Экспериментальная психология
2021. Том 14. № 1. С. 135–150
doi:10.17759/exppsy.2021140106
ISSN: 2072-7593 / 2311-7036 (online)
Прогностическое значение электроэнцефалографических и нейропсихологических показателей состояния регуляторных функций мозга для оценки вероятности отклонений поведения у подростков
Аннотация
Общая информация
Ключевые слова: подростки, отклоняющееся поведение, ЭЭГ, нейропсихология, логистическая регрессия
Рубрика издания: Психофизиология
DOI: https://doi.org/10.17759/exppsy.2021140106
Финансирование. Исследование выполнено при финансовой поддержке Российского фонда фундаментальных исследований (РФФИ) в рамках научного проекта № 17-06-00837-ОГН
Для цитаты: Корнеев А.А., Захарова М.Н., Курганский А.В., Ломакин Д.И., Мачинская Р.И. Прогностическое значение электроэнцефалографических и нейропсихологических показателей состояния регуляторных функций мозга для оценки вероятности отклонений поведения у подростков // Экспериментальная психология. 2021. Том 14. № 1. С. 135–150. DOI: 10.17759/exppsy.2021140106
Полный текст
Введение
В подростковом возрасте происходят изменения, связанные, с одной стороны, с качественными преобразованиями всех физиологических систем организма [3; 7], а с другой — с существенными изменением социально-психологического контекста, в котором оказывается подросток. Такого рода изменения могут приводить к снижению порогов физиологических и психологических реакций на стресс и повышать вероятность возникновения различных проявлений отклоняющегося (девиантного) поведения [15; 20].
В литературе, посвященной психологии отклоняющегося поведения подростков, подробно обсуждаются личностные и социально-психологические предпосылки его возникновения [10; 31]. В нейрокогнитивных исследованиях причины отклоняющегося поведения у подростков связывают с дисбалансом в функционировании различных регуляторных систем мозга (РС) [30]. Согласно представлениям о последствиях появления дисбаланса между РС мозга, обеспечивающими мотивацинные компоненты поведения, и системами когнитивного контроля [16; 24], в аффективно нагруженных ситуациях подростки в большей степени склонны принимать импульсивные решения по сравнению с детьми и взрослыми; результатом такого импульсивного и рискованного поведения может стать нанесение вреда здоровью, а также трудности адаптации [29].
Цель настоящего исследования состояла в определении индивидуальных особенностей регуляторных функций мозга, которые могут быть предикторами склонности подростков к девиантному поведению.
Индивидуальные особенности регуляторных функций мозга можно оценить на основе анализа суммарной электрической активности мозга — электроэнцефалограммы [27]. Один из методов — экспертная оценка специфических паттернов ЭЭГ, характеризующих неоптимальное состояние определенных глубинных и корковых структур мозга в состоянии покоя — структурный анализ ЭЭГ (см. подробное описание в наших работах [9; 11]). Он позволяет определить индивидуальные признаки неоптимального состояния различных регуляторных структур мозга на макроуровне и затем сравнить частоту представленности определенных отклонений функционирования РС в различных выборках, а также сопоставлять результаты ЭЭГ исследования с результатами поведенческих, в частности, нейропсихологических методов (см. сравнительное исследование [9]).
Качественный нейропсихологический анализ, основанный на принципах системного подхода А.Р. Лурии, позволяет исследовать эффективность программирования, избирательной регуляции и контроля деятельности как управляющих функций мозга (УФ) на поведенческом уровне. Применение методов нейропсихологии в исследованиях индивидуальных особенностей подростков с проявлениями отклоняющегося поведения, несмотря на потенциальную продуктивность, носит фрагментарный характер [см., например: 5]. Так, в указанной работе анализируются особенности профилей латерализации функций головного мозга у подростков с признаками отклоняющего поведения, но при этом никак не обсуждаются УФ, в то время как данные других исследований свидетельствуют о взаимосвязи дефицитарности УФ и проявлений девиантного поведения [19; 23].
Для количественной оценки различных компонентов когнитивной деятельности, в том числе УФ, у подростков со склонностью к девиантному поведению используются также компьютеризированные нейропсихологические тесты, например, автоматизированная батарея CANTAB (Cambridge Neuropsychological Test Automated Battery) [17].
