心率變異性與人格的神經(jīng)質(zhì)之間關系研究 *

李昌竹鄭士春陸梭張雨青劉正奎

(1中國科學院心理研究所心理健康重點實 驗室，北京100101)

(2中國科學院大學心理學系，北京100049)

1 引言

人格是心理學理論的重要組成部分，人格與心理學其他理論部分的關系研究是心理學研究中的重要領域。心理應激狀態(tài)（stress）是與大五人格中神經(jīng)質(zhì)概念高度相關的概念（Knapp, 2018）。心率變異性（heart rate variability, HRV）是指個體在一段時間內(nèi)心跳間隔序列的一系列度量指標（Bilchick & Berger, 2006; Malik & Camm, 1993）。已有研究認為，HRV 受交感神經(jīng)–副交感神經(jīng)活躍性的直接控制，交感神經(jīng)活動增強與副交感神經(jīng)活動減弱構成了應激的生理基礎（Dickerson &Kemeny, 2004）。傳統(tǒng)的HRV 指標是利用心電圖設備采集基礎心電圖數(shù)據(jù)并提取心跳波峰時間點，利用波峰時間點序列依次計算波峰間期序列，再利用此間期序列計算相關指標（Malik &Camm, 1993）。近年來，隨著傳感器技術的不斷進步，大量研究開始利用其他傳感器采集與基于心電圖的波峰序列等效的R-R 間期數(shù)據(jù)作為HRV 指標提取的基礎數(shù)據(jù)（Bolanos, Nazeran, &Haltiwanger, 2006; Gil et al., 2010; Li et al., 2018;Pinheiro et al., 2016）。

利用HRV，研究者對應激狀態(tài)及其預測已有廣泛的探討并得到大量有意義的結論。如，劉溪和梁寶勇（2008）發(fā)現(xiàn)，特質(zhì)焦慮的個體在心算應激后的HRV 難以在短時間內(nèi)恢復到基線期的生理水平。應激狀態(tài)被認為是交感神經(jīng)與副交感神經(jīng)相互作用的結果，其中交感神經(jīng)的活躍性提高個體的應激水平；與之相反，副交感神經(jīng)的活躍則降低個體的應激水平；綜合交感神經(jīng)與副交感神經(jīng)活性對應激狀態(tài)具有明確預測效果（Lown &Desilva, 1978）。除應激帶來的諸多生理變化（如消化系統(tǒng)活動停止、瞳孔放大、呼吸急促等）外（Gunnar & Vazquez, 2006），應激與神經(jīng)質(zhì)所指向的所有情緒體驗都具有廣泛聯(lián)系（G?rgens-Ekermans & Brand, 2012）。因此，利用HRV 及與之相關的應激狀態(tài)考察神經(jīng)質(zhì)水平特征應具有科學意義。

神經(jīng)質(zhì)作為一種人格特質(zhì), 核心特征是具有負性情緒體驗的傾向（Digman, 1997）。長久以來，對神經(jīng)質(zhì)的調(diào)查和評價方法以自評量表為主，即通過填寫結構化問卷呈現(xiàn)自身人格在情緒穩(wěn)定及調(diào)整層面的特征（于肖楠, 張建新, 2007; Costa &McCrae, 1985）。神經(jīng)質(zhì)維度作為主流人格理論框架的構成因素之一，已被證明能夠比較穩(wěn)定地概括其所指向的一個獨立人格特質(zhì)，也具有較好的外部效度（周潔, 2010; Barrick & Mount, 1991）。隨著人格測試廣泛應用，研究者開始探索更客觀化、更具生態(tài)學效度的人格評估方法，例如，基于設計社交媒體數(shù)據(jù)判定和挖掘人格指標（Kosinski,Stillwell, & Graepel, 2013），其中，通過研究測定與神經(jīng)質(zhì)有關概念的生理基礎探求人格的維度及指標尤為研究者所關注。它涉及交感神經(jīng)–副交感神經(jīng)拮抗作用、中樞神經(jīng)喚醒和下丘腦–垂體–腎上腺軸活動等基礎神經(jīng)活動研究（楊娟, 2009;Villarejo, Zapirain, & Zorrilla, 2012），其采用的技術涉及皮膚電、呼吸、HRV、皮質(zhì)醇（cortisol）、化驗、神經(jīng)影像學（neuroimaging）等技術（Alaoui-Isma?li, Vernet-Maury, Dittmar, Delhomme, & Chanel,1997; Gross & Levenson, 1993; Hellhammer, Wüst, &Kudielka, 2009）。然而該類研究主要為“神經(jīng)質(zhì)概念存在”作為一個科學假設提供系列旁證，并不將各類測量及測量結果與心理學大五人格理論進行直接聯(lián)系（Appelhans & Luecken, 2006; Dedovic et al., 2005; Kelly, Tyrka, Anderson, Price, & Carpenter,2008; Kim, Kang, Kim, Kang, & Park, 2017）。

