Embed Size (px)
Citation preview
SIGNAL DETECTION NELLA WORKING MEMORY DI
INDIVIDUI CON ESPERIENZE PSICOTICHE SUB-CLINICHE
UNIVERSITÁ DEGLI STUDI DI NAPOLI FEDERICO II
Scuola di Medicina e Chirurgia
Dipartimento di Neuroscienze, Scienze Riproduttive ed Odontostomatologiche
Scuola di Specializzazione in Psichiatria
Direttore: prof. A. de Bartolomeis
RELATORE Ch.mo Prof. Felice Iasevoli
CANDIDATO Dott. Rodolfo Rossi
Mat. N° V1700001
TESI DI SPECIALIZZAZIONE
ANNO ACCADEMICO 2014 - 2015
2
Indice
Introduzione.....................................................................................................................3Esperienze Psicotiche..............................................................................................................3
Definizione.............................................................................................................................................3Inquadramento epidemiologico.......................................................................................................3Il modello proneness-persistence-impairment............................................................................7Valutazione delle PLE........................................................................................................................8
Neurocognitività ed Esperienze Psicotiche.........................................................................9Obiettivi..................................................................................................................................12
Materiali e metodi........................................................................................................14Disegno Dello Studio............................................................................................................14
Coorte....................................................................................................................................................14Campione.............................................................................................................................................15Misure....................................................................................................................................................15Signal Detection Theory (SDT)....................................................................................................17Analisi Statistiche..............................................................................................................................21
Risultati...................................................................................................................................23Campione.............................................................................................................................................23PLIKSi...................................................................................................................................................25Working Memory..............................................................................................................................27Regressione Logistica Univariabile.............................................................................................28Regressioni gerarchiche..................................................................................................................28Multiple Imputation..........................................................................................................................30
Discussione.............................................................................................................................32Implicazioni teoriche di un modello SDT.................................................................................34Punti di forza e limitazioni dello studio.....................................................................................37
Conclusioni.............................................................................................................................39Bibliografia...........................................................................................................................40Ringraziamenti....................................................................................................................47
3
Introduzione
Esperienze Psicotiche
Definizione
Le Psychotic-Like Experiences (PLE) sono manifestazioni psicotiche, in
particolare deliri ed allucinazioni, che non raggiungono un grado di severità o di
interferenza con il funzionamento tale da configurare un disturbo psicotico o
una condizione di interesse clinico.
Inquadramento epidemiologico
Le PLE sono fenomeni relativamente comuni nella popolazione generale,
essendo presenti come parte di un continuum in termini di frequenza, tipo e
numero di esperienze, preoccupazione ad esse associata e grado di convinzione
1-4. La prevalenza lifetime stimata per le PLE secondo un recente studio
mondiale è di 5.4% 5. Tale prevalenza è circa 3 volte quella di tutti i disturbi
psicotici 2, 3, 6 e fino a 10 volte quella della schizofrenia 7. Le stime della reale
prevalenza delle PLE nella popolazione generale mostrano un’ampia
eterogeneità, per lo più attribuibile alle diverse modalità di misurazione,
andando da un 5% quando misurate tramite un’ intervista semistrutturata fino ad
un 60% quando venga utilizzato un questionario autosomministrato 8-10.
I principali fattori di rischio associati alla presenza di PLE sono:
• le esperienze di vita avverse in infanzia (Childhood Adversities, CA),
che includono nella loro definizione l’esposizione alla povertà, la
rottura del nucleo familiare, la morte di un genitore, il neglect,
4
l’abuso verbale o fisico e il bullismo 11-17. Secondo la WHO, la
prevalenza dell’esposizione ad almeno una CA nel mondo è del 40%,
con un tasso di co-occorrenza di più di un’avversità del 60% 18.
Complessivamente, le CA conferiscono un aumento del rischio di
PLE di 2-3 volte rispetto alla popolazione non esposta (OR=2.78,
95%CI [2.34, 3.31])17, 19. Da un punto di vista neurobiologico, gli
eventi di vita avversi agirebbero modificando la funzionalità dell’asse
ipotalamo-ipofisi-surrene alterando la normale risposta allo stress ed
inducendo modificazioni strutturali e funzionali di alcune aree chiave
nell’ippocampo 20, 21. Da un punto di vista psicologico, le CA
impatterebbero sugli stili cognitivi degli esposti, aumentando la
tendenza alla paranoia, tramite meccanismi di worry, credenze
negative sul sé, sensitività interpersonale, esperienze interne anomale,
e bias di ragionamento quali il Jumping-to-Conclusions (JTC) (vedi
oltre) 22. Meno chiaro è il nesso tra CA e allucinazioni uditive, che
implicherebbe la mediazione di manifestazioni dissociative 23 e di
deficit di source monitoring 24.
• L’appartenenza ad una minoranza etnica: le PLE hanno una
prevalenza maggiore tra le minoranze etniche 15, 25, soprattutto in
adolescenza 26, in soggetti sensibili alla discriminazione 27 ed in
contesti ad elevata esclusione sociale delle minoranze 27, 28. Inoltre, la
struttura particolare della rete sociale, con maggiore percezione di
supporto emotivo e materiale, sembra essere fattore protettivo per le
5
PLE anche nei contesti di minoranza etnica 29. Infine, la densità
relativa del proprio gruppo etnico sembrerebbe attenuare l’effetto
dello svantaggio sociale nel determinare le PLE30. Lo status di
migrante per sé, che comunemente viene indicato come fattore di
rischio per i disturbi psicotici, di fatto sembrerebbe avere un effetto
secondario rispetto alla percezione di esclusione e diversità dal
contesto sociale ed ambientale 31.
• L’appartenenza ad una classe sociale bassa, le difficoltà ambientali e
lo svantaggio sociale sono importanti fattori di rischio per le PLE, in
accordo con l’ipotesi della “social causation” delle psicosi32. Inoltre,
tali condizioni di svantaggio sembrano separare i soggetti con PLE di
nessun significato clinico dai soggetti in condizioni clinicamente
significative 33.
• Un basso QI in infanzia e la presenza di disturbi del neurosviluppo
(tratti autistici, dislessia, disprassia, disgrafia, disortografia,
discalculia) sono associati alla presenza di PLE in adolescenza 34.
Inoltre, questi fattori di rischio sembrano essere gli unici di quelli
riportati che dimostrano una specificità per le PLE, essendo
specificatamente predittivi di quest’ultime e non di sintomi depressivi
o ansiosi alla stessa età 35.
• Familiarità per patologia psichiatrica: secondo le stime di una recente
metanalisi 2 la familiarità per patologia psichiatrica è associata ad in
OR per PLE di 3.06 (1.58, 5.94). Tuttavia, tale dato rimane
6
controverso, dal momento che la presenza di familiarità per SCZ
sembrerebbe conferire un rischio per PLE minore di quello della
familiarità per depressione, sebbene molte cautele statistiche vanno
prese in considerazione nell’interpretare questo dato 36. Un ulteriore
studio, con metodologia superiore, conferma l’associazione tra
familiarità per disturbi psicotici (non limitatamente alla SCZ) e PLE,
con un RR di 3.30 (1.82, 5.97) per almeno una PLE lifetime, ed un
RR di 6.12 (2.74–13.67) per la presenza combinata di almeno
un’allucinazione ed almeno un delirio 37.
• Cannabis ed altre sostanze d’abuso: l’uso di cannabis, alcol e altre
sostanze d’abuso è uno dei fattori di rischio più importanti per le PLE.
Stime metanalitiche riportano un OR di 2.51 2.
Le PLE mostrano un picco di prevalenza nella prima adolescenza, per poi
andare incontro ad un plateau nella prima età adulta 2, 38-40. Più in particolare,
uno studio longitudinale che ha utilizzato una valutazione basata su un’intervista
semistrutturata riporta che tra i 12 e i 18 anni di età il tasso di remissione delle
PLE è del 78% 39. Misurazioni longitudinali definitive della traiettoria di
prevalenza delle PLE attraverso le diverse età della vita non sono al momento
disponibili.
Le PLE sono un indice di rischio per i disturbi psicotici, inclusa la
schizofrenia. Una recente meta-analisi dimostra che la maggior parte degli
individui con PLE rimangono sub-sintomatici per tutta la vita senza mai
convertire a disturbo psicotico conclamato, sebbene il rischio di conversione
7
annuo a disturbo psicotico sia circa tre volte maggiore in individui con PLE
(0.56% VS 0.16%) 41. La presenza di PLE in adolescenza appare essere un
indice di rischio sostanzialmente aspecifico, in quanto le PLE sembrerebbero
predisporre sia ai disturbi psicotici sia a disturbi d’ansia, dell’umore e da uso di
sostanze 35. In base a queste evidenze, si è nel tempo affermata l’ipotesi che le
PLE nella tarda adolescenza, per come vengono attualmente rilevate, possano
rappresentare l’epifenomeno di vulnerabilità ancora differenziabile in differenti
esiti psichiatrici 35.
Il modello proneness-persistence-impairment
Le PLE condividono con i disturbi psicotici un elevato numero di fattori di
rischio. Tra questi, bullismo ed esperienze avverse in infanzia 12, 17, 42-45,
funzionamento intellettivo 9, 34, 46, uso di cannabis 47, 48, discriminazione etnica 49
e familiarità per disturbi psichiatrici maggiori 37. Sulla base di tali evidenze
epidemiologiche, si è ipotizzata l’esistenza di un fenotipo psicotico esteso, ai cui
estremi stanno le PLE da un lato, e la schizofrenia e i disturbi psicotici dall’altro
3. Secondo tale modello (fig. 1), le PLE degli individui inclini alla
sintomatologia psicotica, in risposta a vari stressors ambientali e al carico
genetico 50 perdono il carattere di transitorietà divenendo via via più stabili nel
tempo, per poi produrre una compromissione del funzionamento globale.
Numerose critiche sono tate mosse a tale modello, soprattutto circa la
discutibilità del sostenere una continuità fenomenologica tra due manifestazioni
sulla scorta della continuità dei fattori di rischio. Inoltre, recenti evidenze
suggeriscono che solo i fattori di rischio di natura neuroevolutiva sono
8
realmente specifici per lo spettro psicotico, mentre sembrerebbe che i fattori di
rischio ambientali siano relativamente aspecifici, conferendo un aumentato
rischio sia per le patologie dello spettro psicotico sia per manifestazioni ansioso-
depressive 35.
