1. 引言
焦虑感是一种不愉快的情绪体验，比如说存在紧张，恐惧，忧虑和神经质等感受，同时也伴随着植物性神经系统的功能亢进。焦虑感会影响到我们的日常生活，甚至会危害我们的生理和心理健康。例如，过度焦虑会影响学生的学业表现(Carey et al., 2017)，会影响我们的人际交往，甚至会诱发抑郁(Viana et al., 2018)。焦虑和奖赏系统也存在关系，有研究表明，对金钱奖励和损失的神经反应可以区分焦虑的不同方面(Kessel et al., 2015)。以往研究调查了社交焦虑者在日常生活中经历的积极影响的改变。与社交焦虑程度较低的人相比，高焦虑者体验到的积极情绪和事件的强度和频率都较低(Farmer & Kashdan, 2012; Kashdan & Steger, 2006)。有研究表明，高水平的行为抑制和低水平的趋近动机是社交焦虑发展和维持的原因(Kimbrel et al., 2010)。研究表明，焦虑感强的个体存在奖赏系统的损伤(Sollenberger et al., 2023)。
但是奖励不是一个单一的概念，包括了预期阶段和反馈阶段，它们在行为和神经水平上都是可分离的(Berridge et al., 2009)。因此，我们可以通过高焦虑感组和低焦虑感组在奖赏预期和反馈阶段的表现来检测高焦虑感者奖赏敏感性降低的神经动力学机制。文章中常用的奖赏包括货币和物质收益等强化(Ruff & Fehr, 2014)，在本文中采用了金币作为奖赏。
尽管现有的研究已经提供了一些关于焦虑对奖励处理可能的调节作用的信息，但仍有重要的问题需要进一步解决。即焦虑是否以及如何调节奖励处理的不同阶段。为了解决这一问题，我们采用金钱激励延迟任务，结合高时间分辨率的脑电图技术，探讨了高焦虑感组和低焦虑感组在预期和完成阶段的不同表现。激励延迟任务是奖励加工研究中常用的经典范式。在这个任务中，参与者首先观察到一个暗示试验随机性的线索(奖励与非奖励，预期阶段)，然后在表现反馈(消费阶段)出现之前尽快对目标刺激做出反应(Knutson et al., 2000)。该任务的可靠性已被多项研究证实(Flores et al., 2015; Spreckelmeyer et al., 2009)。此外，为了分解奖励加工过程中神经活动的时间过程，使用了脑电图方法，因为它具有高时间分辨率，可以识别预期性和完成性奖励加工的子阶段(Cohen, 2017)。
我们利用具有高时间分辨率的ERP技术来探讨奖励延迟任务的预期和反馈子阶段。本研究集中于四个ERP成分来研究预期和完成性奖励加工，其重要性已被先前任务的研究证实(Zhang et al., 2022; Flores et al., 2015)。首先，在奖励预期阶段，我们重点研究了与线索评估、运动准备相关的两个ERP成分，即cue-p3和偶然负变异(CNV)。cue-p3成分是刺激开始后300~600毫秒之间的正向ERP，在中脑顶叶部位振幅最大，在奖励提示下比中性提示增加，被认为与奖励预测提示上的注意力资源分配有关(Glazer et al., 2018)。目前已经发现，奖励线索的cue-P3与腹侧纹状体的激活协同变化，这是一个与奖励处理高度相关的区域。在cue-p3之后，CNV被激发以反映从最初的提示检测到行动动机准备的转变。CNV是一种持续的、负向的成分，在预期的暗示运动反应中，在额中央电极处最大。与中性试验相比，奖励试验的CNV振幅增加(Novak & Foti, 2015)。在激励延迟任务中，研究者利用线索呈现过程中的cue-p3和CNV成分来研究目标刺激的预期。因此，利用以上两个ERP成分，我们可以研究奖励的预期子阶段。
其次，关于反馈(完成)阶段，我们专注于与结果处理相关的两个ERP成分：RewP和FB-P3 (San Martín, 2012)。RewP是一个持续的、正向的成分，在结果反馈开始后大约200~300 ms达到最大值(Gehring & Willoughby, 2002)。RewP反映了与奖赏相关的神经活动和奖赏敏感性(Proudfit, 2015)，它受结果价值和幅度的影响。根据RewP的动机重要性理论，其振幅受结果的动机重要性影响(Fang et al., 2020)。在RewP之后，FB-P3成分被引出来反映一个更深思熟虑的信息整合阶段(Gu et al., 2011)。FB-P3是一个正向的ERP成分，在中央顶叶部位最大，在反馈刺激开始后300~600 ms达到峰值。FB-P3成分被认为反映了注意力的重新分配，以跟踪不确定结果的显著性(Flores et al., 2015)。与RewP相似，FBP3通常对奖励概率和奖励评估敏感，对与奖励相关的反馈表现出更大的振幅。
