tradução ausente: en.general.general.skip_content

Seu carrinho

Fechar carrinho

Os grandes efeitos da intervenção breve de meditação nos espectros de EEG em iniciantes em meditação

Dr. Joe Dispenza / 04 de dezembro de 2020

PDF do Artigo de Pesquisa

Sumário

Este estudo investigou o impacto de um breve workshop de meditação em uma amostra de 223 meditadores novatos. Os participantes participaram de um workshop de três dias compreendendo sessões diárias de meditação sentada guiada usando música sem voz que focava em vários estados emocionais e intenções (foco aberto). Com base na teoria da consciência integrativa, foi hipotetizado que estados alterados de consciência seriam vivenciados pelos participantes durante a intervenção de meditação avaliada por meio de eletroencefalograma (EEG). Os padrões das bandas de energia das ondas cerebrais foram medidos durante o workshop de treinamento de meditação, produzindo um total de 5616 exames de EEG. As mudanças nos estados de consciência foram analisadas usando medidas pré-meditação e pós-sessão de meditação de delta até oscilações gama. Os resultados sugeriram que a intervenção de meditação teve grandes efeitos variáveis ​​nos espectros de EEG (até 50% de aumento e 24% de diminuição), e a velocidade de mudança do estado de pré-meditação para pós-meditação dos co-espectros de EEG foi significativa (com probabilidade de 0.76 de entrar no estado de meditação final dentro do primeiro minuto). Houve uma diminuição principal de 5% na potência delta (95% IDH = [−0.07, −0.03]); um aumento global no poder teta de 29% (95% IDH = [0.27, 0.33]); um aumento global de 16% (95% IDH = [0.13, 0.19]) no poder alfa; um efeito principal da condição, com o poder beta global aumentando em 17% (95% IDH = [0.15, 0.19]); e um aumento de 11% (95% IDH = [0.08, 0.14]) no poder gama da pré-meditação à meditação final. As descobertas forneceram suporte preliminar para a meditação breve em estados alterados de consciência em meditadores novatos. O exame clínico futuro da meditação foi recomendado como uma intervenção para condições de saúde mental particularmente associadas a deficiências do hipocampo.


1. Introdução

O estresse mental é uma epidemia de saúde global que está ligada a mais de 23 milhões de mortes em todo o mundo a cada ano (Fink, 2016Go et al., 2004) O estresse crônico está associado a deficiências cognitivas na região do hipocampo do cérebro que regula a memória e o aprendizado (Hains et al., 2009Kooij et al., 2014) e com efeitos fisiológicos negativos, incluindo aumento da inflamação e redução da imunidade (Marsland et al., 2017) Uma gama de técnicas baseadas em atenção plena foi projetada para reduzir o estresse e melhorar os indicadores de qualidade de vida (Bohlmeijer et al., 2010Shapiro, 2009) Em particular, há um interesse crescente de pesquisa sobre o efeito da meditação nos benefícios de saúde como um todo (por exemplo, como um catalisador para melhorar a função imunológica; Davidson e outros, 2003Jacobs et al., 2011) A meditação é um processo cognitivo consciente e complexo, envolvendo concentração e atenção receptiva (Tang et al., 2015) Exemplos de meditação incluem meditação mantra, tai chi e chi gong (Ospina et al., 2007) A meditação é considerada um mecanismo que pode desencadear estados alterados tipicamente associados à função cerebral inconsciente (Shapiro, 2009) As práticas de meditação com atenção concentrada requerem atenção sustentada em uma gama específica de experiências internas ou externas. Enquanto as práticas de meditação de consciência aberta, monitoramento aberto e atenção plena incorporam um foco de atenção mais amplo em uma série de estímulos dinâmicos (Cahn e Polich, 2006Lutz et al., 2008) Além disso, as abordagens de meditação guiada geralmente começam com relaxamento dirigido por outro especialista que guia o meditador em direção a experiências internas específicas (por exemplo, situações imaginativas, processos de pensamento). A meditação guiada é considerada particularmente benéfica porque a natureza das instruções tende a se relacionar a algum propósito específico, como cura ou autoaperfeiçoamento. Exemplos de objetivos meditativos incluem a criação de prosperidade, melhoria de relacionamentos, promoção do perdão e evocação de estados superiores de consciência (Moral, 2017).

Evidências crescentes sugerem que a meditação oferece amplos benefícios fisiológicos e psicológicos. As práticas de meditação estão associadas a funções executivas e memória de trabalho aprimoradas, juntamente com melhorias na gravidade da condição de saúde mental (por exemplo, ansiedade, depressão, transtornos alimentares; (Fox et al., 2014Perich et al., 2013Shapiro, 2009Vøllestad et al., 2012Williams et al., 2014).

A meditação abrange um amplo conjunto de práticas psicossomáticas que são projetadas para melhorar a regulação da atenção em relação às imagens mentais autocriadas (focos interoceptivos ou exteroceptivos) e para otimizar o processamento das experiências do momento presente (Jain et al., 2015Robins et al., 2012) Essas capacidades foram mapeadas para áreas correspondentes no cérebro, incluindo o sistema dorsal (voluntário, orientação de cima para baixo) e o sistema ventral que está implicado na atenção dirigida por estímulos, de baixo para cima (Shapiro, 2009) Estudos usando imagens de ressonância magnética funcional (fMRI) ajudaram a delinear mapas sistêmicos das dimensões fisiológicas associadas à meditação (Igreja, 2013) Em particular, o mapeamento de eletroencefalograma (EEG) moderno e técnicas de neuroimagem permitiram o exame da função cerebral diferencial em um continuum de estados, incluindo experiências meditativas (Barinaga, 2003Cahn e Polich, 2006).

