Cognitive Flexibility and Decision-Making in Anxiety and Depression: Meta-Analytic Evidence Facilitated by Machine-Learning Screening

Diese Metaanalyse, die maschinelles Lernen für ein effizientes Screening nutzt, zeigt, dass sowohl Angststörungen als auch Depressionen mit einer verminderten kognitiven Flexibilität und Entscheidungsfindung einhergehen, wobei keine signifikanten Unterschiede zwischen den beiden Störungen bestehen, was eine transdiagnostische Perspektive auf diese kognitiven Beeinträchtigungen stützt.

Das Wesentliche

Das große Ganze: Ein „Gehirn-Report" für Angst und Depression

Stellen Sie sich Ihr Gehirn als hochtechnisches Kommandozentrum vor. Es hat zwei Hauptaufgaben, die Ihr Leben reibungslos am Laufen halten:

1. Entscheidungsfindung: Den besten Weg nach vorne zu wählen, wenn Sie Optionen haben (wie die Wahl einer Route zur Arbeit oder die Entscheidung, was Sie essen).
2. Kognitive Flexibilität: Die Fähigkeit, schnell umzulenken, wenn sich die Regeln ändern (wie das Spurwechseln, wenn der Verkehr stoppt, oder das Ändern Ihres Plans, wenn es anfängt zu regnen).

Dieses Paper ist ein massiver „Report", der untersucht, wie Angst und Depression diese beiden Aufgaben beeinflussen. Die Forscher haben nicht nur eine Studie betrachtet; sie haben Daten aus 92 verschiedenen Studien gesammelt, an denen Tausende von Menschen teilnahmen. Sie nutzten ein spezielles Computerprogramm (Machine Learning), um ihnen zu helfen, über 23.000 Forschungsarbeiten zu lesen und die richtigen herauszufinden, ähnlich wie die Verwendung einer superklugen Bibliothekarin, um die besten Bücher in einer riesigen Bibliothek zu finden.

Was sie fanden: Der „Stau"-Effekt

Das Hauptergebnis ist einfach: Sowohl Angst als auch Depression machen diese Gehirnaufgaben schwieriger.

• Das Ergebnis: Menschen mit Angst oder Depression zeigten bei Aufgaben, die Entscheidungsfindung und Flexibilität erfordern, im Vergleich zu gesunden Menschen „niedrigere Werte".
• Die Analogie: Stellen Sie sich vor, Sie fahren ein Auto.
  • Gesundes Gehirn: Sie sehen ein Umleitungsschild, wechseln sanft die Spur und finden eine neue Route. Sie treffen schnell Entscheidungen.
  • Angstvolles/Depressives Gehirn: Es ist wie das Fahren in einem dichten Nebel oder einem Stau. Das Auto (Ihr Gehirn) ist noch da, aber es ist schwieriger, die Straße zu sehen, schwieriger, die Spur zu wechseln, und schwieriger, eine schnelle Kurve zu fahren. Sie könnten stecken bleiben oder einen längeren, weniger effizienten Weg nehmen.

Die große Überraschung: Sie sind ähnlicher als unterschiedlich

Vor dieser Studie glaubten viele Experten, dass Angst und Depression Ihr Gehirn auf völlig unterschiedliche Weise durcheinanderbringen könnten.

• Alte Idee: „Angst macht dich zu ängstlich, um zu entscheiden, während Depression dich zu traurig macht, es zu versuchen."
• Das Ergebnis dieser Studie: Nein. Wenn es um diese spezifischen Gehirnaufgaben geht, wirken Angst und Depression fast genau gleich.

Die Analogie: Denken Sie an Angst und Depression als zwei verschiedene Arten von Stürmen. Der eine ist ein Gewitter (Angst), der andere ein schwerer, grauer Nebel (Depression). Sie sehen unterschiedlich aus und fühlen sich unterschiedlich an, aber wenn es darum geht, einen Baum umzuwerfen (die Beeinträchtigung von Entscheidungsfindung und Flexibilität), werfen beide Stürme den Baum mit der gleichen Kraft um.