Междисциплинарный подход, в рамках которого проводится настоящее исследование, предполагает применение различных методов (ЭЭГ, нейропсихологическое обследование, компьютерное тестирование УФ) для анализа регуляторных функций мозга как возможных предикторов риска отклоняющегося поведения [9]. Одним из возможных статистических методов анализа и отбора таких предикторов является метод логистической регрессии [см., например: 21].
Задача данного исследования состояла в анализе степени применимости индивидуальных оценок функционального состояния РС мозга и УФ к прогнозированию вероятности отнесения подростка к группе риска с точки зрения склонности к отклоняющемуся поведению, а также в нахождении наиболее оптимальных в отношении составления прогноза сочетаний таких оценок.
Методика
Выборка
В исследовании приняли участие две группы подростков, учащихся школ г. Москвы и г. Жуковского. В группу с признаками отклоняющегося поведения вошли подростки, имеющие поведенческие и эмоциональные проблемы в школе и дома (данные были собраны с помощью школьных психологов), далее группа D (69 человек, средний возраст 14,4±1,08, 19 девочек). В контрольную группу вошли подростки без признаков отклоняющегося поведения, далее группа N (97 человек, средний возраст 14,2±1,28, 41 девочка). Все испытуемые и их родители подписали письменное согласие на участие в исследовании.
В обеих группах подростков было проведено анкетирование с помощью опросника «Диагностика склонности к отклоняющемуся поведению (СОП)» [12] и методики диагностики эмоциональных и поведенческих проблем у детей и подростков Т. Ахенбаха Youth Self Report (YSR), адаптированной для русскоязычной популяции [32]. Межгрупповые сравнения результатов анкетирования по t-критерию Стьюдента выявили значимо более высокие баллы в группе D по шкалам склонности к преодолению норм и правил (t(164)=-4,420; p<0,001), к агрессии и насилию (t(164)= -5,040; p<0,001), к делинквентному поведению (t(164)=-4,996; p<0,001) и слабости волевого контроля эмоциональных реакций (t(164)=-2,853; p=0,005) методики СОП, а также по шкалам «Делинквентность» (t(164)=-5,150; p<0,001) и «Агрессия» (t(164)=-4,708; p<0,001) опросника YSR.
Оценка функционального состояния РС мозга основывалась на визуальном экспертном анализе паттернов ЭЭГ в состоянии покоя. ЭЭГ регистрировалась с помощью электроэнцефалографа (Electrical Geodesics, Inc, США) в полосе частот 0,1—70 Гц (частота оцифровки — 250 Гц). Принципы этого анализа и выделяемые ЭЭГ паттерны подробно описаны в нашем предыдущем исследовании [8]. Определялись наличие и степень выраженности ЭЭГ-признаков неоптимального состояния следующих РС: 1) фронто-таламической системы (ФТС); 2) диэнцефальных (гипоталамических) отделов; 3) лимбической системы; 4) лобно-базальных структур; 5) лобных и/или лобно-височных отделов левого полушария. Использовалась следующая шкала: 1 — отсутствие изменений данного генеза, 2 — наличие негрубых изменений в фоновой ЭЭГ, 3 — наличие выраженных изменений в фоновой ЭЭГ в виде высокоамплитудных и/или пароксизмальных паттернов.
Особенности состояния УФ оценивались с помощью качественного нейропсихологического обследования [1], на основании которого рассчитывались интегральные показатели дефицита УФ (см. подробнее: Семенова и др., 2015): 1) трудности усвоение инструкций; 2) трудности формирования стратегии деятельности; 3) импульсивность; 4) персеверации; 5) инертность; 6) трудности длительного поддержания усвоенной программы; 7) трудности контроля текущей деятельности. Данные показатели оценивались с помощью следующих единиц измерения: 0 — наилучшее, 1 — наихудшее состояние функции.
Для количественной оценки эффективности УФ у подростков использовались компьютерные методики: тест Струпа [27]; корректурная проба Бурдона, состоящая из трех серий [6]; двухцветные таблицы Шульте— Горбова [4].
Общий уровень развития интеллекта оценивался с помощью компьютерного варианта теста «Цветные прогрессивные матрицы Равена». Все компьютерные методики были выполнены в системе «Практика МГУ» [2].