Redes cognitivas distintas estão ligadas a tarefas de processamento consciente durante tarefas atencionais (por exemplo, orientação, monitoramento de conflito; Davidson e outros, 2003) e com base na atenção objetiva e receptiva da prática da atenção plena (por exemplo, não julgamento, aceitação; (Anderson et al., 2007Shapiro e Schwartz, 2000) O aumento do controle da atenção foi observado em indivíduos com prática avançada de meditação (Moore e Malinowski, 2009) Um estudo examinou a competência de meditação em participantes com vários níveis de experiência em meditação usando dados de EEG. Potenciais relacionados a eventos (ERPs) foram avaliados durante uma discriminação de estímulo e atividade de atenção (Atchley et al., 2016) Todos os participantes discriminaram entre os 'tons' alvo com o uso de priming ERP. Além disso, nenhuma diferença de desempenho foi observada entre os grupos de meditadores novatos e experientes. Este foi um dos primeiros estudos a sugerir que a proficiência no treinamento atencional usando a prática da meditação pode ser alcançada com relativa rapidez.

Modelos teóricos de consciência sugerem que os processos conscientes e inconscientes dependem de componentes neuronais distribuídos agindo de maneiras funcionalmente integradas (Schutter et al., 2004Smith, 2012) A meditação é, portanto, considerada um veículo único para examinar esses processos. Isto é, uma vez que o cérebro consciente e inconsciente funcionam simultaneamente, a meditação oferece uma oportunidade de observar a transição de um estado normal de vigília para um estado de alerta, porém alterado (Davidson e outros, 2012) Os estados de consciência são descritos como condições que diferem qualitativamente de outras pela presença de, ou condições e características que estão ausentes em outros estados (Tart, 1972) Uma vez que os estados de consciência desempenham um papel crítico na formação da experiência humana em uma gama de funcionamento cognitivo e comportamental, os exames dos mecanismos cerebrais conscientes e inconscientes subjacentes são cruciais (Merrick et al., 2014Vieten et al., 2018Winkelman, 2011) Essas percepções podem oferecer resultados clínicos que podem ser direcionados para auxiliar ainda mais o sofrimento psicológico e fisiológico.

O modelo de consciência integrativa evoluiu da teoria de que os mecanismos fisiológicos de "estados transcendentes" são baseados em uma via neuroquímica comum envolvendo o lobo temporal (Mandell, 1980) A partir dessa perspectiva teórica, acredita-se que a prática da meditação produza inibição da serotonina para as células do hipocampo, o que, por sua vez, aumenta a atividade celular e a manifestação da atividade de EEG de onda lenta do septo hipocampal (ou seja, alfa, delta e teta) que impõe uma lentidão síncrona - padrão de onda através dos lóbulos (Winkelman, 20102011) A integração se manifesta no arrastamento do córtex frontal por descargas de ondas lentas altamente coerentes e sincronizadas que emanam do sistema límbico e das estruturas cerebrais inferiores relacionadas. Esses arrastamentos ocorrem em uma variedade de frequências, mas dois padrões predominantes são bandas teta de ondas lentas sincronizadas (3-6 ciclos por segundo) e oscilações gama de alta frequência (40 + cps). Esses padrões de ondas cerebrais sincronizados são referidos como um modo integrativo de consciência (Winkelman, 2011).

Pesquisas anteriores examinaram os efeitos da meditação em amostras clínicas e indivíduos com ampla experiência em meditação (por exemplo, monges budistas, xamãs e praticantes com mais de 10 anos de experiência na prática consciente, Flor-Henry et al., 2017Tang et al., 2015) Em particular, ativações cerebrais diferenciais foram observadas em especialistas durante a meditação, como resultado de vários estilos de meditação frequentemente medidos por EEG. Além disso, as medidas fisiológicas de meditadores ingênuos refletiram aquelas de meditadores altamente experientes após uma única sessão de meditação (Fennell et al., 2016) No entanto, poucas pesquisas têm oferecido um exame eletrofisiológico da experiência meditativa em indivíduos com experiência limitada de meditação e com uma abordagem de meditação guiada. Para desenvolver esta lacuna de pesquisa, o presente estudo teve como objetivo examinar o impacto da prática de meditação intensiva (2–4 horas de prática de meditação por dia) em uma amostra de meditadores novatos. Fatores da intervenção (incluindo meio ambiente e abordagens de meditação) foram otimizados para acelerar a aprendizagem entre os participantes. O presente estudo teve como objetivo avaliar os estados alterados de consciência dos participantes durante a meditação, comparando o padrão das bandas de energia das ondas cerebrais em cada ponto final da meditação com medidas básicas (ou seja, oscilações alfa, delta e teta) e por meio da avaliação da sincronização gama de alta frequência . Baseando-se na teoria da consciência integrativa (Winkelman, 2011), foi levantada a hipótese de que estados alterados de consciência seriam detectados por padrões alterados de ondas cerebrais em cada meditação na amostra de meditadores novatos.


2. Materiais e método

2.1. Participantes e procedimento

A amostra de conveniência inicial consistia em 468 participantes com idades entre 19-83 anos (M = 50.56, DP = 14.52), dos quais 312 eram mulheres (71.4%) e 125 eram homens (28.6%). Todos os participantes forneceram consentimento por escrito para participar do estudo. Os participantes eram novatos em meditação ou tinham exposição prévia limitada a formas de meditações guiadas. Todos os participantes participaram de workshops de treinamento de meditação ministrados pelo Dr. Joseph Dispenza, DC, realizados em vários locais da América do Norte. O treinamento de meditação, conhecido como “Oficina Avançada”, compreendia de duas a três sessões diárias durante três dias. Em cada sessão, os participantes assistiram a palestras baseadas em psicoeducação (por exemplo, palestra sobre o papel dos hormônios no estresse; Dispenza, 2014) e participou de uma meditação sentada guiada com música (sem vocais e com foco aberto) que teve aproximadamente 60 minutos de duração. Os dados de ondas cerebrais de EEG foram registrados para cada participante durante a sessão de meditação, com dados de EEG pré-meditação comparados aos dados de EEG de meditação de ponto final para cada sessão do programa de treinamento de meditação.


