HET DETECTEREN VAN PATRONEN IN
EMOTIONELE INFORMATIE
DE ROL VAN ZELFRELEVANTIE, GEMOEDSTOESTAND EN
REPETITIEF NEGATIEF DENKEN
Aantal woorden: 16 517
Elien Deelen
Studentennummer: 01505166 Promotor: dr. Jonas Everaert
Masterproef voorgelegd voor het behalen van de graad master in de Klinische Psychologie Academiejaar: 2019 – 2020
Corona Verklaring Vooraf
De maatregelen die getroffen werden omtrent COVID-19 zorgden ervoor dat ik mijn literatuurstudie vanaf maart 2020 enkel online kon verrichten. Alle data werd verzameld in april en mei 2019, waardoor de testafnames of scoring niet werden beïnvloed. Er waren verder dus geen implicaties voor het uitwerken van deze masterproef.
Woord vooraf
Al vroeg doorheen mijn bachelor Psychologie ging mijn interesse uit naar het veld van de Klinische Neuropsychologie. Met veel bewondering bestudeer ik de relatie tussen het menselijk gedrag en de werking van het brein. Het onderwerp van deze masterproef sprak me aan omdat het verschillen in specifieke cognitieve functies koppelt aan psychopathologie, een studiegebied waarin nog veel te ontdekken valt.
Daarom wil ik eerst en vooral dr. Jonas Everaert bedanken om me de kans te geven mijn masterproef binnen deze discipline te ontwikkelen. Ook dank ik hem voor zijn grote ondersteuning doorheen dit proces. Zonder aarzelen kon ik bij hem terecht voor eventuele vragen en gerichte feedback. Zijn positieve ingesteldheid en geruststellende woorden hebben een motiverend effect gehad op mij.
Ten slotte bedank ik mijn ouders, vrienden, familie en Stan om doorheen deze periode telkens voor mij klaar te staan. Daarnaast wil ik mijn ouders specifiek bedanken om steeds in mij te geloven en mij de kans te geven om verder te studeren.
Abstract
Ieder van ons wil begrijpen wat er rondom zich gebeurt. Dat geeft namelijk een gevoel van veiligheid en vergroot onze overlevingskansen. Via statistisch leren detecteren we als individu patronen uit onze omgeving en geven we er betekenis aan. In deze experimentele studie onderzochten we of statistisch leren plaatsvond bij verbale emotionele informatie en of individuele verschillen in dat proces gerelateerd waren aan emotionele informatieverwerkingsprocessen. Statistisch leren van emotionele patronen is namelijk belangrijk bij het interpreteren van emotionele cues: voorspellingen kunnen worden gemaakt over emotionele situaties waardoor men er adequaat op reageert. Specifiek bestudeerden we of statistisch leren gerelateerd was aan zelfrelevantie, gemoedstoestand en repetitief negatief denken. Allereerst legden participanten een experimentele taak af die statistisch leren mat, bestaande uit een afleidingstaak gevolgd door een two-alternative forced choice task (2AFC-task). Vervolgens werd de zelfrelevantie van de gehanteerde woorden beoordeeld. Ten slotte kreeg men twee vragenlijsten die peilden naar gemoedstoestand en repetitief negatief denken. Correlatie- en regressieanalyses toonden aan dat proefpersonen in staat waren om uit een stroom van positieve en negatieve zelfrefererende woorden patronen te genereren, ook al was expliciet bewustzijn errond niet noodzakelijk. De zelfrelevantie van het stimulusmateriaal en repetitief negatief denken boden geen significante bijdrage aan dat proces. Wel was een hogere positieve gemoedstoestand gerelateerd aan het beter herkennen van aangeleerde triades met dezelfde valentie. Deze studie bood een eerste verkenning in de statistische wereld van psychopathologie en geeft daarmee aanleiding tot bijkomend onderzoek.
Kernwoorden: statistisch leren, impliciet leren, emotionele informatieverwerking, zelfrelevantie, gemoedstoestand, repetitief negatief denken
Inhoudstafel
Inleiding ... 1
Repetitief negatief denken ... 1
Wat is repetitief negatief denken? ... 1
RND als transdiagnostisch proces. ... 2
Statistieken omtrent RND. ... 5
Theoretische modellen rond repetitief negatief denken. ... 6
Cognitieve aspecten van repetitief negatief denken. ... 12
Verlaagde cognitieve controle. ... 12
Moeilijkheden in het lostrekken van de aandacht. ... 13
Geheugenbias. ... 15
De rol van statistisch leren ... 16
Huidige studie ... 20 Methode ... 22 Deelnemers ... 22 Experimenteel paradigma ... 23 Stimuli. ... 23 Experimentele taak. ... 24 Zelfrapportage maten. ... 26 Procedure ... 27 Statistische analyses ... 28 Resultaten ... 29 Hypothese 1 ... 29
Herkenning van statistische patronen. ... 29
Expliciet bewustzijn van statistische patronen. ... 30
Accuraatheid op de afleidingstaak. ... 32
Hypothese 2 ... 32
Samenhang tussen zelfrelevantie en statistisch leren. ... 32
Samenhang tussen gemoedstoestand en statistisch leren. ... 33
Hypothese 3 ... 35
Samenhang tussen RND en statistisch leren. ... 35
Wat is de unieke bijdrage van statistisch leren aan repetitief negatief denken? ... 36
In welke specifieke condities zou RND interfereren met statistisch leren? ... 37
Discussie ... 38
Referenties ... 45
1
Inleiding
Repetitief negatief denken
Wat is repetitief negatief denken?
Iedereen denkt weleens na over vroegere ervaringen, huidige ellende en problemen of zorgen omtrent de toekomst. Soms ondervind je hierover weinig controle en ervaar je die gedachten als intrusief. Wanneer er bijkomend excessief en repetitief op negatieve cognitieve en affectieve informatie wordt gefocust, spreekt men van repetitief negatief denken (RND).
Repetitief negatief denken wordt beschouwd als een stabiel kenmerk, een soort karaktertrek, dat kan toenemen tijdens episodes van een mentale stoornis (Spinhoven, van Hemert & Penninx, 2018). Het is een globaal proces dat verschillende types van hardnekkig negatief denken inhoudt die moeilijk controleerbaar zijn. In de huidige literatuur is er rond RND een sterke stoornisspecifieke focus, waardoor er verscheidene soortgelijke definities naast elkaar bestaan. De meest invloedrijke concepten zijn ‘ruminatie’ en ‘worry’ (Ehring & Watkins, 2008).
Een populaire definitie van ruminatie is ontwikkeld binnen de depressieve stoornis en omschrijft men als “een herhaalde focus op de oorzaken, betekenissen en gevolgen van iemands symptomen, gevoelens en gedachten” (Nolen-Hoeksema, 1991; Trapnell & Campbell, 1999; Watkins, 2008). Het wordt gekarakteriseerd door zowel zelfreflectie als een repetitieve en passieve focus op negatieve emoties (Treynor, Gonzalez, & Nolen-Hoeksema, 2003; Watkins, 2008). Dus, wanneer je rumineert, heb je meermaals gedachten zoals “Wat is er mis met mij?” en “Het voelt niet alsof ik hier ooit over ga geraken”. Die gedachten leiden niet tot een planmatige probleemoplossing waardoor je in een vicieuze cirkel blijft van ruminatief denken (Papageorgiou & Wells, 2004).
Een tweede invloedrijke definitie werd gecreëerd rond worry, eerder gebruikt binnen de angststoornissen. Worry definieert men als “een ketting van gedachten en beelden, negatief affectgeladen en relatief oncontroleerbaar” en als “een poging om mentale probleemoplossing te hanteren bij een probleem
2 waarvan de uitkomst onzeker is maar de mogelijkheid bevat voor een of meerdere negatieve uitkomsten” (Borkovec, Robinson, Pruzinsky & DePree, 1983, p9). Een voorbeeld is “Wat als ze een ongeval hebben?”.
Er bestaan meer overeenkomsten dan verschillen tussen de processen
worry en ruminatie. Zo zijn ze namelijk beiden repetitief, passief, moeilijk
controleerbaar, bevatten ze negatieve inhouden en zijn ze meestal verbaal en relatief abstract. Het enige diagnostisch-specifieke verschil bevat de oriëntatie in de tijd, waarbij depressieve ruminatie eerder georiënteerd is naar het verleden dan de toekomst (in tegenstelling tot worry) (Ehring & Watkins, 2008; Spinhoven et al., 2018; Watkins, 2008; Wells & Matthews, 1994). RND kan gedefinieerd worden aan de hand van drie proceskarakteristieken die van toepassing zijn op alle definities ervan: (1) repetitief, (2) één of meerdere negatieve thema’s als inhoud en (3) moeilijk controleerbaar (Ehring & Watkins, 2012; McEvoy, Watson, Watkins & Nathan, 2013; Segerstrom, Tsao, Alden & Craske, 2000; Watkins, 2008).
RND als transdiagnostisch proces.
