研究设计

MESA 研究是一项随机对照研究，于 2018 年 12 月开始，在汉堡医学院的实验室环境中进行。该研究分为在线筛选和主要检查，详细说明见下文（“程序”部分）。该研究采用四组设计。参与者被分成相等的经常饮酒者和高风险饮酒者组（经常饮酒被定义为过去 30 天内平均每日饮酒量少于 24 克，而高风险饮酒被定义为过去 30 天内平均每日饮酒量超过 24 克 [51 ]）。然后，经常和有风险的饮酒者被随机分配到实验（急性压力）或控制条件（图 1）。

研究设计

研究是根据国家数据保护法、赫尔辛基修订宣言和良好临床实践指南进行的。在完成研究描述后，获得所有参与者的书面知情同意。该研究得到了德累斯顿工业大学 (EK 522122016) 和汉堡医学院 (MSH-2020/114) 的机构审查委员会的批准。

纳入和排除标准

与女性相比，男性出现饮酒问题的风险更高 [52]，并且更有可能报告因压力引起的饮酒 [6]。因此，只包括男性个体，以减少混杂因素（例如口服避孕药的摄入量、月经周期）的异质性和潜在影响，尤其是在生物学测量中。所有参与者必须在 18-40 岁之间。年龄上限是由于大多数酒精使用问题出现在青春期和青年期 [53, 54, 55]。此外，符合条件的个人必须至少偶尔饮酒，并将啤酒作为他们最喜欢的酒精饮料，因为参与者熟悉酒精品牌以在注意力偏差范式中识别它们对于研究的成功是必要的（“评估”部分） .此外，为戒酒者提供酒精饮料可能被认为是不道德的。此外，头发长度至少为 2 厘米需要分析头发皮质醇浓度 [56]，作为压力和酒精使用之间关联的基础皮质醇分泌的累积量度（详细说明参见 2.4 生物量度）。排除标准是终生精神病症状、终生酒精或任何其他物质使用障碍、当前的心理或精神药物干预和急性自杀、当前的精神药物或其他药物或任何可能混淆研究措施的躯体疾病，特别是关于内分泌措施，以及学习日的饮酒量。所有符合纳入标准的受试者将被分层到报告的组中。

先验功效分析

MESA 研究的目标是 400 名年轻男性的非临床目标样本。进行功效分析以计算所需的样本量。使用 STATA 12.1 [57] 中的 simpower 程序运行了一系列蒙特卡罗模拟（每个模拟 1000 次方差分析 F 测试）。蒙特卡洛模拟显示，假设每个饮酒阶层的样本量为 n = 200，则不同群体规模比率的统计功效范围在 0.80 和 0.95 之间。鉴于研究的分层随机设计，这导致最终的组大小为 n = 100（图 1）。

招募和筛选程序

参与者通过个人联系方式、传单和汉堡大学和公共场所（咖啡馆、酒吧、超市、体育俱乐部；学生宿舍）的广告以及社交媒体（例如 Instagram、Facebook）和学生就业市场进行招募.此外，还会在讲座和大学网站上投放广告。

所有愿意参与研究的个人都必须在主要评估之前完成在线筛选，其中评估基本人口统计变量以及所有纳入和排除标准。此外，通常的酒精消耗量是使用自我管理的时间线跟踪测量的，该时间线由一个日历组成，参与者在日历上提供过去 30 天平均每日酒精摄入量的回顾性报告 [58]。每日饮酒量信息用于将参与者分配到经常饮酒和有风险饮酒的人群中。然后邀请所有符合纳入标准的个人参加主要研究。

评估

与人相关的措施

参与者完成全面的基线评估（问卷包），包括建议的调节因素（儿童虐待、特质冲动）、中介因素（对酒精相关刺激的注意力偏向、抑制控制和冲动，以及急性期的压力反应）的测量压力源）以及可能影响兴趣关联的变量（通常的饮酒量、饮酒动机、感知压力、特质焦虑、情绪调节困难、心理灵活性）（表 1）。