Valutazione delle PLE
Nonostante l’importanza della persistenza delle PLE come indice di rischio
per lo sviluppo di disturbi psicotici, tanto l’esatta stima della prevalenza delle
PLE tanto la stima del loro tasso di persistenza rimane estremamente variabile,
variando tra l’8% e il 30% negli adulti 51-53 e tra il 16% e il 40% negli
adolescenti 54, 55. La maggioranza di questa variabilità può essere spiegata sia
dalla natura del campione che dal tipo di strumento utilizzato 2. Il problema del
Figura1ModelloProneness-Persistence-Impairment.Secondoquestomodello,lemanifestazionievolutivedellePLEsonocomunieperlamaggiorpartetransitorie.Tuttavia,lePLEpossonodiventarepersistentiattraversomeccanismidisensitizzazionepsicologicaebiologica.Lapersistenzaasuavoltaaumentalaprobabilitàdiimpattonegativosulfunzionamentoelanecessitàdicure.DaVanOsetal.,2009
9
numero dei diversi strumenti utilizzati, nonché delle diverse definizioni
operative, è stato affrontato da una revisione sistematica 56 che ha identificato in
76 studi complessivi notevoli discrepanze nella definizione operativa delle PLE,
che nella maggior parte dei lavori includono sia deliri che allucinazioni, pur
essendo presente una minoranza di lavori che misura solo l’uno o l’altro
fenomeno. Sono stati inoltre identificati ben 41 diversi strumenti di misurazione,
i più comuni dei quali sono la Magical Ideation Scale (MIS), la Community
Assessments of Psychic Experiences (CAPE) e la Launay-Slade Hallucinations
Scale (LSHS). La stragrande maggioranza dei lavori inclusi utilizza strumenti
self-report. Dai risultati di tale revisione, si conclude che non esiste al momento
un consenso definitivo sulla definizione operativa delle PLE e sulla loro
separazione dalla schizotipia. È da notare che questo lavoro non include, per
difetto di metodo, lo strumento basato su intervista semistrutturata utilizzato nel
presente lavoro 57.
Neurocognitività ed Esperienze Psicotiche
Tra i vari fattori di rischio per i disturbi psicotici, i deficit neurocognitivi, in
particolare della Working Memory (WM), rivestono un ruolo di notevole
rilevanza 58, 59. La WM, infatti, è una funzione neurocognitiva di base che è
frequentemente compromessa negli individui affetti da schizofrenia (SCZ) e da
altri disturbi psicotici. Inoltre, tale deficit, essendo presente prima dell’esordio,
ed essendo presente in forma attenuata anche nei parenti di primo grado dei
soggetti affetti, è un endofenotipo candidato per la SCZ 60-62. I deficit di WM
sono, infatti, stati rilevati a cavallo del primo episodio psicotico 63-65. Per quanto
10
i criteri di Gottesman prevedano una stabilità nel tempo degli endofenotipi, i
deficit cognitivi nei pazienti psicotici seguono delle specifiche traiettorie di
deterioramento che non sembrano essere stato-dipendenti, non andando pertanto
in contraddizione con i criteri sovra citati 64, 66, 67. Inoltre, lievi ma significativi
deficit di WM sono stati rilevati nei parenti di primo grado dei soggetti affetti da
SCZ e in individui ad alto rischio familiare per disturbi psicotici, suggerendo
una possibile componente genetica in tali disfunzioni 62, 68-71. Una riduzione
della capacità, o span, di WM è stata rilevata in individui ad Ultra-High Risk
(UHR) o At-Risk-Mental-State (ARMS) afferenti spontaneamente ai servizi di
salute mentale, soprattutto in quelli che sarebbero poi transitati in disturbo
psicotico conclamato 72-76. Infine, deficit di WM sono stati identificati in
individui schizotipici, per quanto in questo ambito i dati risultino meno coerenti
data l’eterogeneità degli strumenti psicometrici utilizzati per la definizione di
schizotipia 61, 77, 78.
Gli esatti meccanismi neuropsicologici tramite i quali i deficit di WM
contribuiscono ai sintomi psicotici è poco chiaro. La WM è stata messa in
relazione a specifiche anomalie neurocognitive, tra cui disturbi del source
monitoring 79, e bias di ragionamento come il jumping to conclusion. Il source
monitoring rappresenta la funzione neurocognitiva deputata al riconoscimento
della fonte di un atto mentale. Anomalie del source monitoring sono state messe
in relazione sia ai costrutti di natura fenomenologica della meità e
dell’agentività - che sarebbero alla base delle esperienze di passività dalle quali
11
trarrebbero origine i deliri di primo rango in senso Schneideriano - sia alla
allucinazioni uditive verbali.
Il Jumping-to-conclusions (JTC) è il fenomeno per cui i soggetti psicotici
sembrano richiedere una minore quantità di informazioni per operare delle
inferenze durante il processamento probabilistico dei dati di realtà. La presenza
di JTC è strettamente legata alla presenza di deliri di riferimento, interpretatività
e paranoia.
Nel loro complesso, i fenomeni psicotici sarebbero associati ad un elevato
numero di false memorie e/o all’incapacità di rigettarle, esitando nella
compromissione dell’analisi di realtà.
Pochi studi hanno finora indagato la relazione tra WM e PLE nella
popolazione generale. Ad esempio, Korponay 80 e colleghi negli USA hanno
rilevato un inaspettatamente alto punteggio nei task di WM, misurata
nell’ambito della MCCB, negli adulti con PLE identificate tramite il
questionario autosomministrato Community Assessment of Psychic Experiences
(CAPE). Il campione di questo studio non sarebbe idoneo a studiare la relazione
tra PLE e deficit cognitivi poiché l’elevata età media giustificherebbe un bias di
selezione in favore di quegli individui che non sarebbero comunque mai
transitati a disturbo psicotico, le cui elevate capacità cognitive potrebbero
rappresentare un fattore protettivo che ne avrebbe impedito la transizione a
psicosi. Un’associazione tra WM e PLE è stata invece rilevata in Germania in
un ampio studio di popolazione generale, anche in questo caso utilizzando la
12
CAPE 81. Tuttavia, in questo studio gli strumenti di misurazione della WM non
permettono un’approfondita valutazione dei meccanismi qualitativi sottostanti i
deficit di WM rilevati. Ad ogni modo, tale studio ha rilevato un’associazione
statisticamente significativa, seppur di modesto effect size, tra WM e PLE.
Entrambi gli studi citati valutano le PLE tramite strumenti autosomministrati,
che hanno la tendenza a sovrastimare la presenza di PLE e quindi ad includere
nel gruppo dei casi individui che in altre condizioni verrebbero valutati come
controlli, diluendo la magnitudine dei deficit rilevati. In Irlanda, un piccolo
studio 82 che utilizzava un’intervista per la valutazione delle PLE non ha rilevato
nessuna associazione con la WM, misurata con il digit span task. Lo stesso
gruppo ha inoltre riportato un lavoro indipendente, un correlazione tra PLE e
WM spaziale83. Uno studio dalla stessa coorte replica il risultato in una
subcampione di individui UHR82 .
Obiettivi
Data la sostanziale aspecificità delle PLE come indicatori di rischio, è
importante indagare alcuni dei fenotipi propri dei disturbi psicotici anche in
relazione alle PLE, il cui rilievo potrebbe aumentare il potere predittivo delle
PLE verso i disturbi psicotici maggiori.
In questo studio esamineremo il funzionamento della WM, utilizzando una
versione dell’N-Back task, sul più grade campione di popolazione generale
finora raccolto, e valuteremo le associazioni tra pattern di funzionamento N-
Back e prevalenza di PLE utilizzando un tipo di analisi qualitativa che
opereremo sul processamento dei dati mnestici dei soggetti con e senza PLE.
13
La nostra ipotesi di partenza è che esista una continuità tra PLE e disordini
psicotici; pertanto le anomalie di WM, accertate nei disturbi psicotici
conclamati, dovrebbero mostrare un’associazione nelle PLE indipendentemente
dalla presenza di un disturbo clinico.
14
Materiali e metodi
Disegno Dello Studio
Ai fini della nostra indagine, abbiamo eseguito uno studio osservazionale
cross-sectional inglobato in un più ampio studio di popolazione.
Coorte
ALSPAC (http://www.bristol.ac.uk/alspac/)
Il nostro campione è estratto dalla coorte
dello Studio ALSPAC (Avon Longitudinal
Study of Parents and Children, anche detto
Children of the ‘90s). ALPSAC è considerato
uno dei più ampi e più comprensivi studi
epidemiologici di coorte di nascita. Lo studio ha
avuto inizio nel 1991-1992 con lo scopo di esaminare il ruolo di variabili
genetiche, ambientali e genitoriali come predittori dello sviluppo psicofisico dei
bambini. 14541 donne gravide della contea di Avon (UK) (fig. 2) furono
reclutate, stimate come l’85-90% della popolazione target, ottenendo 14062 nati
vivi e 13988 infanti vivi a 12 mesi. Dati fenotipici, genetici, biologici ed
esposomici sono stati raccolti sulle madri, i loro partner e sui figli in numerosi
time-point. Le sorgenti dati includono questionari self-report, incontri durante i
quali si è proceduto a misurazioni fisiche ed interviste, integrazione di database
ostetrici, scolastici e delle forze dell’ordine, dati biologici inclusi dati genome-
Figura2ConteadiAvon,UK
15
wide ed epigenetici, scansioni tramite MRI ed fMRI. Una completa descrizione
della coorte può essere trovata in 84.
L’approvazione etica è stata ottenuta dall’ALSPAC Ethics and Law
Committee e dal Local Research Ethics Committee, ed è conforme alla
dichiarazione di Helsinki sull’etica nella ricerca biomedica.
Il progetto ALSPAC è finanziato dal Medical Research Council e dal
Wellcome Trust.
Campione
Il nostro campione è estratto dal time-point “Teen Focus 4” (TF4), iniziato
nel Dicembre 2008 e completato nel Dicembre 2010. L’età target di
reclutamento è di 17.5 anni. 5216 individui hanno partecipato al TF4. Per le
principali analisi, abbiamo selezionato gli individui che avessero almeno una tra
la variabile dipendente e la variabile indipendente non-mancante.
Misure
PLE: la presenza di PLE è stata rilevata utilizzando l’intervista
semistrutturata Psychosis-Like Symptom Interview (PLIKSi)9. La PLIKSi
include un primo set introduttivo di domande per introdurre il soggetto alle
esperienze bizzarre, seguito da un pool di domande per indagare 11 sintomi
“core”, la loro modalità di occorrenza e il loro impatto sul funzionamento
globale. La PLIKSi è derivata dalla “Schedule for Clinical Assessment in
Neuropsychiatry 2.0” (SCAN 2.0) 85, elaborata dalla World Health Organization
(WHO). Le PLE “core” indagate dalla PLIKSi includono allucinazioni (visive
16
ed uditive), deliri (di essere spiati, di persecuzione, di lettura del pensiero, di
riferimento e di grandiosità) ed esperienze di interferenza con il pensiero
(trasmissione, inserzione e furto). Ogni PLE può essere valutata come “Assente”
“Sospetta” o “Presente”. Le risposte ambigue o poco chiare sono state down-
rated. Nel nostro studio la variabile dipendente PLE è stata considerata positiva
per valutazione PLIKSi “sospetta” e “presente”, non attribuibili a sonno o
episodi febbrili.