Обработка результатов и анализ данныхДля оценки согласованности изучаемых параметров и вероятности возникновения отклонений поведения применялась биномиальная логистическая регрессия, в которой в качестве независимых переменных использовались перечисленные выше параметры, а в качестве зависимой переменной — бинарная переменная принадлежности индивида к группе N или D. Метод позволяет оценить влияние предикторов на вероятность принадлежности испытуемого к группе D, а также рассчитать модельную вероятность принадлежности к ней для каждого испытуемого. Сопоставив эти вероятности с полученными данными, можно оценить точность прогноза модели [с подробным описанием этого метода можно ознакомиться в работах: 13; 26]. В настоящем исследовании результаты биномиальной регрессии описаны коэффициентом регрессии (b), его стандартной ошибкой (se) и оценкой значимости отличия коэффициента от нуля. Качество модели оценивалось с помощью R2 Нэйджелкерка (аналога коэффициента детерминации R2 в линейном регрессионном анализе) и критерия хи-квадрат (х2), который характеризует статистическое отличие модели с включением изучаемых параметров (предикторов) от «нулевой» модели без включения последних. Использовались методы автоматической пошаговой регрессии (в данном случае наиболее значимые со статистической точки зрения параметры — предикторы отбираются алгоритмически) и иерархической логистической регрессии с построением набора вложенных моделей и последовательным добавлением различных показателей и оценкой изменения модели.
Результаты
Анализ проводился в два этапа. На первом этапе основная задача состояла в определении наиболее существенных предикторов склонности к отклоняющемуся поведению.
Анализ результатов электроэнцефалографического обследования
В этой части в качестве независимых переменных использовались полученные слепым методом экспертные оценки наличия и степени выраженности ЭЭГ-изменений определенного генеза на индивидуальных кривых ЭЭГ (см. описание методики).
Для отбора оптимальных предикторов мы использовали пошаговый логистический регрессионный анализ (прямой пошаговый метод Вальда). Была получена модель, включающая в себя 4 предиктора (за исключением ЭЭГ-изменений диэнцефального генеза), оценки итоговой модели оказались достаточно хорошими: х2(4) = 51,868; p<0,001; R2 Нэйджелкерка = 0,361. Точность отнесения испытуемых к той или иной группе на основании этой модели составила 73,5%.
Для проверки существенности вклада каждого из выделенных типов неоптимального функционирования РС мы провели дополнительный иерархический логистический анализ с последовательным добавлением ЭЭГ-паттернов (в качестве предикторов) и произвели оценку изменения модели. Порядок включения регистрируемых показателей неоптимального функционирования РС (каждая следующая модель включала показатели из предыдущих):
1) лимбические;
2) фронто-таламические;
3) передне-височные отделы левого полушария;
4) лобно-базальные;
5) диэнцефальные (гипоталамические) отделы.
Оценки качества моделей приведены в табл. 1.
Таблица 1
Результаты иерархического логистического анализа для ЭЭГ-показателей неоптимального функционирования РС
Сочетание ЭЭГ-паттернов |
Х2 (знач.)* |
R2 Нэйджелкерка |
Точность прогноза в процентах |
Лимбические |
28,814 (p<0,001) |
0,215 |
71,1 |
+ Фронто-таламические |
4,603 (p=0,032) |
0,245 |
71,1 |
+ Передне-височные отделы левого полушария |
9,304 (p=0,002) |
0,305 |
71,7 |
+ Лобно-базальные |
9,147 (p=0,002) |
0,361 |
73,5 |
+ Диэнцефальные (гипоталамические) отделы |
2,969 (p=0,085) |
0,379 |
71,7 |
Примечание: здесь и далее в таблицах х2 отражает значимость улучшения модели по сравнению с предыдущей.
Помимо базового вклада ЭЭГ-признаков лимбического происхождения, значимое улучшение модели наблюдается при добавлении признаков неоптимального функцио
нирования лобно-височных отделов левого полушария, лобно-базальных и фронто-таламических отделов (в порядке убывания значимости). Добавление в модель диэнцефальных знаков незначимо улучшает качество модели. Таким образом, иерархическая модель подтверждает результаты пошагового анализа, итоговая модель представлена в табл. 2.
