Бывало ли у вас такое, что результат, которого вы хотите достичь, вас мотивирует, все шаги распланированы, но что-то внутри останавливает от действий, и совершенно непонятно — что?

Например, у вас есть четкий план, как заработать денег. Есть силы, и деньги действительно нужны, но вы никак не можете заставить себя начать…

Или так: какое-то дело вас увлекало, а потом вдруг начало угнетать. Например, прекрасный продавец вдруг разлюбил продажи, вдохновленного учителя стало раздражать ведение уроков, а хорошего студента — учеба…

Если вы хотите знать, почему это происходит, а главное, что с этим делать — эта статья для вас.

Мой личный опыт

Я выросла в провинции в бедной семье. Прошла через многие жизненные кризисы, включая банкротство, проблемы со здоровьем, переезд на учебу в другую страну без гранта, с двумястами евро в кармане, и полную смену деятельности.

Я знаю, что возможность оплатить помощь коуча (а то и психотерапевта) есть далеко не у всех и не всегда. Поэтому хочу поделиться с вами моей любимой «палочкой-выручалочкой», которой пользуюсь в ситуациях ступора и самосаботажа, а то и когда просто перестаю понимать саму себя.

Это не просто личный опыт. Технику, которую я хочу вам предложить, я активно исследовала на протяжении нескольких лет с привлечением более двухсот участников — за качество отвечаю:)!

Почему мы впадаем в ступор

Часто причина происходящего с нами кроется в скрытых ассоциациях и внутреннем эмоциональном заряде.

Вот что научные труды говорят об устройстве нашего мышления:

Наш мозг устроен так, что когда требуется что-либо запомнить, это кодируется набором визуальных образов, информацией от органов чувств и связанными со всем этим эмоциями и ощущениями в теле — то есть тем, что уже есть в нашей долговременной памяти. Все эти «кусочки памяти» тоже, в свою очередь, закодированы подобным набором, из-за чего активация одного из воспоминаний активирует целые цепи. Так работают ассоциации и цепочки ассоциаций.

Добавьте к этому знание о том, что лучше всего мы запоминаем то, что окрашено эмоционально. Позитивная это окраска или негативная — для мозга не так важно, главное наличие самой эмоции. Этот механизм выработан эволюцией за миллионы лет: если что-то пугает или радует — значит, это важно и надо реагировать, а о нейтральном можно не беспокоиться и не тратить на него ресурсы.

Чтобы выявить причины внутреннего ступора и суметь его преодолеть самостоятельно, я предлагаю выявить глубинные ассоциации к нужному понятию или ситуации и посмотреть, какой эмоциональный заряд они в себе носят.

Упражнение «16 ассоциаций»

Это упражнение, которое помогает сделать это быстро, мягко и хитрО. Ведь наш мозг обожает выстраивать психологические защиты, чтобы уберечь нас от по-настоящему неприятных и болезненных для психики вещей. Это упражнение, основанное на методе свободных ассоциаций Юнга. Плюс я дополнила его фишками и ключами, которые я нашла в ходе своего исследования.

В узком смысле это упражнение направлено на поиск глубинной ассоциации к какому-то одному важному именно для вас слову, понятию или образу. Если брать более широко (я люблю делать именно так) — это способ переписать «ментальный код», перепрограммировать собственное мышление.

С помощью «16 ассоциаций» можно:

• построить карту своих ассоциативных связей;
• отловить деструктивные ассоциации, словно компьютерные вирусы;
• увидеть корень проблемы;
• усилить осознанность;
• получить инсайт.

Вам понадобится лист бумаги, ручка и около получаса свободного времени в тишине. Лист расположите горизонтально и проставьте слева столбиком цифры от одного до шестнадцати.  Это поможет вам сфокусироваться и не запутаться при выполнении упражнения.

Первый этап

Создайте запрос — опишите словом или словосочетанием проблему или задачу, которая вас волнует, и решение которой улучшит качество вашей жизни в ближайшей перспективе. Сформулируйте ее одним словом или коротким словосочетанием.

Например, вы никак не можете сесть за написание диплома — тогда возьмите слово «диплом». Ваша текущая работа начала вызывать негатив? Возьмите слово «работа».

Чтобы сделать результат более глубоким, выпрямите спину, сделайте пару глубоких вдохов и выдохов и переведите внимание внутрь, в низ живота. Поверьте, это работает.

Первый вопрос для самокоучинга:

Что сейчас волнует меня больше всего?

Запишите в верхней части листа слово, которым вы описали вашу проблему/задачу.

Второй этап

Вдохните-выдохните и посмотрите на написанное слово.

Подумайте об этом понятии как о том, что имеет отношение лично к вам, и как об отвлеченном понятии. А теперь запишите 16 ассоциаций к этому слову, которые приходят к вам в голову. Отпустите себя, запишите все слова. Не выбрасывайте слово, даже если оно кажется вам неподходящим — раз оно пришло к вам в голову, значит, это ваша ассоциация.

Третий этап

Теперь соедините слова попарно, как на фотографии: первое со вторым, третье с четвертым и так далее.

Сейчас начинается настоящая работа. В ней два правила, и первое — это честность. Чем честнее, чем искреннее вы будете с собой, тем более мощный эффект получите в результате.

Второе правило: слова не должны повторяться. Если какое-то слово будет возникать в ходе упражнения два или более раз, запишите его отдельно внизу страницы. Потом я расскажу, что с ним сделать.

Когда слова объединены, начинайте работать с каждой парой отдельно, без привязки к основному слову (тому, которое обозначает ваш запрос).

Для каждой пары слов найдите общую ассоциацию — слово, которое объединяет эти два лично для вас. Помните про внутреннюю честность? Ищите ту общую ассоциацию, которая будет именно вашей. Прислушивайтесь к себе и своему телу.

Найденное слово откликается вам? Это именно оно или можно сформулировать точнее? Используйте существительные, глаголы и наречия.

Как помочь себе, если объединяющая ассоциация не находится?

Визуализируйте: представьте каждое слово из пары в виде образа, мысленно отойдите назад и посмотрите на них со стороны. Что их объединяет? Может быть, они являются (или не являются) частью чего-то большего? Может быть, в каждом из этих образов есть общий кусочек, общая часть? Какой это образ? Как назвать его одним словом?

Прислушивайтесь к ощущениям в теле: выпрямите спину, расслабьте плечи, переведите внимание в низ живота и в ноги. Если вы плохо визуализируете, можете искать объединяющую ассоциацию через ощущения.Почувствуйте, какие ощущения в теле вызывает первое слово из пары? А теперь — какие ощущения вызывает второе слово? Что общего между этими ощущениями? С чем они ассоциируются? Опишите это одним словом.

Проверка на честность: когда объединяющая ассоциация для пары слов нашлась, прислушайтесь к себе и к своим ощущениям в теле: это то самое слово? Или есть более точное, именно для вас?

Четвертый этап

У вас получилось восемь слов. Объедините их снова скобками попарно и повторите то же самое, что и в третьем этапе. Помните, что слова не должны повторяться. Если слово повторяется, запишите его внизу и ищите еще одну ассоциацию. Ищите именно ваши слова.

Когда у вас получится четыре слова, повторите то же самое. Обращайте внимание на возникающие ощущения в теле и эмоции. Фиксируйте их, как сторонний наблюдатель, и продолжайте работу.

Теперь объедините получившиеся два слова в одно. Это последнее слово и есть ваша глубинная ассоциация.

На всех фотографиях — мой реальный запрос. Я привела свой личный пример.

Некоторое время назад я поймала себя на том, что приходящая мне на почту рассылка с объявлениями об интересных мастер-классах и вебинарах стала портить мне настроение. А еще я никак не могла заставить себя позвонить в университет, чтобы узнать подробнее о новых программах…

Я сделала свои любимые «16 ассоциаций» и получила глубинную ассоциацию — депрессия!

Упс, какой неожиданный результат! Да, это имело смысл — учеба стала вызывать у меня депрессию. Это именно то, что я чувствовала.

О’кей, и что с этим делать? Давайте посмотрим.

Как работать с результатами

Первое и главное: разделить «мух» и «котлеты». Помните, что все эти слова — всего лишь ассоциации. Депрессия на самом деле не имеет ничего общего с учебой.

Второе: посмотрите на финальное слово и задайте себе вопрос: комфортно мне с такой глубинной ассоциацией или нет? Если для меня учеба ассоциируется с депрессией — как это влияет на меня и мои действия?

Финальное слово может быть и позитивным — и тогда оно может стать ресурсом: той ассоциацией и тем образом, который придает вам сил и желания действовать.

Глядя на результаты упражнения, вы можете осознать, что влияет на ваше восприятие и подсознательное отношение к ситуации. Уже одно это, как правило, дает трансформационный эффект.

Третье: определите негативные и позитивные ассоциации в каждом столбце. Напомню: их пять. Последний — из одного слова. Что обозначает каждый из столбцов?

• Первый (16 слов) — это стереотипы и убеждения, сформированные в процессе воспитания или под влиянием окружения и среды.
• Второй (8 слов) — это ментальный уровень: подсознательные мысли.
• Третий (4 слова) — уровень эмоций. Обратите отдельное внимание на эмоциональную окраску каждого из этих четырех слов.
• Четвертый уровень (2 слова) и финальное слово составляют то, что я называю «треугольником решения».
• Финальное слово является глубинной ассоциацией, а пара слов, из которых оно появилось, может быть стратегиями решения запроса или ключевыми вопросами, которые необходимо решить, или нести информацию о выборе, который необходимо сделать.

Посмотрите, в каком столбце больше негативных ассоциаций? Что их вызвало? Откуда проистекают негативные ассоциации?

Где больше позитива? Как эти позитивные ассоциации могут помочь вам в решении вашего запроса? Да-да, уже пошли коучинговые вопросы :).

Четвертое: перепишите «деструктивный код»

Чем больше новых ассоциаций мы приложим к слову, означающему запрос, тем сильнее изменится запускаемая этим словом ассоциативная цепь. Чем ярче будут позитивные образы, чем приятнее они будут для нас (в том числе телесно — мурашки, покалывание, ощущение свободы в плечах и т.п.), тем сильнее будет эффект «перезаписи».

Можно просто повычеркивать негативные слова и заменить их на позитивные.

Эффект будет сильнее, если найти на нашей карте «поворотные точки» (первые негативные слова в горизонтальной цепочке), заменить их на позитивные и вывести новые объединяющие ассоциации вплоть до замены финального слова.

Еще более мощный эффект будет, если перед тем, как искать новые объединяющие ассоциации, вы войдете в ресурсное состояние (например, с помощью медитации).

Мне нравится этот способ, и в случае с «учебой» я пользовалась именно им. «Перезарядив» себя медитацией, я нашла новую объединяющую ассоциацию взамен негативной и вывела заново всю цепочку от нее до финального слова.

И уже на следующий день с удовольствием участвовала в вебинаре.

Пятое: посмотрите на позитивные ассоциации и спросите себя, не ограничивают ли они вас?

Что я имею в виду: например, вы работали с запросом «деньги» и получили в финале слово «достижения» и ощущение, что вот да, получение денег для вас — признание достижений, а достижения — приносят доход…

Как еще можно получать деньги? Не упускаете ли вы денежные подарки, находки, выигрыши и другие способы? Например, на своем мастер-классе я предложила участникам написать самим себе письменное разрешение на разрешение получать доход разными способами, а перед этим мы покреативили на тему, какими эти разные способы могут быть.

Этот способ помогает расширить сознание и убрать рамки.

Шестое: зафиксируйте позитивные ассоциации. Например, с помощью яркого коллажа или рисунка. Кстати, создание коллажа на тему найденных позитивных ассоциаций гарантированно добавит вам инсайтов на тему вашего запроса.

Действуйте!