本研究目的是探索利用HRV 所表達的應激狀態(tài)與人格理論中神經(jīng)質(zhì)維度之間的對應關系，嘗試尋找人格中神經(jīng)質(zhì)特征的神經(jīng)活動基礎。研究者以大五人格量表中的神經(jīng)質(zhì)維度得分作為神經(jīng)質(zhì)的指標，采用HRV 作為應激反應的客觀指標，探索了HRV 指標對神經(jīng)質(zhì)水平區(qū)分力。特別的是，研究利用嚴格控制的實驗室環(huán)境及有效的高水平應激觸發(fā)手段實現(xiàn)了應激條件下HRV 數(shù)據(jù)的采集。

2 方法

2.1 被試

在天津市某大學招募200 名被試參與實驗，由于數(shù)據(jù)缺損導致22 位被試被排除，剩余178 例（年齡16～36 歲，女93 人），被試參與實驗之前均簽署知情同意書。

2.2 實驗儀器

采用光體積掃描傳感器作為HRV 指標收集設備，該傳感器為便攜手表狀，佩戴于被試的非利手。同時，在實驗過程中，采用美國BIOPAC公司生產(chǎn)的MP150 型16 導生理記錄儀采集被試的HRV 實時數(shù)據(jù)，用于準確性驗證。

2.3 實驗設計

采用蒙特利爾應激任務（Dedovic et al., 2005）作為實驗范式隨機向被試呈現(xiàn)心算題目，該范式利用（1）心算任務；（2）對被試報告的心算結果正確與否的反饋；（3）緊湊的計算時間限制，以上三者作為應激源，向被試施加應激壓力并誘發(fā)被試的應激狀態(tài)。在被試參與蒙特利爾范式任務的同時，實驗者同步采集被試的HRV 數(shù)據(jù)。本實驗具體分為3 個階段，分別是：（1）呼吸調(diào)整階段（R 階段，時長2 min），在該階段中向被試呈現(xiàn)一個帶有秒針的時鐘，主試在開始前引導被試利用秒針節(jié)律輔助尋找自己最佳的放松呼吸狀態(tài)并維持該狀態(tài)；（2）有限條件階段（C 階段，時長2 min），使用計算機屏幕呈現(xiàn)心算題目，每道題目有一定的限時，該時限由被試者的做題表現(xiàn)決定，每對一道題目限時在原先基礎上減去10%，做錯一道題目則限時增加10%，時限變化的上下限區(qū)間為4～8 s，每位被試被分配200 元初始獎勵金額，每做錯一道題目扣除5 元，不應答的題目依照錯誤計算，剩余額度以紅色文字顯示在題目下方醒目位置；（3）全條件階段（E 階段，時長2 min），在C 階段的基礎上在題目界面上方加入醒目的藍色倒計動畫時條，動畫條自右側向左收縮，收縮消失時即倒計時結束的時刻。E 階段和C 階段以隨機順序出現(xiàn)，界面如圖1 所示。實驗中題目均為答案范圍在0～9 的四則混合運算，被試通過操作鼠標點擊屏幕上排列為圓形的0～9 的方形按鈕作答。

圖 1 實驗操作界面

運算分為5 個難度等級：個位數(shù)無進退位加減法，兩位數(shù)無進退位加減法，有進退位加減法，無進退位加減法結合乘法或除法，有進退位加減法結合乘法或除法。不同難度等級以相同概率隨機出現(xiàn)且題目隨機。每個階段之間被試有2 min的空白靜坐時間，在正式開始前要求被試完成20 道不限時長的計算練習階段，練習中被試接受主試指導并確保熟悉應答的操作方式，如圖2 所示。

圖 2 實驗流程示意圖

2.4 指標提取

光體積掃描傳感器采集手腕毛細血管的血流量以判定被試的心跳時刻從而獲取其心跳的RR 間期。此類傳感器在先前的研究中已被反復證明與傳統(tǒng)心電圖傳感器所獲取的R-R 間期數(shù)據(jù)有高于0.95 的高度相關。利用R-R 間期數(shù)據(jù)，研究者導出其HRV 指標。研究利用R-R 間期計算得到諸多HRV 指標，這些指標均作為輸入特征參與綜合指標的生成運算。HRV 信號數(shù)據(jù)導出和計算采用MATLAB 2014b 實現(xiàn)。