2.2. Análises EEG

O EEG foi medido usando um arranjo de 10 eletrodos 20/19 padrão. Houve um efeito principal da meditação nos espectros de EEG e uma interação entre o local do eletrodo e a condição de mediação. Por exemplo, FIG. 7 mostra essa interação codificada por cores para mostrar as mudanças mais negativas e positivas nos espectros da meditação. No entanto, o modelo indicou que não havia evidências de interações sistemáticas entre a localização do eletrodo e a técnica de meditação, indicando que as fontes podem ser as mesmas nas técnicas de meditação, mas a intensidade e a combinação das mudanças de força da banda diferiram entre as técnicas. O processo de configuração do EEG exigiu 10 minutos por participante, nos quais as medidas do perímetro cefálico foram comparadas a um limite de EEG (tamanhos pequeno, médio e grande). Os gorros foram calibrados aproximadamente cinco centímetros acima da sobrancelha e seguiram uma linha começando no meio da testa e continuando ao redor da cabeça para se encontrar no ponto inicial designado. Registros de linha de base foram obtidos, que incluíram olhos fechados (4 minutos) e cérebro na tarefa (4 minutos) antes das sessões de meditação serem gravadas.


2.3. Tipos de meditação

Ao longo do workshop de três dias, 468 participantes se envolveram em aproximadamente três meditações por dia (ver tabela 1), que produziu um total de 5616 exames de EEG. A meditação guiada sentada, conduzida pelo segundo autor, enfatizou a respiração, a visualização e a concentração focalizada (atenção internalizada).

Tabela 1. Sessões de meditação por hora do dia.

S Horário Tipo de meditação
Dia 1 Tipo 1 (D1T1) Meditação matinal (9.00:XNUMX) Concentre-se em níveis elevados de emoção e liberação de energia no corpo para sintonizar, alinhar e conectar os centros de chakras associados
Dia 1 Tipo 2 (D1T2) Meditação do meio-dia (12 horas) Concentre-se na emoção de gratidão
Dia 1 Tipo 3 (D1T3) Meditação da tarde (3.00h) Foco na rendição
Dia 2 Tipo 1 (D2T1) Meditação matinal (9.00hXNUMX) Concentre-se em níveis elevados de emoção e liberação de energia no corpo para sintonizar, alinhar e conectar os centros de chakras associados
Dia 2 Tipo 2 (D2T2) Meditação do meio-dia (12 horas) Concentre-se em uma intenção específica de materializar um evento específico na vida
Dia 2 Tipo 3 (D2T3) Meditação da tarde (3.00h) Concentre-se na emoção elevada e em uma sensação de totalidade e unidade com o mundo (por meio de uma meditação de foco aberto)
Dia 3 Tipo 1 (D3T1) Meditação de madrugada (6.30hXNUMX) Concentre-se em níveis elevados de emoção e liberação de energia no corpo para sintonizar, alinhar e conectar os centros de chakras associados
Dia 3 Tipo 2 (D3T2) Meditação do meio da manhã (10.00hXNUMX) Concentre-se na criação de uma intenção futura
Dia 4 (D4T1) Meditação bem cedo (4.00h da manhã) Concentre-se em mover a energia através do corpo para o cérebro para ativar a glândula pineal e induzir uma experiência mística (meditação sentada e deitada)


3. Resultados

3.1. Pré-processando

Dada a variabilidade no pré-processamento e nas montagens, foram usados ​​dados de gravações de fones de ouvido de referência de orelha vinculada com o pré-processamento de passagem de banda de 0.5 a 80 Hz, o que reduziu a amostra para 283 participantes. Os dados de 60 participantes foram removidos devido a uma curta duração de gravações na sessão (<10 min), pois durações de menos de 10 min não eram longas o suficiente para serem viáveis ​​para a avaliação da dinâmica neural. Isso deixou uma amostra final de 223 participantes. Os dados de EEG foram exportados em formato EDF e importados para MNE-Python (versão 17.1; Gramfort et al., 20132014) para análise posterior. O pipeline PREP foi usado para detectar canais corrompidos por ruído (Bigdely-Shamlo et al., 2015) com todos os eletrodos não funcionais interpolados através das ranhuras esféricas (Perrin e outros, 19891990) Os dados foram filtrados em banda para 1−50 Hz com filtro FIR (Rabiner et al., 1978) Potenciais piscadas foram detectadas usando uma mediana móvel, com uma mediana entre 30–300 microvolts com uma janela de 15 amostras (60-ms) rotuladas como uma piscada, conforme medido nos eletrodos Fp1 e Fp2. Os dados foram transformados pelo Laplaciano de superfície (via interpolação esférica) para fornecer um sinal livre de referência mais robusto (Kayser e Tenke, 2006) Os dados em torno dos eventos de piscar de olhos foram segmentados em períodos de 500 a 500 ms. A análise de componentes independentes foi conduzida usando o algoritmo de Picard (Ablin et al., 2018) para isolar e remover artefatos EOG presentes nos dados selecionando o componente com o maior coeficiente de correlação absoluto de Pearson r para os períodos de piscar de olhos por meio da função find_bad_eog em MNE-Python. Os últimos cinco minutos de pré-meditação e gravações de meditação foram usados ​​para comparar os efeitos dos vários tipos de meditação nos espectros de EEG, e o EEG registrado durante a meditação foi usado para avaliar a dinâmica neural da meditação. O pacote R ggplot2 e MNE-Python foram usados ​​para criar as figuras (Hadley e Sievert, 2016).