Niet alleen bestaat er een significante overlap tussen de patronen van repetitief negatief denken, zoals ruminatie en worry, maar ook over affectieve stoornissen heen. RND is een transdiagnostisch proces dat een negatieve invloed uitoefent op het ontstaan, de instandhouding en de terugkeer van verscheidene klachten en vormen van psychopathologie (Ehring & Watkins, 2012; Harvey, Watkins, Mansell, & Shafran, 2004). Het is veelal bestudeerd als risicofactor bij het ontstaan en het behoud van verschillende angst- en depressieve stoornissen (Harvey et al., 2004; McEvoy et al., 2013; Spinhoven et al., 2018). Maar ook bij andere aandoeningen en problemen wordt excessief en repetitief denken omtrent huidige zorgen of problemen, vroegere en toekomstige ervaringen gerapporteerd (Ehring & Watkins, 2012; Gustavson, du Pont, Whisman & Miyake, 2018; Harvey et al., 2004; McEvoy et al., 2013; Spinhoven et al., 2018). Zo weerhoudt onderzoek aanwijzingen voor verhoogde niveaus van RND bij onder andere de obsessief-compulsieve stoornis (Abramowitz, Whiteside, Kalsy, & Tolin, 2003), slaapproblemen (Harvey, 2002; Huang et al.,
3 2020), eetstoornissen (Ehring & Watkins, 2008; Rawal, Park & Williams, 2010; Sala, Brosof, & Levinson, 2019), pijnstoornissen (Eccleston, Crombez, Aldrich, & Stannard, 2001), alcoholmisbruik (Nolen-Hoeksema, Stice, Wade, & Bohon, 2007), enzovoort. Het transdiagnostisch perspectief gaat ervan uit dat over al deze aandoeningen heen identieke RND-processen worden gehanteerd op stoornisspecifieke inhouden (Wahl et al., 2019).
Een voorbeeld van een transdiagnostische studie is het retrospectief zelfrapportage onderzoek van Wahl en collega’s (2019). Zij onderzochten RND bij proefpersonen met drie verschillende mentale stoornissen (majeure depressieve stoornis, gegeneraliseerde angststoornis of obsessief-compulsieve stoornis) en een controlegroep. Aan de participanten werd gevraagd om een typisch RND-proces te beschrijven. Dat definieerden ze als “een situatie waarin men denkt over een lange periode van negatieve gebeurtenissen, verwachte moeilijkheden en huidige problemen”. Uit die beschrijvingen werden vier elementen gemeten: (1) vijf karakteristieken van RND (repetitief, intrusief, oncontroleerbaar, improductief en het gebruik van mentale capaciteit), (2) de duur van het RND-proces, (3) de mate van abstract RND of de mate waarin het als een verbale activiteit gekarakteriseerd werd en (4) de mate waarin RND gezien werd als een vorm van vermijding. De resultaten toonden aan dat de drie klinische groepen een verhoogde mate van disfunctionele RND-processen vertoonden in vergelijking met de controlegroep. Bovendien waren er tussen die klinische groepen geen verschillen omtrent de vijf karakteristieken of de vermijdingsfunctie van RND.
Over verschillende vormen van psychopathologie heen speelt repetitief negatief denken zowel op somatisch, affectief als cognitief vlak een belangrijke rol. Zo is er reeds aangetoond dat de negatieve consequenties van RND zich op somatisch vlak kunnen afspelen op het terrein van gezondheid en stress levels. Het stresssysteem zou een cruciale rol spelen in de ontwikkeling en kwetsbaarheid voor affectieve stoornissen, dit wanneer cognitieve controle en RND tijdens stress mee in rekening gebracht worden (Compas, Campbell, Robinson & Rodriguez, 2009; De Raedt, Hertel & Watkins, 2015; Watkins, 2008).
4 Voorts hangt RND samen met verhoogde cardiovasculaire risico’s (Watkins, 2008) en inslaapproblemen (Huang et al., 2020; Watkins, 2008).
Op cognitief vlak stelt men dat RND een predominant verbaal proces is, eerder dan imaginair. Dat is een van de aspecten die het proces onderscheidt van obsessies en intrusieve herinneringen (Ehring & Watkins, 2008). Daarnaast weerhoudt men in repetitief negatief denken twee manieren van informatieverwerking: abstract en concreet. Abstract RND analyseert de oorzaken, gevolgen en significantie van een gebeurtenis. Die beschrijving verwijst naar de klassiek gedefinieerde ruminatie (Ehring & Watkins, 2008). Het type RND wordt gekarakteriseerd door een hogere-orde, meer generieke verwerking van zelfrelevante informatie en is vaak het onderwerp van cognitieve stoornissen (zoals generalisatie). Een verschil met het herevalueren van een situatie is dat er geen connectie is met details over iemands huidige situatie en het dus niet leidt tot adaptieve emotieregulatie (Ehring & Watkins, 2008; Kornacka, Krejtz, & Douilliez, 2019; Watkins, 2008, 2015; Watkins & Nolen-Hoeksema, 2014). Concreet RND staat voor de aandachtsfocus op het huidige moment, iemands eigen emotionele status en omgevingsdetails. Het houdt een lagere-orde, niet-conceptuele en niet-oordelende verwerking in van een ervaring in het hier en nu (Watkins, 2008). Wetenschappelijke literatuur suggereert dat de twee vormen van RND een verschillende impact hebben op emotionele reactiviteit: abstract denken is maladaptief, terwijl concreet denken de emotieregulatie verbetert (Kornacka et al., 2019; Moberly & Watkins, 2006; Watkins, Moberly & Moulds, 2008; Watkins & Moulds, 2007).
Dat RND bij psychopathologie ook op affectief vlak een rol speelt, kan geïllustreerd worden aan de hand van suïcide. Wanneer je kampt met negatieve emotionele ervaringen kunnen repetitieve negatieve gedachten zorgen voor een gevoel van hopeloosheid en ingesloten zijn. Dat kan dan weer bijdragen tot het ontstaan van suïcidale ideevorming en de transitie tot de daad (Law & Tucker, 2018). Een ander voorbeeld is dat bij mensen die geneigd zijn om aanhoudend over een probleem na te denken het ervaren van spijt ervoor kan zorgen dat RND erger wordt (Allaert, De Raedt & Vanderhasselt, 2019).
5 Statistieken omtrent RND.
Kan RND als transdiagnostische factor ook teruggevonden worden in statistisch onderzoek? Wordt RND bijvoorbeeld gedefinieerd als een overkoepelende latente factor? Metingen rond repetitief negatief denken keken in het verleden hoofdzakelijk naar specifieke inhouden ervan, zoals ruminatie of
worry (Watkins, 2008; Gustavson et al., 2018). Voorbeelden van zo’n
stoornisspecifieke instrumenten zijn de Ruminative Responses Scale (RRS; Nolen-Hoeksema & Morrow, 1991) en de Penn State Worry Questionnaire (PSWQ; Meyer, Miller, Metzger & Borkovec, 1990). Recent zijn er een aantal meetinstrumenten gevalideerd die het stoornisonafhankelijk RND meten. De
Repetitive Thinking Questionnaire (RTQ; McEvoy, Mahoney & Moulds, 2010) en Perserverative Thinking Questionnaire (PTQ; Ehring et al., 2011) kijken naar
algemene karakteristieken: het repetitieve, intrusieve en moeilijk aan te ontsnappen karakter van RND (Spinhoven et al., 2018).
Momenteel bestaan er slechts beperkte studies die via factoranalyse RND als latente factor bestuderen. Klemanski en collega’s (2017) onderzochten aanwezige symptomen van sociale angst, depressieve symptomen en emotieregulatie (waaronder ruminatie en worry) bij adolescenten via zelfrapportage vragenlijsten. Twee modellen werden tegenover elkaar geplaatst: (1) een model waarbij RND opereerde als transdiagnostische factor die de depressieve symptomen en angstsymptomen voorspelde en (2) een model waarbij worry en ruminatie beschouwd werden als twee verschillende maar gecorreleerde predictoren van de gerapporteerde symptomatologie. Wanneer men de twee modellen vergeleek, vond men een significant betere fit voor het eerste model.
Een longitudinale cohortstudie van Spinhoven en collega’s (2018) vond eveneens evidentie voor een model met RND als globale latente factor. Meer bepaald ontwikkelden zij een bi-factormodel waarbij drie specifieke latente factoren (ruminatie, worry en de PTQ-resultaten) direct laadden op de globale latente factor: RND. Die globale latente factor werd het meest geassocieerd met de comorbiditeit bij angst- en depressieve stoornissen, de ernst van angst- en depressieve symptomen, alsook het aanhouden en de terugkeer van angst- en
6 depressieve stoornissen. Bij de specifieke latente factoren golden die associaties in mindere mate.
Voorts bemoeilijkt de overvloed aan stoornisspecifieke metingen van RND, voornamelijk binnen angst- en depressieve stoornissen, de inschatting van haar prevalentie. Ongeveer 13% van alle Belgen heeft in zijn/haar leven ooit last van een vorm van een angststoornis (Vlaamse Vereniging voor Geestelijke Gezondheid, 2018a). Van alle volwassenen in België tot 75 jaar heeft 22,7% ooit in zijn/haar leven een depressie gehad (Vlaamse Vereniging voor Geestelijke Gezondheid, 2018b). In 2018 vertoonden 6.2-13.4% van de Belgen vanaf 15 jaar symptomen van een depressieve stoornis en 8.1-14.2% symptomen van een angststoornis (Statistiek Vlaanderen, 2020). De prevalentie van specifieke RND-processen, zoals ruminatie of worry, werd tot heden nog niet gemeten. Vanuit de transdiagnostische visie wordt verondersteld dat RND frequenter optreedt en de prevalentie ervan veel hoger ligt dan bovenstaand cijfermateriaal. De wereldwijde prevalentie van mentale stoornissen in 2015 was 12%, met een stijging tussen 2005 en 2015 van 16% (World Health Organisation, 2018, 2019). Het is dus van blijvend belang om transdiagnostische factoren onderliggend aan mentale stoornissen, zoals RND, te bestuderen.
