成人依恋安全的多模态评估:发展生物特征依恋测试

介绍

成人依恋与心理健康的相关性

依恋理论起源于英国精神病学家John Bowlby [1]。受到动物行为学观察和进化理论的启发，他从理论上认为，人类基因的生存机会是通过行为的自然选择来增加的，这些行为增强了婴儿和他们的照顾者之间的接近和联系，从而使儿童更有可能受到保护[1，2]。依恋理论假设了一种先天的心理生物行为系统，即附件系统这种反应在感知到威胁时特别活跃，促使孩子寻求看护者的接近和照顾附件的数据．一旦重新建立了安全感，系统就会停止运转。1，3.]。尽管依恋接近寻求行为在儿童中的普遍性[4，5]，只有当附身人员能够迅速和充分地作出反应时，才会得到所寻求的安全和照顾[6]。这些重复的早期依恋互动的质量和结果在发展中的人身上留下了持久的印记[7-10]。这个标记的本质是三重的:它是认知的，因为依恋形象的动态表征模型和与它们的关系发展了。11，12]，有助于在成年后评价自己是否值得照顾，以及评价他人是否有能力提供照顾[13];行为方面，因为我们天生的依恋行为适应环境[6]，例如，在照料者持续缺乏的情况下，儿童可能会完全停止寻找近处的行为，表现得好像他们完全独立一样，这种模式会一直延续到成年[14];在心理生物学上，因为消极的早期依恋经历会导致双侧杏仁核和左腹纹状体在压力情况下的反应差异，并导致整体更高的交感神经激活基线[15-17]。

不同的成人依恋模式在文献中已经被广泛描述，使用了维度模型和分类模型[2，18]。在维度方法中，最重要的维度是附件安全(12]。

依恋理论引发了迄今为止心理学中一些规模最大、更严格的纵向研究[8，19]，证明自己在三个相互重叠的精神健康研究领域是必不可少的:精神病理学的研究，心理发展的研究，以及成人人际关系心理学的研究。

在临床研究方面，纵向研究表明，童年时期消极的早期依恋互动预示着童年依恋安全[9]，进而部分预测成人的精神病理[7，20.]，而横断面研究则始终与成人有关附件不安全感几种精神病理[21，22]，例如抑郁症[23]、创伤后应激障碍(PTSD) [24]，或边缘性人格障碍[25]。成年期的积极依恋经历，无论是自然发生的还是治疗干预的结果，都有助于增加依恋安全性，从而改善心理健康[26-28]。

就发展心理学而言，研究表明，维持心理健康和应对心理健康障碍所必需的发展能力，如情绪调节、社交技能或认知能力，在整个生命周期中与依恋相关并相互依赖[7，29，30.]。

最后，成人依恋是人际关系心理学的关键，包括长期的浪漫关系[31，32]，它们往往在应对精神病理和压力时起缓冲作用[33，34]。总体而言，依恋不安全感与更多的人际关系问题有关[35]，这些问题解释了缺乏安全感的人自述的孤独、社会孤立、关系满意度低、关系破裂更频繁、对人际冲突的生理应激反应更大、冲突和暴力更频繁[21，36-38]。与社会支持有关的安全依恋被认为是心理压力的保护因素[34]，而感知社会支持在依恋安全与抑郁症状之间起中介作用[33]。

成人依恋评估的局限性

自1985年以来(乔治C、卡普兰N和梅因M的发现，未发表的数据，1985年)，在社会心理学和发展心理学领域内，各种有效的成人依恋评估工具同时发展(有关综述，请参阅[39])。社会心理学推动了一些问卷的发展，如成人依恋问卷(AAQ [40])或成人依恋量表[41])。另一方面，发展心理学依赖于各种广泛定义的半结构化访谈方法，首先是成人依恋访谈(AAI;George C、Kaplan N和Main M的发现，未发表数据，1985年)，被认为是“黄金标准”[39]。这两种方法都存在一些影响研究和临床评估的局限性，这反映了心理测量学的现状。

基于问卷的评估是自我报告的措施。因此，他们倾向于自我报告的偏见，这在文献中已经得到了很好的描述[42]。就构念效度而言，儿童时期的依恋与奇怪情境程序(SSP [43])和成人依恋(以问卷方式测量)[19]。此外，问卷调查和基于访谈的成人依恋评估之间几乎没有同时效度，这增加了建构效度的争议[39]。另一方面，成人依恋问卷具有简单、经济、快速的管理和评分功能。管理可以远程完成，自动评分是可能的。这些积极实用的心理测量特征可以解释为什么选择成人依恋问卷作为衡量标准的研究激增[39]。

基于访谈的成人依恋评估依赖于某种形式的半结构化访谈，随后由受过训练的法官转录并打分，该法官在特定的标准化评分传统中接受过大量培训。在某种程度上，这种形式的评估更接近于儿童评估，后者也依赖第三方专家进行评分和分类。然而，在童年依恋评估中，如SSP，评分专家一般观察行为，而在访谈方法中，评分时只分析转录语言，从而限制了该过程中评估维度的范围。附件多重模式面试(AMMI [12)在一定程度上绕过了这一限制，方法是在访谈中加入特定的探针来收集有关行为的自我报告信息。