在本研究中，我们招募了两组高焦虑感和低焦虑感的参与者，研究了他们在金钱激励延迟任务中的表现和ERP模式。因此，本研究旨在探讨焦虑是否以及如何调节金钱奖励处理的神经动力学。在本研究中，我们假设奖励敏感性的降低同时反映在预期性奖励加工和完成性奖励加工中。即对于cue-P3，CNV，RewP和FB-P3均存在组间差异，且在有无奖赏条件下表现不同，高焦虑组的波幅均小于低焦虑感人群。
2. 方法
2.1. 被试
使用“Power ANalysis for GEneral ANOVA”(Westfall, Kenny, & Judd, 2014)这个在线工具来确定被试数量。详细来说，自定义的设计指定了三个因子：被试(设为固定和嵌入因子)、组别(设为固定因子)、奖赏有无(设为固定因子)。其目的是基于三个指定的因子来检测组别与有无奖赏之间的交互作用。该工具显示效应量d = 0.45。在当前设计中，每个被试在每个水平的观察次数为60次。该分析表明，至少需要56名被试才可能达到0.815的统计功效。考虑到可能的数据丢失并增加结果的稳定性，我们计划采集77名被试。
从西南大学随机选取了77名被试，有9名被试因为数据质量不合格，伪迹太多没有纳入统计。剩余68名被试(平均数 ± 标准差：20.16 ± 1.72，女性42人，男性26人)纳入正式的统计中。每个被试都填写了《焦虑自评量表SAS》，被试SAS分数大于平均数43.29的被视为高焦虑组，共27人，小于平均数43.29的被视为低焦虑组，共41人。
所有的被试均符合以下的筛选标准：年龄范围在18~26，被试的视力或矫正视力正常，右利手，自述没有精神或身体疾病，在正式实验前有充足的休息。
2.2. 实验设计和材料
采用2 (组别：高焦虑组、低焦虑组) × 2奖赏(有奖赏、无奖赏)的混合实验设计。因变量为行为下的反应时和准确率，脑电下预期阶段的CNV、cue-P3,反馈阶段的RewP、FB-P3脑电的波幅。
实验材料是圆形的金币(奖赏)，和灰色的圆形(无奖赏)。
2.3. 程序和实验设计
当前研究使用了脑电技术，因为其高时间分辨率可以识别奖赏预期和奖赏反馈的子阶段。在本文中使用了金钱奖励延迟任务，旨在检查焦虑对金钱奖励的预期和反应阶段神经反应的影响。金钱奖励延迟任务由之前的范式改编(Knutson, Fong, Adams, Varner, & Hommer, 2001; Novak & Foti, 2015)，其中根据对于目标的反应速度给予被试奖赏或者没有奖励。整个trial的完整流程如图1所示。
实验包括练习和正式实验两个阶段。练习阶段有8个练习试次，4个有奖赏试次和4个无奖赏试次。正式实验包含3个组块的金钱激励延迟任务。每个组块包含80个奖赏试次和80个无奖赏试次，正式任务持续了40分钟。
任务的每个试次以400 ms的线索开始，表明试次的随机性：三角形的线索表示不管被试的表现如何，都不会获得奖励；圆环代表可能会有奖励。一个随机的延迟之后，目标出现。之后，要求被试当目标出现时，尽可能快的按下键盘的空格键。如果被试的反应时短于目标的呈现时间，那么这个试次被标记为击中，否则，被标记为漏报。目标阶段的初试时间延续练习阶段，练习阶段目标的初始时间设置为200 ms，之后以调整每个试次下目标出现时间的方式使得击中率保持在50%左右。目标之后是一个1300 ms的间隔，之后呈现2000 ms的反馈。在无奖赏条件下，不管被试表现如何，总是没有奖励。在有奖赏条件下击中目标会获得一个金币，没有击中会获得一个空白圆。被试被告知，在有奖赏下获得的金币会以一定的比例累积到被试费中。Trial之间的间隔为1000 ms。
每个被试都被鼓励尽最大努力去做任务。在有奖赏条件下的击中的试次将会以一定的比例换算成金钱作为被试费。
Figure 1. Monetary incentive delayed task. In each trial, a cue was first presented indicating reward or nonreward, with a black circle indicating that a reward would occur if the target was hit, and a black triangle indicating that no reward would occur regardless of whether the target was hit or not. When the black