3.2. Encaixe do modelo

A estimativa do parâmetro bayesiano foi usada para avaliar os resultados (McGill et al., 2017) Esta análise foi selecionada porque as intenções do experimentador são declaradas explicitamente por meio do modelo e das distribuições anteriores. Distribuições completas de valores confiáveis ​​para todos os parâmetros no modelo foram fornecidas, em vez de valores únicos. Como este procedimento não usa valores p ou intervalos de confiança, a estimativa do parâmetro Bayesiano é considerada para fornecer mais informações do que o teste de significância de hipótese nula (Kruschke, 2013) As distribuições posteriores foram resumidas com sua mediana e intervalo de densidade mais alto (IDH) (Kruschke e Liddell, 2015) O IDH contém os valores mais prováveis ​​de 95% da distribuição. R versão 3.5.1 (R Core Team, 2018) foi usado para todas as análises estatísticas. Stan 2.17.0 (Carpenter et al., 2017) com o RStan 2.17.3 (Equipe de Desenvolvimento Stan, 2018) interface para caber em todos os modelos. Stan estima a distribuição posterior usando um procedimento Hamiltoniano de Monte Carlo (HMC). Para cada modelo, quatro cadeias desenharam simultaneamente 2000 amostras, 1000 das quais foram de aquecimento. O tamanho da amostra resultante foi de 4,000. As amostras posteriores para cada parâmetro foram avaliadas quanto à convergência por meio da inspeção de ambos os traçados e do Gelman-Rubin rˆ estatística (Gelman e Rubin, 1992), Onde rˆ perto de 1.00 indicam que as cadeias convergiram.


3.3. Comparação de frequência via aprendizado de máquina

Para examinar se havia um efeito da meditação nos espectros de frequência do EEG, classificadores de aprendizado de máquina foram treinados individualmente para discriminar entre os dados anteriores à meditação e os últimos cinco minutos de meditação (condição). Um classificador baseado na geometria de Riemann (Congedo et al., 2017) usando o co-espectro do EEG entre quatro e 45 Hz (janela de hanning de 250 ms, sobreposição de 75%, resolução de 4 Hz) para períodos não sobrepostos de 2 s para pré-meditação e os dados de meditação final foram usava. O classificador baseado em geometria Riemanniana foi selecionado devido a este tipo de classificador estar entre os melhores em termos de desempenho na classificação BCI, facilidade de implementação e boa capacidade de generalização em comparação com outras opções, como aprendizado profundo (Lotte et al., 2018) Além disso, o desempenho durante a validação foi muito alto e, portanto, adequado para o propósito de estimar a dinâmica neural das técnicas de meditação. O classificador usou regressão logística tangente-espacial (Congedo et al., 2017) para discriminar entre os dois estados. A validação de divisão aleatória (trem de 75%, teste de 25%) 10 vezes cruzada foi usada para estimar o desempenho medido pela matriz de confusão do classificador. Para estimar o desempenho geral, um modelo hierárquico Multinomial-Dirichlet foi ajustado à matriz de confusão média de cada participante (ver descrição do modelo). As estimativas da matriz de confusão foram então resumidas em medidas de precisão e proficiência (White et al., 2004) A exatidão e a proficiência foram calculadas a partir da matriz de confusão usando o procedimento padrão: exatidão, tomando a soma dos positivos verdadeiros e negativos verdadeiros dividida pelo total da matriz de confusão e proficiência, calculando a informação mútua dos resultados esperados e previstos , dividido pela entropia dos resultados esperados (Caelen, 2017White et al., 2004).


3.4. Descrição do modelo de comparação de frequência


Estávamos interessados ​​em saber quão bem os classificadores discriminavam os estados pré e final da meditação e se havia alguma diferença no desempenho entre as técnicas de meditação. A matriz de confusão de um classificador de participante, Cp, foi modelado como uma amostra aleatória de uma distribuição multinomial:Cp~Multinomial(θp)onde Cp estimou as probabilidades de verdadeiros negativos, falsos positivos, falsos negativos e verdadeiros positivos para um classificador individual. Cp recebeu um Dirichlet antes:θp~Dirichlet(θt×κt)onde θt mediu as probabilidades de grupo para cada célula na matriz de confusão para uma técnica de meditação específica e κt estimou a concentração de θtθt também recebeu um Dirichlet anterior:

θt~Dirichlet(θg×κg) onde θg desempenho geral estimado e κg quão próximas as diferentes técnicas de meditação combinaram com o θg estimativa. Tudo κx os parâmetros receberam priors gama difusos:κx~Gamma(2,0.1)


3.5. Resultados de comparação de frequência

O modelo indicou que os classificadores eram extremamente precisos, com a precisão geral de 97% (95% IDH = [0.96, 0.98]) e proficiência de 0.81 (95% IDH = [0.75, 0.86]). Não houve evidência de um efeito confiável da técnica de meditação sobre a precisão ou proficiência, conforme exibido em FIG. 1FIG. 2. Esta invariância à técnica de meditação é importante para a análise de dinâmica neural a seguir, pois as diferenças entre o desempenho do classificador podem confundir os resultados.
FIG. 1
  1. Download: Baixe imagem em alta resolução (255 KB)
  2. Download: Baixe a imagem em tamanho real

Fig. 1. Mostra gráficos de violino de estimativas posteriores para a precisão do classificador pela técnica de meditação, indicando a invariância da precisão entre as técnicas de meditação.

FIG. 2
  1. Download: Baixe imagem em alta resolução (269 KB)
  2. Download: Baixe a imagem em tamanho real

Fig. 2. Mostra gráficos de violino de estimativas posteriores para a proficiência do classificador pela técnica de meditação, indicando a invariância da proficiência entre as técnicas de meditação.

3.6. Dinâmica neural de meditação

Os dados durante a meditação eram datados da mesma maneira que a análise de comparação de frequência e depois classificados como pré-meditação ou meditação final. Isso criou uma série de tempo binária para cada indivíduo, fornecendo uma visão de quando a meditação mudou os co-espectros de EEG e como as diferentes técnicas impactaram essa relação dinâmica. A regressão logística foi aplicada às séries temporais de classificação de cada participante que resumiu a série em pares de interceptação e inclinação. Esses pares foram avaliados com um modelo linear geral Bayesiano para quantificar a eficácia de cada técnica de meditação em induzir os co-espectros EEG de estado final (ver descrição do modelo).