Die Forscher verglichen die beiden Gruppen Seite an Seite und fanden keinen signifikanten Unterschied. Ob Sie Angst oder Depression haben, Ihre Fähigkeit, den Gang zu wechseln oder eine Wahl zu treffen, ist in ähnlichem Maße beeinträchtigt.

Warum passiert das? (Die „gemeinsame Motor"-Theorie)

Das Paper legt nahe, dass, da die Probleme so ähnlich sind, sie wahrscheinlich einen gemeinsamen „Motor" oder eine gemeinsame Ursache haben. Es ist nicht so, dass Angst und Depression völlig getrennte Krankheiten mit separaten Gehirnproblemen sind; sie scheinen einen „transdiagnostischen" (diagnoseübergreifenden) Faktor zu teilen.

Die Analogie: Stellen Sie sich zwei verschiedene Automodelle (Angst und Depression) vor, die beide denselben defekten Zündkerzen haben. Auch wenn die Autos von außen unterschiedlich aussehen, ist der Grund, warum beide stottern und stehen bleiben, derselbe defekte Teil im Inneren. Das Paper legt nahe, dass Faktoren wie Stress, negative Gedankenschleifen oder die Art und Weise, wie das Gehirn mit Unsicherheit umgeht, die „defekten Zündkerzen" sind, die beide Gruppen betreffen.

Wie sie es gemacht haben (Die „kluge Suche")

Ein cooler Teil dieses Papers ist, wie sie die Arbeit erledigt haben.

• Das Problem: Es gibt so viele Forschungsarbeiten (über 23.000), dass das manuelle Lesen aller durch ein menschliches Team Jahre dauern würde.
• Die Lösung: Sie nutzten ein Machine-Learning-Tool namens asReview.
• Die Analogie: Stellen Sie sich vor, Sie müssen 100 spezifische Nadeln in einem Heuhaufen finden. Anstatt dass ein Mensch den ganzen Heuhaufen durchgräbt, geben Sie einem Roboter ein Bild einer Nadel. Der Roboter scannt den Heuhaufen, lernt, wie eine Nadel aussieht, und beginnt, die wahrscheinlichsten Kandidaten zuerst herauszuziehen. Die Menschen überprüfen dann die Auswahl des Roboters. Dies machte den Prozess viel schneller und stellte sicher, dass sie keine wichtigen Studien übersehen haben.

Das Fazit

Diese Studie sagt uns, dass, wenn es um die Mechanik des Treffens von Entscheidungen und des Anpassens an Veränderungen geht, Angst und Depression in ihrer Wirkung Zwillinge sind. Beide erzeugen einen „kognitiven Nebel", der Sie verlangsamt und es schwieriger macht, die Spur zu wechseln.

Da sie das Gehirn auf so ähnliche Weise beeinflussen, deutet das Paper an, dass wir aufhören müssen, sie als völlig getrennte Probleme zu behandeln, wenn es um diese spezifischen Gehirnfunktionen geht. Anstatt zu fragen: „Ist dies ein Angstproblem oder ein Depressionsproblem?", müssten wir vielleicht fragen: „Wie reparieren wir den gemeinsamen Motor, der für beide den Stau verursacht?"

(Hinweis: Das Paper stellt ausdrücklich fest, dass dies Forschungsergebnisse sind und nicht allein zur Steuerung klinischer Behandlungen verwendet werden sollten, da es sich um ein Preprint handelt, das die endgültige Peer-Review noch erwartet.)

Technische Zusammenfassung

Technische Zusammenfassung: Kognitive Flexibilität und Entscheidungsfindung bei Angst und Depression

Problemstellung
Angst- und depressive Störungen sind weit verbreitete Erkrankungen, die kognitive Mechanismen erheblich beeinträchtigen, insbesondere Aufmerksamkeit, Arbeitsgedächtnis sowie höherwertige Prozesse wie kognitive Flexibilität und Entscheidungsfindung. Während die bestehende Literatur Defizite in diesen Bereichen dokumentiert, haben frühere metaanalytische Bemühungen stark auf Selbstberichtsmaße zurückgegriffen, die sich von verhaltensbasierten Daten aus Aufgaben unterscheiden und anfällig für Verzerrungen durch soziale Erwünschtheit sind. Darüber hinaus hat eine erhebliche Heterogenität in den Aufgabenkonstruktionen (z. B. Iowa Gambling Task vs. Balloon Analogue Risk Task für Entscheidungsfindung; Wisconsin Card Sorting Test vs. Task-Switching für Flexibilität) die Interpretation erschwert, ob diese Störungen gemeinsame oder unterschiedliche Wirkungen entfalten. Es besteht ein dringender Bedarf, verhaltensbasierte Evidenz zu synthetisieren, um störungsspezifische im Vergleich zu transdiagnostischen Auswirkungen auf diese kognitiven Ergebnisse zu klären.