Совет: сохраните исписанный лист, поставив на нем дату, и выполните «16 ассоциаций» заново с тем же словом-запросом месяца через три. Так вы сможете отследить, что поменялось.

Шеф, что делать, если в ходе упражнения слово появлялось два раза или чаще?

Например, вы работали со словом «деньги», и у вас повторялось слово «сила».

Мой опыт и мое исследование показывают, что когда слово повторяется, это означает, что запускаемая им цепь ассоциаций оказывает влияние на восприятие основного слова (запроса). В приведенном примере внутреннее восприятие силы влияет на отношение к деньгам.

Проделайте упражнение еще раз, но уже с этим (повторявшимся) словом в виде запроса, и посмотрите на результаты.

И напоследок

Современные ученые утверждают, что, вспоминая о событии, мы активируем те же самые нейроны, которые участвовали в его запоминании. Чем чаще что-то вспоминаем, тем сильнее нейронные связи и ассоциативные цепи.

Отсюда следует, что, меняя одно из звеньев цепи, мы меняем и всю цепь. А когда мы делаем это осознанно, то в буквальном смысле перепрограммируем наше собственное мышление и тренируем мозг!

Все участники моего исследования, которые стали самостоятельно и регулярно пользоваться техникой «16 ассоциаций», отмечают существенные изменения к лучшему в каждой из прорабатываемых сфер.

Когда я спрашивала своих клиентов по коучингу: «Какое упражнение или техника дали вам первый мощный толчок в продвижении вперед?», все они назвали «16 ассоциаций».

Конечно, выполнять эту технику вместе с коучем эффективнее. Хотя бы потому, что он будет независимым взглядом замечать ваши реакции и, обращая на них ваше внимание, задавать полезные вопросы, помогать войти в ресурсное состояние для «перезаписи».

Однако, далеко не у всех есть возможность пойти к коучу — как я уже говорила. Поэтому я делюсь с вами моими любимыми «шестнашками». При обычном самокоучинге, когда мы задаем вопросы сами себе, бывает сложно обойти внутренние психологические защиты.

С помощью «16 ассоциаций» это можно сделать мягким и экологичным для психики образом, даже если тема болезненная. К тому же они задают фокусировку на конкретном запросе, конкретной теме.

Лично для меня «16 ассоциаций» стали надежным инструментом саморазвития и самоисследования. Меняйте свое мышление, получайте инсайты и действуйте!

Саморазвитие #Письменные практики #Психология #Самоисследование 

Тест словесных ассоциаций Карла Юнга

Тест словесных ассоциаций Карла Юнга может многое рассказать о подсознании. Новое исследование показывает, что слова имеют значение.

Последнее обновление: 14 июля, 2020

Тест на словесные ассоциации Карла Юнга — одно из самых увлекательных психологических тестов. Он основан на идее, что ваше подсознание иногда способно контролировать сознательную волю. Таким образом, одно слово может раскрыть прошлые травмы или выявить неразрешенные внутренние конфликты.

Этот инструмент получил широкое распространение в течение нескольких десятилетий. Эксперты использовали его в самых разных контекстах. Тем не менее, стоит отметить, что это проективный тест. Таким образом, экспертов должны использовать его вместе с другими ресурсами, оценками и интервью, чтобы прийти к более ясным и точным выводам.

Карл Юнг в середине 20 века создал тест на ассоциацию слов, чтобы разгадать подсознание. Юнг хотел понять его проявления и найти подходящие каналы для его анализа.Это также позволило бы специалистам понять это и, в конечном итоге, выявить те проблемы, которые мешают свободе и благополучию пациента.

Техника проще простого. Администратор теста говорит пациенту слово. Затем пациент должен ответить первым словом, которое приходит на ум. Эксперты утверждают, что концепции стимуляторов почти всегда увеличивают эмоциональную нагрузку.

Кроме того, терапевт должен анализировать физические и эмоциональные реакции.По завершении теста они интерпретируют их вместе со 100 словами. Несмотря на то, что этому тесту более ста лет, он по-прежнему считается относительно действенным.

Тест словесных ассоциаций Карла Юнга: цели, характеристики и приложения

На первый взгляд большинству людей это может показаться не более чем игрой. Тест состоит из того, что кто-то произносит слово, а второй отвечает первым, что приходит ему в голову.

Однако это выходит за рамки просто словесного ответа.Терапевт также должен обращать внимание на физиологическую реакцию на слово-стимулятор. Как вы могли видеть из этого описания, тест Юнга на ассоциации слов основан на различных теоретических основах.

Сознание и болевые точки

В начале своей карьеры Карл Густав Юнг работал в психиатрической больнице Бургхельцли при Цюрихском университете. Он работал под руководством Ойгена Блейлера. Возможно, вы помните, что Блейлер установил многие концепции, которые мы используем сегодня в области психологии и психиатрии.

Юнг начал изучать травмы и комплексы. По его словам, один из способов понять их и выявить — это сны. Они также могут быть вызваны активным воображением или фантазией. Во время своей повседневной работы с пациентами он обнаружил, что определенные слова и выражения действуют как стимулирующие импульсы на бессознательное.

Один из способов вызвать эту активацию и достичь контакта с психологической вселенной травм, страхов и конфликтов состоял в том, чтобы вызвать группу ключевых слов.Чтобы проверить эту теорию, он разработал тест ассоциации слов.

Как терапевты применяют это?

Прежде всего, Юнг дал понять, что этот тест полезен не для всех. Это не хорошо для людей, которые чрезмерно сопротивляются или для тех, кто не относится к тесту всерьез. Пациенты, у которых нет достаточного контроля над своими языковыми способностями, также не получат от этого пользы. В эту последнюю категорию входят люди, у которых могут быть языковые проблемы из-за старости, трудности понимания, неврологические проблемы, нарушения развития или другие проблемы.

Тест заключается в предъявлении пациенту 100 стимулирующих слов. Столкнувшись с каждым словом, пациент должен произнести вслух первое, что приходит ему в голову. Они должны делать это быстро и автоматически.

Терапевт записывает термин, а затем должен обратить внимание на другие факторы. Сюда входит время, необходимое для ответа, уровень дискомфорта и выражение лица пациента. Также могут иметь значение поза, молчание и повторение стимулирующего слова.

Надежность словесных ассоциаций Карла Юнга

Карл Юнг обнаружил, что этот инструмент отлично подходит для семейной терапии. Когда он использовал его в этих ситуациях, он наблюдал похожие модели реакции. Это позволило ему определить причину множества проблем.

Сам Юнг отказался от этого теста, поскольку вскоре его интерес к экспериментальной психиатрии возрос. Тем не менее, профессионалов продолжали использовать этот тест до 2005 года. Сейчас он используется только в программах юнгианской терапии или в качестве дополнительной проективной техники.

В 2013 году доктор Леон Печковский провел интересное исследование по этой теме. С помощью методов магнитного резонанса он показал, что слова из теста ассоциации слов Юнга вызывают у людей очень показательные неврологические реакции. Зеркальные нейроны активировались, когда люди слышали такие слова, как отец, семья, насилие, страх, ребенок и т. Д.

Также наблюдалась некоторая мозговая активность в таких областях, как миндалина, островок, гиппокамп и другие. Результаты оказались поразительными у людей с посттравматическим стрессом.

Все эти свидетельства показывают нам, что слова вызывают эмоции, воспоминания и мысли, которые мы часто игнорируем. Несмотря на то, что многие критикуют тест Юнга на словесные ассоциации, он по-прежнему является актуальным ресурсом, который подтверждается несколькими исследованиями.

Контрольный ассоциативный тест устной речи — обзор

7.07.13.2 Verbal Fluency

Тесты на беглость речи и, в частности, беглость начальных букв, широко используются в качестве тестов на исполнительную дисфункцию (Parker & Crawford; 1992; Уолш, 1991).Беглость владения начальными буквами, также называемая тестом ассоциации контролируемых устных слов (COWAT) (Benton; 1969) или фонематическая беглость, требует образования слов из начальных букв (обычно F, A и S или C, F и L) при ограничениях по времени (обычно 60 секунд на букву, хотя также используется 90 секунд). Тесты на беглость речи надежны, их можно быстро проводить, и даже пациенты с довольно серьезными нарушениями могут понять требования к заданию. В области, изобилующей неудачными репликациями, исследования беглости начальных букв были замечательно последовательны в демонстрации нарушения беглости после левого или двустороннего повреждения (Benton, 1968; Bornstein, 1986; Miceli, Caltagirone, Gainotti, Masullo, & Silveri, 1981; Miller. , 1984; Милнер, 1964).Ввиду вышеизложенного, тесты беглости речи являются одними из самых полезных тестов в арсенале клинициста.

Выполнение заданий на беглость речи отражает целостность семантической системы (т. Е. Системы, отвечающей за хранение слов и их ассоциаций), эффективность стратегий поиска, а также эффективность самоконтроля и подавления несоответствующих ответов. В одной из первых влиятельных статей Перре (1974) сообщил о значительном дефиците беглости начальных букв у пациентов с очаговыми лобными поражениями, отметив при этом семантическую или категориальную беглость (т.е. создание экземпляров из таких категорий, как животные, фрукты и т. д.) часто не выявляли дефицита (Newcombe, 1969). Перре (1974) и другие утверждали, что различная чувствительность беглости начальных букв к лобной дисфункции проистекает из того факта, что в повседневной жизни слова извлекаются преимущественно на основе их значения. Таким образом, беглость начальных букв относительно нова и предъявляет более высокие требования к генерации стратегии и подавлению семантических ассоциаций. Напротив, семантическая беглость предъявляет более высокие требования к целостности семантической системы.Hodges, Salmon and Butters (1990), например, является одним из многих исследований, в которых были доказательства дифференциального дефицита семантической беглости по сравнению с беглостью начальных букв в DAT. Это согласуется с другими доказательствами, указывающими на то, что ухудшение семантической системы является заметной особенностью DAT (например, Grober, Buschke, Kawas, & Fuld, 1985).

Дальнейшее подтверждение этого различия исходит из двойных задач изучения начальной буквы и семантической беглости у здоровых участников. Мартин, Виггс, Лалонд и Мак (1994) продемонстрировали, что вторичная задача, включающая определение последовательности движений (предназначенная для активации лобной коры), вызвала дифференциальный дефицит беглости начальных букв, тогда как вторичная задача, включающая семантические решения относительно зрительных стимулов (предназначенная для активации задних конечностей). cortex) вызвал дифференциальный дефицит семантической беглости.

Опубликованы очень полезные нормативные данные для пожилых людей. Ивник и др. (1996) представляют нормы, основанные на возрасте и образовании, основанные на 743 пожилых участниках, использующих COWAT (то есть буквы C, F и L с 60 секундами на испытание). Особенно положительными чертами этих данных являются охватываемый возрастной диапазон (55–97 лет) и тот факт, что большинству участников также вводили другие обычно используемые нейропсихологические инструменты. Эта последняя функция делает данные полезными при попытке построить профиль относительных сильных и слабых сторон клиента, поскольку исходные оценки преобразуются в общую шкалу, и нет никаких опасений, что наблюдаемые расхождения являются артефактами различий между нормативными образцами (см. Раздел 7.07.4.2). Kozora и Cullum (1995) опубликовали нормы для пожилых людей для беглости начальных букв (F, A и S) и семантической беглости, охватывающие возрастной диапазон 50–90 лет. В качестве теста на семантическую беглость использовался список товаров в супермаркете по шкале оценки деменции Мэттиса (Mattis, 1988).