Working Memory: la funzionalità della WM è stata indagata tramite l’N-
Back Task. 3986 soggetti avevano i dati N-Back disponibili. Di questi, 391 per
il 2-back e 341 per il 3-Back sono stati esclusi dalle analisi per non aver risposto
o non aver ingaggiato nel task. Nell’ N-Back, ai soggetti vengono presentati
numeri da 0 a 9 in ordine pseudo-randomizzato. Ciascuno stimolo è presentato
per 500ms con intervallo tra gli stimoli di 3000ms. I soggetti vengono istruiti a
premere il tasto “1” se lo stimolo corrente è identico a quello presentato “N”
stimoli prima, il tasto “2” se invece è diverso. Al fine di non influenzare la
strategia di risposta al task verso una massimizzazione degli HIT o dei Correct
rejection, le Istruzioni fornite erano neutre. Sono stati somministrati 2 differenti
blocchi (2-Back e 3-Back) di 48 trial ciascuno. Il computer ha generato
automaticamente 4 parametri:
a. target identification accuracy (Hit rate), essendo la percentuale di trial
correttamente identificati come target
b. non-target identification accuracy (CR), essendo la percentuale di trial
noise identificati come tali, ovvero le correct rejections.
17
c. target identification median reaction time (Hit_RT), essendo la mediana
dei tempi di reazione ai trial target
non-target identification median reaction time (nonT RT) essendo la
mediana dei tempi di reazione ai trial noise.
Signal Detection Theory (SDT)
La SDT fornisce una descrizione computazionale a tutte quelle situazioni in
cui vengono prese delle decisioni sulla presenza o assenza di una condizione in
condizioni di relativa incertezza, o meglio, le informazioni in base alle quali
viene operata una scelta hanno un certo grado di incompletezza o ambiguità 86.
Per quanto i processi neurali sottostanti la performance in diversi task siano
evidentemente diversificati, molte caratteristiche della performance in sé
trascendono tali meccanismi e possono essere decritti matematicamente
mediante un unico modello. La SDT può essere applicata in tutte quelle
situazioni in cui un osservatore è chiamato a rilevare la presenza di un segnale
(o signal) nel contesto di molti stimoli confondenti che interferiscono con le sue
capacità discriminative e percettive. In un task SDT, l’osservatore si può trovare
di fronte a due tipi di trial, uno composto da solo noise, ed uno nel quale è
presente il signal da rilevare. Di fronte a tali trial, l’osservatore risponde
all’avvenuta rilevazione del segnale in maniera dicotomica. Dall’incrocio dei
possibili trial (target/noise) con le possibili risposte (si/no), otteniamo 4 tipi di
possibili outcome, come nello schema di seguito:
18
Trial
Target Noise
Res
pons
e Si
Hit False Alarm
No Miss Correct rejection
Figura 3 Schema generale di risposta secondo la Signal Detection Theory. Adattato da Macmillan, N. A. and C. D. Creelman (2005). Detection theory : a user's guide. Mahwah, N.J. ; London, Lawrence Erlbaum Associates.
La SDT inoltre studia i processi probabilistici sottostanti il processamento
delle informazioni, partendo da tre assunti 86:
1. l’evidenza sul segnale che l’osservatore estrae dallo stimolo può
essere quantificata numericamente: la SDT non si addentra nella
specificazione biologica di tale variabile, per quanto è stato suggerito
che il reclutamento in termini di popolazioni neuronali segua
grossomodo un procedimento analogo
2. Tale evidenza ha una variazione casuale attraverso una serie di trial
uguali: tale varianza viene illustrata nel grafico di seguito (fig. 4), che
mostra la distribuzione della quantità di evidenza sotto le due
condizioni noise o signal. In questo grafico sull’ascissa riportiamo
l’intensità di questa riposta interna, sulle ordinate la probabilità di
ciascun valore di aver luogo. Come evidente, la presenza del signal
all’interno del trial sposta il centro (e la varianza, in modelli più
complessi) della distribuzione della risposta interna. La distanza che
19
separa la distribuzione delle risposte interne al noise e signal è detta
discriminabilità.
3. La scelta sulla risposta da dare viene fatta applicando un criterio
decisionale alla magnitudine di tale evidenza: quando la magnitudine
della risposta interna supera tale soglia, l’osservatore rileva il signal e
risponde di conseguenza, diversamente l’osservatore rileva solo noise.
Tale criterio è detto response bias. Più bassa è tale soglia, minore sarà
la quantità di evidenza richiesta dall’osservatore per rilevare un
segnale, indipendentemente dalla presenza o meno di quest’ultimo. In
questo caso il response bias viene detto liberale. Viceversa, una
soglia decisionale molto alta descrive un sistema che tenta di
minimizzare il numero di falsi riconoscimenti. Tale sistema viene
descritto come conservativo.
L’applicazione della SDT al campo delle psicosi ha rilevato, in maniera
piuttosto discontinua data la scarsa popolarità di questo metodo di indagine, un
costante spostamento del response bias in senso liberale ed un alto numero di
falsi allarmi. L’aspetto più interessante sta nel fatto che l’applicazione della
SDT riporti risultati piuttosto coerenti trasversalmente rispetto a diversi domini
cognitivi e di social cognition. Questo suggerisce che possa esistere un fattore
comune a tutto il processamento di realtà, che risulta inficiato nelle psicosi.
20
Figura 4 Distribuzione probabilistica equivariante dell'intensità della risposta interna di un sistema osservante a stimoli noise e signal. DImostrazione grafica del concetto di response bias e discriminability index. Adattato da Macmillan, N. A. and C. D. Creelman (2005). Detection theory : a user's guide. Mahwah, N.J. ; London, Lawrence Erlbaum Associates.
Misure derivate dalla SDT
Dai dati grezzi dell’N-Back, abbiamo calcolato il tasso di Falsi Allarmi
come
!" = 1 − (!"! !"#$%! !"#$%!&!'(%!)$ !""#$!"%)
Per il tasso di Hit, FA, e i rispettivi tempi di reazione sono stati calcolati ed
inclusi nelle analisi punteggi standardizzati.
L’indice di discriminabilità d’ è stato calcolato usando la sintassi STATA®
!’ = !"#"$%&(!) – !"#"$%&(!")
Il response bias c è stato calcolato usando la sintassi STATA®
c = − !"#$"%& !"#$ + !"#$"%& !" 2
Per dettagli, vedere 87.
21
Confounders
Una serie di potenziali confounders di area socio-demografica è stata
selezionata a priori dall’intero database ALSPAC, in accordo con precedenti
output scientifici dalla stessa coorte. Tra questi: genere, etnia, diagnosi ICD-10
di depressione, derivata dalla versione computerizzata della Clinical Interview
Schedule (CIS-R), profilo di bullismo (subito/agito/subito e agito), IQ
standardizzato, misurato a 8 anni di età mediante Wechsler Intelligence Scale
for Children – III (WISC-III UK version), utilizzo di cannabis, misurato
mediante Cannabis Abuse Screening Test (CAST) riferito ai precedenti 6 mesi
rispetto alla data dell’intervista (codificato come positivo se CAST≥1, negativo
se il soggetto non ha mai provato la cannabis o CAST=0), uso di altre sostanze
nei 3 mesi precedenti l’intervista, uso di alcolici misurato tramite Alcohol Use
Disorder Identification Test (AUDIT).
Analisi Statistiche
Tutte le analisi statistiche sono state eseguite usando STATA® ver.13
(StataCorp, College Statio, Texas). Sono state calcolate le frequenze per le
variabili categoriali, e le medie con Intervalli di Confidenza al 95% (95%CIs)
per le variabili continue. Nella prima fase di analisi, abbiamo eseguito delle
regressioni logistiche univariate con le PLE come outcome e i diversi indici di
performance dell’N-Back come predittori. In una seconda fase, è stato eseguito
un pannello di regressioni logistiche gerarchiche a 2 blocchi per separare
l’effetto confondente dall’effetto dei dati mancanti. Nel primo blocco, abbiamo
22
calcolato gli ORs grezzi per i vari indici di performance dell’N-Back su un
campione ristretto per dati mancanti su tutti i confounders. Nel secondo blocco
sono stati introdotti i confounders sopra citati.
È stato inoltre analizzato il pattern di mancanza dati sulle variabili
dipendente, indipendenti e confounders, confermando che la mancanza delle
variabili in oggetto non era predetta dal valore della variabili stessa, suggerendo
che la struttura dei dati mancanti non violavano la condizione di Missing Not At
Random. Solo alcune correlazioni esterne tra variabili demografiche e mancanza
delle variabili di interesse è stata confermata, suggerendo che la struttura dei
dati mancanti sia Missing At Random (MAR). Pertanto i dati mancanti sono
stati imputati utilizzando il protocollo di Multiple Imputation by Chained
Equation (MICE), implementato dal comando ice in STATA®. La MICE è stata
eseguita sul subsample inizialmente selezionato per le analisi (N=4744).
23
Risultati
Campione
Un totale di 4744 soggetti sono stati selezionati per le analisi, avendo
partecipato al TF4 e avendo disponibile almeno uno tra PLIKSi e N-Back. Di
questi, 56.5% [55.1, 57.9] erano femmine e il 95.7% [95.1, 96.3] erano di etnia
bianca. L’età media del campione era di 17.78 anni [17.77, 17.79], il QI medio
di 107.3 [106.8, 107.8]. Inoltre, cumulativamente il 63.9% del campione
apparteneva a classi sociali elevate. La presenza di sintomi depressivi coerenti
per una diagnosi secondo ICD-10 di depressione maggiore era presente nel
7.7% del campione totale, mentre l’utilizzo di cannabis, alcohol e sostanze
d’abuso maggiori era presente rispettivamente nel 4.7%, nel 42.3% e nel 5.5%.
Infine, il 15.75% del campione riportava di essere stato vittima di bullismo, il
3.9% di aver perpetrato atti di bullismo verso i propri pari, e il 11.6% di aver sia
subito che perpetrato atti di bullismo. Le statistiche descrittive complete sono
riportate in tabella 1.