Samengevat kan gesteld worden dat repetitief negatief denken een belangrijke kwetsbaarheidsfactor vormt voor verschillende vormen van psychopathologie. Het is daarom cruciaal om verder onderzoek te verrichten naar de mechanismen die repetitieve negatieve gedachten in gang zetten of in stand houden. In de wetenschappelijke literatuur zijn verscheidene theoretische modellen ontwikkeld omtrent het repetitief negatief denken bij mensen en mogelijke onderliggende mechanismen.
Theoretische modellen rond repetitief negatief denken.
Repetitief negatief denken wordt nog niet lang bestudeerd als een proces. Daardoor zijn de eerste belangrijke modellen rond dit fenomeen ook eerder gericht op een specifiek onderdeel ervan, zoals ruminatie of worry. Recentere modellen gaan eerder richting het transdiagnostische RND. Hieronder wordt een overzicht gegeven van een aantal zeer invloedrijke modellen.
7 Een eerste belangrijke bijdrage uit de literatuur is de Response Styles
Theory (RST) van Nolen-Hoeksema (1991) die ruminatie bestudeert als een
cognitieve kwetsbaarheidsfactor voor depressie. Depressieve ruminatie wordt in deze theorie beschouwd als een stabiele individuele karakteristiek die verworven wordt tijdens de kindertijd (Nolen-Hoeksema & Davis, 1999; Watkins, 2008). De functie ervan zou liggen bij het feit dat het individuen helpt om binnenin te focussen en hun gevoelens of problematische situatie te evalueren, om zo inzicht te verkrijgen. Volgens de RST zorgt ruminatie in de context van depressieve symptomen ervoor dat deze verergeren en langer aanhouden. Het vergroot de kans dat die symptomen chronisch worden en uiteindelijk tot episodes van een majeure depressie leiden (Nolen-Hoeksema, 2014; Nolen-Hoeksema, Wisco & Lyubomirsky, 2008; Papageorgiou & Wells, 2004).
Voorgangers die onderzoek deden naar depressie (zoals Beck, 1967) keken vooral naar de inhoud van negatieve cognities. Nolen-Hoeksema legt in deze theorie meer de nadruk op de gedragsmatige en cognitieve manier waarop mensen reageren op hun verdrietige gemoedstoestand (Nolen-Hoeksema, 2014; Nolen-Hoeksema, Wisco, & Lyubomirsky, 2008). Ook volgt ruminatie op negatief affect en niet per se op een negatieve gebeurtenis, waaruit voorgaand onderzoek vertrok. Afleiding beschrijft de theorie als het adaptieve alternatief van ruminatie (Nolen-Hoeksema, 2014; Nolen-Hoeksema et al., 2008; Papageorgiou & Wells, 2004). Recent doet Nolen-Hoeksema meer onderzoek naar de relatie van ruminatie met hoog comorbide syndromen van depressie. Zo heeft zij ook ontdekt dat ruminerende personen evenveel kans hebben om ernstige angstsymptomen te ontwikkelen dan ernstige depressieve symptomen (Nolen-Hoeksema, 2000; Papageorgiou & Wells, 2004).
De RST geeft een gedetailleerde analyse weer van hoe repetitief denken (negatief gekleurde gedachten, ongelukkig gemoed of negatieve opvattingen over het zelf) destructieve gevolgen kan hebben. De grote limitatie van dit model is dat er zeer weinig over de constructieve gevolgen van repetitief denken gesproken wordt (Watkins, 2008). Verder worden biologische of cognitieve processen als aandacht of metacognities niet aangehaald (Smith & Alloy, 2009).
8 Alloy en collega’s (Alloy et al., 2000; Robinson & Alloy, 2003) stellen een conceptuele uitbreiding voor van de RST. Hierin ontwikkelen zij het concept ‘stress-reactieve ruminatie’, wat verwijst naar de tendens om te rumineren over negatieve gevolgtrekkingen bij stressvolle levensgebeurtenissen. In die definitie veronderstelt men dat ruminatie voor het begin van een depressieve gemoedstoestand optreedt, terwijl Nolen-Hoeksema’s emotie-gefocuste ruminatie verschijnt na een depressieve gemoedstoestand (Papageorgiou & Wells, 2004). Het voordeel daarvan is dat ruminatieve fenomenen al kunnen gedetecteerd worden voor negatief affect aanwezig is. Een mogelijke limitatie van dit model is de voorspelling dat de ruminatieve inhoud gedachten bevat die gerelateerd zijn aan de stressor. Daardoor kunnen geen andere belangrijke ruminatieve thema’s gemeten worden, zoals herinneringen aan andere stressoren of zelfdiscrepante gedachten die niet gerelateerd zijn aan de stressor (Smith & Alloy, 2009).
Worry verschijnt binnen de wetenschappelijke literatuur voornamelijk in
theoretische modellen rond angst. Dit omdat het als dé basiscomponent wordt gezien van angststoornissen, zoals de gegeneraliseerde angststoornis. Een voorbeeld is de Cognitive Avoidance Theory of Worry (Sibrava & Borkovec, 2006) die aanneemt dat worry een persoon in staat stelt aversieve beelden, angst en zorgen op dieper niveau – die vooral verband houden met vroegere en huidige interpersoonlijke problemen – te vermijden. Het wordt negatief beloond door het verwijderen van negatieve beelden, het verminderen van angst en door het uitblijven van verwachte rampen (Fisher & Wells, 2009). Maar rond de assumptie dat affectieve arousal zou verminderen, bestaat discussie (Stapinski, Abbott & Rapee, 2010).
Een andere invloedrijke theorie rond angst en worry dat vandaag nog veel wetenschappelijke evidentie verkrijgt, is de Attentional Control Theory (ACT; Eysenck, Derakshan, Santos, & Calvo, 2007). Worry zou de balans tussen een stimulus-gedreven bottom-up en een doel-gedreven top-down aandachtsysteem verstoren door de invloed van het eerste te verhogen ten aanzien van het laatste. Dat zorgt op zijn beurt voor hypervigilantie voor bedreiging en voor het gebruik van vooringenomen cognitieve processen (De Raedt et al., 2015; Derakshan &
9 Eysenck, 2009). Voordelen van deze theorie zijn dat ze een een aantal nieuwe zaken in rekening brengt, zoals interne en externe afleidingseffecten, en dat ze differentieert tussen de verschillende functies van het executief geheugen (Derakshan & Eysenck, 2009; Eysenck et al., 2007).
Ruminatie en worry worden ook bekeken vanuit de context van zelfregulatie. Een belangrijk model hierbij is het Self-Regulatory Executive
Function (S-REF) model. Dit informatieverwerkingsmodel, ontwikkeld door Wells
en Matthews (1994), definieert ruminatie als een respons op de discrepantie tussen een actuele en ideale status. Het model integreert hiermee metacognitieve opvattingen in zijn conceptualisatie van ruminatie (Papageorgiou & Wells, 2004).
Pervasief negatief denken, onder de vorm van ruminatie of worry, zou als een van de prevalente factoren te maken hebben met de kwetsbaarheid en het behoud van mentale stoornissen. Ruminatie en worry worden gedefinieerd als actieve copingstrategieën. Omgevingstriggers kunnen zelfdiscrepantie activeren en spelen daardoor een cruciale rol. Matthews en Wells stellen hierbij dat de overtuigingen van emotioneel kwetsbare individuen verantwoordelijk zijn voor hun aanleg om ruminatie te selecteren en hanteren (Papageorgiou & Wells, 2004).
Het S-REF model werd ontwikkeld rond emotionele stoornissen en omvat dus een bredere context, waaronder: aandacht, cognitieve regulatie, overtuigingen rond emotieregulatiestrategieën en interacties tussen verschillende levels van cognitieve verwerking (Smith & Alloy, 2009; Wells & Matthews, 1994, 1996). Een potentieel probleem met het model is dat het overlapt met andere cognitieve constructen (onder andere: coping, zorgen maken en intrusieve gedachten). Ook wordt ruminatie gezien als een subset van
worry, ondanks er is aangetoond dat ruminatie hiervan verschilt (Smith & Alloy,
2009).
Recent vinden onderzoekers een substantieel gedeelde variantie tussen ruminatie en worry. Bovendien rapporteren studies de aanwezigheid van repetitief negatief denken over verschillende affectieve stoornissen heen. Nieuw onderzoek focust zich hierdoor op RND als algemene cognitieve tendens (Ehring
10 & Watkins, 2012; Gustavson et al., 2018; Harvey et al., 2004; McEvoy et al., 2013; Spinhoven et al., 2018).