就构念效度而言，AAI一直表明父母和孩子的依恋模式之间存在联系，这被认为是其有效性的有力证据[2]。此外，使用AMMI也发现了一个实质性的纵向联系[12]，进一步支持了基于专家判断的访谈方法可以产生比自报告方法更高的建构效度结果的共识。

但是，尽管有这样的共识，面试方法也有其局限性。与基于问卷调查的方法相比，访谈方法在管理和评分方面都是困难、昂贵和漫长的。他们在这个过程中增加了额外的层次，也就是对采访的手工转录和编码。管理和评分都需要一定的训练负荷。这个过程是昂贵的。

访谈方法还受到另外一个问题的影响:专家判断固有的主观性[44]。这种限制可能会降低依恋研究的可复制性，加剧心理学目前的“可复制性危机”[45]。

最后，与问卷调查相反，访谈方法不能远程管理，这限制了它们的应用，例如在基于互联网的研究中。

心理标记物的多模态分析与自动检测研究进展

寻找心理状况的心理生理和行为标记正在主流精神病学中获得牵引[46，47，这是为患者提供更客观、更准确临床评估的努力的一部分。美国国家心理健康研究所在2013年发表了一份声明[48报告中明确表示，希望朝着更客观、更精确的诊断方法迈进。计算机科学领域已经出现了一些解决这个问题的尝试。在最近的一篇综述中，Cummins等[46他回顾了通过分析语音及其副语言声学特征来自动检测抑郁症和自杀倾向的最新技术。谢勒等[49]在2013年描述了一套自动提取的视听非语言行为特征，有助于识别抑郁症、焦虑和创伤后应激障碍[49]。单一生物特征或行为标记的客观测量与寻求提供更精确诊断的能力之间的联系依赖于机器学习算法的使用，这种算法可以一次融合多种数据形式[50]。这允许发现复杂的多模态数据模式，可以用于特定精神状况的自动评估。在最近的研究中，这种多模态系统已经接近人类在PTSD指标检测方面的表现[51]。由于一些关于特定心理生理学的研究[2]和语言学[44成人依恋的特征已经存在并显示出希望，我们决定是时候使用这种新技术来评估成人依恋了。

生物特征附着测试

生物特征依恋测试(BAT)是为了自动客观地测量成年人的依恋而创建的。BAT的核心是一种基于暴露的测试，这意味着被测试的参与者暴露于一组短(9分钟)的标准化视觉和音乐刺激，而他们的即时反应和口头反应，由几种计算机感知模式捕获，自动分析评分和分类。

BAT的发展有两个方面需要单独关注:工具本身，即其假设、刺激选择和管理方案，这些将在本工作中明确阐述;以及测试的自动分类和评分算法，我们将在“讨论”部分简要介绍。

生物特征附着测试(BAT)的构建

BAT测试深受之前三项测试的影响:鲍尔比第一次分离焦虑测试(SAT)52])，即先前提到的SSP [43]，以及AAP [13]。

SAT(1976年版[52])是一项针对4-7岁儿童的投射依恋测试，测试内容包括一组6张图片，描述一个与家人分离的孩子在没有父母帮助的情况下必须自己应对的情景。接受测试的孩子被要求解释主人公的感受并预测他们的行为，然后他们的转录反应会被打分并分类。

SSP是一种结构化的观察方案，用于评估12至24个月儿童的依恋关系。在20分钟的时间里，孩子经历了一系列与照顾者的分离和团聚，同时他们也暴露在陌生人的到来和存在中。孩子的行为被录像，然后分析依恋评分和分类。

AAP是一种成人依恋测试，基于一组黑白图画，其中一些是模棱两可的，描绘了激活依恋系统的更多样的情况:分离、失去、孤独和身体威胁[13]。参与者被要求讲述一个关于这些图片的小故事，这些图片被转录和分析，并得到附件分类和连续得分[13]。

和SAT一样，我们的BAT考试使用的是真实情况下的真人照片。像AAP一样，我们的刺激描述了各种依恋敏感的情况。像SSP一样，BAT是为了产生一种交替激活和失活在依恋系统中，以失去、死亡或分离为主题的刺激与以亲密联系、安慰或保护为主题的刺激交替出现。

与其他基于暴露和投射的测试不同，BAT除了视觉刺激外，还使用了音乐刺激，无论是单独使用还是与视觉刺激同时使用。音乐之所以被包括在内，是因为它能够引发强烈的情感感受和体验。53]。

与SSP一样，BAT中的评分和分类也考虑了观察到的行为。事实上，与其他测试不同的是，BAT以多种方式捕捉参与者的反应和反应:生理(心率[HR]和真皮电反应[EDA])，从中可以得出心理生理特征(例如，巴耶夫斯基应激指数[54])、行为(面部表情、凝视、面部与刺激的距离、副语言语音特征)和言语。

生物特征依恋测试(BAT)的主题概念

基于暴露和投射的心理测试通常依赖于作者选择的一组固定刺激[13，55]。我们对这种方法提出以下批评:首先，刺激最终会泄露到公共领域，例如罗夏测验[56]，这可能会由于启动效应而破坏测试的有效性。其次，纵向研究，如临床试验，要求参与者使用相同的仪器进行多次测试，如果刺激总是相同的，这也可能导致启动效应。最后，我们认为理想情况下，刺激的选择应该基于它所指向的一般人群的输入。