Ошибкам при выполнении заданий на беглость речи придается большое значение как в исследовательской литературе, так и в рекомендациях, предлагаемых клиницистам (Walsh, 1991). Персеверативные ошибки (повторение ранее произнесенного слова) и ошибки нарушения правил (напр.g., производящие имя собственное или слово, начинающееся с неправильной буквы при испытаниях беглости начальных букв) были расценены как свидетельство растормаживания или отказа самоконтроля (Crowe, 1992; Walsh, 1991). Crowe (1992) представил данные, позволяющие предположить, что такие ошибки, как правило, связаны с орбито-фронтальным повреждением, тогда как скудный, но допустимый результат более указывает на повреждение боковой выпуклости.

Учитывая важность, придаваемую таким ошибкам, существует удивительно мало нормативных данных об ошибках, которые могут помочь клиницистам интерпретировать действия отдельного клиента.Исследование Kozora и Cullum (1995) предоставило средства и диапазоны для персеверативных ошибок и ошибок нарушения правил. Хотя средние и модальные показатели были низкими во всех возрастных группах, что согласуется с нормативным исследованием COWAT, проведенным Ruff, Light, Parker и Levin (1996), диапазоны весьма значительны (например, 0–15 в возрастной группе 50–15 лет). 59 лет). Было бы полезно знать, сколько ошибок требуется, чтобы превысить 85-й или 95-й процентили здорового населения, но соответствующих опубликованных данных нет.

Существует тесная взаимосвязь между беглостью речи и общими речевыми способностями среди населения в целом.Например, Миллер (1984) сообщил о корреляции 0,87 между беглостью начальных букв и вербальным IQ в выборке здоровых людей ( N = 30). Кроуфорд, Обонсавин и Бремнер (1993) сообщили о более низкой, но все же существенной корреляции в 0,64 между вербальным IQ Векслера в выборке из 144 здоровых участников. Это указывает на то, что преморбидные речевые способности человека должны рассматриваться как важный фактор при интерпретации беглости речи в клинических группах. Это было наглядно проиллюстрировано Борковски, Бентоном и Сприном (1967), которые сообщили, что беглость речи в выборке с «поврежденным мозгом» вербального IQ выше среднего была значительно выше, чем у здоровых субъектов с вербальным IQ ниже среднего.Crawford et al. (1992c) предоставили уравнение регрессии на основе NART, которое обеспечивает оценку преморбидной беглости речи клиента (подробности NART см. В разделе 7.07.8). Это уравнение было получено из выборки здоровых людей ( N = 142) с возрастным диапазоном 16–88 лет.

Связи с тревогой, психотизмом, невротизмом, экстраверсией и творчеством

Диагностическая полезность теста словесной ассоциации Кента-Розанова в отношении энтропии реакции

© Международный журнал индийской психологии, ISSN 2348-5396 (e) | ISSN: 2349-3429 (p) | 136

Миллер, Э.Н., и Чепмен, Л. Дж. (1983). Продолжение словесных ассоциаций у гипотетически

склонных к психозу студентов колледжа. Журнал аномальной психологии, 94, (4), 468-478.

Ньюман, Э. Б. (1951). Вычислительные методы анализа серий двоичных данных. Американский

Психологический журнал, 64, 252-262.

Пенк, В. Э. (1978). Влияние неоднозначных и однозначных различий слов-стимулов на

популярных ответов шизофреников. Журнал клинической психологии, 34, 838-843.

Пенк, В. Э. и Кидд, Р. В. (1977). Различие в общности словесных ассоциаций

шизофреников: модель дефицита саморедактирования против гипотезы иерархии частичного коллапса ответа —

. Журнал клинической психологии, 33, 32-39.

Рапапорт Д., Гилл М. и Шафер Р. (1946). Диагностическое психологическое тестирование: теория,

статистическая оценка и диагностическое применение батареи тестов. Чикаго:

Книжные издательства.

Сарасон И.Г. (1959). Связь показателей тревожности и экспериментальных инструкций с выполнением теста словесных ассоциаций

. Журнал аномальной и социальной психологии, 59,

37-42.

Сарасон И.Г. (1961). Примечание о тревоге, инструкциях и словесных ассоциациях.

Журнал аномальной и социальной психологии, 62, 153-154.

Шварц, С. (1978). Язык и познание при шизофрении: обзор и синтез.В S.

Шварц (ред.), Язык и познание в шизофрении. Хиллсдейл, Н. Дж .: Эрлбаум.

(а)

Шварц, С. (1978). У шизофреников возникают редкие словесные ассоциации? Бюллетень по шизофрении,

4, 248-251. (b)

Shakow, D. (1980). Ассоциация Кента-Розанова и ее значение для теории сегментарных множеств.

Бюллетень по шизофрении, 6, 676-685.

Сингх С., Панда С. Н. и Упманью В. В. (1998). Забывание слов, ассоциированных с отношением

к интервалу запоминания.Журнал Индийской академии прикладной психологии, 24, (1-2), 79-

82.

Smith, W. W. (1922). Измерение эмоций. Лондон: Кеган Пол.

Storms, L.H., Broen, W.E., and Levin, I.P. (1967). Вербальная ассоциативная стабильность и общность

как функция стресса у шизофреников, невротиков и нормальных людей.

Журнал консалтинговой психологии, 31, 181–187.

Текка, Дж. Дж., И Гласско, Дж. А. (1965). Время ассоциации слов как функция тревожности (драйва)

и конкуренции ответов.Психологические отчеты, 16, 40.

Упманью В. В. (1981). Исследование теста словесных ассоциаций Кента-Розанова в отношении энтропии ответа

. Изучение личности и групповое поведение, 1, 45-52.

Упманью, В. В., Бхардвадж, С., и Сингх, С. (1996). Эмоциональные индикаторы словесных ассоциаций:

Ассоциации с тревогой, психотизмом, невротизмом, экстраверсией и творчеством.

Журнал социальной психологии, 136, (4), 521-529.

Упманью, С., Упманью, В. В., Лал, Р., Пандея, Н. (2010). Эмпирическое исследование

полезности эмоциональных индикаторов словесных ассоциаций. Индийский психологический журнал

Science, 1, 85-103.

Часто задаваемые вопросы

Часто задаваемые вопросы

Примечание. Если у вас возникли какие-либо технические трудности, просмотрите решения типичных проблем или сообщите о характере проблем. Если у вас возникнут дополнительные вопросы или проблемы, напишите нам по электронной почте [email protected].

1. Почему был создан этот веб-сайт?

Ответ: просвещать — снижать стигму — способствовать исследованиям

Для обучения: Мы надеемся, что этот веб-сайт предоставит посетителям познавательный и полезный опыт. Обсуждение вопросов здоровья может быть очень деликатным, поэтому мы хотели предоставить форум, который опирался бы на новейшие психологические науки, чтобы повысить осведомленность о роли неявных ассоциаций в проблемах психического и физического здоровья.Многие формы психических заболеваний характеризуются способами реагирования, которые, кажется, происходят очень быстро и могут казаться неконтролируемыми, поэтому изучение неявных ассоциаций (которые фиксируют быстрые и относительно неконтролируемые способы обработки информации) может научить нас многому о том, почему развиваются психические заболевания. , что их поддерживает и как нам лучше всего уменьшить страдания, связанные с психическими заболеваниями.

Чтобы уменьшить стигму: Мы также открыли веб-сайт, чтобы помочь снизить стигму, связанную с психическими и физическими заболеваниями и их лечением.Всем посетителям предоставляется информация о том, как и где получить доступ к услугам по охране психического здоровья, а также советы о физическом здоровье. Мы надеемся, что если люди будут обеспокоены своим физическим, психическим или эмоциональным здоровьем, этот сайт сможет предоставить им ссылки для доступа к необходимым им профессиональным услугам. (Обратите внимание, что на этом сайте мы не даем индивидуальных рекомендаций по диагностике или лечению.) Лечение психических заболеваний может быть очень эффективным, поэтому мы хотим рассказать людям о клинической психологии и важности доступа к подходам к лечению, которые подтверждаются исследованиями, показывающими они работают.Более того, мы хотим повысить осведомленность о том, насколько часто люди борются с психическими заболеваниями, и уменьшить склонность людей к отрицательному отношению к психически больным людям (например, преувеличенные убеждения в том, что психически больные люди опасны).

Для облегчения исследования: мы надеемся лучше охарактеризовать неявные ассоциации со здоровьем для общих психических заболеваний (например, депрессия, тревога), проблем психического здоровья (например, самооценки, оценки лечения) и решений о физическом здоровье (например,г., упражнения, еда). Собирая данные у многих людей, мы надеемся узнать, насколько широко распространены эти ассоциации и какие факторы влияют на силу скрытых ассоциаций со здоровьем (например, различия, основанные на возрасте, поле, расе / этнической принадлежности и т. Д.).

2. Как IAT измеряет неявные ассоциации?

Ответ: IAT просит вас соединить два понятия (например, тревожный и я или спокойный и я). Чем теснее связаны эти две концепции, тем легче на них реагировать как на единое целое.Итак, если спокойствие и я тесно связаны, будет легче ответить быстрее, когда вас попросят дать один и тот же ответ (например, клавишу «E» или «I») при классификации элементов в этих двух концептуальных категориях. Если тревога и я не так сильно связаны, должно быть сложнее быстро ответить, когда они в паре. Это дает представление о том, насколько сильно связаны два типа концепций. Чем больше ассоциаций, тем быстрее вы сможете ответить. IAT — это один из методов измерения скрытого или автоматического отношения, который представлен на этом веб-сайте.Существуют и другие методы, использующие другие процедуры, которые были исследованы в лабораторных исследованиях.

3. Может ли результат зависеть от порядка, в котором я выполнял две части? Сначала мне пришлось сгруппировать одну категорию с приятными словами. Затем я столкнулся с трудностями, когда позже мне пришлось сгруппировать другую категорию с помощью приятных слов.

Ответ: Порядок, в котором вводятся части теста, действительно влияет на общий результат некоторых тестов.Однако разница небольшая, и недавние изменения в тесте резко снизили влияние порядка. Из-за этого эффекта порядка заказы, используемые для IAT, представленных на этом веб-сайте, назначаются случайным образом. В отношении любых данных, которые мы представляем, мы внимательно следим за тем, чтобы половина испытуемых получила заказ на деталь А, затем на В, а другая половина получила заказ на деталь Б, затем А. В обновленном дизайне задачи порядок оказывает минимальное влияние на выполнение задачи. Если вы хотите проверить, изменился ли порядок для вас, вы можете пройти тест еще раз и завершить его, если вам назначен обратный порядок.Если вы пройдете тест дважды в разном порядке и получите разные результаты, лучшая оценка вашего результата будет промежуточной между ними.

4. Что это значит, если я получаю результат теста, который, как мне кажется, не описывает меня, или, если я прохожу один и тот же тест дважды, я получаю каждый раз разные результаты?

Ответ: Возможно, вы оцениваете тест больше, чем он того заслуживает! Эти тесты не совсем точны по любому определению точности. Обычно результаты будут хотя бы немного меняться от одного раза к другому.Вы можете обнаружить это, если повторите любой из тестов. Мы рекомендуем повторить любой тест, результат которого вас удивит. Если результат такой же, результат определенно более надежен, чем только первый результат. Если результат различается, лучше всего усреднить разные результаты. Однако, если результат значительно варьируется от одного раза к другому (что является необычным), мы предлагаем вам просто рассматривать набор результатов как «неубедительный». Помимо обычных вариаций надежности оценки, IAT также известен своей податливостью, основанной на различиях в социальной среде и недавнем опыте.Эти факторы будут влиять на согласованность измерений в разных случаях.

5. Красный крестик заставил меня дать ответы, которые я не считал правильными. Значит ли это, что тест мне не подходит?