Zo stellen Koster, De Lissnyder, Derakshan en De Raedt (2011) de
Impaired Dysengagement Hypothesis voor om psychopathologie en cognitieve
(neuro)wetenschappen te integreren. Wat zij vooropstellen, is dat een langdurige verwerking van zelfrelevant materiaal het gevolg is van het gebrek aan loslaten van de aandacht voor negatieve zelfrelevante informatie. Informatieverwerking speelt dus een cruciale rol bij repetitief negatief denken, waarbij zij hun model toepassen op ruminatie. In recent wetenschappelijk onderzoek vindt men ondersteuning voor dit model (Lydon-Staley et al., 2019; Southworth, Grafton, MacLeod & Watkins, 2017).
Zoals weergegeven in figuur 1 kunnen ruminatieve gedachten getriggerd worden wanneer interne (negatieve gemoedstoestand of herinneringen) of externe stressoren in strijd zijn met iemands individuele doelen. Bij de meeste individuen zijn zelfkritische negatieve gedachten niet in lijn met de bestaande positieve zelfbeelden. Daardoor zorgen deze gedachten ervoor dat er na verloop van tijd een cognitief conflict ontstaat. Het conflict wordt dan gevolgd door het wegrichten van de aandacht voor negatieve gedachten. Zo kan men de situatie opnieuw beoordelen of zich afleiden van de situatie door de aandacht te richten op andere, meer positieve, stimuli.
Er zijn twee verschillende manieren waarop dit stadium van conflict verstoord kan worden. Het signaleren van conflicten voor negatief materiaal kan verstoord worden door een negatieve gemoedstoestand, wat ervoor zorgt dat de aandacht gericht blijft op zelfreferent negatief materiaal. Dat laatste kan ook veroorzaakt worden door een verminderde aandachtscontrole. Indien individuen vast komen te zitten in een vicieuze cirkel, wordt ruminatief denken een gewoonte.
11
Figuur 1. Schematische voorstelling van de Impaired Disengagement Hypothesis
(De Koster et al., 2011).
Een recente exploratieve studie (Stavropoulos et al., 2020) bestudeert repetitief negatief denken binnen het schemamodi model van Young (Young, Klosko & Weishaar, 2003). Meer bepaald stellen zij een nieuwe, maladaptieve ‘overanalyserende modus’ voorop. Dit zou zowel RND als transdiagnostisch construct bevatten als specifieke vormen ervan (worry en ruminatie). Wanneer men geconfronteerd wordt met gebeurtenissen (gedachten, emoties, beelden of een drang) die emoties als kwetsbaarheid of woede kunnen triggeren, kan een individu overgaan tot overanalyseren. Dat zal het bewustzijn van aversieve emoties en psychologische arousal doen dalen. Overanalyseren wordt negatief beloond via operante conditionering. Door de emotionele verwerking van een trigger te inhiberen, belemmert overanalyseren probleemoplossing, wat op zijn beurt persoonlijke zorgen onopgelost laat. Vervolgens wordt RND verder getriggerd, wat zorgt voor een escalatie van symptomen doorheen de tijd. Maar dit onderzoek is zeer recent en heeft verdere evidentie nodig.
Kortom, repetitief negatief denken wordt momenteel bestudeerd als transdiagnostisch proces en heeft invloed op verschillende deelaspecten van het menselijk functioneren. Recente theoretische modellen hebben veel aandacht
12 voor onderliggende cognitieve processen als bijdragende of instandhoudende factoren van psychopathologie.
Cognitieve aspecten van repetitief negatief denken.
Repetitief negatief denken hangt samen met heel wat cognitieve processen die zouden bijdragen tot het aanhouden van negatieve gedachten en gevoelens en een verminderde emotieregulatie (De Lissnyder, Koster & De Raedt, 2012; Joormann, Yoon, & Zetsche, 2007). Welke cognitieve kwetsbaarheden hangen samen met langdurig RND?
Verlaagde cognitieve controle.
Het werkgeheugen is dat deel van het geheugen waarin recente relevante informatie wordt bijgehouden en gemanipuleerd. Door de beperkte capaciteit van het werkgeheugen helpen cognitieve controleprocessen om continu inhouden van het werkgeheugen te vernieuwen en controleren. Dit door (1) irrelevante informatie niet in het werkgeheugen binnen te laten, (2) inhouden in het werkgeheugen te manipuleren en (3) niet langer relevante informatie te verwijderen uit het werkgeheugen (Baddeley & Hitch, 1974; Baddeley, 1986; De Lissnyder et al., 2012). Langdurig repetitief negatief denken hangt samen met een verlaagde cognitieve controle.
Een negatieve gemoedstoestand kunnen reguleren hangt af van de efficiënte werking van werkgeheugenfuncties die betrokken zijn bij het reguleren van negatieve informatie (Davis & Nolen-Hoeksema, 2000; Koster et al., 2011). De mood-congruency hypothese stelt dat een positieve of negatieve gemoedstoestand het ophalen en verwerken van informatie met dezelfde valentie bevordert (Bower, 1981; Ingram, 1984; Joormann & Siemer, 2004; Sedikides, 1994; Siemer, 2005). Dus, wanneer iemand zich in een negatieve gemoedstoestand bevindt, worden negatieve cognities geactiveerd in het werkgeheugen. De mood-incongruency hypothese stelt dat men een negatieve stemming probeert te laten verdwijnen via copingstrategieën, zoals afleiding en rationalisatie (Joormann & Siemer, 2004). De meeste individuen zullen negatieve
13 gedachten uiteindelijk vervangen door meer adaptieve positieve cognities om hun gemoed terug te verbeteren (Joormann & Siemer, 2004; Rusting & DeHart, 2000). Wanneer de cognitieve controle verminderd is, zal men moeilijkheden ondervinden om negatieve cognities te verwijderen uit het werkgeheugen. Bijkomend verhogen negatieve emoties iemands zelf-gefocuste aandacht (Salovey, 1992; Rochat, Billieux, & Van der Linden, 2011). Hierdoor resulteert een verlaagde cognitieve controle bij een negatieve gemoedstoestand in verlengd repetitief negatief denken (De Lissnyder et al., 2012; Joormann, 2010; Koster et al., 2011; Zetsche, Bürkner, & Schulze, 2018).
Individuen met hogere levels van RND zouden niet kampen met algemene verstoringen in cognitieve controle. Zij ervaren eerder specifieke moeilijkheden bij het verwijderen van niet langer relevante informatie. Eens informatie in het werkgeheugen terecht is gekomen, hebben mensen met RND moeilijkheden die later te verwijderen (Joormann & Vanderlind, 2014; Koster et al., 2011). Een recente cross-sectionele meta-analyse van Zetsche en collega’s (2018) toont aan dat ruminatie en worry vergelijkbaar gerelateerd zijn aan verlaagde cognitieve controle. De deelaspecten zouden dus gelijkaardige onderliggende cognitieve processen vertonen, wat RND als transdiagnostisch construct bevestigd.
Cognitieve controle hangt samen met aandachtsprocessen: om negatieve cognities te kunnen verwijderen, moet men aandacht hebben voor alternatieve cognities. Bijkomend worden we als individu naast interne representaties ook blootgesteld aan externe informatie. Met andere woorden, naast negatieve gedachten zijn er ook negatieve stimuli in onze omgeving waarvan we onze aandacht moeten loslaten. Een goede aandachtscontrole is dus noodzakelijk.
Moeilijkheden in het lostrekken van de aandacht.
Onze aandacht wordt sneller gericht naar positieve en negatieve stimuli in vergelijking met neutrale stimuli (Mather & Sutherland, 2011). Indien men geconfronteerd wordt met negatieve stimuli zorgen moeilijkheden in het lostrekken van de aandacht ervoor dat de verwerking van negatieve zelfrefererende informatie verlengd wordt. Dat verhoogt de kans dat men persisterend RND ervaart (Kornacka et al., 2019; Koster et al., 2011). Men
14 ervaart namelijk hinder bij het richten van de aandacht op aangename, afleidende onderwerpen of activiteiten (Davis & Nolen-Hoeksema, 2000). Dat zou een van de kwetsbaarheidsfactoren zijn voor het oncontroleerbare en repetitieve karakter van repetitief negatief denken (Kornacka et al., 2019; Koster, De Raedt, Goeleven, Franck, & Crombez, 2005; Zetsche et al., 2018). Koster en collega’s (2011) suggereren die hypothese ook in hun Impaired Disengagement
Hypothesis: hoog ruminerende personen zitten gevangen in een vicieuze cirkel
van verminderde aandachtscontrole waarbij RND een habituele manier van denken wordt (Kornacka et al., 2019).
Recent zijn er twee experimentele studies gericht op hoe RND als trek gelinkt is aan moeilijkheden in het lostrekken van de aandacht (Kornacka et al., 2019). Een eerste studie van Grafton en collega’s (2016) vertrekt vanuit de hypothese dat een verhoogde ruminatieve dispositie geassocieerd is met een disfunctie in het wegrichten van de aandacht voor negatieve informatie. Zij ondersteunen de hypothese dat deze disfunctie enkel zichtbaar is wanneer gecontroleerde aandachtsprocessen betrokken zijn. Een tweede studie, van Soutworth en collega’s (2017), vult bovenstaand onderzoek aan door bijkomend te kijken naar toestandsafhankelijke RND als respons op een negatieve gebeurtenis. Zij resulteren dat zowel RND als trek of als toestand gerelateerd is aan een verminderd vermogen om de aandacht weg te richten.