我们的BAT创新引入的概念主题:实际刺激的占位符。主题是一种叙述，描述了刺激所引发的特定情况，具有特定的目标。例如，就成人依恋而言，主题可以是“失去一个亲密的人”，其目标是激活依恋系统(即引起依恋相关的痛苦)。

因此，主题可以解决上述固定刺激测试设计的问题:由于主题是刺激的占位符，而不是固定刺激，如果刺激集被广泛了解，则没有风险。恰恰相反:BAT中的刺激可以——也应该——被不时地、根据不同情境替换。在临床试验的情况下，BAT中的刺激集可以在评估之间轮换。最后，BAT中刺激选择的过程是标准化和众包的，我们将简要地看到。

关于主题的目标，每个主题都是为了唤起参与者的反应，这取决于参与者的依恋模式。主题的灵感来自于SAT, AAP, SSP和依恋理论的核心原则。这项工作总共产生了14个主题(见图1)。

主题1(“基线”)被设计用来测量参与者在测试情况下的反应，在测试中他们仍然没有面对任何依恋特定刺激。这为所有生物特征和行为测量提供了适当的基线。

主题2、8和10的设计是为了根据测试参与者的潜在依恋模式引发特定的反应，以帮助分类。

所有其他BAT主题都有激活(即强调)或失效(即平静)依恋系统的目标。我们想要澄清的是，在这篇论文中，我们使用的术语是“依恋激活”和“依恋失活”，即在特定的关系压力下，依恋系统是如何被激活的，以及当关系压力得到充分解决时，它是如何被失活的。不要将其与“回避性失活”相混淆，后者是Main(1990)提出的“最小化策略(…)”，即将注意力从通常会引发依恋行为的条件上转移，导致在这种情况下依恋行为的明显缺失”[12]。

生物特征附着测试(BAT)中的刺激选择:标准化过程

为每一个技术评估主题制定了一套客观和主观标准。客观的标准直接来源于主题的叙述:例如，一个刺激物要适合表现“和谐的母子”主题，画面中应该有母亲和孩子。主观标准是需要更复杂判断的概念:例如，为了让刺激物适合描述“和谐的母亲-孩子”主题，孩子和母亲必须看起来彼此协调，并且由于上述协调，他们都应该看起来相对放松。仅仅从照片上看母亲或孩子是否放松是一个主观的过程，不应该由研究人员随意决定。

我们使用直截了当的客观标准来预先选择刺激:使用了三个为研究情绪而设计的大型图片数据库:Nencki情感图片系统(nap [Nencki]57])、国际情感影像系统(IAPS [58])，以及日内瓦情意图片资料库(gape [59])。在某些情况下，这些数据库都没有足够的图片来满足某些主题，所以我们求助于库存图片服务iStockPhoto。最终我们得到了126张预选图片。

‎ 查看此图

基于网络的调查

然后我们使用SurveyGizmo服务创建了一个匿名的基于网络的调查。该调查随机介绍了每一张预先选择的图片，并配有参与者可以向左或向右调整的滑块，表明对特定标准的判断。例如，在“和谐的母亲-孩子”主题的例子中，一个可用的滑块允许参与者判断图片中孩子的感知压力水平。我们总是反对两种特征(例如，紧张和放松)，随机排列它们的顺序，并从它们中间的滑块开始。

我们的调查以西班牙语、英语和法语提供，并通过美国、法国和阿根廷的社交媒体和电子邮件活动分发。共有520名参与者(女性=72.3%，376/520，男性=27.7%，144/520)，不同年龄(平均37.53,SD 10.87)回应。该调查于2016年3月3日至2016年3月13日在线进行，为期10天。使用标准调查结果进行清理的结果[60]。

我们为14个BAT主题中的每个主题创建了综合评分公式，以便将调查中测量的主观标准结合起来。例如，对于“和谐的母亲-孩子”主题，综合得分公式由图像的真实感知水平，加上图像中母亲和孩子之间的和谐感知水平，减去图像中孩子和母亲的压力感知水平组成。

每个主题都设定了最低要求的综合分数，以防止将来使用不够引起共鸣的刺激。

主题列表、客观和主观标准以及调查设计可供其他研究者在未来为BAT生成新的刺激集(联系通讯作者)。

音乐选择更容易，不需要调查过程。音乐主题被认为是为了传达基本的原始情感(如主题9，“原始的悲伤”)。研究人员从一组旨在激发情感的音乐中挑选了25段简短的音乐片段，这些音乐已经为离散的感知情绪提供了分数[61]。我们只是选择了每个主题所需情感得分较高的音乐片段。

生物特征附着测试(BAT)管理程序

BAT自动管理过程使用OpenSesame软件3.1.2版本构建[62]。整个测试时间为9分钟。

在开始之前，参与者被指示观察视觉或听音乐刺激，只要它是可见或可听到的，然后大声描述他们对它的感受。

在测试过程中，每个主题刺激都会自动呈现15秒，随后会出现一个黑屏，上面显示着“你有什么感觉?”，显示25秒，而倒计时滑块显示可用的响应时间。然后它会显示“谢谢”。以下是刺激措施……，” for 5 s, followed by the following stimulus, and so forth.