24
Tabella 1 Caratteristiche del campione
Overall
(Mean [95%CI] or Count (%))
Non-PLEs (Mean [95%CI] or Count
(%))
PLEs (Mean [95%CI] or Count
(%))
Effect Size (Cohen’s d or Cramer’s V)
Genere (femmine) 2681 (56.5%) 2425 (55.8%) 240 (64.2%) -0.04
Età 17.77 [17.76, 17.78] 17.77 [17.76, 17.78] 17.81 [17.77, 17.85] -0.11
QI Totale 107.3 [106.80, 107.81] 107.54 [107.01, 108.07] 104.17 [102.30, 106.04] 0.20
Classe Sociale Genitori
I+II 2646 (63.93%) 2,469 (64.89%) 166 (53.21%) 0.07
III non manuale 964 (23.3%) 870 (22.86%) 86 (27.56%)
III manuale 367 (8.90%) 326 (8.57%) 38 (12.18%)
IV or V 162 (3.91%) 140 (3.68%) 22 (7.05%)
Depressione (ICD-10) 335 (7.71%) 257 (6.41%) 78 (23.08%) 0.16
FAI 1.01 [0.97, 1.05] 0.97 [0.93, 1.01] 1.50 [1.31, 1.68] -0.37
Cannabis 165 (4.75%) 123 (3.81%) 42 (16.34%) 0.15
AUDIT 1571 (42.36%) 1433 (41.9%) 137 (47.9%) 0.03
Sostanze d’Abuso 206 (5.70%) 165 (4.8%) 41 (17.15%) 0.13
Bullismo
Vittima 616 (15.75%) 551 (15.21%) 65 (22.57%) 0.11
Perpetratore 155 (3.96%) 143 (3.95%) 12 (4.17%)
Vittima e Perpetratore 457 (11.68%) 395 (10.9%) 62 (21.53%)
FAI: Family Adversity Index; AUDIT: Alcohol Use Disorder Identification Test;
25
PLIKSi
Un totale di 4718 soggetti aveva dati completi della PLIKSi. Di questi, 7.9%
[7.19, 8.73] (N=374) avevano riferito almeno una PLE sospetta o accertata. Di
questi, il 64.2% [59.3, 69.0] erano femmine, il 93.5% [90.8, 96.2] di etnia
Bianca. Il loro QI medio era di 104.2 [102.4, 106.0], leggermente più basso di
quello dei soggetti senza PLE (107.6 [107.0, 108.1]). La PLE più prevalente era
“Allucinazioni Uditive”. L’esatta prevalenza delle singole PLE è riportata in
tabella 2.
26
Tabella 2. Prevalenza Delle single PLE nel campione
PLIKS Item None Suspect Definite Any (Suspect+Definitive)
Allucinazioni Uditive 4465 (94.66%) 107 (2.27%) 145 (3.07%) 252 (5.34%)
Allucinazioni Visive 4516 (95.74%) 88 (1.87%) 112 (2.37%) 200 (4.24%)
Illusioni Visive 4654 (98.66%) 34 (0.72%) 29 (0.61%) 63 (1.33%)
Delirio di venire Spiato 4635 (98.24%) 55 (1.17%) 26 (0.55%) 81 (1.72%)
Delirio di Persecuzione 4679 (99.17%) 22 (0.47%) 12 (0.25%) 34 (0.72%)
Delirio di lettura del pensiero 4700 (99.62%) 12 (0.25%) 6 (0.13%) 18 (0.38%)
Delirio di Riferimento 4685 (99.32%) 23 (0.49%) 8 (0.17%) 31 (0.66%)
Delirio di Controllo 4708 (99.79%) 6 (0.13%) 4 (0.08%) 10 (0.21%)
Delirio di Grandiosità 4696 (99.53%) 13 (0.28%) 5 (0.11%) 18 (0.39%)
Trasmissione del Pensiero 4677 (99.24%) 28 (0.59%) 8 (0.17%) 36 (0.76%)
Inserzione del Pensiero 4685 (99.41%) 15 (0.32%) 13 (0.28%) 28 (0.6%)
Furto del pensiero 4708 (99.89%) 4 (0.08%) 1 (0.02%) 5 (0.1%)
27
Working Memory
I punteggi 2-Back e 3-Back erano disponibili per 3595 e 3551 soggetti
rispettivamente. Tutti gli indici di performance differivano tra 2- e 3-Back,
avendo i soggetti un minore tasso di Hit, un maggiore tasso di FA e un c più
liberale al 3-Back. I dettagli sulle performance sono riportati in tabella 3.
Tabella 3. Performance all’N-Back nel campione totale
Mean Mean 95% CI Range Mean Mean 95% CI Range
2-Back (N=3595) 3-Back (N=3551)
Hits 0.71 [0.71, 0.72] 0.13, 0.94 0.56 [0.55, 0.57] 0.13, 0.94
FA 0.21 [0.20, 0.21] 0.01, 0.97 0.22 [0.21, 0.22] 0.01, 0.97
Hits RT 702.84 [695.11, 710.57] 139.50, 2002.50 737.12 [727.20, 747.04] 74.5, 2410
nonT RT 671.91 [664.92, 678.89] 6.50, 1858.50 696.94 [688.27, 705.61] 32, 2278
d’ 1.73 [1.69, 1.77] -3.01, 3.79 1.12 [1.08, 1.15] -2.77, 3.79
ca 0.19 [0.17, 0.21] -1.70, 1.50 0.37 [0.35, 0.38] -1.53, 1.70
a negative values of c signify liberal bias, whereas positive values signify conservative bias.
28
Regressione Logistica Univariabile
Nel modello grezzo, dei parametri del 2-Back, i FA erano associati con le
PLE (OR=1.17 [1.01,1.35]). Al 3-Back, i FA (OR=1.35 [1.18,1.54]), il response
bias c (OR=1.59 [1.09,2.34]), e il d’ (OR=0.76 [0.65,0.89]) risultavano associate
con le PLE. Nessuno degli altri parametri dimostrava un’associazione
statisticamente significativa con la presenza di PLE. I risultati delle regressioni
lineari sono riportati integralmente in tabella 4.
Regressioni gerarchiche
Nei modelli gerarchici, la dimensione del campione è scesa da 3576 a 1970 e
da 3527 a 1947 per il 2-Back e 3-Back rispettivamente, a causa dei dati
mancanti sui confounders. Nel Blocco 1, non corretto, solo i FA e d’ del 3-Back
dimostravano un’associazione con le PLE, rispettivamente OR=1.26 [1.03,
1.54] e 0.8 [0.64, 1.00]. L’associazione trovata tramite regressione lineare tra
FA al 2-Back e PLE non ha retto alla riduzione del campione. Nel Blocco 2,
delle associazioni precedentemente rilevate alla regressione lineare, nessuna
sopravviveva alla correzione per confounders (Tabella 4).
29
30
Multiple Imputation
Dopo la MICE, il campione imputato era di 4744 soggetti. Su questo
campione, le associazioni tra indici di performance all’N-Back e PLE erano
simili al modello non corretto, suggerendo che la riduzione nella dimensione del
campione dovuta alla listwise deletion potrebbe aver influenzato i risultati. Nei
modelli MICE non corretti, i FA e il d’ 2-Back avevano un OR per le PLE
rispettivamente di OR=1.17 [1.01, 1.34] e OR=0.89 [0.79, 0.99], mentre i FA, d’
e c 3-Back avevano OR rispettivamente di OR=1.36 [1.20, 1.55], OR=0.74
[0.64, 0.86] e OR=0.64 [0.43, 0.93]. Introducendo la correzione per i
confounders, gli indici che sopravvivevano alla correzione erano solo i FA e il
d’ al 3-Back, rispettivamente OR=1.25 [1.08, 1.44] e OR=0.82 [0.69, 0.96]. I
risultati in dettaglio delle analisi sul campione MICE sono riportati in tabella 5.
31
Tabella 5. Regressione univariabile e multivariabile su campione imputato tramite MICE N-Back Parameters OR p 95%CI OR p 95%CI
2-Back unadjusted MICE (N=4744)
2-Back adjusteda MICE (N=4744)
z-Hits 0.92 0.292 [0.78, 1.08] 1.00 0.965 [0.84, 1.19]
z-False Alarms 1.17 0.034 [1.01, 1.34] 1.03 0.721 [0.88, 1.21]
d’ 0.89 0.040 [0.79, 0.99] 0.99 0.841 [0.87, 1.13]
cb 0.82 0.317 [0.56, 1.22] 0.96 0.852 [0.66, 1.42]
z-Hits RT 1.00 0.987 [0.83, 1.20] 1.03 0.755 [0.85, 1.24]
z-nonT RT 1.04 0.633 [0.88, 1.23] 1.08 0.360 [0.91, 1.29]
3-Back unadjusted MICE (N=4744)
3-Back adjusteda MICE (N=4744)
z-Hits 0.88 0.118 [0.75, 1.03] 0.94 0.465 [0.79, 1.12]
z-False Alarms 1.36 <0.001 [1.20, 1.55] 1.25 0.003 [1.08, 1.44]
d’ 0.74 <0.001 [0.64, 0.86] 0.82 0.015 [0.69, 0.96]
cb 0.64 0.022 [0.43, 0.93] 0.73 0.117 [0.49, 1.09]
z-Hits RT 0.85 0.118 [0.69, 1.04] 0.92 0.383 [0.75, 1.12]
z-nonT RT 0.92 0.339 [0.77, 1.10] 1.00 0.982 [0.83, 1.20] a adjusted for: ICD-10 Diagnosis of depression, Bullying profile, Total IQ at age 8, Family Adversity Index, cannabis abuse, Hard Drugs use, Gender b Negative values of c signify liberal bias, whereas positive values signify conservative bias.
32
Discussione
Questo studio conferma ed approfondisce la correlazione tra le
caratteristiche delle performance mnesiche ed esperienze psicotiche nella
popolazione generale. I nostri risultati replicano ed ampliano precedenti lavori
sullo stesso argomento 80, 81. Rispetto a tali studi, i nostri risultati possono essere
considerati di maggiore qualità per almeno tre motivi:
- in primo luogo, il campione analizzato è nettamente più ampio in termini
di numerosità rispetto agli studi precedenti. Tale numerosità permette di
aumentare notevolmente il potere statistico delle nostre analisi.