Kornacka en collega’s (2019) onderzochten als eerst het onderscheid tussen de impact van concreet en abstract RND op aandachtsprocessen. In hun experimentele studie werd de invloed van abstract RND, concreet RND en afleiding bestudeerd op de veranderingen in negatief affect en het verminderd loslaten van de aandacht. Op vlak van aandachtscontrole waren er geen verschillen tussen de groepen. Doch, participanten die concreet RND hanteerden, detecteerden de aangeboden stimuli trager dan participanten in de controleconditie. Ook vertoonden participanten die abstract RND hanteerden een hogere emotionele reactiviteit. De onderzoekers concluderen dat de differentiatie tussen de twee types RND noodzakelijk is bij de studie van aandachtscontrole.
15 Geheugenbias.
Doordat we bij RND zowel interne als externe negatieve informatie moeilijk kunnen loslaten, worden negatieve zelf-schema’s uit het geheugen getriggerd en in stand gehouden. Dat leidt dan bijvoorbeeld tot depressieve of andere psychopathologische symptomen. Vanwege het repetitief negatief denken wordt het moeilijker om hypotheses te toetsen die iemands cognitieve schema’s tegenspreken (Davis & Nolen-Hoeksema, 2000). Het gezonde proces zou zijn dat men het werkgeheugen bijwerkt met nieuwe informatie. Door cognitieve herstructurering kan men informatie herwaarderen en zullen negatieve schema’s afnemen (De Raedt, 2015).
In de huidige wetenschappelijke literatuur heerst er discussie rond het feit of emoties het geheugen kunnen versterken (Gotoh, Kikuchi, & Olofsson, 2010; Mammarella, Borella, Carretti, Leonardi, & Fairfield, 2013; Vuilleumier, 2005), maar ook kunnen verzwakken (Garrison & Schmeichel, 2019; Gotoh, 2008; Schweizer & Dalgleish, 2016). Zo kan de emotionele lading van een gebeurtenis de aandacht en opslag ervan bevorderen, maar kan taak-irrelevante, emotionele informatie ervoor zorgen dat men afgeleid wordt van het eigenlijke doel (Dolcos, Wang & Mather, 2014). Het onderscheid versterken-verzwakken zou gerelateerd zijn aan zowel de manier waarop emoties gemanipuleerd worden als aan hoe, wanneer en welk onderdeel van het geheugen gemeten wordt. Meer bepaald zou er een verschil heersen (1) tussen de geheugenwerking voor enkele stimuli of de relatie tussen twee of meerdere componenten, (2) tussen de aspecten die in het relationeel geheugen worden getest (emotionele of niet-emotionele gedeelte), (3) afhankelijk van de lengte van het interval tussen de blootstelling en de test, (4) wanneer de taak het werkgeheugen of langetermijngeheugen meet, (5) wanneer
arousal in rekening wordt gebracht, en (6) tussen de manieren waarop emotie
gemanipuleerd wordt (voor overzicht: zie Bergmann, Rijpkema, Fernández, & Kessels, 2012). Zo vindt men het onderscheid ook binnen éénzelfde gebeurtenis. Een voorbeeld is het weapon-focus effect: men is meer geneigd het wapen tot in detail te herinneren, maar heeft meer kans om andere contextuele details te vergeten (Bergmann et al., 2012; Steblay, 1992).
16 Een proces dat hiermee samenhangt en aan RND gelinkt wordt, is de negatieve interpretatiebias. Wanneer men geconfronteerd wordt met ambigue informatie, activeert een individu meerdere alternatieve interpretaties. Die worden zeer snel onderdrukt, voordat men er bewust van wordt. Welke betekenis van de ambigue informatie dan dominant wordt, hangt deels af van de context maar wordt ook beïnvloed door zijn/haar gebruiksfrequentie. In emotionele stoornissen zijn dit vaak habituele gedachteninhouden (Hirsch et al., 2018).
Wanneer men bij een negatieve interpretatiebias intern of extern geconfronteerd worden met ambigue informatie, heeft men de neiging om die negatief te interpreteren. De negatieve interpretatiebias is een kernelement van emotionele stoornissen en speelt daarbij zowel een causale als onderhoudende rol (Hirsch, Meeten, Krahé & Reeder, 2016; Mathews & MacLeod, 2005). Het heeft invloed op ons gedrag, op onze gemoedstoestand en is geassocieerd met een hogere mate van worry en ruminatie (Hirsch et al., 2020). Aan de hand van experimentele studies heeft men reeds onderzoek gedaan naar de causale rol van een negatieve interpretatiebias. Wanneer men bijvoorbeeld aan personen met een gegeneraliseerde angststoornis, depressie, of met een neiging tot worry of ruminatie meervoudige training aanbiedt rond het vormen van positieve interpretaties, neemt het maken van positieve interpretaties rond ambigue informatie toe en wordt RND gereduceerd (Hirsch et al., 2018; Hirsch et al., 2020). Omgekeerd neemt RND toe wanneer men trainingen aanbiedt rond het vormen van negatieve interpretaties (Krahé, Mathews, Whyte & Hirsch, 2016). Samengevat toont het huidige onderzoek aan dat cognitieve processen nauw betrokken zijn bij repetitief negatief denken. Hierbij blijken voornamelijk vertekeningen in de informatieverwerking bij te dragen tot een verhoging. Tot op heden blijft het echter onduidelijk in welke mate piekerende personen accuraat zijn in het detecteren van patronen uit hun omgeving.
De rol van statistisch leren
Ieder van ons wil begrijpen wat er rondom zich gebeurt. Dat geeft namelijk een gevoel van veiligheid en vergroot onze overlevingskansen. In het dagelijks
17 leven krijgen we een grote stroom van sensorische informatie voorgeschoteld. Regelmatigheden hierin trekken onbewust onze aandacht. Dit primair proces, waarbij we patronen uit onze omgeving detecteren en er betekenis aan geven, wordt statistisch leren (SL) genoemd. Als basismechanisme helpt het ons vanaf de geboorte om oorzaken en gevolgen af te leiden uit bepaalde informatie, waardoor er voorspellingen gemaakt worden.
De regelmatigheden die we detecteren kunnen ons gedrag, percepties of vaardigheden leiden, ook al zijn we er ons niet altijd van bewust (Everaert, Koster & Joormann, 2020; Koenen & Elbertsen, 2014). Een voorbeeld is de regelmatigheid in het gebruik van taal. Pelucchi, Hay en Saffran (2009) onderzochten of Engelse kinderen van 8 maanden oud regelmatigheden konden detecteren in vloeiende Italiaanse spraak. Ondanks de grote variëteit aan stimulusmateriaal dat een onbekende taal met zich meebrengt, hebben baby’s reeds de capaciteit om woorden die ze eerder gehoord hebben te onderscheiden van controlewoorden. Naast taalverwerving speelt statistisch leren ook een rol in andere leerprocessen, waaronder de sociaal-cognitieve ontwikkeling (Armstrong, Frost & Christiansen, 2017; Yu & Ballard, 2007) en motorische ontwikkeling (Koenen & Elbertsen, 2014; Monroy, Gerson & Hunnius, 2017; Monroy, Meyer, Schröer, Gerson, & Hunnius, 2019). Mama geeft bijvoorbeeld in interactie met haar kind sociale cues (lichaamsbeweging, staren in een bepaalde richting en prosodie) die het kind helpen in haar taalverwerving (Yu & Ballard, 2007). Ook gebruiken kinderen SL om toekomstige acties te voorspellen, wat hun motorisch systeem activeert (Monroy et al., 2019).
Statistisch leren is een vorm van impliciet leren en wordt daarom onafhankelijk van intelligentie beschouwd. Het proces vindt immers automatisch en onbewust plaats (Evans, 2011; Hoefmans & Hermes, 2013; Koenen & Elbertsen, 2014). Zo onderzochten Koenen en Elbertsen (2014) visueel statistisch leren bij proefpersonen met een verstandelijke beperking gecombineerd met een auditieve beperking (AB), een autismespectrumstoornis (ASS) of Downsyndroom (DS). Daarbij keken participanten uit de AB en DS conditie gemiddeld langer naar nieuwe dan oude visuele reeksen, wat duidt op het waarnemen van temporele relaties in reeksen visuele stimuli. Participanten
18 uit de ASS groep zouden die temporele relaties niet hebben opgemerkt, wat de onderzoekers koppelen aan kenmerken van ASS eerder dan de verstandelijke beperking. Concluderend werd gesteld dat mensen met een verstandelijke beperking in staat zijn tot visueel statistisch leren. Maar het onderzoek naar verschillen in SL naargelang het intelligentieniveau is beperkt. Bovendien staaft recent onderzoek dat participanten enige expliciete kennis kunnen verwerven rond patronen. Dat leidt tot de hypothese dat naast de hoofdzakelijke impliciete processen evenzeer parallelle expliciete vormen van kennis kunnen optreden doorheen statistisch leren (Arciuli, 2017; Batterink, Reber, Neville & Paller, 2015; Franco, Cleeremans & Destrebecqz, 2016).