测试是在一个房间里与电脑单独进行的;独处能促进依恋系统的激活[1]，使测试情况更接近Ainsworth的SSP [6]。它还消除了来自研究人员的可能干扰。

本研究假设

本研究旨在实证评估BAT的两个核心假设:

H1:依恋安全性较高的成年人会更成功地使用BAT的依恋去激活主题来安抚和安抚自己，这将反过来反映在特定的心理生理、行为和语言标记上。主题4(“和谐的父亲-孩子”)，7(“和谐的夫妇”)和13(“和谐的母亲-孩子”)唤起了依恋数字的可用性，并将被用于测试这一假设。

H2:通过我们的标准化过程选择的不同刺激集是可互换的，并在参与者中引起非常相似的反应或反应。具体来说，与依恋安全最相关的特征将在三种不同的刺激集中保持一致。

方法

样本

该样本由59名讲法语的参与者(45名女性，14名男性)组成，他们在2016年3月至5月期间接受了采访。样本来自法国不同地区的多个来源:9名精神病患者在圣德尼大学医院中心-Étienne招募，7名在圣德尼的Ville Evrard心理治疗中心招募;29名志愿者在莫南特、巴黎和鲁昂注册;14名大学生进入了位于圣丹尼斯的巴黎第八大学。这是为了让样本在年龄(平均35.7，标准差12.2)、职业状况(10%失业，6/59,32%就业，19/59,33%学生，20/59,23%其他，14/59)以及关系状况(37%有关系，22/59,23%已婚，14/59,11%分居或离婚，7/59,25%单身，14/59,3%未知，2/59)和精神病理(27%，16/59为患者)方面尽可能多样化。由于在法国的研究中不允许提出关于民族或种族的问题，我们没有关于我们样本的民族多样性的信息。所有参与者都按照法国大学的最佳实践签署了知情同意书。

措施

成人依恋问卷

我们的50名参与者在采访前完成了AAQ，作为一份基于网络的问卷。AAQ由17个项目组成，要求个人说明他们与恋人的总体关系如何。它产生了一种关于浪漫伴侣的依恋安全感的持续测量[40]。

成人依恋投射图像系统

我们所有的参与者都完成了之前介绍的AAP测试。AAP的成绩单是由我们团队的一名训练有素的成员打分，对参与者的所有信息都不知情。由AAP的创建者之一进行双编码的5个案例获得了法官间的可靠性，在分类和分数方面，80%的评级者之间一致。AAP输出一个连续的依恋安全评分，称为“自我代理”，根据乔治[13]有内在和外在两个方面。在这项研究中，我们将重点关注后者，它评估了一个人在压力时期寻求和信任依恋关系的程度，以为他们提供安全的避风港。13]。

多模式面试

AMMI是一个有效的半结构化访谈，调查参与者在依恋相关情况下的反应。通过分析和评分访谈的转录，AMMI提供了三种不同的依恋关系的分数:对母亲、父亲和伴侣的依恋[12]。由于每段关系都需要特定的采访时间，并不是所有参与者都能完成所有的采访:27名参与者对母亲的依恋程度进行了评估，23名参与者对父亲的依恋程度进行了评估，17名参与者对伴侣的依恋程度进行了评估。AMMI的成绩单是由我们团队受过训练的成员评分的。AMMI的创建者对6个案例进行了双重编码，评分者之间的可靠性令人满意(83%的一致性)。

上述措施已在包括英语在内的几种语言中得到验证。在这项研究中使用了他们的法语版本。

生物特征附着测验

为了验证我们的第二个假设，我们为本研究制作了三个BAT刺激集:两个固定的(即每次使用都显示相同的刺激)和一个随机的(即每次使用都显示不同的刺激)。我们使用了调查受访者的法国子样本(n=194)的结果来选择适合法国人群的最佳照片。每个主题中排名较高的图片被放在一个刺激集中;排名第二高的图片被放在第二个刺激组中;排名第三、第四和第五的图片被用来创建第三组，每次播放时随机选择其中一张图片。

所有59名参与者都暴露在第一组刺激下，其中41人还暴露在第二组刺激下，50人暴露在第三组旋转刺激下。一组接一组地呈现。

生理指标

心率测量使用Empatica E4腕带设备的光电容积描记传感器。已建立传感器的可靠性[63]。像所有心脏传感器一样，E4也会受到运动产生的伪影的影响。在第一组BAT中有29名参与者获得了质量读数，在第二组BAT中有19名，在第三组BAT中有9名。使用Empatica E4腕带设备的EDA传感器测量真皮电活动(EDA)，特别是皮肤电导反应(SCR)。在所有BATs期间，所有参与者都获得了质量读数。EDA传感器的可靠性已经过制造商的测试[64]。故意选择使用无线腕带来测量生理信号，让我们的参与者在测试过程中获得更自然的体验。

录像和录音

参与者的面部视频是通过计算机的网络摄像头(微软Surface Pro 4)获得的，他们的演讲是用USB麦克风(Samson GoMic)录制的。由于BAT刺激是使用同一台计算机呈现的，凝视刺激几乎等同于凝视摄像机的方向，便于注视跟踪。