- In secondo luogo, il nostro campione è estratto da uno studio di
popolazione generale, garantendo alta ecologicità e generalizzabilità dei
nostri risultati. Gli studi di popolazione consentono di evitare i bias di
selezione tipici dei campioni clinici, quali la selezione di soggetti che
mettono in atto comportamenti di richiesta di aiuto potenzialmente
associati a differenti caratteristiche cliniche (es. insight), o di soggetti che
appartengono agli estremi della distribuzione della gravità clinica del
fenotipo indagato. L’attrito negli studi longitudinali di popolazione
introduce a sua volta un bias di selezione verso l’uscita dallo studio e
rappresenta la principale fonte di bias, oltre a ridurre il potere statistico
delle analisi. I dati mancanti potrebbero infatti spiegare una certa quantità
di varianza nell’effetto osservato, essendo possibile che alcune variabili di
tipo sociodemografico potrebbero avere una relazione sia verso l’uscita
dallo studio sia verso i fenotipi indagati. Nella coorte ALSPAC infatti
33
risultano sotto-rappresentate le classi sociali più basse e le minoranze
etniche. La Multiple Imputation dei dati mancanti, entro certi limiti,
controbilancia tali bias, garantendo alti standard di qualità epidemiologica
dei dati nonostante l’attrito 9.
- In terzo luogo, abbiamo utilizzato una valutazione delle PLE basata su
un’intervista clinica effettuata da operatori specificamente formati, e non
su un questionario autosomministrato. La tendenza alla sovrastima della
prevalenza delle PLE tipica degli strumenti autosomministrati rispetto agli
strumenti basati su interviste è ampiamente riconosciuta in letteratura 2, 3.
L’utilizzo di un’intervista semi-strutturata come la PLIKSi permette di
minimizzare il numero di falsi-positivi per le PLE, riducendo il rumore
delle analisi statistiche.
- Infine, il nostro utilizzo della SDT ci ha consentito un approfondimento dei
processi probabilistici che guidano la performance all’N-Back.
Nel nostro campione, la maggiore differenza tra soggetti con e senza PLE
era associata al 3-Back, suggerendo che a questo livello di espressione
fenotipica del continuum psicotico le alterazioni specifiche del processamento
dei dati cognitivi e mnesici emergono solo per carichi di lavoro più elevati,
ovvero per un utilizzo maggiore del buffer di WM. In questo senso, il rilievo di
anomalie neurocognitive nel 3-Back potrebbe essere considerato un parallelo
della riduzione di estensione del buffer di WM osservato nei task quantitativi di
34
WM in soggetti variamente collocati lungo il continuum psicotico (PLE,
ARMS, UHR, familiari di primo grado, schizotipici e schizofrenici).
Implicazioni teoriche di un modello SDT
I nostri dati dimostrano che la presenza di PLE è associata ad una minore
discriminabilità signal/noise (ossia un minore d’) e ad un response bias più
liberale (ossia c).
Da un punto di vista statistico, il parametro maggiormente associato alle
PLE è il tasso di Falsi Allarmi. La maggiore forza di questa associazione
potrebbe essere spiegata dal fatto che il tasso di Falsi Allarmi, in un modello di
SDT, è determinato sinergicamente sia dal d’ che dal response bias, i quali in
effetti presi isolatamente presentano un’associazione più debole con le PLE. In
quest’ottica, il tasso di Falsi Allarmi è da considerarsi una manifestazione
fenotipica intermedia tra d’ e response bias prossimalmente, e le PLE
distalmente. La trattazione delle implicazioni teoretiche dei nostri dati pertanto
si concentrerà maggiormente su questi due indici, che consideriamo come
maggiormente descrittivi delle caratteristiche intrinseche del sistema osservante
analizzato.
Il response bias è funzione della quantità di evidenza richiesta per operare
una scelta in un task di discriminazione signal/noise 86. È importante chiarire
che il response bias viene spesso utilizzato come una misura di impulsività e di
mancata inibizione della risposta – ad esempio nella letteratura sull’ADHD 88.
In linea con questa ipotesi, il response bias dovrebbe anche associarsi ad un
35
accorciamento dei tempi di risposta. Per chiarire questo punto, abbiamo
prodotto post hoc (tabella 5) una matrice di correlazione tra tutti gli indici di
performance analizzati. Il valore di response bias, sia per il 2- che per il 3-back,
non presenta alcuna correlazione con i tempi di risposta, suggerendo che i
processi di impulsività appartengono ad un dominio neurocognitivo diverso da
quelli indagati.
Tabella 5 Correlazione tra gli indici di performance dell’N-Back
z-Hits z-False Alarms z-Hits RT z-nonT RT c 2-Back (N=3594) z-False Alarms -0.313*** z-Hits RT 0.212*** -0.171*** z-nonT RT 0.244*** -0.200*** 0.775*** c -0.433*** -0.691*** 0.001 -0.014 d’ 0.782*** -0.811*** 0.221*** 0.251*** 0.208*** 3-Back (N=3550) z-False Alarms -0.201*** z-Hits RT 0.328*** -0.283*** z-nonT RT 0.349*** -0.292*** 0.812*** c -0.626*** -0.610*** -0.038* -0.053** d’ 0.788*** -0.736*** 0.378*** 0.400*** -0.025
* p<0.05, ** p<0.01, *** p<0.001
La nostra analisi della compromissione della WM in soggetti con PLE è in
linea con altri modelli neuropsicologici di psicosi. Gli indici di performance
SDT da noi esaminati ci consentono di descrivere le proprietà del sistema di
percezione/inferenza attiva dei contenuti del buffer di WM in termini
probabilistici 89. La scarsa accuratezza nel rigettare gli stimoli noise è in linea
con i più recenti modelli neuropsicologici delle allucinazioni uditive. In termini
36
SDT, le allucinazioni possono essere concettualizzate come degli equivalenti di
falsi allarmi, nel senso che l'assenza di uno stimolo provoca una risposta come
se tale stimolo fosse effettivamente presente 90. Coerentemente, è stato rilevato,
in task che non implicano le funzioni mnesiche, che le allucinazioni uditive sono
legate a scarsa discriminabilità e response bias liberale 91, 92, i quali a loro volta
potrebbero essere influenzati da sistemi attentivi ipervigili. Tale sistema
esiterebbe in un’aumentata rilevazione, come falsi allarmi, di stimoli interni
ambigui 93, 94 che in ultimo producono l’allucinazione uditiva. L'importanza dei
sistemi attentivi è stato affrontato da Cohen e colleghi 95-97 utilizzando il
principalmente il Contextual Continuous Performance Test (AX-CPT), di cui
l’N-back è uno stretto parente. I nostri risultati sono in linea con i loro, per
quanto noi ci siamo concentrati sul processamento di dati mnesici, mentre altri
task analizzano il processamento di dati on-line. Il nostro dato di un response
bias liberale con un alto tasso di falsi allarmi nei soggetti con PLE è coerente
con i modelli neurocognitivi di psicosi che coinvolgono i bias nella raccolta dei
dati, in particolare il modello del Jumping-to-Conclusions (JTC) dei deliri 98-104.
Questo bias di ragionamento è stato rivelato in individui a rischio di psicosi 105,
106 e negli individui a tendenti al delirio 107, 108, suggerendo che la raccolta di dati
può essere compromessa prima della comparsa della psicosi conclamata.
Un modello unificante che mette insieme la raccolta dei dati, il
processamento percettivo e la SDT deriva dalle neuroscienze computazionali 89,
109, 110. In termini computazionali, un elevato "rumore cognitivo" è associato ad
una ridotta precisione delle rappresentazioni di alto livello, e con una maggiore
37
rilevanza e forza delle nuove informazioni sensoriali, portando infine ai sintomi
psicotici 89. I modelli computazionali di WM suggeriscono che l'effetto netto
della perturbazione dopaminergica in corteccia prefrontale dorsolaterale (dlPFC)
si traduce in un aumento del "rumore cognitivo" e in significative alterazioni del
gating 111, 112, riducendo la discriminabilità del sistema 113. Inoltre, le
perturbazioni dopaminergiche in dlPFC producono un persistente stato di
"attivazione” della WM, che, insieme alle disfunzioni del gating, si traduce in
elevati tassi di errore, che produce infine un alto numero di falsi riconoscimenti
degli stimoli presenti come corrispondenti a stimoli precedenti, il che porta ad
un falso allarme 111. Infine, la tendenza di un eccesso di rispondere a fronte di
incertezza, espressa da un liberale bias di risposta, potrebbe essere spiegato dal
concetto bayesiana di precisione [90] e la forza metacognitiva di "fede prima".
In questo caso, il soggetto avrebbe attributo precisione eccessiva o sarebbe
troppo fiducioso nelle sue rappresentazioni mentali, indipendentemente dal
grado di incertezza ad essi associati [91, 96].
Punti di forza e limitazioni dello studio
Il nostro studio replica diversi precedenti lavori. Sebbene l’argomento sia già
stato trattato in precedenza, al momento nessuno studio è stato fatto su un
campione di tale dimensione. Inoltre, nessun altro lavoro ha utilizzato una
metodologia basata sulla SDT, che consente un livello di approfondimento
unico delle proprietà psico-matematiche del processamento di realtà in relazione
alle PLE. Una prima limitazione è il focus ristretto sulla WM e sui risultati
dell’N-Back. L’N-Back esplora solo alcuni aspetti dei meccanismi neurali
38
facenti parte della WM. Comunque, l’utilizzo di tale task ci ha consentito di
analizzare gli aspetti non strettamente mnemonici implicati nel processamento
di materiale mnesico. Che possono essere generalizzati anche ad altri domini
neurocognitivi. Coerentemente, i nostri risultati sono in linea con risultati
derivati ad esempio dal CPT-IP, di cui l’N-Back è una variante. La valutazione
della performance all’N-Back nell’ambito di un più ampio screening cognitivo
avrebbe aiutato a chiarire le mutue relazioni tra i diversi domini cognitivi. Una
seconda limitazione dello studio ALSPAC è la sotto-rappresentazione delle
classi sociali più basse e delle minoranze etniche, nonché da un considerevole
attrito, con la conseguente introduzione di un bias di selezione 9. Tale tipo di
bias è stato controbilanciato parzialmente dall’utilizzo della MICE.
Il nostro studio ha numerosi punti di forza. In primo luogo, come riportato,
la dimensione del campione è maggiore di qualsiasi altro studio precedente
sull’argomento. In secondo luogo, abbiamo analizzato un campione di
popolazione generale. Diversi studi hanno già analizzato il funzionamento della
WM in gruppi clinici e ad alto rischio 63, 74, 114. Tali studi, concentrandosi su
campioni clinici, introducono un bias di selezione sulla base dei comportamenti
di ricerca di assistenza e scarse strategie di coping, oltre che il bias di eventuali
trattamenti farmacologici. In terzo luogo, il nostro studio utilizza un’intervista
semi-strutturata per la rilevazione delle PLE, evitando la sovrastima della loro
prevalenza tipica degli strumenti autosomministrati. In ultimo, questo studio ci
ha consentito di introdurre un gran numero di importanti potenziali confounders
39
di natura cognitiva, sociale e demografica raccolti longitudinalmente, quindi
senza introdurre alcun recall bias.