3.7. Descrição do modelo de dinâmica neural

Estávamos interessados ​​em quantificar como a meditação muda os coespectros de EEG e como as várias técnicas de meditação facilitam essa mudança de maneira eficaz. Para avaliar essa mudança, foi realizada regressão logística, produzindo valores de interceptação e inclinação para cada participante. A interceptação e inclinação dos participantes foram modeladas separadamente, yp[i], como um desenho de uma distribuição normal:yp[i]~Normal(μi,σ[i])Onde μ foi derivado da combinação linear:

μi=β0i+βti×xt[i] onde β0 parâmetro estima a tendência central do grupo enquanto βt mediu o efeito da técnica na interceptação e inclinação. β0 foi dado um prior normal centrado na média dos dados, com 10 vezes o desvio padrão dos dados:

β0[i]~Normal(y¯[i],Sdy[i]) × Sd (y))

σ parâmetro foi dado gamma difuso antes de:σ[i]~Gamma(2.0,0.1)βt recebeu uma restrição de soma zero ao centralizar em zero um vetor simplex, st[i]e multiplicando por uma variável de escala, σt :

βti=σt[i]×(sti-1nt) onde o simplex recebeu um prior de Dirichlet uniforme e a escala recebeu um prior de gama:sti~Dirichlet1σt[i]~Gamma(2.0,0.1)

Os anteriores foram escolhidos por serem pouco informativos para a escala dos dados.

3.8. Resultados de dinâmica neural

Os resultados indicaram que não havia evidências suficientes para detectar o efeito da técnica de meditação sobre os valores de interceptação de regressão logística (ver FIG. 3) No entanto, as interceptações para cada técnica de meditação foram bastante grandes (ver FIG. 4), onde a probabilidade de co-espectro de EEG ser semelhante ao estado de meditação final foi de 0.76 (IDH de 95% = [0.71, 0.81]) no início da meditação.

FIG. 3
  1. Download: Baixe imagem em alta resolução (265 KB)
  2. Download: Baixe a imagem em tamanho real

Fig. 3. Mostra um gráfico de violino das estimativas posteriores de interceptação de regressão logística de séries de classificação para cada técnica de meditação. As interceptações são bastante grandes, indicando que as mudanças nos co-espectros de EEG ocorreram rapidamente e a figura também mostra a invariância da interceptação entre as técnicas.

FIG. 4
  1. Download: Baixe imagem em alta resolução (239 KB)
  2. Download: Baixe a imagem em tamanho real

Fig. 4. Mostra as estimativas medianas para regressão logística de séries de classificação para cada técnica de meditação.

Houve um efeito significativo da técnica de meditação na inclinação de regressão logística com D2S2 0.0231 maior do que a inclinação de D3S2 (95% IDH = [0.0003, 0.04472], zero não incluído). Isso sugere que D2S2 induziu o estado final de meditação mais rápido do que a técnica D3S2, conforme mostrado em FIG. 5.

FIG. 5
  1. Download: Baixe imagem em alta resolução (281 KB)
  2. Download: Baixe a imagem em tamanho real

Fig. 5. Ilustra um gráfico de violino das estimativas posteriores para inclinações de regressão logística de séries de classificação para cada técnica de meditação. D2S2 tem uma inclinação maior do que D3S2, indicando que os co-espectros de EEG de meditação final foram alcançados mais rapidamente para D2S2.

3.9. Análise de banda de potência

Os dados de pré-meditação e meditação final foram colocados em janelas não sobrepostas de 2 s e sua densidade espectral de potência (PSD) foi estimada usando o método multitaper (Thomson, 1982) A potência da banda foi derivada do PSD somando mais de 1-4 Hz para Delta, 4-8 Hz para teta, 8-13 Hz para alfa, 15-25 para beta e 35-45 Hz para gama usando a regra de Simpson para integração. A média foi registrada para cada participante, em cada eletrodo, tanto para as condições pré-meditação quanto para o final da meditação. Os espectros de potência EEG são gerados predominantemente a partir de fontes corticais com alguma entrada de estruturas subcorticais (ver Buzsaki, 2006) com todas as faixas de poder canônicas relacionadas à meditação (Lee et al., 2018).

3.10. Descrição do modelo de análise de banda de potência

Estávamos interessados ​​em medir o efeito da meditação nas faixas de poder do EEG e se havia alguma diferença entre os tipos de meditação. Cada banda de potência, y, foi modelado separadamente, como um sorteio aleatório de uma distribuição log-normal:

y~lognormal(μ,σ) ∼ log-normal (

onde σ representou o desvio padrão, e μ a estimativa média:μ=β0+βp×xp+βe×xe+βc×xc+βt×xt+βe×c×xe×c+βe×t×xe×t+βc×t×xc×t+βe×c×t×xe×c×tonde β0 é a linha de base geral, βp é a linha de base específica para um participante, βe estima o efeito dos eletrodos, βc mede o efeito da condição de meditação (antes ou no final da meditação), é um parâmetro para o efeito da técnica de meditação. Os parâmetros de interação βe×c eletrodo medido dentro de cada condição, βe×t estimou o efeito do eletrodo em cada técnica de meditação, βc×t quantifica a interação entre a condição e a técnica de meditação, e βe×c×t é o parâmetro para a interação de três vias entre eletrodo, condição e técnica. O parâmetro da linha de base foi dado um normal anterior:

β0~Normal(meanlogy,10×Sd(log(y))) Considerando que cada outro fator e parâmetros de interação receberam restrições de soma a zero usando o procedimento k-1:αx~Normal0,σxβx[1:k-1]=αxβx[k]=-αx[i]

Com parâmetros de interação restritos a somar a zero em cada preditor. σx parâmetros foram desenhados a partir de uma distribuição gama difusa, dada a escala logarítmica do modelo:σx~Gamma(1.64,0.32)βe×tβe×ce  βe×c×t receberam desvio padrão fixo de 1 para evitar o encolhimento problemático que estava afetando adversamente a amostragem de Hamilton Monte Carlo.