特征提取

我们从BAT捕获的每种感觉模式中进行了广泛的特征提取。下面描述的所有特征提取过程，包括噪声滤波过程，都是在不需要人工监督的情况下以编程方式执行的。

Empatica E4研究腕带的专有算法根据心率数据自动计算出拍间间隔(IBI) [65]。使用209版本的artifact软件清除了IBI文件中的工件[66]。同样的软件用于心率变异性(HRV)特征的提取(关于大多数标准HRV特征的回顾，请参见[67])。我们在Microsoft Excel的Visual Basic for Applications版本7.1中创建了一个函数来自动计算巴耶夫斯基应力指数[54的文件。

从EDA数据中，使用LedaLab软件版本349提取SCR、相位最大活动和强直性皮肤电导特征[68]。

从视频数据中，面部表情(如愤怒和轻蔑，以及消极、中性和积极的组合)使用FACET的Emotient [69]。同样的软件还提取了面部尺寸的测量值，从而可以确定朝向或远离摄像机的运动，从而确定刺激。使用OpenFace提取凝视方向[70]。

从参与者回答的音频记录中，使用语音技术合作语音分析库(COVAREP) 1.2版本提取副语言声学特征[71]。它们有助于从紧张的声音中识别出有呼吸的、放松的声音。

我们使用Python和谷歌的云语音API的法语语言模型来生成所有响应的自动文本。然后，我们使用Python和语言查询和单词计数(LIWC)法语词典[72]。这本词典由64个有心理学意义的词组成。计算对每个主题的响应中每个词类别的频率，作为语言特征。

然后以两种不同的方式处理每个主题提取的特征:

减去基线:从所有其他主题的结果中减去第一个主题(基线主题)的结果。从理论上讲，最终的分数应该更适合每个人的个人特征(例如，他们特定的平均HR基线)。

减去前一个主题:每个主题的结果都从下一个主题中减去。从理论上讲，由此产生的分数将从接触所分析主题的结果中分离出来，从接触所有先前主题的累积分数中分离出来(例如，当接触主题7时，平均HR的具体增加或减少)。

对于许多特征，我们进一步将暴露在刺激下的反应与对刺激的口头反应分开，例如，暴露和反应期间的面部表情。

由于提取的特征数量多，BAT主题的数量多，我们刚刚描述的两种治疗方法，以及暴露和反应之间的分离，特征提取导致每个刺激集的每个参与者总共有4264个特征。

在这项研究中，我们将专注于特定的主题，而不是整个刺激集，每个主题有202个特征(见图2)。总的来说，2436个特征属于整个刺激集，而不是任何单一主题(例如，总刺激集的平均HR)。

‎ 查看此图

分析

在MathWorks Matlab版本R2016A中进行的第一个探索性分析包括执行相关矩阵，以揭示由AAQ、AAP和AMMI测量的附件安全性与从BAT响应中提取的特征之间的关联。对于AAQ和AAP，我们使用皮尔逊相关系数，而AMMI由于评估参与者数量较少，使用斯皮尔曼等级。因为AAQ衡量的是对浪漫伴侣的依恋，所以它是根据-à-vis主题7(“和谐的伴侣”)进行评估的。AAP依恋安全性通常与依恋数字有关，因此我们根据主题4(“和谐的父亲-孩子”)、主题7(“和谐的夫妇”)和主题13(“和谐的母亲-孩子”)的响应平均值形成的复合来评估它。根据AMMI，由于它分别为母亲、父亲和伴侣提供安全评分，因此我们将其与相应的BAT主题(分别为主题13、4和7)的关系进行了探讨。

第二个验证性分析使用IBM SPSS Statistics版本23进行，以验证我们的探索性发现是否仅仅是多个假设检验的虚假副产品[73]。我们采用了一种严格的方法，包括从所有可用的特征中产生一个单一的“复合效应指数”(在同一方向上加权)，然后测试该指数与-à-vis感兴趣的变量的皮尔逊相关性[74，75]。这种方法避免了探索性分析中经常遇到的第一类错误问题。它还解释了第二类错误的问题，当在小样本、高数量特征或小效应量(如我们的研究)中执行统计校正程序以控制家族错误率(如Bonferroni校正)或错误发现率(如Benjamini-Hochberg校正)时，很可能出现第二类错误[76-78]。

在这个分析中，我们的特征分数首先被转化为z分数。接下来，他们被添加到不良影响组或理想影响组。该决定基于每组特征的可用文献，得出以下结果:HRV的高频(HF)成分(与副交感神经“放松”激活相关)，HRV的SDNN, RMSSD, NN50和pNN50特征(所有这些特征都传达了相同的、可取的结构的略微不同的方面:HRV)， COVAREP特征与“呼吸”放松的声音，Emotient的“积极情绪”合成，以及头部大小(参与者与刺激源的接近程度)，都被总结在一个理想的效果组中。另一方面，巴耶夫斯基压力指数，HR，远离刺激，与“紧张”声音相关的COVAREP特征，Emotient的“负面情绪”合成，以及SCR水平都被总结在一个不良影响组中。对于上述每个特征，从暴露阶段提取的分数和从BAT的反应阶段提取的分数被汇总(如果可用)。如果可以的话，也总结了前面描述的评分处理(减去基线，减去之前的主题)。最后，将不良效果组的总分减去理想效果组的总分，得到一个单一的综合效果指数。因此，该指数的衡量方式是，得分越高意味着效果越理想，反之亦然。图2说明了这个分析。