Таблица 2
Итоговая модель для ЭЭГ показателей неоптимального функционирования РС
ЭЭГ-паттерны |
b |
se |
Значимость |
Фронто-таламические |
1,236 |
0,480 |
0,010 |
Лимбические |
1,637 |
0,347 |
<0,001 |
Лобно-базальные |
1,129 |
0,385 |
0,003 |
Передне-височные отделы левого полушария |
2,315 |
0,846 |
0,006 |
Константа |
-7,937 |
1,449 |
<0,001 |
Анализ результатов нейропсихологического обследования
При анализе влияния дефицита различных компонентов УФ, оцениваемых с помощью нейропсихологического обследования, использовался тот же алгоритм, что и в случае анализа результатов ЭЭГ-обследования.
В качестве наиболее существенных предикторов склонности к отклоняющемуся поведению были выделены трудности формирования стратегии деятельности, персеверации, инертность. Оценка модели оказалась достаточно хорошей: х2(3) = 43,435; R2 Нэйджелкерка = 0,310. Для дополнительной оценки роли отдельных нейропсихологических показателей (НПП) был проведен иерархический регрессионный анализ, результаты которого представлены в табл. 3. В него последовательно включались отдельные показатели нейропсихологического анализа, а их порядок был определен на основании результатов предшествующего анализа и содержательных соображений об их взаимосвязи со склонностью к отклонениям в поведении. Результаты представлены в табл. 3.
Таблица 3
Результаты иерархического анализа для НПП состояния УФ
Сочетание различных НПП |
X2 (знач.)* |
R2 Нэйджелкерка |
Точность прогноза в процентах |
Трудности удержания усвоенной программы |
24,680 (p<0,001) |
0,186 |
68,7 |
+Трудности формирования стратегии деятельности |
7,723 (p=0,005) |
0,239 |
68,7 |
+Инертность |
7,475 (p=0,006) |
0,288 |
71,7 |
+Персеверации |
5,364 (p=0,021) |
0,321 |
73,5 |
+Трудности усвоения инструкций |
3,344 (p=0,067) |
0,342 |
75,9 |
+Импульсивность |
1,391 (p=0,238) |
0,360 |
74,1 |
+Трудности контроля текущей деятельности |
0,529 (p=0,467) |
0,353 |
75,9 |
Из табл. 3 видно, что значимый вклад в модель получен для показателей удержания программы, формирования стратегии, инертности и персевераций. Соответственно, итоговая модель, на которой мы остановились, включала в себя первые четыре предиктора. Оценки этой модели представлены в табл. 4.
Таблица 4
Итоговая модель логистического анализа для НПП состояния УФ
НПП дефицита УФ |
b |
se |
Значимость |
Трудности длительного поддержания усвоенной программы |
1,622 |
0,780 |
0,038 |
Трудности формирования стратегии деятельности |
1,096 |
0,542 |
0,043 |
Инертность |
2,193 |
0,775 |
0,005 |
Персеверации |
1,472 |
0,802 |
0,066 |
Константа |
-3,003 |
0,511 |
0,000 |
Анализ результатов компьютерных методик
При анализе результатов оценки состояния управляющих функций с помощью компьютерных методик (КМ) в силу большого количества показателей был проведен отбор наиболее информативных параметров с точки зрения оценки вероятности возникновения признаков отклоняющегося поведения. На этом этапе в каждом из тестов был выделен один показатель, для которого была обнаружена взаимосвязь с вероятностью принадлежности испытуемого к группе D: в корректурной пробе — разница в среднем времени выполнения двух простых и третьего, сложного субтестов; в тесте «Таблицы Шульте» — время выполнения пятой таблицы; в тесте Струпа — время выполнения первой, бесконфликтной, пробы и в прогрессивных матрицах Равена — число правильных ответов.
Пошаговый логистический регрессионный анализ показал, что в модели стоит оставить только два последних показателя (в таком случае R2 Нэйджелкерка = 0.210). Схожие выводы можно сделать на основании иерархического анализа (табл. 5).
Таблица 5
Результаты иерархического анализ
(результаты оценки состояния управляющих функций с помощью КМ)
Сочетание показателей выполнения КМ |
х2 (знач.)* |
R2 Нэйджелкерка |
Точность прогноза в процентах |
Время выполнения первого субтеста Струпа |
20,741 (p<0,001) |
0,158 |
65,7 |
+Число правильных ответов в прогрессивных матрицах Равена |
7,470 (p=0,006) |
0,210 |
68,1 |
+Разница времени выполнения простых и третьего субтестов в корректурной пробе |
2,475 (p=0,116) |
0,227 |
70,5 |
+Время выполнения пятой таблицы Шульте |
0,011 (p=0,918) |
0,227 |
70,5 |
В итоговую модель были включены два показателя — время выполнения первого субтеста Струпа и число правильных ответов в прогрессивных матрицах Равена. Коэффициенты этой модели представлены в табл. 6.