大五人格中神經(jīng)質(zhì)維度數(shù)據(jù)方面，研究采用NEO-FFI 中國版（Bilchick & Berger, 2006）作為評定標準，該版本神經(jīng)質(zhì)維度共12 題，每位參與者在參與心算及HRV 指標采集之前填寫該自評量表。量表計分方式為直接計算總分，總分大于38 分可認為是典型高分（唐靜, 2012）。

2.5 數(shù)據(jù)分析

本研究采用LASSO 回歸歸納二者之間的此類線性關系。除HRV 生理指標之外，研究者將各階段出現(xiàn)的時間作為額外參數(shù)加入?yún)?shù)列表，將受不同實驗階段出現(xiàn)先后關系影響的因素考慮在內(nèi)。在機器學習操作方法上，HRV 生理指標與階段順序編碼合并為特征參數(shù)向量（feature vector），為抽取具有指標性意義的度量值，研究者先將被試的神經(jīng)質(zhì)維度數(shù)據(jù)依照38 分作為劃界分，將38 分以上被試者歸類為高分組，編碼為1；將38 分以下被試者歸類為低分組，編碼為0，并將此作為事實指標（ground truth）。將C 階段的特征參數(shù)向量作為訓練集實施LASSO 回歸并運行交叉驗證，并選取誤差最小的lambda 作為模型懲罰系數(shù)。

將C、E 和R 階段的數(shù)據(jù)分別代入模型，得到三組預測值，其中C 階段的預測值反映了數(shù)據(jù)的擬合程度，E 和R 階段反映被試在高強度壓力和低強度壓力下不同的模型預測力。本研究利用該3 組預測值繪制了操作者特征曲線（receiver operating characteristic curve, ROC）并計算了曲線下面積（area under the curve, AUC）用以鑒定模型表現(xiàn)，同時還計算了預測值與事實指標的相關系數(shù)并利用Bonferroni 多重比較校正方法校正。此外，研究者使用單因素方差分析對三組預測值實施了兩兩比較以觀察不同條件下預測值之間的差異狀況。

數(shù)據(jù)分析部分，本研究采用R 語言3.4.0 版本（Bolanos et al., 2006），其中ROC 及AUC 計算采用了pROC 庫，LASSO 回歸采用glmnet 庫。

3 結果

LASSO 模型構建的殘差（見圖3）顯示，在基于階段C 的特征迭代搜索過程中，該模型的殘差逐步收斂。利用該模型產(chǎn)生的C 階段的預測數(shù)據(jù)求取與被試神經(jīng)質(zhì)高分組–普通組（見圖4）的二分序列相關關系，得到r=0.43（p＜0.01）的顯著正相關；將E 階段的各被試特征向量代入模型，可得到r=0.32（p＜0.01）的顯著正相關；以同樣方式代入R 階段特征向量，得到r=0.17（p=0.06）；同時本研究計算了未經(jīng)分組的連續(xù)神經(jīng)質(zhì)得分與LASSO 預測之間的相關系數(shù)，依照順序，其C、E、R 階段的相關系數(shù)分別為r=0.23（p＜0.01）、r=0.21（p＜0.01）和r=0.1（p=0.19）。以上顯著性的p 值均經(jīng)過Bonferroni 多重比較校正。

圖 3 LASSO 模型構建的殘差圖

圖 4 E 階段（上）、R 階段（下）階段操作者特征曲線

以E 階段為特征的ROC 得到的AUC 為0.729（最佳切點敏感度0.770, 特異度為0.636）；以R 階段為特征的ROC 得到AUC 為0.621（最佳切點敏感度0.403, 特異度為0.848）（見圖4）。

為比較三組數(shù)據(jù)之間的關系，研究者分別對E、C 和R 階段的預測指標實施單因素方差分析。三組數(shù)據(jù)Bartlett test 結果為K2=4.7816（df=2,p=0.092），可認為方差齊性。以TuckyHSD 作為校正手段，分析各階段兩兩比較結果顯示，E 組與C 組之間無顯著差異，但R 組與E 組、R 組與C 組間均差異顯著（見表1）。

表1 三組數(shù)據(jù)兩兩比較結果

4 討論

本研究旨在通過利用HRV 參數(shù)結合大五人格中神經(jīng)質(zhì)維度的自評分數(shù)，以廣義線性回歸的方法探索生理指標與維度概念之間可能存在的關系。

經(jīng)探索性的LASSO 回歸模型逐步收斂的殘差及其產(chǎn)生的C 階段預測與被試神經(jīng)質(zhì)分類的擬合可以看出，利用C 階段數(shù)據(jù)（即應激負荷狀態(tài)下的特征指標）實施建?？梢缘玫骄哂酗@著中等相關的結果，這證明模型的擬合具有科學意義。此外，利用E 階段特征作為輸入，所得預測值與神經(jīng)質(zhì)自評之間的顯著相關及較大程度上高于隨機，AUC 值結果說明該模型在同樣具有應激負荷的條件下（即E 階段）仍然具有較好的推廣效果。因此，綜合以上可以認為，在應激負荷條件下，HRV 是人格中神經(jīng)質(zhì)較好的生理預測指標。該結論也支持了前人研究中的觀點，即較高的神經(jīng)質(zhì)與被試在休息和壓力狀態(tài)下的HRV 降低有關（?uki? & Bates, 2015）。