不幸的是，我们不能在分析中包括LIWC(语言特征)，因为它们不容易分布在简单的理想或不理想的影响组中(例如，特征如“将来时态动词的频率”)。最后，本分析中省略了一些数学上冗余(即信息相等)的特征，即归一化单位中HRV的LF分量，以及HRV的HF/LF比值(因为它们的信息相对于归一化单位中的HF分量在数学上是冗余的，参见[79]);HF分量特征的百分比(%)和绝对功率版本(因为特征的归一化单位版本控制了HRV的甚低频(VLF)分量，因此是同一结构的更现实的测量);HRV的均值和中位数R-R特征(因为它们相对于HR是冗余的)。具体的EMOTIENT情绪特征(如悲伤)没有单独包含，因为它们都包含在软件已经生成的两个组合中，一个用于消极表达，另一个用于积极表达。由于EDA的相位最大活动特征相对于EDA的SCR是多余的，因此不包括EDA的相位最大活动特征。强韧皮肤电导特征没有被包括在内，因为它需要更长的测量持续时间才有意义(它们是为未来的分析而计算的，重点是BAT的整体，而不仅仅是孤立的主题)。在复合效果指数中，每个主题最终加起来的功能总数为61图2)。

第三个分析使用IBM SPSS Statistics版本23进行，包括对BAT响应进行方差重复测量分析(anova)，提取的特征在与依恋安全性的相关性以及与依恋理论一致方面显示出统计学意义。目的是评估这些特征是否在不同的BAT刺激组中产生不同的结果，或者它们是否始终相似。

结果

相关性探索性分析

成人依恋问卷(AAQ;皮尔逊相关性)

在对BAT主题7(“和谐的夫妻”)的反应中，AAQ浪漫依恋安全感与暴露期间的消极面部表情呈负相关(r=−32,P=.02)和愤怒，特别是在回应(r=−点,P=.001)和暴露(r=−38,P= .006)。AAQ依恋安全性与抑制也呈负相关(r= - .38，P=.008)，暂定(r= - .34，P=.02)，感觉(r= - .41，P=.004) LIWC类别。

成人依恋投射图像系统;皮尔逊相关性)

在对BAT主题4(“和谐的父子”)、主题7(“和谐的夫妻”)和主题13(“和谐的母子”)的反应中，使用对三个主题的反应的平均值作为综合得分，减去基线后，AAP依恋安全性与NN50相关(r=0.48，P=.007)和pNN50减去基线(r=.38，P=.04)为HRV的特征，而与扣除基线后的Bayevsky应激指数呈负相关(r= - .45，P= . 01)。扣除基线后，AAP安全性也与COVAREP的H1-H2比值相关(r= .30,P= .02点)。它也与听力相关(r=。31,P=.02)，我们(r=。45,P<.001)，休闲(r=陈霞,P=.04)，而他们(r= .40,P=.002) LIWC类别。在暴露期间，它还与一般的积极面部表情相关(r= 32,P=.01)和响应(r= 36,P=.005)减去之前的主题，特别是在反应期间的喜悦(r= 38,P=.003)，以及两种暴露中的厌恶感(r=.31，P=.02)和响应(r=.33，P=.01)减去之前的主题。在两种暴露中，它也与惊奇负相关(r= - .29，P=.03)和响应(r= - .32，P=.01)，两次曝光时的混淆(r=−低位,P=.04)和响应(r=−低位,P=.04)，反应时的混乱(r=−陈霞,P=.03)减去之前的主题后，两次暴露时的愤怒(r=−.37点,P=.004)和响应(r=−。31,P=.02)减去之前的主题后，反应过程中的悲伤(r=−点,P=.04)减去之前的主题后，反应中的中性表达(r=−29,P=.02)减去之前的主题后，减去基线后暴露时的恐惧(r=−点,P=.05)，以及响应时的蔑视(r=−点,P= . 05)。与暴露期间的头大小呈负相关(r=−32,P=.01)减去之前的主题，并在两次曝光期间使用头部尺寸(r=−.37点,P=.003)和响应(r=−.35点,P=.01)减去基线后。

附件多模型面试(AMMI;斯皮尔曼排名相关性)

在对BAT主题4(“和谐的父子关系”)的回应中，AMMI父亲依恋安全感与过去时相关(r=点,P=.02)，与差异呈负相关(r=−.46,P=.03) LIWC的类别。扣除基线后，与HRV的LF特征呈负相关(r=−.87点,P=.03)，加上HRV减去基线(r=−.87点,P= 03)。与头部大小呈负相关(r=−点,P=.04)和响应(r=−。45,P= 03)。最后，在反应过程中，它与沮丧的面部表情呈负相关(r=−.67,P<.001)和暴露期间减去基线后的挫败感(r=−无误,P=.04)，以及沮丧的表达(r= - .53，P=.01)和惊奇(r= - .43，P=.04)减去之前的主题。

在对BAT主题13(“和谐的母亲-孩子”)的回应中，AMMI母亲依恋安全性与SCR (r= .46,P= .02点)。在减去基线后，它与暴露期间悲伤的面部表情相关(r=点,P= 03)。与悲伤的面部表情呈负相关(r= - .51，P=.01)和在暴露过程中远离刺激(r= - .41，P=.03)减去之前的主题。