3.11. Delta

Houve uma diminuição principal de 5% no poder delta (95% IDH = [−0.07, −0.03]) após a meditação em comparação com a pré-meditação. Houve também um efeito principal da meditação onde D1S2 teve poder delta 72% maior do que D2S1 (95% IDH = [0.04, 1.48]). Além disso, foi encontrada uma interação confiável entre a técnica de meditação e a condição (ver FIG. 6) D1S2, D3S1 e D4S1 tiveram o maior aumento (16%, 18% e 18% com IDH de 95% = [0.07, 0.25], [0.1, 0.26] e [0.08, 0.28], respectivamente), D2S2 não teve evidência de uma mudança no poder (95% HDI = [−0.08, 0.05] contendo zero), e D1S1, D1S3, D2S1, D2S3 e D3S2 mostraram uma diminuição no delta (−12%, −16%, −24%, −18% e −12% com 95% de IDH = [−0.19, −0.05], [−0.23, −0.11], [−0.29, −0.19], [−0.23, −0.13] e [−0.18, -0.05], respectivamente). FIG. 7 ilustra o efeito principal de eletrodos com eletrodos parietal-central mostrando mais potência delta do que eletrodos ocidentais e mais do que sítios temporais frontais. Nenhuma interação envolvendo o eletrodo com os outros preditores foi considerada confiável. FIG. 7 é, portanto, a mudança na proporção devido à mediação para cada banda de potência, conforme estimado pela interação do modelo entre o eletrodo e os parâmetros de condição. Isso efetivamente colapsa através da técnica de meditação, incluindo todos os dados de todas as técnicas, pois não havia nenhuma evidência confiável para uma interação de três vias entre o eletrodo, condição e técnica.

FIG. 6
  1. Download: Baixe imagem em alta resolução (235 KB)
  2. Download: Baixe a imagem em tamanho real

Fig. 6. Representa gráficos de violino das estimativas posteriores para a mudança percentual na potência Delta para cada técnica de meditação e indica um efeito variado da técnica, com grupos mostrando aumentos (D1S2, D3S1, D4S1), invariância (D2S2) e diminuições (D1S1 , D1S3, D2S1, D2S3, D3S2) na potência.

FIG. 7
  1. Download: Baixe imagem em alta resolução (309 KB)
  2. Download: Baixe a imagem em tamanho real

Fig. 7. Mostra a estimativa geral mediana posterior para mudança de proporção em topografias de banda de potência.

3.12. Theta

Houve um aumento global no poder teta de 29% (95% IDH = [0.27, 0.33]) na meditação. Os resultados também mostraram um efeito principal da técnica de meditação, onde D1S2 tinha mais poder teta do que D2S1 e D2S3. Houve também uma interação entre condição e técnica de meditação (ver FIG. 8) D1S2, D3S1 e D3S2 tiveram os maiores aumentos (47%, 50% e 43% com 95% de IDH = [0.37, 0.58], [0.4, 0.59] e [0.34, 0.52], respectivamente) então D1S1, D2S2 , e D4S1 (29%, 33% e 33% com 95% de HDI = [0.2, 0.39], [0.26, 0.41] e [0.23, 0.44]) seguido por D1S3 e D2S3 (19% e 14%, com IDH de 95% = [0.12, 0.27] e [0.08, 0.21]), sem alteração crível em teta para D2S1 (IDH de 95% = [−0.02, 0.11], zero incluído). FIG. 8 mostra o efeito do eletrodo na potência teta, com os eletrodos da linha média tendo a maior potência teta, seguidos pelos canais parietal e occipital, com menos potência nos locais frontotemporais. Não houve evidência confiável para interações envolvendo eletrodo com os outros preditores.

FIG. 8
  1. Download: Baixe imagem em alta resolução (251 KB)
  2. Download: Baixe a imagem em tamanho real

Fig. 8. Consiste em gráficos de violino das estimativas posteriores para a variação percentual na potência Theta para cada técnica de meditação. A maioria das técnicas aumentou o poder teta.

3.13. Alfa

Houve um aumento global de 16% (95% IDH = [0.13, 0.19]) no poder alfa devido à meditação. Não houve evidência confiável para um efeito da técnica com todos os 95% de IDH incluindo zero. Houve uma interação confiável para a condição de poder alfa entre as técnicas de meditação (ver FIG. 9) D1S2, D2S3 e D3S2 tiveram os maiores aumentos em alfa (25%, 32% e 39% com 95% de IDH = [0.16, 0.34], [0.24, 0.39] e [0.29, 0.49]) seguido por D1S1, D2S1, D2S2, D3S1 (16%, 17%, 13% e 17% com 95% de HDI = [0.07, 0.25], [0.09, 0.24], [0.06, 0.2] e [0.09, 0.24]) sem mudança credível para D1S3 e D4S1 (95% IDH = [−0.09, 0.05], [−0.13, 0.03], zero incluído). FIG. 9 mostra o efeito do eletrodo na potência alfa, com alta alfa sobre os eletrodos occipital e parietal, nenhuma mudança da linha de base alfa nos canais frontais centrais e uma diminuição nos locais temporais. Não houve interações envolvendo eletrodos com os outros preditores.

FIG. 9
  1. Download: Baixe imagem em alta resolução (256 KB)
  2. Download: Baixe a imagem em tamanho real

Fig. 9. Mostra gráficos de violino das estimativas posteriores para a mudança percentual na potência alfa para cada técnica de meditação. A maioria das técnicas aumentou o poder alfa.

3.14. Beta

Houve um efeito principal da condição, com o poder beta global aumentando em 17% (95% IDH = [0.15, 0.19]) desde a pré-meditação até a meditação final. Não houve efeito principal da meditação com todos os 95% de IDH incluindo zero. No entanto, houve uma interação entre a condição e a técnica de meditação (ver FIG. 10), onde D1S2, D2S2, D2S3, D3S1 e D3S2 tiveram o maior aumento na potência beta (30%, 30%, 20%, 32% e 33% com 95% de HDI = [0.22, 0.39], [0.23, 0.38], [0.14, 0.26], [0.24, 0.4] e [0.25, 0.41]) seguido por D4S1 (11% com 95% de HDI = [0.03, 0.19]). D1S1, D1S3 e D2S1 não tiveram evidência confiável para mudança no poder beta (95% IDH = [−0.06, 0.08], [−0.07, 0.04] ​​e [-0.03, 0.09], zero incluído). Houve também um efeito principal dos eletrodos com mais potência beta sobre os eletrodos central-parietal e occipital em comparação com os frontotemporais, conforme mostrado em FIG. 10. Por fim, não houve interações envolvendo eletrodos com os outros preditores.