Conclusioni
Il presente studio descrive un profilo di analisi probabilistica dei contenuti
mnesici proprio dei soggetti con PLE. Tale tipo di analisi potrebbe in futuro,
quando affiancata a valutazioni psicopatologiche classiche, aiutare a meglio
caratterizzare, distinguere e predire i diversi fenotipi psicotici. Tali
approfondimenti richiederanno l’analisi di dati longitudinali, quando disponibili.
Più in generale, tale approccio supporta l’importanza dell’integrazione dei dati
neurocognitivi e dei dati psicopatologici non solo per fini meramente
conoscitivi, ma anche di supporto alla pratica clinica quotidiana, così come oggi
vengono usate valutazioni neurocognitive “quantitative” di routine.
40
Bibliografia
1. Lincoln TM. Relevant dimensions of delusions: continuing the continuum versus category debate. Schizophr Res. 2007;93(1-3):211-220.
2. Linscott RJ, van Os J. An updated and conservative systematic review and meta-analysis of epidemiological evidence on psychotic experiences in children and adults: on the pathway from proneness to persistence to dimensional expression across mental disorders. Psychol Med. 2013;43(6):1133-1149.
3. van Os J, Linscott RJ, Myin-Germeys I, Delespaul P, Krabbendam L. A systematic review and meta-analysis of the psychosis continuum: evidence for a psychosis proneness-persistence-impairment model of psychotic disorder. Psychol Med. 2009;39(2):179-195.
4. Kelleher I, Connor D, Clarke MC, Devlin N, Harley M, Cannon M. Prevalence of psychotic symptoms in childhood and adolescence: a systematic review and meta-analysis of population-based studies. Psychol Med. 2012;42(9):1857-1863.
5. McGrath JJ, Saha S, Al-Hamzawi A, Alonso J, Bromet EJ, Bruffaerts R, Caldas-de-Almeida JM, Chiu WT, de Jonge P, Fayyad J, Florescu S, Gureje O, Haro JM, Hu C, Kovess-Masfety V, Lepine JP, Lim CC, Mora ME, Navarro-Mateu F, Ochoa S, Sampson N, Scott K, Viana MC, Kessler RC. Psychotic Experiences in the General Population: A Cross-National Analysis Based on 31261 Respondents From 18 Countries. JAMA Psychiatry. 2015.
6. Perala J, Suvisaari J, Saarni SI, Kuoppasalmi K, Isometsa E, Pirkola S, Partonen T, Tuulio-Henriksson A, Hintikka J, Kieseppa T, Harkanen T, Koskinen S, Lonnqvist J. Lifetime prevalence of psychotic and bipolar I disorders in a general population. Arch Gen Psychiatry. 2007;64(1):19-28.
7. McGrath J, Saha S, Chant D, Welham J. Schizophrenia: a concise overview of incidence, prevalence, and mortality. Epidemiol Rev. 2008;30:67-76.
8. Polanczyk G, Moffitt TE, Arseneault L, Cannon M, Ambler A, Keefe RS, Houts R, Odgers CL, Caspi A. Etiological and clinical features of childhood psychotic symptoms: results from a birth cohort. Arch Gen Psychiatry. 2010;67(4):328-338.
9. Horwood J, Salvi G, Thomas K, Duffy L, Gunnell D, Hollis C, Lewis G, Menezes P, Thompson A, Wolke D, Zammit S, Harrison G. IQ and non-clinical psychotic symptoms in 12-year-olds: results from the ALSPAC birth cohort. Br J Psychiatry. 2008;193(3):185-191.
10. Laurens KR, Hodgins S, Maughan B, Murray RM, Rutter ML, Taylor EA. Community screening for psychotic-like experiences and other putative antecedents of schizophrenia in children aged 9-12 years. Schizophr Res. 2007;90(1-3):130-146.
11. Bebbington PE, Bhugra D, Brugha T, Singleton N, Farrell M, Jenkins R, Lewis G, Meltzer H. Psychosis, victimisation and childhood disadvantage: evidence from the second British National Survey of Psychiatric Morbidity. Br J Psychiatry. 2004;185:220-226.
12. Catone G, Marwaha S, Kuipers E, Lennox B, Freeman D, Bebbington P, Broome M. Bullying victimisation and risk of psychotic phenomena: analyses of British national survey data. Lancet Psychiatry. 2015;2(7):618-624.
13. Arseneault L, Cannon M, Fisher HL, Polanczyk G, Moffitt TE, Caspi A. Childhood trauma and children's emerging psychotic symptoms: A genetically sensitive longitudinal cohort study. Am J Psychiatry. 2011;168(1):65-72.
14. Fisher HL, Schreier A, Zammit S, Maughan B, Munafo MR, Lewis G, Wolke D. Pathways between childhood victimization and psychosis-like symptoms in the ALSPAC birth cohort. Schizophr Bull. 2013;39(5):1045-1055.
15. Morgan C, Fisher H, Hutchinson G, Kirkbride J, Craig TK, Morgan K, Dazzan P, Boydell J, Doody GA, Jones PB, Murray RM, Leff J, Fearon P. Ethnicity, social
41
disadvantage and psychotic-like experiences in a healthy population based sample. Acta Psychiatr Scand. 2009;119(3):226-235.
16. Wolke D, Lereya ST, Fisher HL, Lewis G, Zammit S. Bullying in elementary school and psychotic experiences at 18 years: a longitudinal, population-based cohort study. Psychol Med. 2014;44(10):2199-2211.
17. Morgan C, Gayer-Anderson C. Childhood adversities and psychosis: evidence, challenges, implications. World Psychiatry. 2016;15(2):93-102.
18. Kessler RC, McLaughlin KA, Green JG, Gruber MJ, Sampson NA, Zaslavsky AM, Aguilar-Gaxiola S, Alhamzawi AO, Alonso J, Angermeyer M, Benjet C, Bromet E, Chatterji S, de Girolamo G, Demyttenaere K, Fayyad J, Florescu S, Gal G, Gureje O, Haro JM, Hu CY, Karam EG, Kawakami N, Lee S, Lepine JP, Ormel J, Posada-Villa J, Sagar R, Tsang A, Ustun TB, Vassilev S, Viana MC, Williams DR. Childhood adversities and adult psychopathology in the WHO World Mental Health Surveys. Br J Psychiatry. 2010;197(5):378-385.
19. Varese F, Smeets F, Drukker M, Lieverse R, Lataster T, Viechtbauer W, Read J, van Os J, Bentall RP. Childhood adversities increase the risk of psychosis: a meta-analysis of patient-control, prospective- and cross-sectional cohort studies. Schizophr Bull. 2012;38(4):661-671.
20. Gonzalez A. The impact of childhood maltreatment on biological systems: Implications for clinical interventions. Paediatr Child Health. 2013;18(8):415-418.
21. Khandaker GM, Pearson RM, Zammit S, Lewis G, Jones PB. Association of serum interleukin 6 and C-reactive protein in childhood with depression and psychosis in young adult life: a population-based longitudinal study. JAMA Psychiatry. 2014;71(10):1121-1128.
22. Freeman D, Garety P. Advances in understanding and treating persecutory delusions: a review. Soc Psychiatry Psychiatr Epidemiol. 2014;49(8):1179-1189.
23. Anglin DM, Polanco-Roman L, Lui F. Ethnic variation in whether dissociation mediates the relation between traumatic life events and attenuated positive psychotic symptoms. J Trauma Dissociation. 2015;16(1):68-85.
24. Bentall RP, de Sousa P, Varese F, Wickham S, Sitko K, Haarmans M, Read J. From adversity to psychosis: pathways and mechanisms from specific adversities to specific symptoms. Soc Psychiatry Psychiatr Epidemiol. 2014;49(7):1011-1022.
25. Paksarian D, Merikangas KR, Calkins ME, Gur RE. Racial-ethnic disparities in empirically-derived subtypes of subclinical psychosis among a U.S. sample of youths. Schizophr Res. 2016;170(1):205-210.
26. Adriaanse M, van Domburgh L, Hoek HW, Susser E, Doreleijers TA, Veling W. Prevalence, impact and cultural context of psychotic experiences among ethnic minority youth. Psychol Med. 2015;45(3):637-646.
27. Anglin DM, Greenspoon M, Lighty Q, Ellman LM. Race-based rejection sensitivity partially accounts for the relationship between racial discrimination and distressing attenuated positive psychotic symptoms. Early Interv Psychiatry. 2014.
28. Anglin DM, Lighty Q, Greenspoon M, Ellman LM. Racial discrimination is associated with distressing subthreshold positive psychotic symptoms among US urban ethnic minority young adults. Soc Psychiatry Psychiatr Epidemiol. 2014;49(10):1545-1555.
29. Smyth N, Siriwardhana C, Hotopf M, Hatch SL. Social networks, social support and psychiatric symptoms: social determinants and associations within a multicultural community population. Soc Psychiatry Psychiatr Epidemiol. 2015;50(7):1111-1120.
30. Das-Munshi J, Becares L, Boydell JE, Dewey ME, Morgan C, Stansfeld SA, Prince MJ. Ethnic density as a buffer for psychotic experiences: findings from a national survey (EMPIRIC). Br J Psychiatry. 2012;201(4):282-290.
31. van Os J. Psychotic experiences: disadvantaged and different from the norm. Br J Psychiatry. 2012;201(4):258-259.
32. O'Donoghue B, Roche E, Lane A. Neighbourhood level social deprivation and the risk of psychotic disorders: a systematic review. Soc Psychiatry Psychiatr Epidemiol. 2016.
42
33. Peters E, Ward T, Jackson M, Morgan C, Charalambides M, McGuire P, Woodruff P, Jacobsen P, Chadwick P, Garety PA. Clinical, socio-demographic and psychological characteristics in individuals with persistent psychotic experiences with and without a "need for care". World Psychiatry. 2016;15(1):41-52.
34. Khandaker GM, Stochl J, Zammit S, Lewis G, Jones PB. A population-based longitudinal study of childhood neurodevelopmental disorders, IQ and subsequent risk of psychotic experiences in adolescence. Psychol Med. 2014;44(15):3229-3238.
35. Kounali D, Zammit S, Wiles N, Sullivan S, Cannon M, Stochl J, Jones P, Mahedy L, Gage SH, Heron J, Lewis G. Common versus psychopathology-specific risk factors for psychotic experiences and depression during adolescence. Psychol Med. 2014;44(12):2557-2566.
36. Zammit S, Horwood J, Thompson A, Thomas K, Menezes P, Gunnell D, Hollis C, Wolke D, Lewis G, Harrison G. Investigating if psychosis-like symptoms (PLIKS) are associated with family history of schizophrenia or paternal age in the ALSPAC birth cohort. Schizophr Res. 2008;104(1-3):279-286.