Ответ: На странице инструкций для каждого IAT перечислены слова, имена и / или типы изображений, которые появляются в этом тесте. На странице также указывается категория, к которой принадлежит каждое из этих слов (например, на странице может быть написано «хорошие слова = замечательный, красивый, счастливый, радость, улыбка.») Однако иногда бывает трудно четко просмотреть изображения или запомнить, к какой категории принадлежит каждое слово или имя после начала теста. В лабораторных версиях мы можем убедиться, что каждый человек понимает категории, используемые в тесте, и слова, лица или имена, определяющие каждую категорию. Для веб-версий этих тестов мы выбрали элементы, которые большинство людей согласятся с их членством в категории, и которые должны работать для как можно большего числа людей. Если категории, которые, по вашему мнению, лучше всего представляют IAT слова, имена или лица обрабатываются апплетом как неправильные (красный крестик) для более чем нескольких пунктов, тогда этот тест действительно не будет адекватным или точным для вас.Мы надеемся, что вы, тем не менее, нашли в этом опыте что-то полезное.

6. Где я могу найти техническое обсуждение имплицитного социального познания и IAT?

Ответ: Документы из лабораторий основных исследователей Project Implicit доступны на http://projectimplicit.net/ и на личных страницах исследователя. Для начала обзор темы «неявного социального познания» доступен в статье Гринвальда и Банаджи (1995) и во второй статье из (2002).Первая публикация IAT была опубликована в статье Гринвальда, МакГи и Шварца в 1998 году. В более поздней статье Носека, Гринвальда и Банаджи (2007) суммируется то, что известно о надежности и валидности IAT. На веб-сайте Энтони Гринвальда также есть информация о действительности IAT (http://faculty.washington.edu/agg/iat_validity.htm). Чтобы узнать о том, как сделать IAT и критику IAT, см. Lane, Банаджи, Носек и Гринвальд, 2007.

7.Если у меня сильная ассоциация между алкоголем и неотразимым, означает ли это, что я алкоголик?

Ответ: Нет, результаты IAT не должны использоваться для принятия диагностических решений. Результаты можно использовать как возможность поразмышлять о том, почему ассоциации могли возникнуть и что они могут означать в вашей жизни. Если вы обнаружите, что употребление алкоголя каким-то образом мешает вашему функционированию, это хороший стимул для прохождения профессиональной оценки, чтобы определить, может ли вам понадобиться помощь в контроле за употреблением алкоголя.На странице «Ресурсы здравоохранения» есть ссылки, которые помогут вам получить доступ к специалисту в области психического здоровья в вашем районе.

8. Связывание себя с тревогой или грустью означает, что со мной что-то не так?

Ответ: У каждого бывают моменты, когда ему грустно или тревожно. Решение о том, означают ли эти ассоциации что-то неправильное, лучше всего принимать, учитывая, насколько часто и насколько интенсивно вы испытываете печаль или тревогу. Если эти негативные эмоции снижают качество вашей жизни и мешают вам в достижении ваших целей, тогда ассоциации могут быть хорошим сигналом о том, что обращение за помощью было бы полезным.Однако если ассоциации отражают временное стрессовое время или не отражают ваши нормальные чувства, тогда они могут служить хорошим напоминанием о том, что нужно позаботиться о себе, включив в свою жизнь релаксацию вместе с приятными и значимыми занятиями.

9. Если я ассоциирую терапию с бесполезностью, могу ли я получить от лечения пользу?

Ответ: Наличие отрицательных автоматических ассоциаций не означает, что вы не можете получить пользу от лечения.Тем не менее, в начале лечения полезно поговорить с терапевтом / врачом / консультантом о любых проблемах, которые у вас есть относительно вероятной эффективности лечения. Исследования показывают, что приверженность лечению и надежда на лечение предсказывают лучшие результаты.

10. Разве ассоциация между душевнобольными и опасными людьми не оправдана?

Ответ: Один из распространенных мифов состоит в том, что люди с психическими заболеваниями очень опасны и часто прибегают к насилию.На самом деле, большинство людей с психическими заболеваниями редко прибегают к насилию, особенно если они не злоупотребляют наркотиками или алкоголем. К сожалению, более вероятно, что люди с психическими заболеваниями станут жертвами насилия, а не преступниками. Тем не менее, у многих людей возникают эти негативные ассоциации о людях с психическими заболеваниями, возможно, отчасти из-за того, что СМИ часто изображают жестоких, «сумасшедших» людей.

11. Употребление в пищу продуктов с высоким содержанием жиров вредно для вас, так почему же я не считаю их употребление постыдным?

Ответ: Хотя и правда, что употребление в пищу продуктов с высоким содержанием жиров часто и в больших количествах вредно для здоровья, это не означает, что их следует избегать вообще.Более того, даже если пища не особенно полезна, это не значит, что нужно стыдиться ее употребления. Тенденция превращать еду в моральную проблему (например, говорить, что кто-то «плохой» из-за десерта) является обычным явлением, но может быть связана с негативными чувствами по поводу еды, формы и веса, которые могут подпитывать чрезмерно ограничительные диеты и переедание.

12. Что означает, что моя оценка IAT помечена как «слабая», «умеренная» или «сильная»?

Ответ: Предположим, что вы реагируете быстрее, когда изображения цветов и приятные слова объединяются в одну клавишу, чем когда изображения насекомых и приятные слова объединяются в одну клавишу.Ваша оценка будет описана как показывающая автоматическое предпочтение цветов. (Как правило, результат показывает связь между концепциями, которые при объединении в пары быстро реагируют.) Ярлыки «слабый», «умеренный» и «сильный» относятся к силе ассоциации (т. Е. Насколько сильно вы ассоциируете изображения цветов. приятными словами). Независимо от того, какой IAT вы выбрали, если бы разница в скорости между разными парами была настолько велика, что была очевидна для вас, это, вероятно, было бы названо «сильным» эффектом. Метка «умеренная» также указывает на достаточно большую разницу, чтобы вы, вероятно, ее заметили.«Незначительный» эффект — это эффект, который заметен при статистическом анализе, но вы, возможно, не знали о нем.

13. По моему мнению, «было слишком много ошибок, чтобы определить результат». Означает ли это, что у меня нет автоматических предпочтений или ассоциаций?

Ответ: Тест требует определенного количества правильных ответов, чтобы получить интерпретируемый результат. Если ваш отзыв заключался в том, что «было слишком много ошибок, чтобы определить результат», тогда данные, полученные в вашем тесте, не могут быть интерпретированы с уверенностью в отношении автоматических ассоциаций.Это отличается от результата, который показывает небольшую связь или ее отсутствие, о котором вам будет сообщено как об автоматическом предпочтении / ассоциации «мало или нет».

14. Когда неявное отношение согласуется с явным?

Ответ: Есть несколько причин, по которым явное и неявное отношение могут не совпадать. Одно из объяснений состоит в том, что человек может не желать точно выражать свое отношение. Например, если профессор спрашивает студента: «Вам нравятся мыльные оперы?» студент, который полностью осознает, что тратит два часа каждый день на просмотр мыльных опер, может, тем не менее, сказать «нет» из-за того, что он смущен (не желает) раскрыть эту привязанность.Альтернативное объяснение явного-неявного несогласия заключается в том, что человек может быть не в состоянии точно сообщить о своем отношении. Например, на вопрос «Вам нравятся люди с психическими заболеваниями?» многие люди ответят «да», потому что считают себя непредвзятыми. Однако IAT может выявить, что у этих же людей автоматически возникают негативные ассоциации по отношению к людям с психическими заболеваниями (см., Например, Teachman, Wilson, & Komarovskaya, 2006). Люди, которые демонстрируют такую ​​реакцию, не осознают свою скрытую негативность и, следовательно, не могут сообщить об этом прямо.Различие между нежеланием и нежеланием похоже на разницу между сокрытием чего-либо от других и тем, что скрывают от вас. Теперь мы знаем, что существует множество факторов, которые могут повлиять на то, будут ли явные и неявные отношения связаны между собой слабо или сильно, включая готовность сообщить о потенциально смущающих отношениях, насколько вы думали об этом отношении и т. Д. Подробнее об отношениях между неявными и явными установками см. Nosek, 2005.

15.Что я могу сделать с автоматическим предпочтением, которого я бы предпочел не иметь?

Ответ: Во-первых, имейте в виду, что эти тесты IAT на веб-сайтах не совсем точны. Вы можете повторить тест, прежде чем делать даже предварительное заключение такого рода. С другой стороны, вполне возможно иметь автоматическое предпочтение, которого вы бы предпочли не иметь (исследователи, разработавшие этот тест, попадают в эту категорию). Одно из решений — поиск опыта, который мог бы отменить или обратить вспять паттерны опыта, которые могли создать нежелательное предпочтение.Это может означать чтение и просмотр материалов, противоречащих скрытому предпочтению. Это может означать взаимодействие с людьми, которые предоставляют опыт, который может противоречить вашим предпочтениям. Более практичной альтернативой может быть постоянное внимание к существованию нежелательного предпочтения, осознавая, что оно может нежелательным образом вмешиваться в ваши суждения и действия. Кроме того, вы можете решить предпринять сознательно спланированные действия, которые могут компенсировать известные бессознательные предпочтения и убеждения. Это может включать в себя действия, которые вы, возможно, не ведете естественным образом, — например, поиск возможностей для взаимодействия с людьми, страдающими психическим заболеванием, если у вас есть неявно отрицательная оценка этой группы, или обращение к друзьям и семье, или обращение за лечением в случае продолжающегося крайняя грусть или тревога, если вы косвенно ассоциируете себя с грустью или тревогой.Выявление эффективных механизмов управления и изменения нежелательных автоматических предпочтений — это активный исследовательский вопрос в психологической науке. Хорошая новость заключается в том, что автоматические настройки, какими бы автоматическими они ни были, также податливы. Для получения дополнительной информации о пластичности см. Blair 2002.

16. Может ли результат, указывающий на предпочтение одной группы по сравнению с другой, быть вызван различиями в знакомстве с группами?

Ответ: Возможность того, что знакомство с одной категорией (т.е.g., цветы) по сравнению с другими (например, насекомыми) могут влиять на производительность, что было проверено в исследованиях. Похоже, что конкретное знакомство с отдельными элементами в категориях не оказывает большого влияния на эффекты IAT. В то же время существует известная связь между близостью и симпатией: людям обычно нравятся знакомые вещи больше, чем незнакомые. Таким образом, знакомство может быть связано с неявными установками. То, что может показаться скрытым предубеждением, может иметь в основе незнакомство.

17. Если я покажу автоматическую ассоциацию психически больных людей с опасными или заслуживающими порицания, означает ли это, что я предубежден?

Ответ: Это очень важный вопрос. Социальные психологи используют слово «предубежденный» для описания людей, которые одобряют или одобряют негативное отношение и дискриминационное поведение по отношению к различным чужим группам. Многие люди, которые показывают автоматические предпочтения в IAT, не предвзято относятся к этому определению. Можно продемонстрировать предубеждения в отношении IAT, которые не поддерживаются сознательно или даже противоречат намеренным установкам и убеждениям.Люди, которые придерживаются эгалитарных сознательных установок перед лицом автоматических негативных установок, могут действовать непредвзято, отчасти за счет активных усилий, направленных на то, чтобы их автоматические ассоциации не приводили к дискриминационному поведению. Однако, когда они ослабят эти активные усилия, возможно, что эти непредвзятые люди проявят дискриминацию в мыслях или поведении. Вопрос о соотношении между неявными и явными установками представляет большой интерес для социальных и клинических психологов, некоторые из которых проводят исследования по этому вопросу.Для получения дополнительной информации см. Banaji, Nosek, & Greenwald, 2004.

18. Почему у многих людей возникают автоматические отрицательные ассоциации с людьми, страдающими психическими заболеваниями?