FIG. 10
  1. Download: Baixe imagem em alta resolução (238 KB)
  2. Download: Baixe a imagem em tamanho real

Fig. 10. Mostra gráficos de violino das estimativas posteriores para a mudança percentual na potência beta para cada técnica de meditação. A maioria das técnicas aumentou o poder beta, enquanto três técnicas (D1S1, D1S3, D2S1) não tiveram alteração no poder beta.

3.15. Gama

Um aumento de 11% (95% IDH = [0.08, 0.14]) no poder gama foi observado desde a pré-meditação até a meditação final. Não houve evidência confiável para um efeito principal da técnica com todos os 95% de IDH incluindo zero, indicando que os grupos tinham poder gama semelhante. No entanto, houve uma interação entre a técnica e a condição, onde D1S2, D3S2 e D4S1 tiveram o maior aumento na potência gama (36%, 31% e 27% com IDH de 95% = [0.24, 0.49], [0.2, 0.42 ], e [0.14, 0.41]), seguido por D2S2, D2S3 e D3S1 (10%, 14% e 16% com IDH de 95% = [0.02, 0.19], [0.06, 0.23] e [0.07, 0.26 ]), D1S3 e D2S1 não mudaram na potência gama (95% HDI = [−0.07, 0.1] e [−0.14, 0.01], zero incluído), com D1S1 exibindo uma diminuição na gama (−17% com 95% HDI = [−0.25, −0.09]). Houve um efeito da localização do eletrodo com mais potência gama sobre os eletrodos occipitais parietais em comparação com os locais frontal-central e temporal (ver FIG. 11) Finalmente, não houve interações confiáveis ​​envolvendo eletrodos com os outros preditores.

FIG. 11
  1. Download: Baixe imagem em alta resolução (236 KB)
  2. Download: Baixe a imagem em tamanho real

Fig. 11. Mostra gráficos de violino das estimativas posteriores para a mudança percentual na potência gama para cada técnica de meditação. A maioria das técnicas aumentou a potência gama, com duas técnicas mostrando nenhuma alteração na potência gama e uma mostrando uma diminuição.

3.16. Resumo de resultados

O modelo de aprendizado de máquina mostrou um alto grau de precisão para discernir co-espectros de EEG de pré-mediação e meditação final para cada técnica de meditação. A dinâmica neural de cada técnica de mediação foi então avaliada pela aplicação de modelos de aprendizado de máquina aos co-espectros de EEG, formando uma série de classificação. Esta série foi modelada com regressão logística, que mostrou a rápida transição e estabilização de co-espectros de EEG pré-meditação para meditação final. Posteriormente, o efeito de cada técnica de meditação foi avaliado para cada faixa de potência, ajustando-se a um modelo linear generalizado. Isso mostrou a heterogeneidade das mudanças nas faixas de poder resultantes das técnicas de meditação (resumidas em FIG. 12).

FIG. 12
  1. Download: Baixe imagem em alta resolução (562 KB)
  2. Download: Baixe a imagem em tamanho real

Fig. 12. Resume as estimativas posteriores para a mudança percentual na potência de cada técnica de meditação e cada faixa de potência. O padrão de mudanças de força foi bastante variado para cada técnica.

4. Discussão

Este estudo forneceu um exame eletrofisiológico do impacto da meditação em uma amostra composta por 223 meditadores novatos. Com base na teoria da consciência, foi hipotetizado que os participantes atingiriam estados alterados de consciência observados em dados de EEG indicados como estados transformados de ondas cerebrais em cada meditação guiada. Os resultados apoiaram essa hipótese. A consciência normalmente corresponde à capacidade de integrar informações (Tononi, 2004) Um modo integrativo de consciência é frequentemente tipificado em padrões de onda teta de ondas lentas que sincronizam o córtex frontal com descargas de estruturas cerebrais inferiores e oscilações gama de alta frequência (Winkelman, 2011) Os resultados atuais indicaram que houve um aumento global de 29% do poder teta e um aumento de 11% no poder gama do estado pré ao final da meditação.

A atividade alfa no EEG durante a meditação também foi implicada como uma forma de integração no cérebro que leva a processos cognitivos de alto nível (Hebert et al., 2005) Esta atividade foi sugerida para fundamentar o conceito do modo integrativo de consciência; o de sincronização aprimorada de padrões de ondas cerebrais (Winkelman, 2011) O aspecto adicional da integração induzida pela meditação no cérebro é muitas vezes refletido em ondas gama hipersíncronas bifásicas de alta frequência e a presença de gama na meditação é uma confirmação direta do modelo integrativo (Winkelman, 2011) Isso se relaciona com a ligação de diversos sinais dentro do cérebro; e que a sincronização gama é modulada pelos ritmos teta e alfa (Fries, 2009) Em geral, os resultados deste estudo apóiam este modelo.

As análises sugeriram que as classificações de aprendizado de máquina de EEG eram altas, discriminando pré-meditação e pós-meditação com 97% de precisão. Diferenças entre co-espectros de EEG para condições pré e pós-meditação foram encontradas na amostra. Foi identificada uma relação entre o tempo de meditação e a probabilidade de classificação da meditação final, com D2S2 (pretendendo que um evento se materializasse) mais rápido em induzir o estado de meditação final do que D3S2 (definindo uma intenção futura). Além disso, foram identificadas diferenças nas faixas de força do EEG, com cada técnica de meditação induzindo diferentes padrões de mudanças nas faixas de força.

Os resultados sugeriram que a mudança dos padrões de ondas cerebrais de ondas cerebrais beta (gama alta, média e baixa) para ondas cerebrais alfa ocorreu em um período relativamente curto. Este resultado é um trabalho anterior consistente, no qual os participantes alcançaram proficiência no aspecto de treinamento de atenção da prática de meditação de forma relativamente rápida (Atchley et al., 2016) Na maioria das sessões de meditação dos participantes, aumentos no poder beta e alfa foram observados, com o poder alfa mais posterior sobre os canais occipitais em comparação com uma distribuição mais parietal para o poder beta. Além disso, foi encontrado um aumento na potência teta focada nos eletrodos da linha média fronto-central a parietal.