37. Jeppesen P, Larsen JT, Clemmensen L, Munkholm A, Rimvall MK, Rask CU, van Os J, Petersen L, Skovgaard AM. The CCC2000 Birth Cohort Study of Register-Based Family History of Mental Disorders and Psychotic Experiences in Offspring. Schizophr Bull. 2015;41(5):1084-1094.
38. Thapar A, Heron J, Jones RB, Owen MJ, Lewis G, Zammit S. Trajectories of change in self-reported psychotic-like experiences in childhood and adolescence. Schizophr Res. 2012;140(1-3):104-109.
39. Zammit S, Kounali D, Cannon M, David AS, Gunnell D, Heron J, Jones PB, Lewis S, Sullivan S, Wolke D, Lewis G. Psychotic experiences and psychotic disorders at age 18 in relation to psychotic experiences at age 12 in a longitudinal population-based cohort study. Am J Psychiatry. 2013;170(7):742-750.
40. Mollon J, David AS, Morgan C, Frissa S, Glahn D, Pilecka I, Hatch S, Hotopf M, Reichenberg A. Psychotic Experiences and Neuropsychological Functioning in a Population Sample. JAMA Psychiatry; in press.
41. Kaymaz N, Drukker M, Lieb R, Wittchen HU, Werbeloff N, Weiser M, Lataster T, van Os J. Do subthreshold psychotic experiences predict clinical outcomes in unselected non-help-seeking population-based samples? A systematic review and meta-analysis, enriched with new results. Psychol Med. 2012;42(11):2239-2253.
42. Cristobal-Narvaez P, Sheinbaum T, Ballespi S, Mitjavila M, Myin-Germeys I, Kwapil TR, Barrantes-Vidal N. Impact of Adverse Childhood Experiences on Psychotic-Like Symptoms and Stress Reactivity in Daily Life in Nonclinical Young Adults. PLoS One. 2016;11(4):e0153557.
43. Lereya ST, Copeland WE, Zammit S, Wolke D. Bully/victims: a longitudinal, population-based cohort study of their mental health. Eur Child Adolesc Psychiatry. 2015;24(12):1461-1471.
44. Schreier A, Wolke D, Thomas K, Horwood J, Hollis C, Gunnell D, Lewis G, Thompson A, Zammit S, Duffy L, Salvi G, Harrison G. Prospective study of peer victimization in childhood and psychotic symptoms in a nonclinical population at age 12 years. Arch Gen Psychiatry. 2009;66(5):527-536.
45. Trotta A, Murray RM, Fisher HL. The impact of childhood adversity on the persistence of psychotic symptoms: a systematic review and meta-analysis. Psychol Med. 2015;45(12):2481-2498.
46. Mollon J, David AS, Morgan C, Frissa S, Glahn D, Pilecka I, Hatch SL, Hotopf M, Reichenberg A. Psychotic Experiences and Neuropsychological Functioning in a Population-based Sample. JAMA Psychiatry. 2016;73(2):129-138.
47. Gage SH, Hickman M, Heron J, Munafo MR, Lewis G, Macleod J, Zammit S. Associations of cannabis and cigarette use with psychotic experiences at age 18: findings from the Avon Longitudinal Study of Parents and Children. Psychol Med. 2014;44(16):3435-3444.
43
48. Shakoor S, Zavos HM, McGuire P, Cardno AG, Freeman D, Ronald A. Psychotic experiences are linked to cannabis use in adolescents in the community because of common underlying environmental risk factors. Psychiatry Res. 2015;227(2-3):144-151.
49. Anglin DM, Lui F, Espinosa A, Tikhonov A, Ellman L. Ethnic identity, racial discrimination and attenuated psychotic symptoms in an urban population of emerging adults. Early Interv Psychiatry. 2016.
50. Janssens M, Boyette LL, Heering HD, Bartels-Velthuis AA, Lataster T, Genetic R, Outcome of Psychosis i. Developmental course of subclinical positive and negative psychotic symptoms and their associations with genetic risk status and impairment. Schizophr Res. 2016.
51. Hanssen M, Bak M, Bijl R, Vollebergh W, van Os J. The incidence and outcome of subclinical psychotic experiences in the general population. Br J Clin Psychol. 2005;44(Pt 2):181-191.
52. Cougnard A, Marcelis M, Myin-Germeys I, De Graaf R, Vollebergh W, Krabbendam L, Lieb R, Wittchen HU, Henquet C, Spauwen J, Van Os J. Does normal developmental expression of psychosis combine with environmental risk to cause persistence of psychosis? A psychosis proneness-persistence model. Psychol Med. 2007;37(4):513-527.
53. Wiles NJ, Zammit S, Bebbington P, Singleton N, Meltzer H, Lewis G. Self-reported psychotic symptoms in the general population: results from the longitudinal study of the British National Psychiatric Morbidity Survey. Br J Psychiatry. 2006;188:519-526.
54. Dominguez MD, Wichers M, Lieb R, Wittchen HU, van Os J. Evidence that onset of clinical psychosis is an outcome of progressively more persistent subclinical psychotic experiences: an 8-year cohort study. Schizophr Bull. 2011;37(1):84-93.
55. Mackie CJ, Castellanos-Ryan N, Conrod PJ. Developmental trajectories of psychotic-like experiences across adolescence: impact of victimization and substance use. Psychol Med. 2011;41(1):47-58.
56. Lee KW, Chan KW, Chang WC, Lee EH, Hui CL, Chen EY. A systematic review on definitions and assessments of psychotic-like experiences. Early Interv Psychiatry. 2016;10(1):3-16.
57. Fonville L, Zammit S, Lewis G, David AS. Review of assessment tools for psychotic-like experiences misses the psychosis-like symptoms semi-structured interview (PLIKSi) in ALSPAC. Early Interv Psychiatry. 2015.
58. Forbes NF, Carrick LA, McIntosh AM, Lawrie SM. Working memory in schizophrenia: a meta-analysis. Psychol Med. 2009;39(6):889-905.
59. Lee J, Park S. Working memory impairments in schizophrenia: a meta-analysis. J Abnorm Psychol. 2005;114(4):599-611.
60. Park S, Gooding DC. Working memory impairment as an endophenotypic marker of a schizophrenia diathesis. Schizophrenia Research: Cognition. 2014;1(3):127-136.
61. Schmidt-Hansen M, Honey RC. Working memory and multidimensional schizotypy: dissociable influences of the different dimensions. Cogn Neuropsychol. 2009;26(7):655-670.
62. Snitz BE, Macdonald AW, 3rd, Carter CS. Cognitive deficits in unaffected first-degree relatives of schizophrenia patients: a meta-analytic review of putative endophenotypes. Schizophr Bull. 2006;32(1):179-194.
63. Bora E, Murray RM. Meta-analysis of cognitive deficits in ultra-high risk to psychosis and first-episode psychosis: Do the cognitive deficits progress over, or after, the onset of psychosis? Schizophrenia Bulletin. 2014;40(4):744-755.
64. Becker HE, Nieman DH, Wiltink S, Dingemans PM, van de Fliert JR, Velthorst E, de Haan L, van Amelsvoort TA, Linszen DH. Neurocognitive functioning before and after the first psychotic episode: does psychosis result in cognitive deterioration? Psychological Medicine. 2010;40(10):1599-1606.
65. Metzler S, Dvorsky D, Wyss C, Muller M, Gerstenberg M, Traber-Walker N, Walitza S, Theodoridou A, Rossler W, Heekeren K. Changes in neurocognitive functioning
44
during transition to manifest disease: comparison of individuals at risk for schizophrenic and bipolar affective psychoses. Psychol Med. 2015:1-12.
66. Meier MH, Caspi A, Reichenberg A, Keefe RS, Fisher HL, Harrington H, Houts R, Poulton R, Moffitt TE. Neuropsychological decline in schizophrenia from the premorbid to the postonset period: evidence from a population-representative longitudinal study. Am J Psychiatry. 2014;171(1):91-101.
67. Reichenberg A, Caspi A, Harrington H, Houts R, Keefe RS, Murray RM, Poulton R, Moffitt TE. Static and dynamic cognitive deficits in childhood preceding adult schizophrenia: a 30-year study. Am J Psychiatry. 2010;167(2):160-169.
68. Fatouros-Bergman H, Cervenka S, Flyckt L, Edman G, Farde L. Meta-analysis of cognitive performance in drug-naive patients with schizophrenia. Schizophr Res. 2014;158(1-3):156-162.
69. Agnew-Blais J, Seidman LJ. Neurocognition in youth and young adults under age 30 at familial risk for schizophrenia: a quantitative and qualitative review. Cogn Neuropsychiatry. 2013;18(1-2):44-82.
70. Knowles EE, Mathias SR, McKay DR, Sprooten E, Blangero J, Almasy L, Glahn DC. Genome-Wide Analyses of Working-Memory Ability: A Review. Curr Behav Neurosci Rep. 2014;1(4):224-233.
71. Wardle MC, de Wit H, Penton-Voak I, Lewis G, Munafò MR. Lack of Association Between COMT and Working Memory in a Population-Based Cohort of Healthy Young Adults. Neuropsychopharmacology. 2013;38(7):1253-1263.
72. Fusar-Poli P, Deste G, Smieskova R, Barlati S, Yung AR, Howes O, Stieglitz RD, Vita A, McGuire P, Borgwardt S. Cognitive functioning in prodromal psychosis: a meta-analysis. Arch Gen Psychiatry. 2012;69(6):562-571.
73. De Herdt A, Wampers M, Vancampfort D, De Hert M, Vanhees L, Demunter H, Van Bouwel L, Brunner E, Probst M. Neurocognition in clinical high risk young adults who did or did not convert to a first schizophrenic psychosis: a meta-analysis. Schizophrenia Research. 2013;149(1-3):48-55.
74. Broome MR, Day F, Valli I, Valmaggia L, Johns LC, Howes O, Garety P, McGuire PK. Delusional ideation, manic symptomatology and working memory in a cohort at clinical high-risk for psychosis: A longitudinal study. European Psychiatry. 2012;27(4):258-263.
75. Choi JS, Park JY, Jung MH, Jang JH, Kang DH, Jung WH, Han JY, Choi CH, Hong KS, Kwon JS. Phase-specific brain change of spatial working memory processing in genetic and ultra-high risk groups of schizophrenia. Schizophrenia Bulletin. 2012;38(6):1189-1199.
76. Dickson H, Cullen AE, Reichenberg A, Hodgins S, Campbell DD, Morris RG, Laurens KR. Cognitive impairment among children at-risk for schizophrenia. Journal of Psychiatric Research. 2014;50(1):92-99.