生物测量

头发丝被用来反映在各自评估点之前的两个月内累积的长期皮质醇分泌 [56]。由基础皮质醇分泌和压力诱导的皮质醇分泌组成的累积皮质醇分泌已被证明是与压力相关的不良后果（包括酒精使用增加）的重要调节剂[85, 86]。此外，在研究期间，使用 Salivettes® “code blue”（Sarstedt，Nümbrecht，Germany）和合成拭子收集了四个唾液样本，以测量游离皮质醇水平和 α-淀粉酶活性作为应激反应的生物学指标（图 5）。第一个唾液样本是在压力诱导之前立即采集的（有关压力诱导的详细说明，请参见“样本储存、生化分析和数据准备”部分）。第二个唾液样本是在压力诱导后立即采集的，以及在压力诱导后的 12 分钟（第三个丹参样本）和 24 分钟（第四个丹参样本）。皮质醇是下丘脑垂体肾上腺 (HPA) 轴的最终输出，是最常用的心理压力生物标志物之一 [87, 88]。此外，鉴于皮质醇的生物活性（游离）部分反映在唾液中，相对于血清皮质醇，它可能是一种优选的测量方法 [87, 89]。此外，α-淀粉酶是唾液的一种酶成分，已被提议作为压力诱导的交感神经系统 (SNS) 活动的标志物。基于唾液的 SNS 活动测量的优点是可以方便地在单个试管中评估两个主要压力系统（即 SNS 和 HPA 轴）的活动，而无需技术复杂的仪器 [63]。

行为测量

除了自我报告测量外，还进行了三项行为任务来测量对酒精相关刺激、抑制性控制和冲动的注意力偏向，作为压力和酒精使用之间关联的可能中介[18, 90]。使用点探测任务（图 2）测量对酒精相关线索的注意偏差，该任务是根据类似设置中的先前任务进行编程的 [41, 90]。向受试者呈现配对的酒精（啤酒）和非酒精饮料 500 毫秒（刺激开始异步，SOA）。另一个 100 毫秒的 SOA 将被添加到拟议研究的范式中，以便能够捕获自动初始反应（参见 [91]）。刺激是根据专家对颜色、形状和识别相似性的评级来选择的。受试者对出现在酒精或非酒精饮料后面的探针做出反应。酒精和非酒精刺激之间的反应时间差异是对酒精相关线索的注意力偏差的衡量标准。尽管点探测任务是一种广泛使用的测量注意力偏差的范式，但对其可靠性存在争议 [92, 93]。已经提出了一种新的基于试验的注意偏差概念化，它可以提高可靠性[94]。

点探针任务

抑制控制是使用 go/no-go 任务测量的（图 3），其中向参与者展示了 320 个包含两个点的刺激试验（280 个试验和 40 个 nogo 试验）。每个点对显示 500ms，水平或垂直排列。水平排列的点表示开始试验，参与者必须尽快按下响应键，而参与者在看到垂直排列的点时被指示保留。由于有证据表明参与者以不同的方式平衡速度-准确性权衡 [95]，因此 go/nogo 任务的相关度量是平衡集成分数 (BIS)。该分数分两步计算。首先，响应时间 (RT) 以及正确响应 (PC) 的比例是标准化的。其次，从另一个中减去一个标准化分数[96]。

Go-nogo 任务

作为冲动性度量的延迟折扣任务取自 Pooseh 等人开发的任务组。 （[65]；MATLAB 脚本可从 https://github.com/spooseh/VBDM 获得），并在 Kräplin 等人中进行了详细描述。 [66]。该任务包括 30 次试验。参与者必须在较早交付的较小财务收益和较晚交付的较大财务收益之间做出决定。使用 MATLAB R2018a (MathWorks Inc., Natick, MA) 中的 Psychophysics Toolbox [97] 在计算机屏幕上同时呈现这两个选项。在较短和较晚的选择选项之间，延迟分别为 3、7、14、31、61、180 和 365 天。货币收益从 0.30 到 10 欧元不等。实施了贝叶斯自适应算法。这样，参数估计在每次试验后都会更新，并作为下一次试验计算选项的基础。该方法用于确定最接近个人在两种选择之间的无差异点（即无差异点）的信息量最大的报价。因此，可以在不使用事后参数估计的情况下有效地推断决策参数。根据贴现率 k (Mazur 1987)，生成了一个双曲线值函数来描述延迟奖励的主观值的下降。假设具有较高冲动性的个体显示较高的 k 值（图 4）。

决策小组中任务的示意图。延迟贴现任务。 b 收益的概率贴现。 c 损失的概率贴现。 d 混合赌博任务 [66]