O achado de aumento da potência gama nos eletrodos parietal e occipital possivelmente se originou da área 30 de Brodmann. Embora pesquisas recentes sugiram que o EEG pode detectar fontes subcorticais (Seeber et al., 2019), A capacidade do EEG de medir a atividade gerada a partir de fontes profundas não é universalmente suportada no campo da neurociência (Sejnowski e Paulsen, 2006); portanto, essa explicação permanece especulativa. Independentemente disso, esse achado se baseia em estudos anteriores que encontraram aumento da gama sobre os canais parieto-occipitais (Berkovich-ohana et al., 2012; Cahn et al., 2010; Martínez Vivot et al., 2020; Schoenberg et al., 2018) por meio da quantificação o poder muda e mostra rápida mudança de estado em meditadores novatos. Embora o papel funcional do poder gama ainda não tenha sido determinado (Braboszcz et al., 2017), no contexto da meditação guiada, há evidências de construção de uma relação com a melhoria da consciência (Cahn et al., 2010). van Lutterveld et al. (2017) usaram um paradigma de neurofeedback para treinar os participantes a alterar suas oscilações gama do córtex cingulado posterior durante a meditação. Verificou-se que a potência gama estava relacionada à experiência subjetiva de consciência sem esforço. Além disso, um estudo de Voss et al. (2014) oscilações neurais diretamente manipuladas via estimulação transcraniana de corrente alternada durante o sono, descobrindo que a estimulação dentro da banda gama aumentava a consciência das pessoas enquanto sonhavam. Tomados em conjunto, isso fornece uma explicação coerente do aumento de gama sobre os eletrodos parieto-occipitais.

A demonstração dos efeitos heterogêneos que as técnicas de meditação guiada podem ter nas faixas de força do EEG sublinha a relevância do uso de tais técnicas para elucidar as experiências subjetivas dos meditadores. Uma pesquisa recente conduzida por Vieten e colegas (2018) mostrou a vasta gama de experiências possíveis durante a meditação. Essa gama de experiências subjetivas pode estar relacionada às diferenças trazidas pelas várias técnicas de meditação neste estudo. Outras pesquisas poderiam integrar a pesquisa qualitativa para compreender melhor as ligações entre as técnicas de meditação guiada, espectros de energia EEG e experiência subjetiva.

Finalmente, pesquisas futuras que forneçam avaliação de imagens cerebrais do treinamento de meditação guiada podem oferecer percepções críticas. Uma vez que a atenção plena foi identificada como um fator de proteção contra interferência proativa e aumento no volume do hipocampo (Greenberg et al., 2019), o exame futuro da meditação guiada no tratamento de condições mentais caracterizadas por deficiências na memória de trabalho e no volume do hipocampo pode ter implicações clínicas importantes.

4.1. Limitações

Embora este estudo tenha contribuído para uma compreensão dos mecanismos de mudança que podem ocorrer por meio da meditação, os presentes achados devem ser interpretados à luz de várias limitações. A duração da sessão de meditação foi variada, variando de seis a 90 minutos. Como a variabilidade não foi uniformemente distribuída entre as condições (ou seja, as gravações do Dia 2, Sessão 1 e Dia 3 Sessão 1 tiveram <10 min de duração), a análise das mudanças dinâmicas durante a meditação para essas sessões foi limitada. Além disso, o estudo atual carecia de medidas clínicas para rastrear transtornos mentais entre os participantes do estudo. Estudos futuros podem usar dados de EEG junto com medidas de autorrelato e dados comportamentais para examinar a relação entre os padrões de EEG e resultados positivos de meditação. Este estudo carecia de um controle ou intervenção de comparação, e a fidelidade e o preconceito do experimentador podem estar presentes na realização da meditação guiada. Finalmente, esta foi uma amostra de conveniência que a torna altamente vulnerável a viés de seleção e ao potencial de erro de amostragem.

4.2. Conclusão

O presente estudo teve como objetivo examinar o efeito de um breve workshop de treinamento de meditação guiada em meditadores novatos. Com base na teoria da consciência integrativa, foi hipotetizado que os participantes (meditadores novatos) atingiriam estados alterados de consciência detectados usando dados de ondas cerebrais de EEG. O padrão das bandas de energia das ondas cerebrais dos participantes em cada ponto final da meditação foi comparado com as medidas de linha de base (ou seja, oscilações alfa, delta e teta). A competência de meditação via integração cerebral funcional foi avaliada usando medidas de sincronização gama de alta frequência. Os resultados gerais sugeriram que a intervenção de meditação teve grandes efeitos variados nos espectros de EEG, e a velocidade de mudança dos estados de coespectro de EEG pré-meditação para pós-meditação foi significativa, confirmando, portanto, a teoria da consciência. Os resultados sugerem que a meditação breve guiada intervenção pode oferecer benefícios de saúde positivos e imediatos para ajudar a combater o estresse.

Conflitos de interesse

Peta Stapleton, Stuart McGill, Debbie Sabot, Megan Peach, Danielle Raynor: Não há conflitos a declarar.

Joe Dispenza: Pode ser renumerado para o treinamento de meditação examinado neste artigo, devido à experiência. Não estava envolvido na análise neste artigo para evitar viés.

Financiamento

Esta pesquisa não recebeu nenhuma bolsa específica de agências de fomento nos setores público, comercial ou sem fins lucrativos.

Nós acreditamos em

possibilidade

o poder de mudar a nós mesmos

a capacidade do corpo de curar

o incomum

celebrando a vida

milagres

um amor superior

futuro

atitude

evidência

um ao outro

o invisível

sabedoria

nossos filhos

sincronicidades

liberdade

nossos anciãos

mente sobre a matéria

Você acredita? Junte-se ao movimento

* Ao preencher este formulário, você se inscreve para receber nossos e-mails e pode cancelar a inscrição a qualquer momento