In het verleden werd statistisch leren veelal onderzocht bij neutrale informatie. Of het nu gaat over een stroom van visuele (Brady & Oliva, 2008; Kirkham, Slemmer, & Johnson, 2002), auditieve (Endress & Mehler, 2009; Saffran, Johnson, Aslin, & Newport, 1999), verbale (Pelucchi et al., 2009; Saffran, Aslin, & Newport, 1996) of non-verbale informatie (Gebhart, Newport, & Aslin, 2009), telkens wijst onderzoek aan dat de mens zeer goed is in het detecteren van patronen. Brady en Oliva (2008) illustreerden dit door SL te onderzoeken aan de hand van visuele scènes. Via een afleidende taak werden proefpersonen blootgesteld aan een stroom van afbeeldingen waarin triades (drie visuele scènes die steeds in dezelfde volgorde optraden) verwerkt zaten. Expliciet gaven proefpersonen niet aan dat er een bepaalde structuur zat in de stroom van afbeeldingen, maar hun prestaties toonden robuust statistisch leren aan. Zo konden proefpersonen aangeleerde triades als meer bekend identificeren tegenover controleversies. Maar wetenschappelijk onderzoek heeft zich in het verleden voornamelijk gefocust op statistisch leren als theoretisch construct, binnen afgebakende omstandigheden.
Momenteel pleit men voor een meer generieke studie van het fenomeen binnen het brede domein van cognitie, aandacht, perceptie, geheugen, sociaal gedrag, de evolutie ervan doorheen de tijd, enzovoort. Met andere woorden, men pleit voor een transitie van een geïsoleerde studie en definiëring van statistisch leren (‘het vermogen om patronen te kunnen detecteren’) naar een integratie ervan binnen de verschillende cognitieve systemen (Armstrong et al., 2017;
19 Siegelman, Bogaerts, Christiansen & Frost, 2017; Siegelman, Bogaerts, & Frost, 2017). De meerderheid van het onderzoek rond SL heeft zich gefocust op het gemiddelde succes in het detecteren van patronen op groepsniveau. Maar ondanks dat statistisch leren een globaal proces is, worden individuele verschillen over verscheidene modaliteiten heen vastgesteld (Armstrong et al., 2017).
De studie naar individuele verschillen in statistisch leren is relatief nieuw, bedoeld om andere cognitieve capaciteiten (voornamelijk taal) of onderliggende mechanismen aan SL te begrijpen (Siegelman, Bogaerts & Frost, 2017). Statistisch leren is een vermogen dat uit verschillende componenten bestaat, die grotendeels impliciet opereren. Het bevat onder andere bepaalde types aandacht, verwerkingssnelheid en geheugen. Mogelijks bestaan er individuele verschillen in enerzijds de efficiëntie bij deze onderliggende componenten en anderzijds in patronen van connectiviteit tussen die componenten. Door statistisch leren als een vaardigheid te bekijken die uit meerdere componenten bestaat, kan de basis ervan beter begrepen worden alsook de link met individuele heterogeniteit. Taken rond SL zouden verschillen in hoe ze bepaalde onderliggende componenten in meerdere of mindere bestuderen (Arciuli, 2017). Recent is er evidentie gevonden voor statistisch leren bij een stroom van emotionele informatie. Everaert en collega’s (2020) onderzochten of proefpersonen gevoelig waren aan subtiele statistische regelmatigheden in een stroom van emotionele scènes. Hun onderzoek bevatte drie experimenten. Het eerste experiment gaf een demonstratie van statistisch leren in een context van negatieve informatie, meer bepaald in een stroom van negatieve visuele scènes. Vervolgens werd er in een tweede experiment bestudeerd of de sterkte van statistisch leren bij negatieve scènes verschilt vergeleken met neutrale scènes, waarbij het proces beter verliep bij negatieve scènes. Het derde en laatste experiment plaatste negatieve tegenover positieve scènes, waaruit men geen verschillen kon detecteren. Ook werd aan alle participanten gevraagd of ze zich bewust waren van enige patronen in de stroom van afbeeldingen, waarna een familiariteitstest plaatsvond. Zelfs participanten die aangaven dat ze zich niet bewust waren van patronen konden juiste triades onderscheiden van valse. Dat
20 toonde aan dat statistisch leren een vorm van leren bevat dat geen expliciet bewustzijn van patronen nodig heeft.
In de studie van Everaert en collega’s (2020) constateren de onderzoekers dat emotionele informatie en statistische patronen elkaar versterken, waardoor emotionele regelmatigheden sneller gedetecteerd worden. Statistisch leren van emotionele patronen is namelijk belangrijk bij het interpreteren van emotionele
cues: voorspellingen kunnen gemaakt worden over emotionele situaties
waardoor men er adequaat op reageert. SL is dan ook essentieel voor psychologische adaptatie omdat veel aspecten van onze emotionele beleving zich herhalen. Een voorbeeld is het detecteren van emoties door samen optredende faciale en vocale expressies. Kinderen van slechts 7 maanden oud zijn reeds in staat om bij emoties als blijdschap en kwaadheid de bijhorende gezichtsuitdrukking te koppelen aan een juiste spreektoon (Grossmann, Striano & Friederici, 2006).
Maar wat gebeurt er met het statistisch leren van emotionele informatie wanneer iemands informatieverwerking verstoord is, bijvoorbeeld wanneer men kampt met een mentale stoornis? Moeilijkheden met emotieregulatie hangen namelijk samen met psychopathologie (Aldao, Nolen-Hoeksema & Schweizer, 2010). Wanneer iemand statistische patronen in emotionele informatie kan onderscheiden, kan deze de oorzaken en gevolgen van situaties of het eigen gedrag beter begrijpen. Hierdoor maakt men accurate voorspellingen over gebeurtenissen in de toekomst. Omgekeerd zou een slechtere capaciteit om patronen te detecteren kunnen samenhangen met een minder goed begrip over een situatie of het eigen gedrag en minder goede toekomstvoorspellingen (Everaert et al., 2020). Grip krijgen op individuele verschillen in een informatieverwerkingsproces als statistisch leren is dus interessant om een psychopathologisch proces als repetitief negatief denken beter te begrijpen.
Huidige studie
Naast de studie van Everaert en collega’s (2020) bestaat er weinig onderzoek naar de menselijke capaciteit om statistische regelmatigheden te
21 verwerven uit een stroom van emotionele stimuli. In de huidige studie willen we het onderzoek naar statistisch leren bij emotionele informatie verderzetten. Het experiment van Everaert en collega’s maakte gebruik van visuele emotionele stimuli, namelijk emotioneel geladen scènes. Deze studie hanteert een modaliteit die nog niet eerder onderzocht is bij SL van emotionele informatie: verbaal emotioneel materiaal. Daaruit vertrekt de eerste hypothese: (1) statistisch leren komt voor bij verbaal emotioneel materiaal.
Cognitieve processen, onder andere bij aandacht en in het werkgeheugen, worden beïnvloed door stimuli uit onze omgeving. Zo wordt informatie dat overeenstemt met cognitieve schema’s die we hebben over onszelf sneller gedetecteerd, verwerkt en opgeslagen (Cark, Beck & Alford, 1999; Koster et al., 2011). Voorts heeft onze gemoedstoestand een invloed op onze informatieverwerking. Onderzoekers suggereren namelijk dat een negatieve of positieve gemoedstoestand samengaat met het beter verwerken van informatie met dezelfde valentie (Joormann & Siemer, 2004). Bovenstaande processen zouden ook een invloed kunnen uitoefenen op statistisch leren. In een stroom van informatie zouden zelfrelevante stimuli sneller gedetecteerd kunnen worden. Ook zou een negatieve gemoedstoestand ervoor kunnen zorgen dat negatieve stimuli sneller gedetecteerd en opgeslagen worden dan positieve, en omgekeerd. De tweede hypothese gaat daarop in: (2) statistisch leren wordt beïnvloed door de zelfrelevantie van het stimulusmateriaal en de gemoedstoestand van proefpersonen.
Repetitief negatief denken is een belangrijke kwetsbaarheidsfactor voor verschillende vormen van psychopathologie. Om grip te krijgen op dit transdiagnostisch proces is de studie van bijhorende vertekeningen in de informatieverwerking noodzakelijk. Statistisch leren is een informatie-verwerkingsproces dat daar mogelijks een rol in speelt. Patronen van negatieve zelfrelevante informatie zouden RND kunnen triggeren. Dat onderzoekt de derde hypothese: (3) repetitief negatief denken wordt getriggerd tijdens statistisch leren. Om bovenstaande hypothesen te toetsen, maakt deze studie gebruik van een visuele stroom bestaande uit positieve en negatieve zelfrefererende woorden. De opzet van het eerste deel werd gebaseerd op voorgaand onderzoek
22 naar statistisch leren (Brady & Oliva, 2008; Everaert et al., 2020). Eerst wordt een afleidingstaak afgenomen waarbij participanten blootgesteld worden aan de woordenstroom. Daarop volgt een two-alternative forced choice task (2AFC-task) om de familiariteit met bepaalde regelmatigheden te registreren. Het tweede deel van dit experiment bestaat uit een beoordeling van de zelfrelevantie van gebruikte positieve en negatieve woorden. In het derde en laatste deel achterhalen we via twee vragenlijsten de gemoedstoestand en mate van repetitief negatief denken bij alle proefpersonen.