square, i.e. the target, was presented, subjects were asked to press the space bar as fast as possible to capture the target, with the timing of the target changing dynamically to ensure a hit rate of around 50%. If the target is hit, a gold coin is awarded in the feedback phase. If the target is not hit, a yellow circle is awarded
图1. 金钱激励延迟任务流程图。在每个试次中，首先呈现一个线索，表明有无奖赏，黑色圆环代表若击中目标则会出现奖赏，黑色三角形代表不管有无击中目标都不会出现奖赏。在黑色方块即目标呈现时，要求被试尽可能快地按下空格键以捕获到目标，目标的时间动态变化以保证击中率在50%左右。若击中目标，则会在反馈阶段获得金币。若没有击中目标，则获得黄色的圆形
2.4. 脑电记录和预处理
使用64通道的放大器(Neuroscan, Herndon, VA, America)记录被试实验时的脑电数据，参考电极为Fcz点。电极点按照国际上10-20系统的标准位置进行排布。左眼眶上方和下方记录垂直眼电，左右眼眶外缘记录水平眼电。在线记录的采样率设置为500 Hz，带通滤波为0.01~200 Hz。在实验中，电极的阻抗保持在5 KΩ以下。
本研究集中于奖赏过程的预期和反馈阶段，即由金钱奖励诱发的预期和反馈阶段的脑电活动。数据离线分析是借助于MatlabR2022b下的EEGLAB工具箱(EEGLAB v2022.1)和ERPLAB工具箱(ERPLAB v9.2, Lopez-Calderon & Luck, 2014)。为了排除低频漂移与高频噪音信号干扰，对数据采用无限脉冲响应滤波器进行滤波，高通阈限为0.1 Hz，低通阈限为20 Hz。为了排除市电干扰，滤50 Hz的陷波。然后将数据降采样到250 Hz。采用独立成分分解的方法对伪迹进行校正，利用IClabel识别眼电，大于90%的删掉。随后，使用左、右乳突的平均振幅对独立成分分解过的数据进行重参考(Luck, 2014)。之后将数据分段，预期阶段分段是−200到1000 ms (Feldmann et al., 2021)，反馈阶段分段是−200到800 ms (Song et al., 2019)。然后利用simple voltage threshold的方法剔除脑电电压绝对值超过±100 µV的试次。
因为ERP实验有很多种测量方法，假阳性错误是个统计中潜在的问题，减少分析中因素的数量有助于减少假阳性。出于这种考虑，减少方差分析中因素的数量将会对此有帮助。因此，该研究使用了差异波测量RewP波幅，即RewP波幅是击中试次减去漏报试次的脑电波幅。同样的，P3也用差异波来测量，也是击中试次减去漏报试次的脑电波幅(Zhang et al., 2022)。使用这种方法测量反馈相关ERP将减少不熟悉带来的潜在影响。
2.5. 数据分析
行为数据分析。采用2 (组别：高焦虑组、低焦虑组) × 2奖赏(有奖赏、无奖赏)的重复测量方差分析，测量被试在高低焦虑组在有无奖赏时的反应时和准确率。
脑电数据分析。对于预期阶段，采用2 (组别：高焦虑组、低焦虑组) × 2奖赏(有奖赏、无奖赏)的重复测量方差分析，测量被试在高低焦虑组在有无奖赏时的cue-P3振幅差异和CNV振幅差异。对于反馈阶段，采用2 (组别：高焦虑组、低焦虑组) × 2奖赏(有奖赏、无奖赏)的重复测量方差分析，测量被试在高低焦虑组在有无奖赏时的RewP振幅差异和FB-P3振幅差异，其中RewP振幅和FB-P3振幅是采用的差异波进行的计算。对于cue-P3的时间窗，选取的是300~700 ms，电极点为Pz、P1、P2、CPz、Poz (Pfabigan et al., 2014)，对于CNV的时间窗，选取的是700~1000 ms，电极点为Fz、FCz、FC1、FC2、Cz (Singh et al., 2023)，对于RewP的时间窗，选取的是240~300 ms (Song et al., 2019)，电极点为F1、Fz、F2、FC1、FCz、FC2，对于FB-P3的时间窗，选取的是450~750 ms，电极点为F1、Fz、F2、FC1、FCz、FC2 (Greimel et al., 2018)。
实验中所有的统计均是在SPSS 23.0中进行的。