Таблица 6
Итоговая модель логистического анализа для результатов КМ
Показатели выполнения КМ |
b |
se |
Значимость |
Время выполнения первого субтеста Струпа |
-0,061 |
0,023 |
0,008 |
Число правильных ответов в прогрессивных матрицах Равена |
0,023 |
0,008 |
0,002 |
Константа |
-0,330 |
1,438 |
0,818 |
Приложение: оценки итоговой модели: х2 (2) = 28,211; R2 Нэйджелкерка = 0,210.
Обобщенная модельДля получения обобщенной модели оценки влияния комбинации исследуемых показателей на вероятность развития девиантного поведения в качестве предикторов использовались модельные значения вероятности принадлежности испытуемых к группе D, рассчитанные на основании уравнений логистической регрессии на предыдущем этапе: прогнозируемая вероятность, рассчитанная на основании результатов ЭЭГ, результатов нейропсихологического обследования (НП) и показателей состояния когнитивных функций (полученных на основании компьютерных методик). Результаты оценки модели приведены в табл. 7.
Таблица 7
Результаты итогового иерархического анализа
Сочетание прогнозируемых вероятностей, рассчитанных для трех типов показателей |
х2 (знач.)* |
R2 Нэйджелкерка |
Точность прогноза) в процентах |
ЭЭГ |
50,197 (p<0,001) |
0,351 |
73,5 |
ЭЭГ+НП |
32,085 (p<0,001) |
0,526 |
83,1 |
ЭЭГ + НП + КМ |
10,515 (p=0,021) |
0,577 |
84,3 |
Добавление показателей состояния управляющих функций по результатам компьютерных методик к объединенному комплексу параметров, выделенных при анализе ЭЭГ и нейропсихологического обследования, значимо, но довольно слабо увеличивают R2 и точность прогноза. И следовательно, в итоговую модель можно включить параметры всех трех методов оценки регуляторных функций мозга. Коэффициенты итоговой модели представлены в табл. 8.
Таблица 8
Коэффициенты итоговой модели
Предиктор |
B |
SE |
Значимость |
Предсказанная вероятность по результатам анализа ЭЭГ |
5,515 |
1,038 |
<0,001 |
Предсказанная вероятность по результатам нейропсихологического обследования |
3,375 |
1,013 |
0,001 |
Предсказанная вероятность по результатам КМ |
3,849 |
1,221 |
0,002 |
Константа |
-5,758 |
0,857 |
<0,001 |
Примечание: оценки итоговой модели: х2 (2) = 92,798; R2 Нэйджелкерка = 0,577; точность прогноза — 84,3%.
На рис. 1 представлены результаты анализа точности оценки принадлежности к группе D, полученные на основании оценки показателей ЭЭГ, показателей, выделенных в ходе
нейропсихологического обследования и диагностики состояния управляющих функций участников исследования с помощью компьютерных методик, и обобщенного показателя, полученного на последнем этапе анализа (рис. 1).
Рис. 1. ROC-кривые определения принадлежности подростков к группе D, полученные на основе использования трех типов данных и обобщенного показателя: штрих-пунктирная линия — прогноз на оценки управляющих функций с помощью компьютерных методик, крупный пунктир — прогноз на основе нейропсихологического обследования, мелкий пунктир — прогноз на основе ЭЭГ, сплошная линия — прогноз на основе оценки всех методов
Показатель AUC (площадь под кривой) составил состояния управляющих функций на основе: КМ — 0,739, для НП — 0,794, для ЭЭГ — 0,791, а для интегрального обобщенного показателя — 0,902. Такой результат свидетельствует о том, что сочетанное использование нескольких методов оценки регуляторных функций позволяет сделать более надежный прогноз — специфичность и чувствительность классификации в этом случае возрастают.
Обсуждение
Результаты показывают, что данные об особенностях мозговой активности и состоянии когнитивных функций у подростков могут использоваться для оценки вероятности возникновения отклоняющегося поведения, однако данные, полученные с помощью разных методов, обладают разной прогностической силой.