Ответ: Отрицательные автоматические ассоциации могут быть обычным явлением из-за глубокого изучения отрицательных ассоциаций с группой душевнобольных людей в этом обществе. Высокий уровень негативных упоминаний в американской культуре и средствах массовой информации может способствовать этому обучению. Кроме того, люди часто не рассказывают о своем опыте психических заболеваний, поэтому многие люди не знают о психических заболеваниях других, в том числе среди своих друзей, коллег и семьи.Как следствие, многие в обществе считают, что психические заболевания редки и что люди, которые ими болеют, обязательно очень странные или не могут поправиться. Возможности позитивно (и сознательно) взаимодействовать с людьми с психическими заболеваниями могут проиллюстрировать, что эти мифы не соответствуют действительности.

19. Что такое скрытая установка?

Ответ: Отношение — это положительная или отрицательная оценка какого-либо объекта. Неявное отношение — это отношение, которое может отражаться на связанных объектах.Пример. На компанию, в которой работает ваш супруг (а), возбуждено судебное дело. Склонность верить в то, что компания невиновна, может быть отражением вашего положительного отношения к супругу — ваше положительное отношение к компании является косвенным (неявным) индикатором положительного отношения к супругу. (Если вы считаете, что компания виновата, брак может оказаться в затруднительном положении!) Слово «неявное» используется потому, что эти мощные установки иногда скрыты от общественного взгляда и даже от сознательного контроля или осознания.Чтобы узнать больше о скрытых установках, прочтите эту статью (Banaji, 2001).

20. Что такое неявный стереотип?

Ответ: Стереотип — это убеждение, что члены группы обычно обладают некоторыми характеристиками (например, вера в то, что женщины обычно лелеют). Неявный стереотип — это стереотип, который достаточно силен, чтобы действовать без сознательного контроля. Пример: попробуйте ответить на этот вопрос: Джон Уолтерс — имя известного человека? Если вы подозреваете, что да, и особенно если вы с большей вероятностью подумали бы «да», чем если бы вопрос был о Джейн Уолтерс, вы могли бы косвенно выражать стереотип, который связывает категорию мужчин (в большей степени, чем женщин) с достижениями, заслуживающими славы. .И это может быть так, даже если есть известная женщина с похожей по звучанию фамилией (например, Барбара Уолтерс). Этот тип суждения был использован в одном из первых экспериментальных исследований имплицитных стереотипов (Banaji, Greenwald, 1995; Banaji, Hardin, & Rothman, 1993).

21. Что такое явные взгляды или убеждения?

Ответ: Явные взгляды и убеждения — это те, которые выражаются прямо или публично. Например, вопрос о ваших симпатиях к определенным группам до прохождения IAT является примером вашего явного или сознательно доступного отношения.Стандартная процедура получения таких прямых выражений — попросить людей сообщить о них или описать их (процедура, известная как «самоотчет», когда используется в исследованиях). Например, если вы когда-либо отвечали на опросы общественного мнения, ответы, которые вы обычно там давали, будут считаться явными установками или убеждениями.

22. В чем разница между неявным и автоматическим?

Ответ: Термины «автоматический» и «неявный» тесно связаны. Оба они относятся к ментальным ассоциациям, которые настолько устоялись, что действуют без осознания, без намерения или без контроля.Термин «бессознательное» может быть частью неявной или автоматической ассоциации и конкретно относится к отсутствию осознания.

Пройдите личностный тест — Проект психометрии с открытым исходным кодом

Рекомендуемые испытания

Статистический тест «Какой персонаж»: Этот инструмент сравнит ваши ответы с базой данных из 1410 вымышленных персонажей. База данных создается путем краудсорсинга рейтингов персонажей, и цель состоит в том, чтобы сопоставить людей с персонажами, которые, по их мнению, похожи на них, с использованием методов из систем рекомендаций. Также существует версия партнерского отчета, которая является еще более продвинутой. И вариант для пар.

Прочие испытания

Инвентаризация фонетических ассоциаций (экспериментальная) : Люди склонны создавать ассоциации между звуком и значением определенными способами, которые, по всей видимости, совместимы в разных культурах. Этот тест измеряет, насколько сильно вы демонстрируете типичную предвзятость, и исследует, что это значит. Исследования показали, что у людей с аутизмом эта предвзятость меньше, чем у нейротипиков.

Шкала личности первенцев : Этот тест был разработан для получения максимально возможной разницы между оценками первенцев (старших) и детей, родившихся позже.Она коррелирует с очередностью рождения больше, чем любая другая шкала самооценки, но корреляция все еще чрезвычайно мала, потому что большинство распространенных утверждений о влиянии порядка рождения на личность преувеличены и ошибочны.

Аналоги для множественных списков широкополосных сетей: Большинство личностных тестов задают одни и те же вопросы, они просто по-разному организуют свои результаты. Он подсчитывает все баллы, которые вы, вероятно, получите, если пройдете 8 различных хорошо известных личностных тестов всего из одного набора заданий.

Многомерная шкала интроверсии-экстраверсии: Идея интроверсии и экстраверсии — одна из старейших и наиболее известных идей в психологии личности. Данные показывают, что люди могут иметь в виду несколько разных вещей, когда они описывают себя как интровертов или экстравертов, поэтому черту интроверсии-экстраверсии следует фактически разбить на пару разных, хотя и связанных, черт.

Инвентаризация темперамента Фишера: FTI — это общий показатель личности, который прослеживает поведение человека до функции нейротрансмиттеров в головном мозге. Он делит людей на один из четырех темпераментов, каждый из которых связан с определенными нейрохимическими веществами.

Эннеаграмма личностных шкал OSPP: Эннеаграмма личности — это система из девяти типов личности, организованная геометрической диаграммой. Многие авторы продвигали его как духовный инструмент и инструмент самопомощи, и существует несколько различных популярных тестов типа эннеаграммы.OEPS был разработан этим веб-сайтом и отражает среднее представление о том, что представляет собой каждый тип в популяции энтузиастов онлайн-эннеаграммы.

Масштаб художественных предпочтений: Оценивайте картины, чтобы узнать, каковы ваши предпочтения в искусстве с точки зрения стиля и содержания.

Полномасштабный IQ-тест: Тест IQ, измеряющий весь спектр человеческих способностей.

Опросник психоневротиков Вудворта: WPI, который часто называют первым личностным тестом, был разработан военными США во время Первой мировой войны для выявления новобранцев с высоким риском развития контузии. Разработанный слишком поздно, чтобы его можно было использовать таким образом, WPI вместо этого нашел свое место в качестве доминирующего показателя самооценки личности в академических психологических исследованиях в течение 1920-х и 30-х годов, но с тех пор о нем по большей части забыли.

Шкала невербальной непосредственности : Эта шкала измеряет индивидуальные различия в использовании языка тела при общении.

Оценка по шкале привлекательности — мужчина / женщина: EMAS и EFAS измеряют индивидуальные различия во взглядах мужчин и женщин соответственно.

Маркеры IIP RIASEC: Коды Голландии (аббревиатура RIASEC относится к шести кодексам Голландии) — это типология профессий, которая группирует рабочие места по шести категориям и описывает различные личностные характеристики людей, склонных к каждой категории. Поскольку его разработал Джон Л.В Голландии в 1950-х годах теория стала доминирующей в области профориентации, и она была включена в большинство оценок, которые вы могли бы пройти в университетском центре планирования карьеры. Маркеры RIASEC из общедоступного пула элементов интересов были разработаны Джеймсом Раундсом и его коллегами в 2008 году для использования в психологических исследованиях.

Короткая темная триада: «Темная триада» — это название трех черт личности, которые обычно кажутся злыми или злыми: нарциссизм, макиавеллизм и психопатия.Совместное изучение этих трех черт как темной триады стало популярным в 2000-х годах. В 2011 году Делрой Полхус и Дэниел Джонс опубликовали Краткую темную триаду (SD3) как единый короткий тест для одновременного измерения всех трех характеристик.

Протестантская шкала трудовой этики : Существует социологическая теория, согласно которой страны Северной Европы в ходе промышленной революции развивались быстрее, чем страны Юга, из-за того, что протестантизм продвигал труд, а не католицизм.Эта идея была подхвачена некоторыми психологами, которые считают, что люди могут иметь разные уровни протестантской трудовой этики.

Оценочный тест Open DISC: Модель личности DISC — это система, которая делит людей на четыре типа личности. Модель продвигается на коммерческой основе несколькими различными организациями для использования на рабочем месте.

Тест на четыре темперамента: Если бы в 1850 г. вы попросили хорошо образованного западного человека описать себя, он бы ответил, используя язык четырех темпераментов, расширение древней теории медицины четырех гуморов на личность греческого врача Галена (129–216 гг. Н.э.). Четыре темперамента как общепринятый способ описания личности были побеждены развитием психологии после 1900 года, но в последнее время они пережили возрождение и получили распространение в духовном контексте и в контекстах самопомощи.

Тест Кеттелла на 16 факторов личности: В 1940-х годах Раймонд Кеттелл предложил модель индивидуальных различий человека с 16 факторами, основанную на статистическом исследовании ответов на анкеты о личности. Модель Кеттелла никогда не получила широкого признания, и его статистический анализ, который выявил 16 факторов, никогда не был успешно воспроизведен, но созданный им тест, опросник 16PF, был очень популярен в прикладной психологии, например, в таких контекстах, как консультирование и человеческие ресурсы.В этом тесте используются общедоступные шкалы из Международного пула элементов личности, которые были разработаны Льюисом Голдбергом для эквивалента 16PFQ.

Шкала самооценки Розенберга: Разработанная в 1960-х годах Моррисом Розенбергом для изучения самооценки подростков, шкала RSES стала наиболее широко используемым универсальным измерителем самооценки в психологических исследованиях.

Обзор словарных исмов (SDI-46) : SDI — это показатель социально-политического отношения, разработанный Жераром Сосье.Его название ссылается на тот факт, что оно было получено в результате поиска в словаре слов, описывающих различные философии (которые часто заканчиваются на «изм», например, либерализм, хоббизм), которые затем были сведены к основополагающим факторам с помощью статистического анализа. Версия SDI-46 была опубликована в 2013 году.

Шкала доминирования мозга в открытом полушарии: Мера мышления левого / правого полушария мозга, научно опровергнутая, но все еще популярная идея.

Общая шкала верований заговорщиков: Мера веры в теории заговора.

Тест памяти лица на основе экспозиции: Измерение памяти лица и слепоты.

Словарный тест на IQ: Словарный тест, дающий результат, подобный результату IQ.

Заявление об ограничении ответственности

Упрощенные расчеты мощности для ассоциативных тестов на совокупном уровне дают представление о проблемах, связанных с исследованиями ассоциации редких вариантов сложные черты характера.Поскольку мощность тестирования ассоциации для отдельных редких вариантов часто может быть низкой, были предложены различные тесты ассоциации на совокупном уровне для обнаружения генетических локусов, которые могут содержать кластеры вариантов восприимчивости. Обычно расчеты мощности для таких тестов требуют указания большого количества параметров, включая величину эффекта и частоту аллелей отдельных маркеров, что затрудняет их практическое использование. В этом отчете мы аппроксимируем мощность с разной степенью точности, используя меньшее количество ключевых параметров, включая общую генетическую дисперсию, объясняемую множеством вариантов в пределах локуса.Мы проводим обширные имитационные исследования, чтобы оценить точность предлагаемого приближения в реальных условиях. Затем, используя упрощенные методы расчета мощности, мы разрабатываем аналитическую основу для получения границ генетической архитектуры основного признака с учетом результатов полногеномного исследования и наблюдаем важные последствия отсутствия или ограниченного количества результатов во многих опубликованных в настоящее время исследованиях. Наконец, мы предоставляем понимание необходимого качества аннотации / функциональной информации для идентификации вероятных причинных вариантов, чтобы существенно улучшить мощность последующих ассоциативных тестов.Блестящее приложение на R, реализующее эти методы, стало общедоступным.