压力诱导

压力是通过特里尔社会压力测试 (TSST) [98] 诱导的，作为在全球实验性实验室研究中诱导急性社会心理压力的最常用研究工具之一。 TSST 是一种标准化的实验室协议，它提供了一个可靠且生态有效的压力源 [98]。 TSST 包含与高皮质醇反应相关的社会评价威胁和不可控因素 [99]。测试分为三个相等的五分钟部分。它以准备期开始，然后是求职面试的自由演讲，并以算术任务结束。所有任务都在两个人的观众面前进行。与其他应激诱导范式相比，TSST 导致下丘脑-垂体-肾上腺 (HPA) 轴和自主应激反应发生强烈变化 [39, 100]。

在控制条件下，受试者参加安慰剂-TSST，其在时间和任务划分上具有可比性，但参与者没有任何观众和压力暴露[101]。它从一个准备期开始，然后是关于最后一个假期的自由演讲，最后是一个简单的向前计数的任务。此外，参与者在这两项任务中都是站立的。这将创建一个尽可能接近 TSST 的设置，但不包含压力组件（评估威胁和不可控性）。

随意味觉测试

在完成行为任务和干预后，参与者被要求参加随意味觉测试，作为饮酒量的隐蔽测量。随意口味测试是一种广泛使用的方法，它提供了一种不显眼和间接的测量参与者饮酒动机的方法[84]。所有参与者都获得两杯 0.33 升的啤酒（两个品牌，每杯含 5% 酒精）和两杯 0.33 升的装有不同软饮料的玻璃。参与者被告知他们有 15 分钟的时间来品尝每一杯，以评估每种饮料的品质（例如，有气味、苦味）。参与者被告知喝任何必要的量以做出准确的判断。因变量是酒精饮料（啤酒）的消耗量，范围在 0 到 666 毫升（等于 26.64 克乙醇）之间。提供非酒精饮料以控制口渴的潜在影响。随意口味测试是一种在实验室中评估酒精摄入量的有效方法，这得到了随意饮用和典型酒精消费之间强烈关联的支持[84]。它对几个潜在的混杂因素也很有效，例如一天中的时间或参与者的意识[84]。味觉测试已被用于调查对酒精消费的许多潜在影响，包括酒精提示 [102、103、104]、冲动控制 [105、106] 和社会影响 [107]，它已被用于建立新颖行为干预的初步概念证明 [108, 109, 110]。

程序

主要评估在下午 14 点至 20 点之间进行，以减少由于昼夜节律引起的生物测量（例如唾液皮质醇）的差异[111]。在下午 14 点之间的随意味觉测试中，白天饮酒的意愿也可能比晚上小，而白天时间对饮酒量没有影响。和晚上 20 点[84]。图 5 概述了主要研究过程。首先，要求参与者提供书面知情同意书。参与者没有饮酒可以通过呼气测醉仪读数来验证，读数高于零，导致考试立即结束。用于基础皮质醇分泌的发束从后顶点位置靠近头皮采集，以便能够在各自评估点之前的两个月内反映基础皮质醇分泌。然后参与者完成基线问卷，包括对提议的调节因素（童年虐待、特质冲动）和可能影响兴趣关联的变量（通常饮酒、饮酒动机、压力性生活事件、特质焦虑、情绪调节困难、心理灵活性）。随后，参与者要么参加压力诱导（实验条件）或安慰剂干预（控制条件），然后进行行为评估。与以前的 TSST 协议不同，在行为评估期间保持压力状态。因此，参与者被指示 TSST 面板在计算机任务期间继续观察和评估给定的性能，并且相机仍然指向参与者。随意品尝测试是该程序的最后评估。味觉测试后，所有参与者都被告知真正的学习目的，包括 TSST 程序。此外，在连续两次测量中重复进行呼气测醉器读数，直到血液酒精浓度达到 0.0‰。愿意在血液酒精浓度达到0.0‰之前离开的参与者必须在离开实验室时确认他们没有开车。坚持离开血液酒精浓度仍高于 0.4‰（仅在极少数情况下预计）的参与者将被出租车送回家。