3. 结果
3.1. 行为结果
正确率结果：
为了比较高低焦虑组在有无奖赏下的任务正确率差异，以组别，有无奖赏为自变量，以正确率为因变量进行单变量方差分析。发现有无奖赏主效应显著，F(1, 132) = 10.87，p = 0.001，两组被试有奖赏条件下的正确率显著高于无奖赏条件下的正确率。组别的主效应不显著，F(1, 132) = 2.14，p = 0.15，有无奖赏和组别的交互作用不显著F(1, 132) = 0.413，p= 0.52。
反应时结果：
为了比较高低焦虑组在有无奖赏下的任务反应时差异，以组别、有无奖赏为自变量，以正确率为因变量进行单变量方差分析。发现有无奖赏主效应显著，F(1, 132) = 11.36，p = 0.001，两组被试有奖赏条件下的反应时显著低于无奖赏条件下的反应时。组别的主效应不显著，F(1, 132) = 2.75，p = 0.1，有无奖赏和组别的交互作用不显著F(1, 132) = 0.017，p = 0.89。
3.2. 脑电结果
Cue-P3：
为了比较高低焦虑组在有无奖赏下的预期阶段cue-P3波幅的差异，以组别，有无奖赏为自变量，以cue-P3波幅为因变量进行两因素重复测量方差分析。发现有无奖赏主效应显著，F(1, 66) = 121，p < 0.001，两组被试有奖赏条件下的波幅显著高于无奖赏条件下的波幅。组别的主效应不显著，F(1, 66) = 0.001，p = 0.99，有无奖赏和组别的交互作用不显著F(1, 66) = 0.16，p = 0.69。
CNV：
为了比较高低焦虑组在有无奖赏下的预期阶段CNV波幅的差异，以组别，有无奖赏为自变量，以CNV波幅为因变量进行两因素重复测量方差分析。发现有无奖赏主效应显著，F(1, 66) = 4.48，p = 0.04，两组被试有奖赏条件下的波幅显著高于无奖赏条件下的波幅。组别的主效应不显著，F(1, 66) = 0.035，p = 0.85，有无奖赏和组别的交互作用不显著F(1, 66) = 1.49，p = 0.23。
RewP：
为了比较高低焦虑组在有无奖赏下的反馈阶段RewP波幅差异，以组别，有无奖赏为自变量，以RewP波幅为因变量进行两因素重复测量方差分析。发现有无奖赏主效应显著，F(1, 66) = 156.36，p < 0.001，两组被试有奖赏条件下的波幅显著高于无奖赏条件下的反应时。组别的主效应不显著，F(1, 66) = 1.35，p = 0.25，有无奖赏和组别的交互作用显著F(1, 66) = 7.49，p = 0.008。进一步简单效应分析表明，在有奖赏条件下，高低焦虑组的差异显著，F(1, 66) = 4.14，p = 0.046，低焦虑组的波幅显著高于高焦虑组；在无奖赏条件下，高低焦虑组的差异不显著，F(1, 66) = 1.68，p = 0.2。显著的波形图及地形图见图2及图3。
FB-P3：
为了比较高低焦虑组在有无奖赏下的反馈阶段FB-P3波幅差异，以组别，有无奖赏为自变量，以正确率为因变量进行两因素重复测量方差分析。发现有无奖赏主效应显著，F(1, 66) = 21.14，p < 0.001，两组被试有奖赏条件下的波幅显著高于无奖赏条件下的波幅。组别的主效应不显著，F(1, 66) = 1.02，p = 0.32，有无奖赏和组别的交互作用不显著F(1, 66) = 1.98，p = 0.16。
Figure 2. Waveforms of RewP. The top is the low-anxiety group and the bottom is the high-anxiety group.BIN1 means that the target was hit in the reward condition, BIN2 means that the target was missed in the reward condition, BIN3 means that the target was hit in the no-reward condition, and BIN4 means that the target was missed in the no-reward condition
图2. RewP的波形图。上边是低焦虑组，下边是高焦虑组。BIN1代表有奖赏条件下击中了目标，BIN2代表有奖赏条件下漏报了目标，BIN3代表无奖赏条件下击中了目标，BIN4代表无奖赏条件下漏报了目标