Methode
Deelnemers
De steekproef bestond uit 133 participanten (99 vrouwen) met leeftijden van 18 tot 36 jaar (M=20.46; SD=2.58). De grootte ervan werd vooraf bepaald aan de hand van poweranalyses (1-b =.80; a =.05; d=.20-.50). Om op voorhand reeds in te werken op uitval of mogelijke defecten, steeg de aangewezen steekproefgrootte met 10%. Een vereiste om aan het onderzoek deel te nemen, was dat de participanten binnen het leeftijdsbereik vielen van 18 tot 65 jaar. Ook moesten deelnemers de taak kunnen volbrengen en hiervoor was begrip van de Nederlandse taal en een correct visueel vermogen noodzakelijk.
Aan alle participanten werd een informed consent voorgelegd met de vraag of zij wilden deelnemen aan het onderzoek. Niemand weigerde. Participatie was op basis van een vergoeding van 5 euro of credits. Dit experiment werd goedgekeurd door het ethisch comité van de faculteit Psychologie en Pedagogische Wetenschappen aan Universiteit Gent (2017/71).
23
Experimenteel paradigma
Stimuli.
Het volledige experiment werd geprogrammeerd met behulp van het E-Prime softwarepakket. In de experimentele taak werden positieve of negatieve woorden een voor een gepresenteerd voor 500 milliseconden met telkens 500 milliseconden inter-stimulus interval op een 17 inch computerscherm. Er werden negen hoogfrequente positieve en negen hoogfrequente negatieve woorden geselecteerd (zie bijlage 1) op basis van voorgaand onderzoek naar zelfreferentiële informatieverwerking (Chang, Ecker, & Page, 2018; LeMoult, Kircanski, Prasad, & Gotlib, 2017) en de database van Moors voor Nederlandstalige woorden (Moors et al., 2013). Het artikel van Moors en collega’s (2013) bevatte 4300 woorden die onderzocht werden bij Vlaamse en Nederlandse studenten. Men keek hierbij onder andere naar de valentie (M=3.94), arousal (M=4.09), frequentie (M=.67) en lengte (M=6.11) van deze woorden. In SPSS werd aangetoond dat de 18 geselecteerde positieve en negatieve woorden voor dit experiment enkel verschillen in valentie (p<.001) en niet op arousal (p=.10), frequentie (p=.16) of lengte (p=.56) op het 5% significantieniveau.
Net als in voorgaand onderzoek naar statistisch leren van visuele informatie (Brady & Oliva, 2008; Everaert et al., 2020) werden er verschillende triades gevormd op basis van die woorden. In dit onderzoek maakten we gebruik van zes triades. Elke triade bevatte een sequens van drie woorden die steeds in dezelfde volgorde werden aangeboden (bijvoorbeeld ABC, DEF, GHI). Van iedere set positieve en negatieve woorden werden drie positieve en drie negatieve triades gevormd. Daarna werd er een stroom gecreëerd van woorden waarbij iedere triade 50 keer willekeurig herhaald werd, waarvan figuur 2 een voorbeeld biedt. Bij het randomiseren van de triades werd gecontroleerd voor de afwezigheid van herhaling van dezelfde triade of set van twee triades achter elkaar. Zo mag bijvoorbeeld ABCABC of ABCDEFABCDEF niet voorkomen. In de stroom van triades werden random 102 herhalende woorden toegevoegd (51 positief en 51 negatief). Soms werd het eerste of derde woord van de triade
24 onmiddellijk erna herhaald (bijvoorbeeld ABCCDEF of ABCDDEF) om de structuur van de triade intact te houden.
Figuur 2. Fragment uit een woordenstroom. De eerste drie (vetgedrukte) woorden
behoren tot een positieve triade. Hierna werd een herhalend woord toegevoegd. De laatste drie (vetgedrukte) woorden behoren tot een negatieve triade.
Experimentele taak.
Het eerste deel van de computeropdracht bestond uit de experimentele taak (Brady & Oliva, 2008; Everaert et al., 2020). Deze taak omvat een leerfase gevolgd door een testfase. In de leerfase of exposure werden de participanten blootgesteld aan de stroom van woorden. Hierbij kregen ze de instructies om zeer aandachtig te kijken en zo snel mogelijk de toets ‘h’ in te drukken wanneer er een woord onmiddellijk herhaald werd. Deze vermomming zorgde ervoor dat participanten niet bewust werden van eventuele patronen in de woordenstroom. Alvorens de testfase aanbrak, kregen de proefpersonen twee vragen. De eerste luidde: “Heb je bepaalde patronen opgemerkt in deze reeks van woorden?”. Omdat men hier makkelijk ‘ja’ op antwoordt, werd er een tweede vraag gesteld: “Als we je zouden testen, zou je dan in staat zijn om patronen van woorden zo op te sommen?”. Vervolgens startte de testfase en kreeg men een herkenningstaak met twee alternatieven (two-alternative forced choice - 2AFC), zoals op figuur 3 wordt afgebeeld. Die taak ging na of participanten regelmatigheden konden detecteren in de stroom van woorden.
Vitaal Trots Vrolijk Vrolijk Mislukt Angstig Kwaad
25 Bij elke trial van de herkenningstaak werden twee sequensen van drie woorden gepresenteerd, dit op dezelfde manier als in de leerfase. Elke sequentie werd door een 1000 milliseconden interval gescheiden. Een van de testsequenties was een triade die tijdens de leerfase gepresenteerd werd (bijvoorbeeld ABC, DEF, GHI). Het alternatief werd geconstrueerd aan de hand van woorden uit drie verschillende triades (bijvoorbeeld AEI, DHC, GBF). Na deze twee sequenties aan te bieden, werden participanten gedwongen de sequentie te kiezen die hen het meest bekend voorkwam, gebaseerd op wat men zag tijdens de leerfase. Elk van de zes triades werd twaalf keer getest: twee keer gepaard met elk van de zes valse sequenties. De volgorde van de trials werd gerandomiseerd. De volgorde van de test en valse sequenties waren contra-gebalanceerd over de trials heen. Het percentage van triades die juist werden aangeduid als ‘bekend’ werd gebruikt als maat om statistisch leren te meten.
Figuur 3. Voorbeeld van een trial uit de testfase. Hier is de eerste sequentie een
triade uit de leerfase. De tweede (valse) sequentie werd samengesteld door woorden uit drie verschillende triades. Na het aanbieden van die twee sequenties werd de volgende vraag gesteld: “Welke reeks van woorden komt jou het meest bekend voor?”. Sequentie 1 Vitaal Trots Vrolijk Sequentie 2 Attent Moedig Vrolijk Triade Valse sequentie
26 Zelfrapportage maten.
Beoordeling zelfrelevantie van de stimuli. Iedere participant beoordeelde in welke mate de gebruikte woorden zelfbeschrijvend waren. Men kreeg de instructie om aan te geven in welke mate ieder woord de proefpersoon beschreef op een schaal van 1 (helemaal niet) tot 7 (helemaal wel).
Perseverative Thinking Questionnaire. Een eerste vragenlijst die afgenomen werd, was de Perseverative Thinking Questionnaire – Nederlandstalige versie (PTQ; Ehring et al., 2011; PTQ-NL; vertaald door Ehring, Raes, Weidacker, & Emmelkamp, 2012). Dit instrument van 15 items meet iemands algemene neiging tot RND, relevant voor emotionele stoornissen. Iedere participant moest aangeven hoe men over negatieve ervaringen of problemen nadenkt in normale omstandigheden. Telkens werd een uitspraak gegeven die de proefpersoon moest beantwoorden via een vijfpuntenschaal, gaande van 0 (nooit) tot 4 (bijna altijd). De totaalscore, die varieert van 0 tot 60, bekom je door alle items op te tellen en verwijst naar de hogere-orde factor RND. Onder RND vallen drie subschalen: (1) de kerneigenschappen van RND (repetitief, intrusief en moeilijk los te laten), (2) de ervaren improductiviteit van RND en (3) de mentale capaciteit die door RND wordt beïnvloed. Voorbeelden zijn (1) “Ik kan niet ophouden om erover na te denken”, (2) “Ik blijf mijzelf vragen stellen zonder een antwoord te vinden” en (3) “Als ik over mijn problemen nadenk, kan ik op dat moment niets anders doen” (Ehring & Topper, 2012). Confirmatorische factoranalyse toonde de betrouwbaarheid en validiteit van de PTQ-NL reeds aan bij Belgische studenten (Ehring et al., 2012). Men vond zowel goede interne consistentie (Cronbach’s a: .93) als stabiliteit voor alle items en de drie subschalen (Cronbach’s a: .93 (1), a: .77 (2), a: .75 (3)).
Positive and Negative Affect Scale. De tweede afgenomen vragenlijst is de Positive and Negative Affect Scale (PANAS; Watson, Clark & Tellegen, 1988), meer bepaald de Vlaamse versie (PANAS; Engelen, De Peuter, Victoir, Van Diest, & Van den Bergh, 2006). Hierbij worden positief affect (PA) en negatief affect (NA) gemeten via 20 items. Ieder item is een adjectief die verwijst naar een bepaald gevoel of een bepaalde emotie, waarbij 10 items peilen naar PA (bijvoorbeeld ‘zelfverzekerd’) en 10 naar NA (bijvoorbeeld ‘bedroefd’).