Введение

В течение последнего десятилетия полногеномные ассоциативные исследования распространенных вариантов с увеличивающимся размером выборки были основной движущей силой для открытия локусов восприимчивости, связанных со сложными заболеваниями и признаками. Хотя анализ наследственности предполагает, что общие варианты обладают дополнительной способностью объяснять дополнительные вариации этих признаков ^1-3 , фокус этой области неизбежно смещается в сторону исследований менее распространенных и редких вариантов с быстро снижающейся стоимостью технологий секвенирования и увеличением сложность алгоритмов вменения ^4-6 .Однако ограниченные результаты или их отсутствие в ранних исследованиях ^7-21 указывают на то, что размеры эффекта вариантов с редкой восприимчивостью в целом, вероятно, будут скромными, и для обнаружения лежащих в основе локусов потребуется большой размер выборки в будущих исследованиях ^22-24 .

Тестирование ассоциации на уровне генетических локусов или регионов с использованием различных статистических данных на агрегированном уровне было предложено в качестве стратегии для улучшения возможностей открытия в ассоциативных исследованиях редких вариантов ^25-28 .Для демонстрации потенциальной силы этих процедур использовались имитационные исследования для различных предполагаемых генетических архитектур признаков. ^27-29 . В частности, анализ мощности для теста на основе компонента дисперсии, такого как популярный метод SKAT, может быть сложным, поскольку он требует указания множества различных параметров, включая количество изучаемых генетических вариантов, долю причинных вариантов, частоту аллелей и распределение размера эффекта. . Использование различной функциональной и аннотационной информации для идентификации вероятных патогенных вариантов a priori также было предложено в качестве стратегии повышения эффективности тестов ассоциации редких вариантов ^{30; 31} .Однако, насколько нам известно, систематического исследования влияния использования такой посторонней информации на мощность ассоциативных тестов не проводилось.

В этом отчете мы сначала описываем аппроксимацию первого порядка, которая позволяет аналитически характеризовать мощность популярных тестов ассоциации компонентов дисперсии просто на основе степени фенотипической дисперсии, объясняемой локусом, и количества изучаемых вариантов, что значительно снижает сложность расчетов мощности.Мы проводим имитационные исследования с использованием распределения частот аллелей, наблюдаемого в Консорциуме агрегации экзомов (ExAC) ³² , и различных моделей распределения эффекта по размеру, чтобы оценить точность предлагаемого приближения в реальных условиях. Затем мы используем эту упрощенную структуру, чтобы охарактеризовать мощность ассоциативных тестов, которые могут предварительно выбирать варианты на основе предыдущей функциональной / аннотационной информации. Эти выводы позволяют нам изучить влияние чувствительности и специфичности посторонней информации для выявления причинных вариантов на мощность ассоциативных тестов.

Мы оцениваем эффективность ряда недавно опубликованных ассоциативных исследований редких вариантов с использованием предложенной схемы и даем представление о последствиях отсутствия в настоящее время данных о границах генетической архитектуры основных признаков. Наш анализ также обеспечивает важную информацию о требуемом качестве аннотации / функциональной информации для идентификации вероятных причинных вариантов, чтобы существенно повысить эффективность последующих ассоциативных тестов. Наконец, чтобы облегчить удобные и быстрые вычисления мощности для тестов ассоциации редких вариантов, мы сделали блестящее приложение PCAAT (Power Calculations for Aggregated Association Test) доступным в R.

Методы

Расчеты существующей мощности

Было предложено множество тестов для ассоциации на уровне генетических локусов или области, объединяющей статистику ассоциации на уровне SNP ^{25-29; 33-36} . Несколько авторов ^{22; 33; 37} показали, что существующие методы можно классифицировать как тесты на основе суммы ^{25; 26; 34; 35} , компоненты дисперсии ^{27; 29; 37} , и гибридные тесты, которые являются функциями обоих классов ^{28; 33; 36} .Здесь мы сосредоточимся на методах из классов компонентов на основе суммы и дисперсии. Мы не рассматриваем гибридные тесты, потому что их мощность обычно близка к одному из двух компонентов. Тесты на основе сумм собирают статистику ассоциации уровня SNP в виде линейной комбинации где W _j s — веса на основе MAF ( p _j ), а T _i s — статистика оценок для J SNP (j = 1,…, J) из линейного или логистическая регрессия ^{28; 33; 37} .Тесты компонентов дисперсии объединяют статистику ассоциации уровня SNP квадратичной комбинацией:

Существующие формулы аналитической мощности для тестов на основе суммы и компонентов дисперсии являются сложными функциями многих параметров, включая количество исследуемых генетических вариантов, долю причинных вариантов, частоты аллелей и распределения размера эффекта ³⁷ . Здесь мы показываем, что при скромных модельных допущениях, таких как генетические варианты, объясняющие небольшую долю фенотипических вариаций и низкую корреляцию между редкими вариантами, существующие расчеты мощности могут быть существенно упрощены.

Мы начнем с наблюдения, что аналитическая сила одной статистики SNP Z _j (например, Wald’s, Score tests), с параметром нецентральности является функцией трех параметров: эффективного размера выборки ( N ), уровня теста ( α ) и доли фенотипических вариаций, объясняемых SNP j ^th ( EV _{). к} ) ³⁸ . Деркач и др. ³⁷ показал аналитическую мощность для статистики теста на основе суммы Z _ST , зависит от параметра нецентральности, функции вектора коэффициентов уровня SNP объясненной вариации.

Предыдущие исследования ^{27; 37} показали, что статистика компонента дисперсии асимптотически распределена как линейная комбинация нецентральных случайных величин хи-квадрат, с параметрами нецентральности nc _j = EV _j N как функции фенотипической изменчивости, объясняемой одним SNP и весами λ _j = W _j p _j (1 — p _j ) N .Расчеты мощности для метода использования статистики компонента дисперсии, полученного в Liu et al. (2009) ³⁹ для аппроксимации асимптотического распределения T _VC с помощью одного нецентрального распределения хи-квадрат. Существует также несколько модификаций этого метода, сопоставляющих более высокие моменты, для улучшения приближения вероятности хвоста ^{27; 40} ; однако разница в силе кажется незначительной, и здесь мы сосредоточимся на приближении Лю. Параметр нецентральности и степени свободы распределения хи-квадрат вычисляются путем сопоставления четырех кумулянтов c _k тестовой статистики T _VC , функция вектора коэффициентов уровня SNP объясненной вариации.

Эти вычисления мощности для тестов агрегированного уровня реализованы в нескольких статистических пакетах, которые требуют спецификации MAF и генетических эффектов для всех SNP в локусе ^{27; 40; 41} .

Приблизительные расчеты мощности для совокупных тестов

Далее мы описываем простые формулы для аппроксимации мощности для различных совокупных тестов с использованием ограниченного числа ключевых параметров. Во-первых, мы показываем, что для теста на основе суммы, при предположении независимости между коэффициентами объясненной вариации и MAF, мы можем приблизительно оценить параметр нецентральности как где J _D , J _P — это количество вредоносных и защитных SNP в локусе и представляет собой долю вариации, объясняемую SNP J (см. Приложение A).Следовательно, мощность линейной статистики зависит от трех параметров, общей вариации, объясняемой всеми причинными вариантами в локусе, доли «эффективных» причинных вариантов в локусе и доли «эффективных» причинных вариантов в наборе всех причинных вариантов. Если все причинные варианты в локусе можно считать вредоносными (или защитными), то параметр нецентральности можно охарактеризовать с помощью EV и доли причинных вариантов.

Далее мы рассматриваем приближения первого и второго порядка для вычислений мощности для тестов компонентов дисперсии T _VC . Точная теоретическая мощность вычисляется из единственного распределения хи-квадрат со степенями свободы и параметра нецентральности, полученного путем сопоставления кумулянтов c _k . Приближение первого порядка использует тот же подход, но оценивает кумулянты c _k в (1) как функцию доли дисперсии, объясняемой локусом EV и количеством вариантов в локусе J. аппроксимация второго порядка использует один дополнительный параметр, количество причинных вариантов в локусе J _C = J _P + J _D для повышения точности приближения первого порядка.

Для приближения первого порядка мы предлагаем оценить сумму в c _k как ожидание формы. Мы разлагаем математическое ожидание как произведение EV и некоторой функции и P _j , измеряет взаимосвязь между EV _j и MAF p _j . Например, если мы предполагаем независимость между долей вариации, объясняемой SNP и MAF (например), мы аппроксимируем c _k как В Приложении B мы выводим приближения c _k для трех обычно предполагаемых взаимосвязей между генетическими эффектами и MAF и суммируем их в таблице 1.Поскольку приближение первого порядка неявно рассматривает все варианты в локусе как причинные, что может привести к потере точности, когда сигнал в локусе очень редок. Для повышения точности мы предлагаем приближение второго порядка для оценки суммы в (1) как функции EV и J _C с использованием той же техники (см. Приложение B). Например, если мы примем ту же гипотезу независимости между долей вариации, объясняемой SNP и MAF, и что первые варианты J _C являются причинными, сумма в c _k аппроксимируется как

Аппроксимации первого порядка c _k как функции фенотипической изменчивости, объясняемой локусом в рамках трех генетических моделей.

Вероятность открытий M в полногеномных исследованиях

Используя предложенную упрощенную структуру расчета мощности, мы дополнительно развиваем математическую основу для изучения границ генетической архитектуры основных признаков на основе результатов, представленных в исследовании ассоциации полногенома. Мы характеризуем вероятность числа открытий в данном исследовании как функцию размера выборки N, числа лежащих в основе причинных локусов K и распределения их размеров эффекта ( EV, ) i.е. общие генетические вариации, которые объясняют локусы, суммируются по основным вариантам восприимчивости. В Приложении C мы показываем, что вероятность открытия M в исследовании составляет

P (M Открытий | Генетическая модель) который, по сути, является функцией средней мощности теста компонента дисперсии, рассчитанного по распределению причинных локусов, характеризуемых тремя параметрами: доля объясненной фенотипической изменчивости EV _k , количество SNP в локусе J _k и вектор MAF p _k .

Теперь предположим, что M = m — это количество открытий, о которых сообщалось на основе генных тестов в данном исследовании общегеномной ассоциации с размером выборки N . Мы можем рассчитать P (M ≤ m), используя приведенную выше формулу на основе известных распределений для MAF ( p _k ) и размера генов ( J _k ). В наших расчетах мы сгенерировали класс L-образного распределения размера эффекта двухпараметрического гамма-распределения: Гамма ( α, γ ) с α ≤1.Согласно этой модели, общая наследуемость, объясняемая причинными локусами, определяется как Kμ , где μ ≈ αγ. Для различных комбинаций K и μ, мы оцениваем максимальное значение P (M ≤ m) для разных значений параметра дисперсии ( α / γ 😉 Когда эта вероятность мала (например, <5%), мы заключаем, что базовая модель генетической архитектуры маловероятна. Например, во многих недавних исследованиях не сообщалось об открытиях, основанных на агрегированных ассоциативных тестах на уровне генов.В этих исследованиях вероятность отсутствия открытий, m = 0, может использоваться для определения генетической архитектуры основного признака.

Эффекты фильтрации вариантов по посторонней информации

Мы используем нашу упрощенную структуру для эффективного изучения влияния фильтрации вариантов на основе предшествующей функциональной / аннотационной информации на мощность ассоциативных тестов. Здесь мощность ассоциативных тестов можно резюмировать как функцию чувствительности и специфичности метода фильтрации.Чувствительность (Se) — это вероятность выбора SNP при условии, что это действительно причинный вариант, в то время как специфичность (Sp) представляет собой вероятность отфильтровывания SNP при условии, что это не причинный вариант. Если отбор / фильтрация не зависит от MAF или доли вариации, объясняемой причинным вариантом, то количество оставшихся вариантов в локусе составляет J _s = Se · J _C + (1 — SP ) · ( J — J _C ), и объясняемое ими изменение пропорции составляет EV _S = Se · EV. Теперь, с новыми значениями J, и EV, мы оцениваем мощность для тестов на основе суммы и компонента дисперсии и сравниваем ее с базовыми значениями.