Methodik
Die Autoren führten eine umfassende Metaanalyse durch, um die Auswirkungen von Angst und Depression auf Entscheidungsfindung und kognitive Flexibilität unter Verwendung verhaltensbasierter Aufgabendaten zu untersuchen.

• Suche und Screening: Eine systematische Suche in PubMed, APA PsycInfo, ERIC und Academic Search Ultimate ergab 23.587 Datensätze. Die Studie verfolgte eine hybride Screening-Strategie, die manuelle Überprüfung mit maschinell unterstütztem Screening mittels asReviewLab (Version 1.6.3) kombinierte. Das maschinelle Lernmodell verwendete einen Naive-Bayes-Klassifikator mit TF-IDF-Feature-Extraktion, trainiert auf einem Vorläufersatz von 4 relevanten und 5 irrelevanten Artikeln. Das Screening folgte einer gemischten Stoppregel: einem zeitbasierten Limit (20 Stunden KI-gestütztes Screening) und einem datengesteuerten Heuristikwert (50 aufeinanderfolgende irrelevante Datensätze).
• Einschlusskriterien: Studien wurden eingeschlossen, wenn sie: (a) Personen mit klinischen Angst-/Depressionsdiagnosen oder hohen selbstberichteten Merkmalen beprobten (unter Ausschluss zustandsbasierter oder induzierter Maße); (b) verhaltensbasierte Aufgaben zur Messung von Entscheidungsfindung oder kognitiver Flexibilität verwendeten (unter Ausschluss von Selbstberichtsmaßen); (c) eine gesunde Kontrollgruppe oder eine Vergleichsgruppe mit niedrigen Merkmalen einschlossen; und (d) sich auf Teilnehmer im Alter von 18–44 Jahren konzentrierten.
• Datenauszug und -konvertierung: 92 einzigartige Studien (mit 100 Effektstärken) erfüllten die Kriterien. Berichterstattete Statistiken (t-Tests, ANOVAs, Mittelwerte) wurden unter Verwendung des R-Pakets esc in Hedges' g umgewandelt. Für Prospect-Theory-Modelle wurde der Parameter der Verlustaversion ($\lambda$) extrahiert. Ausreißer wurden basierend auf nicht überlappenden Konfidenzintervallen im Verhältnis zum gepoolten Effekt identifiziert.
• Statistische Analyse: Ein Random-Effects-Modell wurde eingesetzt, um die erwartete Heterogenität zwischen den Probanden zu berücksichtigen, unter Verwendung des Restricted Maximum Likelihood-Schätzers für $\tau^2$. Gepoolte Effekte wurden mittels der Inverse-Varianz-Methode mit Knapp-Hartung-Anpassungen für Konfidenzintervalle berechnet. Subgruppenanalysen verglichen Angst versus Depression, und Sensitivitätsanalysen (Egger-Test) prüften auf Publikationsbias.