Среди признаков неоптимального функционирования РС мозга наиболее значимым предиктором отклоняющегося поведения являются ЭЭГ паттерны лимбического происхождения: такой результат согласуется с данными нашего предыдущего исследования [9]. В совокупности результаты этих двух исследований свидетельствуют в пользу связи отклоняющегося поведения в подростковом возрасте с неоптимальным состоянием мозговых систем эмоционально-мотивационной регуляции. В литературе можно найти противоречивые данные об особенностях функционирования и развития лимбических систем у подростков. Так, в обзоре [14] приводятся аргументы как «за», так и «против» повышения активации амигдалы при восприятии социально значимой эмоционально окрашенной информации у подростков. В другом обзоре [18] приводятся данные о сниженной по сравнению с предыдущим периодом развития активности амигдалы при восприятии лицевых паттернов, а также сниженной активности тесно функционально связанных с лимбическими структурами медиальных зон префронтальной коры при принятии социально значимых решений. Полученные нами результаты свидетельствуют о негативном влиянии неоптимального функционирования этих отделов мозга на регуляцию поведения и согласуются с результатами фМРТ-исследований подростков [22], демонтирующих снижение реактивности лимбических структур у испытуемых с проявлениями асоциального и агрессивного поведения при восприятии изображения страха или боли других людей. Также заметную негативную роль могут играть изменения мозговой активности, связанные с неоптимальным состоянием лобно-височных отделов левого полушария, лобнобазальных и фронто-таламических отделов мозга [8]. Результаты настоящего исследования указывают на важную роль неоптимального функционирования глубинных компонентов РС мозга как фактора, увеличивающего вероятность проявлений отклоняющегося поведения. Можно предположить, что сочетание этого фактора с относительной возрастной или индивидуальной незрелостью префронтальных механизмов когнитивного контроля в значительной степени определяет импульсивность подростков и их склонность к рискованным поступкам, которые в результате могут привести к развитию девиантного поведения.
В таком случае нейропсихологическая оценка УФ у подростков также может оказаться информативной с точки зрения прогнозирования возникновения отклоняющегося поведения, о чем свидетельствуют результаты настоящего исследования. Данные других исследований также указывают на возможную роль эффективности УФ в возникновении отклоняющегося поведения [25]. Среди использованных нами переменных, характеризующих дефицит различных компонентов УФ, сложнее, чем при анализе параметров ЭЭГ, выделить доминирующий с точки зрения прогноза показатель (см. табл. 4). Такого рода результат может объясняться недостаточной дифференцированностью нейропсихологических показателей состояния УФ. Значимость данного исследования состоит в подборе оптимального (в рамках имеющихся данных) набора предикторов отклоняющегося поведения, среди которых можно выделить: трудности формирования стратегии деятельности, трудности длительного поддержания усвоенной программы, выраженность инертности и персеверации. В целом, эти признаки могут говорить о дефиците планирования деятельности, с одной стороны, и стереотипности усвоенных программ — с другой.
Относительно слабая прогностическая сила результатов компьютерного тестирования может быть связана с тем, что эти методики предполагают решение многокомпонентых, с точки зрения когнитивных функций, задач; для их решения оказываются важны не только УФ, но и процессы обработки зрительной информации и общий уровень функционального состояния (уровень бодрствования) участника исследования. В этом отношении данные ЭЭГ оказываются более информативными, они специфически связаны с индивидуальными особенностями функционального состояния отдельных корковых и глубинных структур мозга и таким образом могут служить более надежными критериями прогноза возникновения отклоняющегося поведения.
Тем не менее, в итоговую общую модель, для полноты картины, мы включили интегральные показатели трех видов оценки состояния регуляторных функций у подростков. Учет разных факторов, и физиологических, и когнитивных, заметно повышает качество прогноза. В рамках данной работы мы сосредоточились в основном на регуляторных функциях, ответственных, так или иначе, за организацию целенаправленного поведения. Добавление методов оценки других индивидуальных особенностей — личностных, эмоциональных, мыслительных — может сделать прогноз еще более полным и точным.
Отбор участников основной экспериментальной группы (D) осуществлялся на основании заключений школьных психологов, составленных в соответствии с запросами педагогов и/или родителей. В результате группа D могла оказаться разнородной. Такая разнородность выборки может, с одной стороны, затруднить дифференцирование причин возникновения тех или иных проявлений отклонений в поведении, но с другой стороны, позволяет включить в анализ различные варианты отклоняющегося поведения и выделить общие для всех факторы и взаимосвязи между ними.