Если выбраны все SNP, то Se = 100%, , но специфичность Sp = 0% . Если только небольшое подмножество вариантов выбрано в гене на основе функциональной аннотации, тогда чувствительность может быть снижена, поскольку некоторые истинные причинные варианты могут быть пропущены, а специфичность может улучшиться из-за удаления непричинных SNP.Если взять случайное подмножество SNP, которое не обогащено причинным SNP, тогда Se = 1 — Sp , поскольку случайные и непричинные SNP выбираются с одинаковой скоростью. Если функциональная / аннотированная информация, используемая для скрининга, позволяет предсказать, могут ли SNP быть причинными для интересующего признака, то можно ожидать, что специфичность> 1-чувствительность. Используя предложенную схему расчета мощности, мы исследуем мощность агрегированных тестов для различных комбинаций чувствительности и специфичности базового алгоритма скрининга для определения истинных причинных SNP.Кроме того, предполагая, что лежащая в основе нормально распределенная непрерывная оценка представляет функциональную / аннотационную информацию для SNP, мы оцениваем кривую рабочих характеристик приемника (ROC), сгенерированную комбинацией чувствительности и специфичности при различных порогах для выбора SNP. Мы отслеживаем эффективность различных методов по сочетаниям чувствительности и специфичности, что приводит к определенному значению площади под кривой (AUC), которая представляет собой общую сводку способности базовой оценки различать причинные и не причинные SNP (см. Рисунок 5).

Эмпирические исследования

Свойства аппроксимаций первого и второго порядка

Мы проводим обширные имитационные исследования для оценки точности предлагаемых расчетов мощности для тестов компонентов дисперсии по сравнению с точным теоретическим методом, который требует указания величины эффекта отдельных маркеры. Здесь мы сосредотачиваемся на статистике теста SKAT как представителя класса тестов компонентов дисперсии. Для каждой фиксированной комбинации размера области (J), и общей дисперсии объяснены (EV), — два ключевых параметра, которые определяют приблизительную мощность теста SKAT, мы моделируем различные возможные значения частот аллелей и величины эффекта для каждого отдельного человека. маркеры EV _j .Затем средняя мощность приближений первого и второго порядка, рассчитанная по различным значениям частот аллелей, сравнивается со средней мощностью точных теоретических расчетов, оцененной по различным значениям частот аллелей и величин эффекта для отдельных маркеров EV _j .

Мы рассматриваем три типа сценариев моделирования: S1 («независимый от MAF EV») предполагает, что коэффициенты объясненной вариации EV _j . не зависит от MAF; S2 («MAF-независимый β _j ») предполагает, что величина генетического эффекта βj не зависит от MAF, а S3 («MAF-log-зависимый βj»). предполагает, что генетический эффект связан с MAF через log 10 функция (как определено в таблице 1).Для каждого типа сценария моделирования мы оцениваем мощность для локуса размером J = 50, 100, 200 и 400. Мы дополнительно рассматриваем четыре значения ряда причинных SNP j _C = 10,20, 30 и 50 для расчеты, основанные на точных теоретических расчетах и ​​расчетах второго порядка. В Приложении D мы подробно описываем механизмы моделирования и суммируем имитационные модели и параметры, необходимые для каждого метода, в Таблице 2.

Сценарий S1 (‘независимый от MAF EV ‘) предполагает, что MAF и EV взаимно независимы.Сценарий S2 («независимый от MAF βj») предполагает, что MAF и величина эффекта взаимно независимы. Сценарий S3 («MAF-log-зависимый β _j ») предполагает, что MAF и величина эффекта зависят от функции log10. Для точных вычислений для сценария S1 мы напрямую генерируем EV _j s из определенного значения EV, а для сценариев S2 и S3 мы сначала генерируем β _j S, затем вычисляем соответствующие EV _j s.

Границы вариации, объясняемые причинным локусом

В таблице 3 мы приводим ключевые параметры, которые суммируют недавно опубликованный анализ ассоциации с редкими вариантами ^{7; 10; 13-15; 17-21} .Как правило, исследования BeadChip экзома человека (Exome Chip) имели больший размер выборки, чем исследования на платформе секвенирования; однако они охватывали гораздо меньшее количество редких вариантов. В этих гораздо более крупных исследованиях обычно было по крайней мере одно важное открытие, в то время как исследования с другими платформами, как правило, не сообщали ни о каком. Мы используем нашу математическую схему, представленную в предыдущем разделе, для сравнения генетических границ, подразумеваемых этими результатами. Здесь мы сосредоточимся на результатах крупнейшего исследования с каждой платформой для секвенирования и экзомного чипа ^{18; 21} (см. 5 строк ^-й и 9 ^-й таблицы 3).

Резюме недавно опубликованных исследований ассоциации с редкими вариантами.

Для оценки генетических границ по результатам первого исследования уровня образования с платформой секвенирования мы используем математическую структуру, представленную в предыдущем разделе. Мы оцениваем вероятность отсутствия открытий (m = 0) с учетом генетической модели из формулы (2), используя следующие параметры. Мы установили эффективный размер выборки равным N = 15000, чтобы соответствовать количеству лиц, секвенированных с полным геномом и экзомом, в этом исследовании (см. 5 ^{-ю строку} в таблице 3).Мы предполагаем, что анализ проводился по статистике SKAT с геном как единицей. Мы используем общедоступную базу данных EXaC ³² для получения эмпирических распределений количества редких вариантов в гене (J _k ) и векторе MAF p _k . Чтобы гарантировать справедливость формул асимптотической мощности, мы предполагаем, что MAF редкого варианта находится в диапазоне от 0,0001 до 0,01 (например, без синглтонов и дублетов). Наконец, мы устанавливаем порог ошибки типа 1 2,5 · 10 ⁻⁶ .

Чтобы оценить генетические границы для второго исследования результатов измерения артериального давления с платформой Exome Chip, мы используем следующие параметры для оценки вероятности не более трех открытий (m = 3). Мы установили эффективный размер выборки равным N = 140 000, чтобы соответствовать количеству людей, генотипированных платформой Human Exome BeadChip (см. 9 ^{-ю строку} в таблице 3). Аналогично первому исследованию мы предполагаем, что анализ проводился по статистике SKAT с геном в качестве единицы. Эмпирические распределения количества редких вариантов в гене (J _k ) и вектора MAF p _k получены из базы данных EXaC.По сравнению с первым исследованием, мы предполагаем, что MAF для редких вариантов меньше 0,01. Наконец, мы используем тот же порог ошибки 1-го типа α = 2,5 · 10 ⁻⁶ .

Для каждой комбинации числа, лежащего в основе причинных локусов K и L-образного распределения размера эффекта, мы вычисляем вероятность m открытий, используя формулу (2) с параметрами исследования. Ожидания в (2) оцениваются с использованием 100 000 симуляций Монте-Карло. Для каждого K и L-образного распределения размера эффекта мы пересчитываем мощность статистики SKAT, используя сгенерированный коэффициент вариации, объясненный EV _k , количество вариантов в локусе J _k и вектор МАФ p _k . Затем вставляются средние значения (2). В этом отчете мы рассчитываем мощность статистики теста SKAT при допущении независимости между долей вариации, объясняемой SNP и MAF. Результаты для другой генетической архитектуры также обсуждаются и представлены в дополнительных материалах.

Влияние вариантов фильтрации по посторонней информации на мощность

Мы рассматриваем два значения размера локуса J = 50,100 и два значения количества причинных вариантов в локусе, J _c = 10, 20.Начальное значение EV выбрано таким образом, чтобы мощность теста SKAT была равна 40% при ошибке 1-го типа α = 0,05 / 20 000 = 2,5 · 10 ⁻⁶ и размере выборки N = 10 000. Для каждой комбинации чувствительности и специфичности мы оцениваем среднюю мощность теста SKAT с пересчитанными параметрами J _s и EV _S ,. При тех же значениях коэффициента вариации и доли причинных вариантов мы дополнительно исследуем свойства статистики бремени теста, предполагая, что все причинные варианты вредны.Для этого эмпирического исследования мы также предполагаем независимость между долей вариации, объясняемой SNP и MAF. Результаты для других генетических архитектур представлены в дополнительных материалах.

Результаты

Свойства аппроксимации первого и второго порядка

Мы оцениваем точность аппроксимации первого и второго порядка по сравнению с точным вычислением мощности теста компонента дисперсии при различных генетических моделях (см. Таблицу 2). Как и ожидалось, приближение первого порядка лучше соответствует точному расчету, поскольку количество причинных вариантов в локусе J _C увеличивается на (см. Рисунок 1 ).В частности, мы наблюдаем, что с более чем 20 причинными вариантами в локусе (J _C ≥ 20) разница в силе между этими двумя методами мала, независимо от общего количества вариантов в локусе J = 50,100 ( см. рисунок 1 B и D и дополнительный рисунок S1). Аналогичный вывод справедлив также для очень больших локусов J = 200 400 и других взаимосвязей между генетическим эффектом и MAF (см. дополнительные рисунки S2, S3 и S4 ).При меньшем количестве причинных вариантов в локусе (например, J _C = 10) мы наблюдаем смещение вверх в оценках первого порядка, когда точная мощность высока, и смещение вниз, когда точная мощность мала (см. Рисунок 1 A и С ).

Точная формула представляет собой расчетную среднюю мощность с использованием точных теоретических формул для статистики теста SKAT. Приближение первого порядка представляет собой расчетную среднюю мощность с использованием приближения первого порядка для статистики теста SKAT.

Мы видим, что приближение второго порядка более точное при оценке точной мощности (см. Рисунок 2). Теперь разница в мощности между приблизительными и точными вычислениями мала, даже когда количество причинных вариантов в локусе невелико, J _c = 10 (см. Дополнительные рисунки S5-S7). В целом, наши симуляции показывают, что приближение первого порядка точно оценивает точную мощность, когда количество причинных вариантов в локусе не слишком мало.Однако, если количество причинных вариантов в локусе невелико, то приближение первого порядка может привести к ошибочным результатам. С другой стороны, аппроксимация второго порядка более точно оценивает точную мощность независимо от базовой общей архитектуры, но требует указания дополнительного параметра, количества причинных вариантов в локусе J _c .

Точная формула представляет собой расчетную среднюю мощность с использованием точных теоретических формул для статистики теста SKAT. Аппроксимация второго порядка представляет собой расчетную среднюю мощность с использованием приближения второго порядка для статистики теста SKAT.

Оценка верхних границ распределения размера эффекта

Мы используем общедоступные сводные статистические данные из базы данных ExAC для получения эмпирических распределений размера гена ( J ) и MAF ( р ) для исследований по секвенированию и Платформы Exome Chip.Мы приводим ключевые параметры этих эмпирических распределений на дополнительных рисунках S8-S11. Как и ожидалось, исследование с платформой Exome Chip имеет в среднем меньшее количество вариантов в гене, чем исследование платформы полного секвенирования экзома (WES). Мы наблюдаем, что среднее количество редких вариантов на ген ( J ) составляет 35,5 и 13 в исследованиях по секвенированию и платформам Exome Chip. Мы также отмечаем, что первое исследование с участием 15000 человек с секвенированием всего экзома выявило 743 094 редких варианта, а второе исследование с участием 140 000 человек с генотипом экзома-чипа выявило 215 674 редких варианта.