Figure 3. Topographic map of RewP. The top is the low anxiety group and the bottom is the high anxiety group
图3. RewP的地形图。上边是低焦虑组，下边是高焦虑组
4. 讨论
目前的研究旨在解决关于焦虑影响奖励处理过程的问题，即高焦虑组是否存在奖赏敏感性的损伤，这种损伤是发生在预期或反馈的哪个阶段的。因此，我们将金钱激励延迟任务与高时间分辨率的脑电技术相结合，对其行为数据、ERP数据进行分析。我们假设，高焦虑感的奖励敏感性降低同时发生在预期阶段和反馈阶段。实验结果部分支持了我们的假设。在行为层面，对于准确率和反应时，只存在奖赏有无的主效应，组别的主效应以及奖赏和组别的交互作用不显著。在脑电层面，对于预期阶段，cue-p3和CNV也是只存在奖赏有无的主效应，有奖赏条件下的波幅显著高于无奖赏条件，组别的主效应以及奖赏和组别的交互作用不显著。对于反馈阶段，对于RewP，存在奖赏的主效应和组别与奖赏的交互作用，有奖赏时，低焦虑组的波幅显著大于高焦虑组。对于FB-P3，只存在奖赏有无的主效应，组别的主效应以及奖赏和组别的交互作用不显著。
在预期阶段，cue-P3和CNV在有奖赏条件下的波幅大于无奖赏，组间差异不显著。关于任务执行前对线索处理的神经反应，先前的工作强调了cue-P3成分代表着注意力的分配和动机的过程。在当前的研究中，高低焦虑组都是在有奖赏条件下的cue-P3波幅大于无奖赏，说明在有奖赏的条件下，被试更加集中注意力，有着更强的动机以获得奖赏。这个解释和我们的行为结果一致，在我们的行为结果中，也发现有奖赏的反应时要短于无奖赏条件。同时，我们也发现，在高低焦虑组中并不存在cue-P3波幅的显著差异，这表明，高低焦虑组在进行奖励寻求时，注意分配的模式和动机的大小是类似的。这可能表明高低焦虑组对于奖赏的预期是没有差异的，可能原因是他们寻求奖赏的动机是无差异的。
CNV反映了从最初的线索检测到行动动机准备的转变(Kononowicz & Penney, 2016)。在ERP结果中，CNV显示了奖励条件(奖励；无奖励)的主效应，但没有显示组别的主效应。奖励条件下的CNV振幅高于非奖励条件下的CNV振幅。低焦虑组的CNV振幅表现出大于高焦虑组的趋势。在当前的研究中，高低焦虑组都是在有奖赏条件下的CNV波幅大于无奖赏，说明在有奖赏的条件下，被试在为获得奖励而做准备。这个解释和我们的行为结果一致，在我们的行为结果中，也发现有奖赏的反应时要短于无奖赏条件。同时，我们也发现，在高低焦虑组中并不存在CNV波幅的显著差异，这表明，高低焦虑组在进行奖励寻求的运动准备是类似的。这可能表明高低焦虑组对于奖赏的预期是没有差异的，可能原因是他们寻求奖赏的动机是无差异的。这一结果与我们的cue-P3波幅是一致的。
对于反馈阶段，高焦虑者出现了奖赏敏感性降低。RewP反映了与奖励相关的神经活动和奖励敏感性(Proudfit, 2015)。在ERP结果中，RewP存在组别和奖励有无的交互。在奖励条件下，高焦虑感组的RewP差异波小于低焦虑感组，即高焦虑组的奖励敏感性较小。基于RewP的动机显著性理论，其幅度受到结果动机重要性的影响(Fang et al., 2020)。该理论认为，当一个人付出更多的努力时，它会增加后续奖励的价值和意义。这与提示阶段的结果是一致的，高焦虑感组的动机更少，付出的努力也更少。
FB-P3成分被认为反映了一个更深思熟虑的信息整合阶段(Gu et al., 2011)，这与注意力资源的分配有关(Wu & Zhou, 2009)。在ERP结果中，FB-P3存在奖赏的主效应。在奖励条件下，高焦虑感组的FB-P3波幅小于低焦虑感组。然而，高焦虑感组和低焦虑感组的组间差异不显著。这可能说明在金钱奖励条件下，两组被试进行了更多的深思熟虑，从而没有表现出明显的表现显著性差异。
我们的研究拓展了之前的结果，之前的理论只提到了焦虑会影响奖赏系统，并没有提到如何影响。我们证明了焦虑者的奖赏处理异常，并从神经动力学角度出发，探究了焦虑对奖赏不同阶段的影响。本研究证明了，对于金钱奖赏，焦虑会损害其反馈阶段而非预期阶段。这为干预焦虑，缓解焦虑情绪，提供了奖赏方面的信息。此外，我们的研究还表明，焦虑的奖赏损伤情况与抑郁类似，那么在焦虑的防治方面，是否可以采用抑郁常用的治疗方法，也可以进一步进行研究。另外，本文只研究了焦虑对金钱奖励过程的影响，没有考察例如社会奖赏在内的别的奖赏，之后的研究也可以进行进一步的研究。
5. 结论
研究表明，焦虑会影响对金钱奖赏的加工过程。通过高时间分辨率的脑电技术，我们得知，焦虑对于金钱奖赏的影响是发生在反馈阶段的，表现为奖赏敏感性的降低。