脑功能局部与全局特征及动态的脑功能局部与全局特征。接着，实验5基于联合支持向量机(support vector machine )的多核(Multiple Kernel)层级机器学习算法，对问题性拖延行为个体进行分类预测(lassification)。 最后，为提升模型的可解释性，实验5进一步采用多变量典型性相关性分析及联合独立成分分析(mCCA+jlCA)估计融合脑特征模型的加权特征成分。结果发现:(1)融合神经多模态特征模型能够准确地预测问题性拖延行为个体,分类准确率为87.04%(敏感度= 86.42%, 特异性= 85.19 %); (2)扣带控制网络、突显网络、皮层下网络的联合多模态独立成分及海马的结构-功能-状态融合协变是鉴别问题性拖延行为个体的显著高权重特征。因此，研究3提供了首个神经预测模型实现了对问题性拖延个体的准确鉴别，并且发现参与自我控制、情绪调节、奖赏加工和预期想象的神经网络异常是问题性拖延行为产生的核心神经基础，进--步验证了本研究的神经理论模型。

研究 4 旨在考察能否通过神经调控技术对拖延行为问题进行有效干预，并提实验证据来验证拖延的时间决策模型的重要假设(Zhangetal,2019)。因此，研究4在实验6中利用高精度经颅直流电刺激技术(HD-tDCS)对具有拖延行为问题的个体进行神经调控训练。具体来说，研究4采用随机组.控制组、前测-后测(randomized-control test, RCT)的双盲实验设计，对实验组被试的左侧背外侧前额叶进行间隔7次(共计14天)重复的阳极经颅直流电刺激训练，并对控制组被试进行伪刺激(sham)对照。实验因变量为通过经验采样法(experience-sampling method, ESM)采集到的被试在真实生活中完成真实任务时的执行意愿得分和实际任务完成率。为验证该神经调控的长时程远迁移效应(long-term retention),研究4进行了纵向追踪，在神经调控训练结束的6个月后再--次对所有被试进行施测。结果发现: (1)实验组被试在神经调控后的任务执行意愿显著上升，实际任务完成率显著提升，而在控制组中，刺激训练前后没有发现显著差异: (2)在神经调控训练之后，实验组被试表现出任务厌恶程度显著下降,对于任务完成后的结果价值的评估显著上升，而未在控制组中发现这些变化:(3)半贝叶斯因果中介模型(causalmediationmodel)结果显示，只有任务结果价值的提升能够分别中介神经调控增强被试执行意愿及降低被试实际拖延率的效应;(4)相比神经调控前，实验组被试的任务完成率在神经调控训练结束的6个月后仍保持-定的改善效应。总之,这些结果说明:对左侧背外侧前额叶的神经调控训练能够有效地改善个体的拖延意愿和实际的拖延行为,其作用机制为刺激左侧背外侧前额叶可以提升任务结果价值进而降低个体的拖延行为。

总之，为揭示拖延行为的心理机制及多模态神经基础，并实现有效的神经预测与调控，本研究从拖延行为的心理成分描述、多模态神经基础解释、融合模态神经模型预测及神经调控干预四个层次出发进行了系统性研究。主要结论包括: (1)拖延行为的核心心理成分可能主要涉及自我控制和情绪动机这两个方面:(2)拖延行为存在复杂的多模态神经基础，主要涉及以背外侧前额叶为核心的自我控制网络、以眶额叶为核心的情绪调节网络、以海马为核心的预期想象网络及以尾状核为核心的奖赏加工网络等多个神经网络系统的结构和功能异常，且参与自上而下的自我控制及情绪调控的神经环路异常可能是拖延产生的核心神经基础;(3)融合多模态神经特征的神经预测模型能够实现对问题性拖延行为个体的较准确的鉴别:(4)对左侧背外侧前额叶的神经调控训练能够有效降低个体的拖延意愿及实际拖延行为，其作用机制主要是通过神经调控提升个体的任务结果价值来降低拖延行为的。因此，本研究全面地刻画了拖延行为构成的心理成分，并基于此，首次提出了拖延行为的三重神经网络理论模型，这丰富了拖延行为的认知神经理论基础。其次，本研究基于前沿的(state-of-the-art)神经科学研究方法及神经调控技术,提供了更稳健和可靠的神经证据(neuralevidence)支持了拖延的时间决策理论模型(Temporal decision model, TDM)。再次，本研究建立了首个神经预测模型对问题性拖延行为个体进行准确鉴别，克服了传统的自我报告式(self-report)量表测量的局限性，并为识别和诊断个体拖延行为障碍的亚临床(pre -clinical)症状提供了潜在工具。最后,本研究提出了一一个有效且长效的的神经调控方案来干预拖延行为,为将来控制和治疗拖延行为障碍提供了潜在的途径。综上所述，本研究系统性地研究了拖延行为的核心心理成分和多模态神经基础,为先前的理论模型研究提供了重要证据，并据此提出了首个拖延的神经网络理论模型,对于解释拖延产生的认知神经基础具有重要的理论价值:同时，本研究通过神经预测与神经调控技术实现了对个体问题性拖延行为进行较为准确鉴别和有效干预,对诊断和治疗个体的拖延行为障碍具有直接的临床实践意义。