Заключение
В результате проведенного исследования был выделен ряд нейрофизиологических и нейропсихологических показателей индивидуальных особенностей РС мозга подростков, обнаруживших взаимосвязь с вероятностью развития девиантного поведения. Данные показатели обладают, таким образом, высокой прогностической точностью и могут быть использованы при оценке риска развития отклоняющегося поведения в подростковом возрасте. Перспективами дальнейших исследований являются поиск и анализ мотивационных и эмоциональных компонентов поведения в качестве критериев составления прогноза развития отклоняющегося поведения и дополнение уже разработанной диагностической модели. Результаты исследования указывают на важность комплексной оценки факторов, которые могут привести к отклоняющемуся поведению у подростков, в том числе на важность оценки индивидуальных особенностей функционального состояния РС мозга.
Литература
- Ахутина Т.В., Корнеев А.А., Матвеева Е.Ю. и др. Методы нейропсихологического обследования детей 6—9 лет. М.: В. Секачев, 2016. 278 с.
- Ахутина Т.В., Кремлёв А.Е., Корнеев А.А., Матвеева Е.Ю., Гусев А.Н. Разработка компьютерных методик нейропсихологического обследования. // Когнитивная наука в Москве: новые исследования. Материалы конференции 15 июня 2017 г. / Под ред. Е.В. Печенковой, М.В. Фаликман. М.: ООО «Буки Веди»; ИППиП, 2017. С. 486—490.
- Безруких М.М., Фарбер Д.А. Актуальные проблемы физиологии развития ребенка // Новые исследования. 2014. Том 40. № 3. С. 4—19.
- Горбов Ф.Д. Детерминация психических состояний // Вопросы психологии. 1971. Том 5. С. 20—29.
- Гут Ю.Н., Кабардов М.К. Природные и социальные факторы девиантного поведения у подростков // Психологическая наука и образование. 2018. Том 23. № 4. С. 80—90. DOI: 10.17759/pse.2018230408
- Когнитивная психология: учебник для вузов / Под ред. В.Н. Дружинина Д.В. Ушакова. М.:ПЕР СЭ. 2002. 480 с.
- Дубровинская Н.В. Психофизиологическая характеристика подросткового возраста // Физиология человека. 2015. Том 41. № 2. С. 113—122. DOI: 10.7868/S013116461502006X
- Мачинская Р.И. Управляющие системы мозга // Журнал Высшей Нервной Деятельности имени И.П. Павлова. 2015. Том 65. № 1. С. 33—60.
- Мачинская Р.И., Захарова М.Н., Ломакин Д.И. Регуляторные системы мозга у подростков с признаками девиантного поведения. Междисциплинарный анализ // Физиология человека. 2020. Том 46. № 3. С. 37—55.
- Реан А.А. Факторы риска девиантного поведения: семейный контекст // Национальный психологический журнал. 2015. Том 20. № 4. С. 105—110. DOI: 10.11621/npj.2015.0410
- Семенова О.А., Мачинская Р.И., Ломакин Д.И. Влияние функционального состояния регуляторных систем мозга на эффективность программирования, избирательной регуляции и контроля когнитивной деятельности у детей. Сообщение I. Нейропсихологический и электроэнцефалографический анализ возрастных преобразований регуляторных функций мозга в период от 9 до 12 лет // Физиология человека. 2015. Том 41. №. 4. С. 5—17. DOI: 10.7868/S0131164615040128
- Фетискин Н.П., Козлов В.В., Мануйлов Г.М. Социально-психологическая диагностика развития личности и малых групп. М.: Изд-во Института Психотерапии, 2002. 362 с.
- Шарашова Е.Е., Холматова К.К., Горбатова М.А., Гржибовский А.М. Применение множественного логистического регрессионного анализа в здравоохранении с использованием пакета статистических программ SPSS // Наука и здравоохранение. 2017. №. 3. С. 5—31.