На рисунке 3 мы изображаем максимальную вероятность отсутствия открытий в исследовании уровня образования с платформой секвенирования ¹⁸ для различных комбинаций числа лежащих в основе причинных локусов K и общей фенотипической изменчивости, объясняемой причинными локусами. Мы наблюдаем, что модели с небольшим количеством лежащих в основе причинных локусов и большими значениями общей фенотипической изменчивости очень маловероятны (например, максимальная достоверность меньше 0,05). Например, если лежащие в основе локусы объясняют 20% фенотипической изменчивости признака, то очень маловероятно, что в основе лежит менее 250 причинных локусов.Если мы предполагаем независимость между генетическим эффектом SNP и MAF (например, тест SKAT имеет большую силу), тогда должно присутствовать большое количество локусов, чтобы объяснить ту же общую наследуемость, которая объясняется лежащими в основе локусами (см. Дополнительные рисунки S12). Например, если лежащие в основе локусы объясняют 20% фенотипической изменчивости, то маловероятно, что у них будет менее 700 лежащих в основе причинных локусов.

Эффективный размер выборки составляет 15 000, а уровень теста — 2,5-10 ⁻⁶ . Вероятности оцениваются с помощью (2) и предположения о независимости между MAF и EV. Мы приводим приблизительные контуры (границы) вероятности отсутствия открытий в 5%.

На рисунке 4 мы отображаем максимальную вероятность наблюдения трех или менее открытий в гораздо более крупном исследовании артериального давления с платформой Exome Chip ²¹ . Мы наблюдаем, что ограниченное количество результатов в исследовании с очень большим размером выборки и меньшим количеством вариантов на ген дает очень четкую границу взаимосвязи между количеством лежащих в основе причинных локусов и общей наследуемостью, объясняемой причинными локусами.Например, если лежащие в основе причинные локусы объясняют 20% фенотипических вариаций, то должно быть не менее 6500 основных случайных локусов. Как и в случае с результатами исследования WES, генетическая связь становится еще более четкой, если предполагается, что независимость между MAF и генетическим эффектом составляет (см. Дополнительные рисунки S13).

Установлен эффективный размер выборки 140 000, а уровень теста — 2,5-10 ⁻⁶ . Вероятности оцениваются с помощью (2) и предположения о независимости между MAF и EV. Мы приводим приблизительные контуры (границы) вероятности отсутствия открытий в 5%.

В заключение, ограниченное количество открытий в двух типах исследований указывает на то, что значительный процент наследственности основных признаков может быть объяснен редкими изучаемыми вариантами только в рамках высокополигенной модели, включающей множество причинных локусов с очень небольшими эффектами.Также возможно, что редкие варианты, включенные в эти исследования, вносят минимальный вклад в наследуемость основных признаков.

Влияние выбора SNP на мощность агрегированного теста

Наконец, мы исследовали потенциальное влияние предварительного выбора вариантов с помощью функциональной / аннотационной информации на мощность тестов на основе генов (рис. 5). Мы рассматриваем настройку, при которой, если все SNP выбраны в пределах гена, компонент дисперсии и тест суммы имеют умеренную и сопоставимую мощность (40% и 36% соответственно).Априорный выбор SNP не улучшает мощность теста на компонент дисперсии существенно (например, на 10%), если основной алгоритм не имеет очень высокой точности для различения причинных и непричинных SNP (AUC между 80-90%). С другой стороны, мощность для теста, основанного на сумме, может существенно улучшиться при более скромной дискриминирующей точности алгоритма выбора SNP (AUC между 70-80%). Кроме того, мы наблюдаем, что роль чувствительности и специфичности не является симметричной по мощности тестов. Для обоих тестов существенное улучшение мощности возможно только при минимальной чувствительности 30-40%.С другой стороны, значительное улучшение мощности возможно при довольно низкой специфичности (например, около 20%) и высокой чувствительности (например, 90%). Мы наблюдаем аналогичные результаты в исследованиях с различной генетической архитектурой и большим количеством SNP в локусе (дополнительные рисунки S14-S16).

Начальная мощность для теста компонента дисперсии установлена ​​на 40% , количество дисперсии в локусе установлено на Дж = 50 , а количество причинных вариантов равно Дж _c = 10. Начальная мощность статистики нагрузочного теста в результате соответствует 0,36.

Обсуждение

Хотя исследования крупногеномных ассоциаций низкочастотных и редких вариантов в настоящее время становятся все более осуществимыми благодаря технологическим достижениям, вероятный результат таких исследований в будущем остается неопределенным, поскольку исследования, проведенные на сегодняшний день, дали лишь ограниченное количество результатов. выводы ^7-22 . Для исследований общих вариантов, которые в основном основывались на тестировании ассоциации на уровне отдельных вариантов, мы и другие показали, что результативность полногеномных исследований ассоциации критически зависит от распределения фенотипических вариаций, объясняемых отдельными вариантами по геному.Для исследований редких вариантов было предложено, чтобы тесты на генетические ассоциации выполнялись на агрегированном уровне путем комбинирования сигналов нескольких вариантов для мощного обнаружения лежащих в основе локусов восприимчивости ^{22; 25-27; 29} . В этом отчете мы показываем, как мощность некоторых из этих более сложных тестов критически связана с общими генетическими вариациями, объясняемыми множеством вариантов в пределах локуса. Основываясь на таких расчетах мощности, мы оцениваем границы распределения генетических вариаций на уровне локусов, которые согласуются с ограниченными результатами, представленными в текущих исследованиях.Кроме того, на основе этих упрощенных расчетов мощности мы оцениваем потенциал повышения мощности для агрегированных тестов путем предварительного выбора вероятных причинных вариантов на основе функциональной / аннотационной информации.

Энергетический анализ ряда текущих исследований с большими объемами выборки обеспечивает важные границы генетической архитектуры основных признаков. В частности, наш анализ показывает, что редкие варианты, исследованные в этих исследованиях, могут объяснить значительную долю наследственности основных признаков только в высокополигенных моделях, в которых причинные варианты распределены по сотням или даже тысячам различных генетических локусов.Например, отсутствие результатов генного анализа в исследовании уровня образования с участием 15000 человек ¹⁸ указывает на то, что необходимо задействовать как минимум 250 локусов, чтобы объяснить 20% наследуемость основных признаков на основе редких вариантов, которые включены в эту платформу секвенирования (например, WES + WGS). Точно так же очень немногие результаты (m = 3) из гораздо более крупного исследования артериального давления с участием 140000 человек ²¹ показывают, что необходимо задействовать как минимум локусы, чтобы объяснить 20% наследуемость 6500 на основе платформы Exome Chip. .Эти результаты интуитивно понятны, учитывая, что если относительно небольшое число, например, несколько десятков генетических локусов могут объяснить значительную часть наследуемости этих признаков, тогда по крайней мере некоторые из этих локусов будут обнаружены по размеру выборки, достигнутой к настоящему времени в текущих исследованиях.

В ряде исследований редких вариантов, в которых проводились как индивидуальные, так и агрегированные тесты, было обнаружено больше генетических локусов с использованием первого подхода, чем более позднего ^{10; 15; 20; 21} (см. Таблицу 3).Такой вывод согласуется с моделями генетической архитектуры, в которых количество причинных вариантов в локусах восприимчивости невелико. В таком сценарии агрегированные тесты будут иметь низкую мощность, и более информативные границы генетической архитектуры могут быть получены путем анализа мощности для индивидуальных вариантных тестов. Аналитическая формула, которую мы предлагаем для расчета вероятности определенного количества открытий при различных моделях генетической архитектуры, также может быть применена для одновариантных тестов. Приложения в нескольких реальных исследованиях показывают, что редкие варианты, включенные в исследования, могут объяснить значительную долю наследуемости признака только при высокополигенной архитектуре болезни.

Разнообразные исследования изучали генетическую архитектуру общих вариантов путем характеристики лежащей в основе наследственности, числа вариантов восприимчивости и распределений размера эффекта ^{24; 38} . Все эти исследования последовательно указывают на высокополигенную модель, в которой этиология заболевания может включать тысячи или даже десятки тысяч вариантов общей предрасположенности, каждый из которых несет лишь умеренный риск, но в сочетании они могут объяснить существенные вариации риска.В некоторых недавних исследованиях сообщается, что исследования с низкой частотой и редкими вариантами могут объяснить значительную долю наследуемости отдельных признаков ^{10; 42; 43} . Дальнейшее понимание генетической архитектуры этих признаков может быть получено путем сравнения наблюдаемых количественных открытий в этих исследованиях с результатами моделирования исследований с использованием различных моделей генетической архитектуры ^{23; 44} . Предлагаемая аналитическая структура обеспечивает альтернативный быстрый и простой способ оценки ожидаемых открытий для большого разнообразия генетических моделей и количественной оценки их правдоподобия с учетом результатов данного исследования.

Расчеты мощности для агрегированных тестов с выбранным подмножеством SNP указывают на некоторые проблемы при использовании функциональной и аннотационной информации для обнаружения локуса восприимчивости. В целом, похоже, что предварительный выбор SNP может значительно улучшить мощность агрегированного теста только в том случае, если базовая функциональная / аннотационная информация имеет достаточно высокую точность для различения (AUC> 70-80%) между причинными и непричинными вариантами для основного интересующее заболевание. В частности, алгоритм должен быть высокочувствительным для выявления основных причинных вариантов заболевания.Использование слишком строгого критерия для выбора SNP может повысить специфичность, но приведет к снижению чувствительности и, следовательно, может привести к потере мощности в агрегированных тестах. Для оценки влияния выбора SNP на мощность агрегированных тестов необходимы дополнительные эмпирические исследования.

Сложные алгоритмы вменения ⁴ ’ ⁵ и увеличивающийся размер выборки базовых наборов данных ⁴ , позволяющий вменять низкочастотные и редкие варианты с повышенной точностью.Многие исследования ассоциаций в настоящее время проводятся на основе вменения в существующих крупных общегеномных исследованиях ассоциаций. Ограничением нашего метода является то, что он в настоящее время не может учитывать точность вменения, которая, как ожидается, будет снижаться с уменьшением частоты аллелей. На уровне отдельных вариантов снижение мощности можно охарактеризовать с помощью формулы ослабления величины эффекта за счет вменения ⁴⁵ . Необходимы дальнейшие исследования, чтобы понять влияние вменения на агрегированные тесты, охватывающие варианты различных частотных спектров аллелей.В этом отчете мы проиллюстрировали применение структуры в анализе на основе экзома, где агрегированные тесты могут применяться к в значительной степени неперекрывающимся генам. Для исследований секвенирования всего генома, когда агрегированный тест может применяться в режиме скользящего окна ¹⁰ ; ¹⁴ , требуется дополнительная работа для вычислений мощности в масштабе всего генома с точки зрения базовых моделей генетической архитектуры.

В заключение, в этом отчете мы предлагаем простые аналитические подходы к расчетам мощности для тестов ассоциации редких вариантов на уровне отдельного локуса и на уровне всего генома с точки зрения нескольких ключевых параметров базовых моделей генетической архитектуры.Вместе эти методы, которые мы реализуем в приложении Shiny на R, предоставят полезные инструменты проектирования для планирования общегеномных исследований ассоциаций следующего поколения.

Наличие / отсутствие наблюдателя в тесте словесных ассоциаций

% PDF-1.7 % 1 0 объект > эндобдж 2 0 obj > поток 2017-12-21T13: 05: 32-08: 002017-12-21T13: 05: 32-08: 002017-12-21T13: 05: 32-08: 00Appligent AppendPDF Pro 5.5uuid: 150e5ddb-a782-11b2-0a00- 782dad000000uuid: 150e66e9-a782-11b2-0a00-90d4b3e0fe7fapplication / pdf