27 Participanten moesten op een vijfpuntenschaal aangeven in welke mate ze een bepaalde emotie ervaarden op het moment van de afname. Er waren vijf verschillende antwoordmogelijkheden: (1) heel weinig, (2) een beetje, (3) matig, (4) veel en (5) heel veel. De totaalscores kunnen variëren tussen 10 en 50 per affect. Bij een Vlaamse populatie werd de betrouwbaarheid en validiteit van deze vragenlijst reeds aangetoond, inclusief de interne consistentie (Cronbach’s a NA: .85 en Cronbach’s a PA: .79) (Engelen et al., 2006).
Procedure
Alle proefpersonen werden in maart en april 2019 gerekruteerd via Experimetrix om een experiment af te leggen van 30 minuten voor een vergoeding van 5 euro of credits. Alvorens de participanten dit experiment startten, kreeg ieder een informed consent. Zoals figuur 4 weergeeft, begonnen de proefpersonen met de experimentele taak. Deze nam het grootste deel van de tijd in beslag en duurde ongeveer 20 minuten. Het tweede deel van de computertaak, de beoordeling van zelfrelevantie van de stimuli, nam 5 minuten in beslag. Het derde en laatste deel van de computeropdracht bestond uit de twee zelfrapportage vragenlijsten en vulden de laatste 5 minuten in. Na de studie kreeg iedere deelnemer een e-mail met een debriefing over wat het experiment beoogde te meten.
Figuur 4. Schematische voorstelling van het verloop van het experiment.
Deel 1 Leerfase: Exposure Testfase: 2AFC Hypothese 1 Deel 2 Beoordeling zelfrelevantie woorden Hypothese 2 Deel 3 Perseverative Thinking Questionnaire Positive and Negative
Affect Scale Hypothese 2/3
28
Statistische analyses
Om bij de eerste hypothese te toetsen of de accuraatheid op de 2AFC-taak significant verschilde van het 50% kansniveau (of toeval), werd de
one-sample t-toets gehanteerd. Dit eerst op de totaalscore, waarna afzonderlijk voor
positieve en negatieve triades en uiteindelijk voor de verschillende trials. Veder werd de gepaarde t-toets gehanteerd om de relatie tussen de accuraatheid bij positieve triades en de accuraatheid bij negatieve triades te bestuderen. Ook pasten we deze toets toe om de verschillende trialtypes – valentie-combinaties van triades en valse sequenties – te vergelijken.
Het tweede deel van de eerste hypothese keek naar de verschillen tussen participanten die “ja” of “neen” antwoordden op de vragen rond het expliciet bewustzijn van patronen via een one-way ANOVA. Allereerst werd de accuraatheid op de 2AFC-taak voor positieve en negatieve triades met elkaar vergeleken, waarna de verschillende trialtypes. Om te toetsen of participanten die “neen” antwoordden toch boven het kansniveau scoorden, werd opnieuw de
one-sample t-toets gebruikt. Eerst werd daarbij de accuraatheid op positieve en
negatieve triades bekeken, waarna de verschillende trialtypes.
Het laatste deel van de eerste hypothese bestudeerde de accuraatheid van participanten op de afleidingstaak. Om te onderzoeken of die accuraatheid verschilde tussen positieve en negatieve woorden, werd opnieuw de gepaarde t-toetst gehanteerd. Verder werden twee verschilscores gecreëerd en aan elkaar gecorreleerd (Pearson’s r): (1) het verschil tussen de accuraatheid op positieve en negatieve triades op de 2AFC-taak en (2) het verschil tussen de accuraatheid bij positieve en negatieve woorden op de afleidingstaak.
Bij de tweede en derde hypothese werden allereerst de bivariate correlaties (Pearson’s r) berekend tussen alle verschillende variabelen. Daarna werden gecorreleerde variabelen opgenomen in meervoudige lineaire regressiemodellen om hun unieke bijdrage te bestuderen. In het laatste deel van de derde hypothese werden exploratieve correlatieanalyses (Pearson’s r) verricht tussen scores op de PTQ-NL en aangemaakte verschilscores.
Alle berekeningen werden verricht in het softwarepakket SPSS (versie 25). Ondanks verscheidene transformaties was de ruwe data niet normaal verdeeld
29 en waren de varianties niet homogeen. Toch werd er aan alle voorwaarden voldaan voor het uitvoeren van meervoudige lineaire regressie: alle predictoren en uitkomstvariabelen waren van intervalniveau, de predictoren hadden geen variantie van 0 en waren niet gecorreleerd aan externe variabelen, er vond geen perfecte multicollineariteit plaats (r<.90), er was sprake van homoscedasticiteit, de error-scores waren onafhankelijk (Durbin-Watson scores: 1.872-2.003) en normaal verdeeld, alle waarden van de uitkomstvariabelen waren onafhankelijk en er was sprake van lineariteit.
Resultaten
Hypothese 1
Herkenning van statistische patronen.
De accuraatheid op de 2AFC-taak werd vergeleken met het kansniveau om te bestuderen of statistisch leren plaatsvond. De gemiddelde accuraatheid op de 2AFC-taak was M=0.62 (SD=0.13; SE=0.01), wat significant hoger was dan het 50% kansniveau, t(132)=10.75, p<.001, d=0.93.
Zowel de positieve triades, t(132)=10.39, p<.001, d=0.90, als de negatieve triades, t(132)=7.30, p<.001, d=0.63, werden accuraat gedetecteerd boven het 50% kansniveau. De gemiddelde accuraatheid voor de positieve triades (M=0.64;
SD=0.16; SE=0.014) en de gemiddelde accuraatheid voor de negatieve triades
(M=0.61; SD=0.17; SE=0.015) hingen positief samen, r=.33, p<.01. Wel verschilden deze van elkaar: de gemiddelde accuraatheid op de 2AFC-taak voor positieve triades was significant hoger dan de gemiddelde accuraatheid voor negatieve triades, t(132)=2.01, p<.05, d=0.17.
Bovenstaande accuraatheden werd onderzocht voor alle combinaties van negatieve en positieve triades/valse sequensen in de 2AFC-taak. Wanneer de accuraatheid vergeleken werd met het 50% kansniveau, constateerden we dat negatieve triades succesvol onderscheiden werden van zowel negatieve valse sequensen (M=0.63; SD=0.19; SE=0.02), t(132)=7.99, p<.001, d=0.69, als van
30 positieve valse sequensen (M=0.58; SD=0.21; SE=0.02), t(132)=4.45, p<.001,
d=0.39. Positieve triades werden ook succesvol onderscheiden van zowel
positieve valse sequensen (M=0.62; SD=0.18; SE=0.02), t(132)=7.76, p<.001,
d=0.67, als van negatieve valse sequensen (M=0.65; SD=0.19; SE=0.02), t(132)=9.43, p<0.001, d=0.82.
De studie naar de verschillen in accuraatheid op de verschillende trials van de 2AFC-taak toonde aan dat negatieve triades significant beter onderscheiden werden van negatieve valse sequenties dan van positieve valse sequenties,
t(132)=2.49, p<.05, d=0.22. Positieve triades werden even goed onderscheiden
van zowel negatieve als positieve valse sequenties, t(132)=-1.75, p=.08, d=-0.15. Wanneer gepresenteerd met negatieve valse sequenties werden negatieve triades even accuraat herkend als positieve triades, t(132)=-1.36, p=.18, d=-0.12. Indien gepresenteerd met positieve valse sequenties werden positieve triades beter herkend dan negatieve triades, t(132)=-2.15, p<.05, d=-0.19. De accuraatheid voor negatieve en positieve triades was gelijk wanneer ze gepresenteerd werden met valse sequenties van dezelfde valentie, t(132)=0.25,
p=.80, d=0.02.
Expliciet bewustzijn van statistische patronen.
Wanneer er aan de participanten de vraag werd gesteld of ze enige structuur herkenden in de stroom van woorden, antwoordde 88.72% ‘’ja” op de eerste vraag (“Heb je bepaalde patronen opgemerkt in deze reeks van
woorden?”) en 41.35% “ja” op de tweede vraag (“Als we je zouden testen, zou je dan in staat zijn om patronen van woorden zo op te sommen?”).
Follow-up analyses vonden een significant verschil in accuraatheid op de
2AFC-herkenningstaak bij negatieve triades tussen participanten die “neen” of “ja” antwoordden op de eerste vraag [MNEE=0.49, SDNEE=0.11; MJA=0.62, SDJA=0.17; F(1,131)=8.25, p<.01, η²=.06]. Voor positieve triades vond men geen
significant verschil [MNEE=0.60, SDNEE=0.16; MJA=0.65, SDJA=0.16;
F(1,131)=1.15, p=.29, η²=.01]. Ook waren er geen significante verschillen in accuraatheid op de 2AFC-taak voor negatieve triades [MNEE=0.61, SDNEE=0.17; MJA=0.61, SDJA=0.17; F(1,131)=0.002, p=.96, η²<.01] of positieve triades