- Blakemore S.J., Choudhury S. Development of the adolescent brain: implications for executive function and social cognition // Journal of Child Psychology and Psychiatry. 2006. Vol 47. № 3—4. P. 296—312. DOI: 10.1111/j.1469-7610.2006.01611.x
- Casey B.J., Jones R.M. Neurobiology of the adolescent brain and behavior: implications for substance use disorders // Journal of the American Academy of Child & Adolescent Psychiatry. 2010. Vol 49. № 12. P. 1189—1201. DOI: 10.1016/j.jaac.2010.08.017
- Casey B.J. Tottenham N., Liston C., Durston S. Imaging the developing brain: what have we learned about cognitive development? // Trends in cognitive sciences. 2005. Vol 9. № 3. P. 104—110.
- Cauffman E., Steinberg L., Piquero A.R. psychological, neuropsychological and physiological correlates of serious antisocial behavior in adolescence: the role of self-control // Criminology. 2005. № 1 (43). C. 133— 176. DOI: 10.1111/j.0011-1348.2005.00005.x
- Crone E.A., Dahl R.E. Understanding adolescence as a period of social—affective engagement and goal flexibility // Nature Reviews Neuroscience. 2012. Vol 13. № 9. P. 636—650. DOI: 10.1038/nrn3313
- Cruz A.R., de Castro-Rodrigues A., Barbosa F. Executive dysfunction, violence and aggression // Aggression and Violent Behavior. 2020. Vol 51. P. 101380. DOI: 10.1016/j.avb.2020.101380
- Dishion T.J., Tipsord J.M. Peer contagion in child and adolescent social and emotional development // Annual Review of Psychology. 2011. Vol 62. P. 189—214. DOI: 10.1146/annurev.psych.093008.100412
- Escario J.J., Wilkinson A.V. Exploring predictors of online gambling in a nationally representative sample of Spanish adolescents // Computers in Human Behavior. 2020. Vol 102. P. 287—292.
- Fairchild G., Hagan C. C., Passamonti L., Walsh N.D., Goodyer I.M., Calder A.J. Atypical neural responses during face processing in female adolescents with conduct disorder // Journal of the American Academy of Child & Adolescent Psychiatry. 2014. Vol 53. № 6. P. 677—687.
- Hinnant J.B., Forman-Alberti A.B. Deviant peer behavior and adolescent delinquency: Protective effects of inhibitory control, planning, or decision making? // Journal of Research on Adolescence. 2019. Vol 29. № 3. P. 682—695.
- MacPherson L., Reynolds E.K., Daughters S.B., Wang F., Cassidy J., Mayes L. C., Lejuez C.W. Positive and negative reinforcement underlying risk behavior in early adolescents // Prevention Science. 2010. Vol 11. № 3. P. 331—342.
- Morgan A.B., Lilienfeld S.O. A meta-analytic review of the relation between antisocial behavior and neuropsychological measures of executive function // Clinical Psychology Review. 2000. Vol 20. № 1. P. 113—136.
- Osborne J.W. Best practices in logistic regression. Los Angeles: Sage Publications, 2014. 488 p.
- Reyes A.C., Amador A.A. Qualitative and quantitative EEG abnormalities in violent offenders with antisocial personality disorder // Journal of Forensic and Legal Medicine. 2009. Vol 16. № 2. P. 59—63.
- Scarpina, F., Tagini, S. The stroop color and word test // Frontiers in Psychology. Vol. 8. P. 557. DOI: 10.3389/fpsyg.2017.00557
- Somerville L.H., Casey B.J. Developmental neurobiology of cognitive control and motivational systems // Current Opinion in Neurobiology. 2010. Vol 20. № 2. P. 236—241. DOI: 10.1016/j.conb.2010.01.006
- Steinberg L. A dual systems model of adolescent risk-taking //Developmental Psychobiology: The Journal of the International Society for Developmental Psychobiology. 2010. Том 52. № 3. pp. 216—224.
- Tian Y., Yu C., Lin S., Lu J., Liu Y., Zhang W. Parental psychological control and adolescent aggressive behavior: deviant peer affiliation as a mediator and school connectedness as a moderator // Frontiers in psychology. 2019. Vol 10. P. 358.
- Vasin G., Lobaskova M., Gindina E. The Youth Self Report: validity of the Russian version // SHS Web Conf. 2016. Vol 29. Art. 02041. DOI: 10.1051/shsconf/20162902041
Информация об авторах
Метрики
Просмотров
Всего: 825
В прошлом месяце: 15
В текущем месяце: 20
Скачиваний
Всего: 374
В прошлом месяце: 5
В текущем месяце: 12