R 階段的數(shù)據(jù)與神經(jīng)質(zhì)得分邊緣顯著相關，在AUC 方面R 階段數(shù)據(jù)也表現(xiàn)出了相對E 階段更加接近隨機水平的數(shù)值，這些證據(jù)暗示著R 階段可能與C 階段和E 階段具有完全不同的生理模式。從實驗操作的角度考慮可以從一個側面印證這個觀點：R 階段與C 和E 階段有本質(zhì)的不同，該階段不具備應激源，屬于非應激階段；從實驗設計的角度考慮，R 階段是一個放松階段，它的實驗操作類似于自由呼吸放松技術的執(zhí)行流程（Gil et al., 2010）。三者差異的重點在于，本研究利用的是以神經(jīng)質(zhì)評分作為機器學習的標簽而構建的判定模型，R 階段不僅在實驗設計上區(qū)別于應激階段，在神經(jīng)質(zhì)的判定結果上也區(qū)別于應激階段。即在非應激狀態(tài)下，個體表現(xiàn)出的自主神經(jīng)活動特征并不像在應激狀態(tài)下一樣具有預測意義。關于此點，更加有針對性的證據(jù)是三階段的單因素方差分析，其非常顯著的效應的根源就來自于R 階段與E/C 階段的巨大差異。神經(jīng)質(zhì)作為人格特征是一種較為穩(wěn)定的特質(zhì)，但HRV 在不同條件下差異顯著。結合以上討論可以認為，在低應激水平條件下，人格的神經(jīng)質(zhì)特質(zhì)在神經(jīng)活動表現(xiàn)中呈隱性狀態(tài)，而在高應激水平條件下，人格的神經(jīng)質(zhì)特質(zhì)在神經(jīng)活動中呈顯性狀態(tài)。

此外，研究還發(fā)現(xiàn)，神經(jīng)質(zhì)概念在自主神經(jīng)活動特征方面的表現(xiàn)只存在于應激狀態(tài)下，該發(fā)現(xiàn)對于今后研究自主神經(jīng)對神經(jīng)質(zhì)概念的表達具有啟發(fā)性意義，尋找其神經(jīng)質(zhì)特征在應激條件下應當更為可行。同時也提示，每個具體特征應激狀態(tài)下與非應激狀態(tài)下的區(qū)別對未來研究具有重要的啟發(fā)，即未來在具有更高預測力、更能表征神經(jīng)質(zhì)特征的指標尋求研究中，可以采用觀察不同狀態(tài)間自主神經(jīng)活動的數(shù)值變化及其組合模式作為入手點。

本研究的不足之處表現(xiàn)在未能采集一個與模型建構完全一致的模型驗證數(shù)據(jù)集。雖然E 階段與C 階段的差別為是否顯示倒計時，但如果構建與驗證采用完全相同的階段可能可以得到具有更高區(qū)分力的結果。

上述研究結果提示，HRV 特征中存在大五人格中神經(jīng)質(zhì)維度直接的生理基礎證據(jù)，人格與HRV 所表示的應激與心理健康、幸福感都具有密切關系。本研究探究了人格中神經(jīng)質(zhì)維度和應激二者之間的關系，這對于心理調(diào)適具有一定的指導意義，如針對人格中神經(jīng)質(zhì)特質(zhì)較強個體而言，應激狀態(tài)的監(jiān)控和及時調(diào)整可能在心理健康促進方面相對其他人群更加關鍵；同時本研究成果還在應用層面具有啟發(fā)意義，即這種針對神經(jīng)質(zhì)特質(zhì)較強人群的狀態(tài)監(jiān)控，可以應用可采集心跳/脈搏間期數(shù)據(jù)的設備（如，運動手環(huán)、運動手表）以達到促進心理健康的目的。

5 結論

綜上，本研究發(fā)現(xiàn)在高應激狀態(tài)下，多個HRV 指標對人格的神經(jīng)質(zhì)特質(zhì)都具有預測力，人格的神經(jīng)質(zhì)特質(zhì)具有較明確的生理表現(xiàn)，且與應激水平高度相關。人格的神經(jīng)質(zhì)特質(zhì)和主觀應激體驗具有密切聯(lián)系，可以作為促進心理健康的一個切入點。