Hauptergebnisse

• Gesamteffekte: Sowohl Angst als auch Depression waren über alle vier Ergebnisbereiche hinweg mit negativen Effektstärken (die eine Beeinträchtigung anzeigen) assoziiert.
  • Angst & Entscheidungsfindung: Moderater negativer Effekt ($g = -0,45$, 95% KI [-0,60, -0,30]) nach Ausreißerbereinigung.
  • Angst & Flexibilität: Kleiner bis moderater negativer Effekt ($g = -0,25$, 95% KI [-0,48, -0,03]) nach Ausreißerbereinigung.
  • Depression & Entscheidungsfindung: Moderater negativer Effekt ($g = -0,39$, 95% KI [-0,53, -0,25]) nach Ausreißerbereinigung.
  • Depression & Flexibilität: Moderater negativer Effekt ($g = -0,43$, 95% KI [-0,58, -0,28]) nach Ausreißerbereinigung.
• Subgruppenvergleiche: Entscheidend zeigten Subgruppenanalysen keine signifikanten Unterschiede zwischen Angst und Depression entweder für Entscheidungsfindung ($Q(1) = 0,31, p = 0,577$) oder für Flexibilitätsergebnisse ($Q(1) = 2,15, p = 0,142$). Die Effektstärken beider Störungen überlappten signifikant.
• Heterogenität: In den Vollmodellen wurde eine hohe Heterogenität beobachtet (z. B. $I^2$ im Bereich von 64,7% bis 81,0%), die nach Ausreißerentfernung reduziert, aber nicht eliminiert wurde.
• Prädiktionsintervalle: Während Subgruppenunterschiede nicht signifikant waren, waren die Prädiktionsintervalle für Depression bei der Entscheidungsfindung breiter und umfassten Null, was darauf hindeutet, dass zukünftige Studien verbesserte Ergebnisse zeigen könnten, wohingegen die Angstintervalle konsistent negativ blieben.

Hauptbeiträge

1. Verhaltensbasierte Synthese: Diese Studie liefert die erste groß angelegte metaanalytische Synthese von verhaltensbasierten Aufgabendaten für Angst und Depression hinsichtlich Entscheidungsfindung und Flexibilität und geht damit über die Grenzen von Selbstbericht-Metaanalysen hinaus.
2. Transdiagnostische Evidenz: Die Ergebnisse stellen störungsspezifische Hypothesen in Frage (z. B. dass Angst größere Defizite in der Entscheidungsfindung verursacht oder Depression größere Defizite in der Flexibilität). Stattdessen unterstützen die vergleichbaren Effektstärken eine transdiagnostische Perspektive, die nahelegt, dass Angst und Depression gemeinsame zugrunde liegende Mechanismen teilen, die die höherwertige Kognition beeinträchtigen.
3. Methodische Innovation: Der Artikel demonstriert die Wirksamkeit der Integration von maschinell unterstütztem Screening (asReview) mit manueller Verifizierung in groß angelegten Metaanalysen und bewältigte erfolgreich einen Datensatz von nahezu 24.000 Datensätzen unter Beibehaltung strenger Einschlusskriterien.

Bedeutung und Behauptungen
Die Autoren behaupten, dass ihre Ergebnisse mit dimensionalen Modellen der Psychopathologie (wie HiTOP und RDoC) übereinstimmen, die davon ausgehen, dass Angst und Depression einen latenten „internalisierenden" Faktor (insbesondere einen „Distress"-Subfaktor) teilen, der kognitive Beeinträchtigungen antreibt. Die vergleichbaren Defizite deuten darauf hin, dass die Mechanismen, die Entscheidungsfindung und Flexibilität stören, nicht einzigartig für spezifische diagnostische Kategorien sind, sondern wahrscheinlich durch transdiagnostische Faktoren wie die Kapazität des Arbeitsgedächtnisses, perseverative negative Gedanken (Grübeln/Sorgen) und neurobiologische Substrate wie die Amygdala und den präfrontalen Kortex getrieben werden.

Der Artikel kommt bescheiden zu dem Schluss, dass zwar distinkte Verhaltensphänotypen existieren, die zugrunde liegenden kognitiven Störungen bei Entscheidungsfindung und Flexibilität jedoch bei Angst und Depression weitgehend ähnlich sind. Die Autoren weisen auf Einschränkungen hin, darunter den Ausschluss komorbider Stichproben (was die Generalisierbarkeit auf reale Darbietungen einschränken kann), die Unterrepräsentation sozialer Entscheidungsaufgaben in Depressionsstudien und das Potenzial für Small-Study-Effekte in Angst-bezogenen Entscheidungsfindungsdaten. Sie schlagen vor, dass zukünftige Forschungen computergestützte Modellierung einsetzen sollten, um transdiagnostische von störungsspezifischen Faktoren (z. B. Lernraten, Belohnungssensitivität) zu unterscheiden, und untersuchen sollten, ob diese Befunde auf zustandsbasierte Angst ausgedehnt werden können.