在对BAT主题7(“调谐伴侣”)的响应中，AMMI伴侣依恋安全性在两个归一化单元中都与HRV的高频特征相关(r=1，P=.02)和百分比(r=1，P=.02)，且与两归一化单位HRV低频特征呈负相关(r=−1，P=.02)和百分比(r=−1，P=.02)，与HRV低频与高频之比呈负相关(r=−1，P=.02)，与平均心率呈负相关(r=−1，P= .02点)。与SCR相关(r=.61，P= . 01)。在减去基线后，它还与面部与屏幕的亲密度相关(r= 56,P= .02点)。扣除基线后，与COVAREP Rd特征呈负相关(r=−.60,P= . 01)。在减去基线后，与惊讶的面部表情相关(r= .59,P= . 01)。最后，与LIWC相关排除类别(r=报P= . 05)。

验证性分析

我们的综合效应指数与成人依恋投射图像系统的依恋安全显著相关(r=点,P=.05)通过使用主题4、7和13的特征的平均分(与前面的分析一样)，并与AAQ中的依恋安全性显著相关(r= .30,P=.04)通过使用主题7特征的分数。AMMI中对父亲、母亲和伴侣的安全感分别与主题4、13和7的特征得分的综合影响指数无关。

方差分析(anova)

对46个特征中的每一个都进行了重复测量anova，这些特征在与依恋安全性的相关性方面具有统计学意义，并且在上述特定主题中对3个BAT刺激组的反应中理论一致。他们发现，46个特征中只有7个(15%)根据刺激集具有显著不同的值。这些特征是LIWC主题7的暂定类别，F_{1.56, 49.92}= 4.81,P= .02点(经过Greenhouse-Geisser修正);在第13个主题中，目光远离刺激(在减去前一个主题后)，F_{2, 76}= 5.75,P= .005;在主题4、7和13期间(三个主题的平均值)，LIWC的听力类别，F_{2, 64}= 4.37,P= .02点;LIWC的休闲类，F_{2, 64}= 4.63,P= . 01;暴露时面部表情混乱，F_{1.7, 66}= 5,P= . 01(经过Greenhouse-Geisser校正)，在响应过程中，F_{1.7, 63}= 6.3,P= .005(经过Greenhouse-Geisser修正)，以及在减去前一个主题后的反应中愤怒的面部表情，F_{1.7, 62}= 3.7,P= .04点(经过Greenhouse-Geisser修正)。

讨论

主要研究结果

在这项工作的早些时候，我们讨论了依恋理论在心理健康研究中的相关性，并评论了目前评估成人依恋的心理测量仪器的局限性。

我们提出了BAT，一种新的成人依恋评估工具，阐述了它的来源以及它的基本原理和假设。

然后，我们开始实证评估BAT的两个核心假设:它的主题可以帮助衡量通过AAQ、AAP和AMMI等有效措施评估的附件安全性;旋转BAT中的刺激组不会改变参与者对测试的反应。

关于第一个假设H1，在我们的探索性分析中，我们能够发现依恋安全的生理、行为和语言标记，包括一般的，以及特定于浪漫伴侣、母亲和父亲的标记。这些标记是由BAT特别设计的依恋去激活主题引出的，这被视为工具内部和构造有效性的初步证据。

我们的发现具有重要的一致性水平，以及理论一致性:在存在消除依恋、令人安心的刺激时，依恋更安全的个体经历了副交感神经激活和交感神经失活，通过HRV的HF增加和LF减少揭示了一种放松反应[67]，同时也使整体应力降低(由巴耶夫斯基应力指数显示)[54]。在口头反应中，参与者的声音变得更加安全带呼吸声的，表明弛豫[71]，并且更多地使用能够传达和谐的词语，如与听觉相关的词语(如，听，听到)和“我们”代词，相反，较少使用能够传达关系痛苦的词语，如与抑制有关的词语(如，阻止，约束)和与试探性有关的词语(如，也许，猜测)。正如理论所表明的那样，积极的面部表情，包括快乐，与依恋安全感有关，而消极的面部表情则大多呈负相关。更有安全感的参与者往往不会把目光从令人安心的刺激上移开，而是在身体上更接近它们。然而，正如我们将在下面看到的，这些发现并不都是理论一致的。

由于我们的探索性分析是基于多个假设检验的，因此出现了一个统计问题:这些发现只是偶然的产物吗?但当所有可用的功能，包括许多没有显著在与依恋相关的探索性分析中，被总结为一个单一的复合效应指数，该指数与我们的三个依恋安全“基础真相”措施中的两个显著相关，证明了研究结果的稳健性。该分析还可能表明，由于样本量小或效应量小，一些未显示出与附件安全性在统计上有显著关联的特征可能无法实现。复合有助于增加特征在同一方向上加权的效应大小，从统计上揭示它们的方向[74]。

我们相信，从行为、心理生理学和语言学的角度来看，这种对“整体图景”的多模态自动评估是一种依恋失效反应，是心理测量学可能实现的一种尝试。此外，我们的数据是在实验室环境之外获得的，使用的是消费者平板电脑及其网络摄像头、消费级USB麦克风和无线腕带，这证明了传感技术的进步速度，让我们得以一窥在不久的将来可以多么轻松地获得这些测量数据。