学习程序。注：IC 知情同意、TSST Trier 社会压力测试

样本储存、生化分析和数据准备

唾液样本是在干预前直接和干预后三个时间点使用唾液“蓝色代码”设备（Sarstedt，Nümbrecht，德国）采集的（图 5）。唾液样本储存在 - 20°C 的实验室冰箱中。解冻后，唾液样本将在 4000rpm 下离心 10 分钟。唾液皮质醇浓度将使用市售化学发光测定法（CLIA，IBL-Hamburg，Germany）测定。根据 [63] 中描述的方案，将使用内部酶动力学方法检测唾液 α-淀粉酶的浓度。头发皮质醇浓度将通过液相色谱串联质谱法测定（有关分析方法的详细信息，请参阅 [56]）。

非正态分布的维度变量（例如头发皮质醇浓度、唾液皮质醇和 α 淀粉酶）将被 Box-Cox 转换为正态分布。对于所有生物学和行为变量，异常值高于平均值三个标准差的参与者将被排除在各自的分析之外。此外，稳健的线性回归将补充传统的线性回归，因为它们会降低具有大残差的观测值，以满足残差方差相等的假设。将计算 TSST 期间整个皮质醇分泌的综合测量值（相对于地面的曲线下面积；AUCG）和皮质醇应激反应性（相对于增加的曲线下面积；AUCi）[112]。对这些变量的分析将针对初始皮质醇浓度进行调整，以减轻混杂风险，因为 AUC 变量可能由压力反应性和与压力无关的 HPA 轴活动引起的方差组成 [113]。在 TSST 期间包括皮质醇分泌在内的所有分析都将运行两次，第一次是所有参与者，第二次排除 TSST 无反应者（与基线相比增加 1.5nmol/l [114]）。对于 α-淀粉酶，将计算 AUC 测量值和峰值减去基线水平。

统计分析

压力暴露（压力与对照组）对酒精消耗（酒精饮料消耗量）的主要影响将使用线性回归来确定，该线性回归调整了非酒精饮料消耗量（这减少了结果的非特异性差异）。然而，如果尽管随机化，两组之间的基线特征存在相当大的偶然差异，如果这些特征与饮酒相关，则这些特征将包含在回归模型中。为了解决与缺失数据相关的潜在偏差，我们将使用多重插补进行敏感性分析。

调节分析：调节器的定义是因果关系[50]。将应用具有交互项的线性回归来测试对酒精消费的压力效应是否受到童年虐待、头发皮质醇浓度和特质冲动性的缓和（使用主效应项和交互项，例如群体×童年虐待）。显着的交互作用表明，各个因素（调节因子）预测压力对酒精假设的不同影响。为了得出因果结论，我们将再次拟合这些模型，同时调整调节因素和结果的共同因素（例如以前的压力事件、以前的酒精使用）[50]。

中介分析：中介也是根据在 Stata 的“参数”包中实施的 Robins 和 Greenland [115] 的反事实定义进行因果定义的。该模块允许将估计的总压力效应（压力与对照组）对饮酒量的影响分为直接影响和通过压力反应介导的间接影响（唾液皮质醇、α淀粉酶、自我报告的压力）、冲动性（延迟折扣）、抑制控制和动机敏化（注意偏差）。中介分析将针对推定的社会人口学（例如年龄）和潜在中介和结果的其他共同因素（例如一天中的时间、啤酒的偏好）以及上述因素进行调整以进行调节。 alpha 级别将指定为两侧的 0.05。如有必要，将使用稳健的标准误差（通过三明治估计器）和稳健的线性回归 [116]] 重复分析。

研究进展和初步可行性数据

所提交的 MESA 研究的数据收集始于 2018 年 12 月。从 2018 年 12 月到 2022 年 3 月，N = 623 人参加了在线筛选。到目前为止，总共收集了213个完整的数据集。所有参与者均为男性，年龄在 18-40（M = 25）岁之间。 213 名参与者中有 97 人参与了压力状态，分为 40 名高风险饮酒者和 57 名经常饮酒者。此外，117 名参与者参与了控制条件，分为 36 名高风险饮酒者和 81 名经常饮酒者。超过一半的人报告说他们是大学生。

由于 Covid-19 大流行，该研究于 2020 年 3 月开始暂停，以保护参与研究的所有人员的安全和健康并遵守立法规定。实验室于 2021 年 9 月重新开放，数据收集工作已于继续。