77. Giakoumaki SG. Cognitive and prepulse inhibition deficits in psychometrically high schizotypal subjects in the general population: relevance to schizophrenia research. J Int Neuropsychol Soc. 2012;18(4):643-656.
78. Kopp B. Mnemonic intrusions into working memory in psychometrically identified schizotypal individuals. Journal of Behavior Therapy and Experimental Psychiatry. 2007;38(1):56-74.
79. Lilienthal L, Rose NS, Tamez E, Myerson J, Hale S. Individuals with low working memory spans show greater interference from irrelevant information because of poor source monitoring, not greater activation. Mem Cognit. 2015;43(3):357-366.
80. Korponay C, Nitzburg GC, Malhotra AK, DeRosse P. Positive and negative subclinical symptoms and MCCB performance in non-psychiatric controls. Schizophrenia Research: Cognition. 2014;1(4):175-179.
81. Ziermans TB. Working memory capacity and psychotic-like experiences in a general population sample of adolescents and young adults. Frontiers in Psychiatry. 2013;4(DEC).
45
82. Kelleher I, Murtagh A, Clarke MC, Murphy J, Rawdon C, Cannon M. Neurocognitive performance of a community-based sample of young people at putative ultra high risk for psychosis: Support for the processing speed hypothesis. Cognitive Neuropsychiatry. 2013;18(1-2):9-25.
83. Blanchard MM, Jacobson S, Clarke MC, Connor D, Kelleher I, Garavan H, Harley M, Cannon M. Language, motor and speed of processing deficits in adolescents with subclinical psychotic symptoms. Schizophrenia Research. 2010;123(1):71-76.
84. Boyd A, Golding J, Macleod J, Lawlor DA, Fraser A, Henderson J, Molloy L, Ness A, Ring S, Davey Smith G. Cohort Profile: the 'children of the 90s'--the index offspring of the Avon Longitudinal Study of Parents and Children. Int J Epidemiol. 2013;42(1):111-127.
85. Schedules for clinical assessment in neuropsychiatry. 2. ed. Geneva: World Health Organization, Division of Mental Health; 1994.
86. Macmillan NA, Creelman CD. Detection theory : a user's guide. 2nd ed. ed. Mahwah, N.J. ; London: Lawrence Erlbaum Associates; 2005.
87. Stanislaw H, Todorov N. Calculation of signal detection theory measures. Behav Res Methods Instrum Comput. 1999;31(1):137-149.
88. Rodriguez PD, Baylis GC. Activation of brain attention systems in individuals with symptoms of ADHD. Behav Neurol. 2007;18(2):115-130.
89. Adams RA, Stephan KE, Brown HR, Frith CD, Friston KJ. The computational anatomy of psychosis. Front Psychiatry. 2013;4:47.
90. Dolgov I, McBeath MK. A signal-detection-theory representation of normal and hallucinatory perception. Behavioral and Brain Sciences. 2005;28(06):761-762.
91. Vercammen A, de Haan EH, Aleman A. Hearing a voice in the noise: auditory hallucinations and speech perception. Psychol Med. 2008;38(8):1177-1184.
92. Waters F, Allen P, Aleman A, Fernyhough C, Woodward TS, Badcock JC, Barkus E, Johns L, Varese F, Menon M, Vercammen A, Laroi F. Auditory hallucinations in schizophrenia and nonschizophrenia populations: a review and integrated model of cognitive mechanisms. Schizophr Bull. 2012;38(4):683-693.
93. Garwood L, Dodgson G, Bruce V, McCarthy-Jones S. A preliminary investigation into the existence of a hypervigilance subtype of auditory hallucination in people with psychosis. Behav Cogn Psychother. 2015;43(1):52-62.
94. Dodgson G, Gordon S. Avoiding false negatives: are some auditory hallucinations an evolved design flaw? Behav Cogn Psychother. 2009;37(3):325-334.
95. Barch DM, Carter CS, MacDonald AW, 3rd, Braver TS, Cohen JD. Context-processing deficits in schizophrenia: diagnostic specificity, 4-week course, and relationships to clinical symptoms. J Abnorm Psychol. 2003;112(1):132-143.
96. Holmes AJ, MacDonald A, 3rd, Carter CS, Barch DM, Andrew Stenger V, Cohen JD. Prefrontal functioning during context processing in schizophrenia and major depression: an event-related fMRI study. Schizophr Res. 2005;76(2-3):199-206.
97. MacDonald AW, 3rd, Carter CS, Kerns JG, Ursu S, Barch DM, Holmes AJ, Stenger VA, Cohen JD. Specificity of prefrontal dysfunction and context processing deficits to schizophrenia in never-medicated patients with first-episode psychosis. Am J Psychiatry. 2005;162(3):475-484.
98. Freeman D, Startup H, Dunn G, Cernis E, Wingham G, Pugh K, Cordwell J, Kingdon D. The interaction of affective with psychotic processes: a test of the effects of worrying on working memory, jumping to conclusions, and anomalies of experience in patients with persecutory delusions. J Psychiatr Res. 2013;47(12):1837-1842.
99. Freeman D, Startup H, Dunn G, Cernis E, Wingham G, Pugh K, Cordwell J, Mander H, Kingdon D. Understanding jumping to conclusions in patients with persecutory delusions: working memory and intolerance of uncertainty. Psychol Med. 2014;44(14):3017-3024.
100. Garety P, Freeman D, Jolley S, Ross K, Waller H, Dunn G. Jumping to conclusions: The psychology of delusional reasoning. Advances in Psychiatric Treatment. 2011;17(5):332-339.
46
101. Garety P, Joyce E, Jolley S, Emsley R, Waller H, Kuipers E, Bebbington P, Fowler D, Dunn G, Freeman D. Neuropsychological functioning and jumping to conclusions in delusions. Schizophr Res. 2013;150(2-3):570-574.
102. Menon M, Pomarol-Clotet E, McKenna PJ, McCarthy RA. Probabilistic reasoning in schizophrenia: a comparison of the performance of deluded and nondeluded schizophrenic patients and exploration of possible cognitive underpinnings. Cogn Neuropsychiatry. 2006;11(6):521-536.
103. Moritz S, Woodward TS. Jumping to conclusions in delusional and non-delusional schizophrenic patients. Br J Clin Psychol. 2005;44(Pt 2):193-207.
104. Moutoussis M, Bentall RP, El-Deredy W, Dayan P. Bayesian modelling of Jumping-to-Conclusions bias in delusional patients. Cogn Neuropsychiatry. 2011;16(5):422-447.
105. Broome MR, Johns LC, Valli I, Woolley JB, Tabraham P, Brett C, Valmaggia L, Peters E, Garety PA, McGuire PK. Delusion formation and reasoning biases in those at clinical high risk for psychosis. British Journal of Psychiatry. 2007;191(SUPPL. 51):s38-s42.
106. Winton-Brown TT, Broome MR, Allen P, Valli I, Howes O, Garety PA, Johns LC, McGuire P. Misattributing speech and jumping to conclusions: a longitudinal study in people at high risk of psychosis. Eur Psychiatry. 2015;30(1):32-37.
107. Ross RM, McKay R, Coltheart M, Langdon R. Jumping to Conclusions About the Beads Task? A Meta-analysis of Delusional Ideation and Data-Gathering. Schizophr Bull. 2015.
108. van der Leer L, Hartig B, Goldmanis M, McKay R. Delusion proneness and 'jumping to conclusions': relative and absolute effects. Psychol Med. 2015;45(6):1253-1262.
109. Fletcher PC, Frith CD. Perceiving is believing: a Bayesian approach to explaining the positive symptoms of schizophrenia. Nat Rev Neurosci. 2009;10(1):48-58.
110. Anticevic A, Murray JD, Barch DM. Bridging Levels of Understanding in Schizophrenia Through Computational Modeling. Clin Psychol Sci. 2015;3(3):433-459.
111. Avery MC, Krichmar JL. Improper activation of D1 and D2 receptors leads to excess noise in prefrontal cortex. Front Comput Neurosci. 2015;9:31.
112. Okimura T, Tanaka S, Maeda T, Kato M, Mimura M. Simulation of the capacity and precision of working memory in the hypodopaminergic state: Relevance to schizophrenia. Neuroscience. 2015;295:80-89.
113. Braver TS, Barch DM, Cohen JD. Cognition and control in schizophrenia: a computational model of dopamine and prefrontal function. Biol Psychiatry. 1999;46(3):312-328.
114. Bang M, Kim KR, Song YY, Baek S, Lee E, An SK. Neurocognitive impairments in individuals at ultra-high risk for psychosis: Who will really convert? Aust N Z J Psychiatry. 2015;49(5):462-470.
47
Ringraziamenti
Il presente studio è stato eseguito durante un periodo di formazione all’estero presso
l’Institute of Psychiatry, Psychology and Neuroscience, King’s College London, sotto
la supervisione del Prof. Anthony David, al quale va tutta la mia stima per l’enorme
professionalità, umiltà, ed umanità. A lui vanno inoltre i più profondi ringraziamenti
per avermi dato la possibilità di respirare un clima di enorme fervore scientifico che
ha accresciuto in modo irripetibile le mie conoscenze in campo psichiatrico. Ringrazio
inoltre i coautori del lavoro scientifico pubblicato dall’analisi di questi dati: il già
citato prof. David, il prof. Glyn Lewis, il prof. Stan Zammit, il prof. Marcus Munafò
e la dr. Kate Button.
Ringrazio inoltre il prof. Giovanni Stanghellini per la stima e la fiducia accordatami
in diverse occasioni, nonché per gli importantissimi insegnamenti nel campo della
Psicopatologia Fenomenologica, nonché per l’avermi insegnato il rispetto della
soggettività di ogni persona che afferisca ad una clinica psichiatrica in cerca di aiuto.
Tale lavoro conclude un percorso formativo non libero da momenti di tensione e
difficoltà che è stato possibile superare grazie a colleghi onesti e leali. I miei
ringraziamenti vanno pertanto ai dottori Emiliano Prinzivalli, Maria Vittoria
Formato, Chiara Colletti, Annasara Meola, Sara Patti ed Elena Toscano e a tutti gli
altri colleghi specializzandi per la vicinanza dimostrata in questi anni.
Un ringraziamento va al dott. Giordano D’Urso per l’ottimo lavoro svolto insieme
durante l’ultimo anno e al prof. Felice Iasevoli per gli anni passati.
Ringrazio i miei genitori Alessandro e Sabrina per avermi ispirato come medico e
cresciuto secondo principi di lealtà e coraggio verso l’atro e verso il mondo.
Infine ringrazio Sara, per avermi supportato, incoraggiato e spronato durante gli
ultimi anni, e per avermi dato un punto fisso dal quale guardare un mondo in
constante movimento.