关于第二个假设H2, 84%(39/46)与依恋安全相关的特征在三种不同的BAT刺激集上是稳定的，这些特征在理论上是一致的。这一点尤其值得注意，因为每次进行测试时，其中一个刺激集(总是按第二顺序出现)是随机的，这意味着在我们的样本中，没有人看到或听到完全相同的第二个刺激集。这一发现表明，在BAT过程中，参与者主要对刺激所唤起的主题(即依恋叙述)做出反应和反应，而对刺激细节本身(例如，一个人的头发颜色或特定背景)的反应和反应较少。这也表明，只要使用本工作中描述的标准化程序选择刺激，并且我们的最低适合度得分得到尊重，就可以为BAT开发新的刺激集，而不影响其唤起和测量依恋的能力。当然，H2的结果表明，我们应该在BAT评分算法的进一步发展中停止包括在刺激集之间发生变化的7个特征，因为当刺激集变化时，它们似乎不那么可靠。

在我们的重复测量方差分析中，我们选择不执行多次比较校正(例如Bonferroni)，以违反直觉地增加分析的严密性。这是因为在我们的方差分析中，我们比较了3个不同刺激集的46个特征，总共138个F测试。Bonferroni校正意味着alpha水平除以比较数(.05/138)，校正后的alpha水平为。0003。在样本容量下很难发现任何差异。这将是一个方便的结果，但可能是一个错误的结果。

限制

在我们探索性分析揭示的65个显著相关性中，有19个(29%)似乎与依恋理论的预期相悖。一些最引人注目的例子是悲伤表情的增加与AMMI母亲模型安全性相关，或厌恶表情的增加与AAP安全性相关。因此，在未来开发我们的评分和分类算法时，丢弃这些特征将是很重要的，除非我们能找到它们的理论基础。

我们在创建综合效应指数的基础上进行的验证性分析旨在证明这一点整体当研究的许多特征放在一起时，与依恋安全相关的方向是正确的。我们认为，这是BAT构建有效性的验证性证据，即测试以一种可以被多种模式捕获的方式激活人们，并且与依恋安全相关;但我们并没有将此作为任何特定特征与依恋安全性之间关系的验证性证据。例如，我们的研究表明，但没有证实，在依恋抚慰的情况下，呼吸急促的声音可能是一个更安全依恋的人的水印。从这个意义上说，LIWC特征和依恋安全性之间的特别关联应该被视为仅仅是探索性的，因为LIWC没有被包括在我们的验证性分析中(关于LIWC特征和依恋的严格验证性研究，请参见[80])。至于AMMI中的安全性，它与我们的综合效应指数没有显著相关(尽管它与几个单独的特征相关)，重要的是要重申，我们的样本中只有一小部分进行了测试(母亲模型n=27，父亲模型n=23，伴侣模型n=17)，由于大多数特征的效应大小都很小，这可能解释了缺乏相关性。

在我们的ANOVA分析中，我们决定只包括那些被发现在与依恋安全性的关联中具有统计学意义以及在这种关联中理论一致的特征。为什么?我们在这些方差分析中比较了不同的变量;从不同类别的字数到面部表情，再到HRV，等等，这是对不同图像和音乐组合的反应。所有这些特征都是在没有人工监督的情况下从原始输入数据中计算出来的，引入了一定程度的随机错误，这应该有利于发现不同刺激集的答案之间的差异。结果是，发现差异的几率很大，避免多次比较修正使其更像上面解释的那样。包含更多的特征(例如，理论不一致的特征)而不控制多重比较将产生太多的I型错误，使分析变得有用。

未来的发展方向

BAT的设计目的远远超出了附件安全维度。BAT中的不同主题也被设计用来测试其他三个主要依恋维度:依恋焦虑，依恋回避[40]，以及依恋紊乱[12]。它们还被设计用来测量依恋防御，如失活、认知断开和隔离系统[13]。不同的主题增加了四种经典成人依恋组(解散、专注、安全、未解决)反应的差异，有助于依恋的分类。最后，BAT中的一些主题被设计来衡量情绪调节，如情绪调节困难量表(DERS [81])，以及由AAP的创伤系统测量的关系创伤[13]。当然，对BAT适合于测量这些结构的经验验证是有保证的。

我们与BAT合作的一个重要领域是开发算法，根据从测试响应中提取的特征自动对依恋进行评分和分类，就像这项研究中强调的那样。

这项努力是复杂的。它需要为不同的BAT特征找到正确的融合公式，以便出现的多模态模式可以准确地预测依恋连续分数和分类。它还需要广泛的交叉验证，以验证预测能力对新队列的泛化性。我们正在进行这项工作，事实上，我们已经开发了初步的回归和分类算法，能够更好地预测地面真相附着连续分数和分类，交叉验证我们的结果，以防止过度拟合，并保证可泛化性。

结论

总的来说，这项研究使我们离开发一种自动客观的成人依恋测试的目标更近了一步。在未来，9分钟的BAT测试可以通过互联网部署到居住在偏远地区的参与者或患者。该测试可以即时自动评分，研究人员或临床医生只需几分钟就能得到结果。我们希望这能引发依恋研究的新浪潮，并有利于临床依恋测试，反过来为患者提供更经济有效的心理健康评估和治疗，从而使他们受益。