• Keine Ergebnisse gefunden

7. Methode

7.2. Ablauf

Für die Studie passende ProbandInnen wurden mithilfe eines Online-Screenings ausgewählt, welches von 329 Personen vollständig ausgefüllt wurde. Jede/r ProbandIn wurde darüber informiert, dass die Teilnahme an der Studie freiwillig ist und jederzeit ohne

Nachteile abgebrochen werden kann. Ungefähr eine Stunde bearbeiteten die TeilnehmerInnen eine psychologische Testbatterie. Eine weitere Stunde benötigte die MRT-Messung. Alle Messungen fanden von Mai bis Oktober 2017 im MRI-Lab der Technischen Universität Graz statt.

7.2.1. Online-Screening

Die ProbandInnen gaben Alter, Geschlecht, höchste abgeschlossene Bildung

undHändigkeit an. ProbandInnen der Nichtrauchergruppe waren seit mindestens zehn Jahren NichtraucherInnen und hatten nicht mehr als 50 Zigaretten in ihrem Leben konsumiert.

Personen, die durchschnittlich mindestens 15 Zigaretten pro Tag seit mindestens eineinhalb Jahren rauchten, wurden in die Gruppe der RaucherInnen eingeschlossen. Zudem durften RaucherInnen keine anderweitigen Tabakprodukte oder E-Zigaretten nutzen und sich nicht in einem Entwöhnungsprogramm befinden. Zur Erhebung der Nikotinabhängigkeit wurde der Fagerström Test für Nikotinabhängigkeit (FTNA) verwendet (Bleich, Havemann-Reinecke, &

Kornhuber, 2002). Der Gesamtscore kann zwischen 0 und 10 Punkten liegen, wobei ein höherer Gesamtscore stärker ausgeprägte Nikotinabhängigkeit ausdrückt. Der FTNA ist weltweit das am häufigsten verwendete Instrument zur Erhebung von Nikotinabhängigkeit (Benowitz, 2008).

RaucherInnen weisen durchschnittlich einen höheren Alkoholkonsum auf als

NichtraucherInnen (Galanti, Manigart, & Dubois, 1998). Da Alkohol seinerseits Einfluss auf das Gehirn ausübt (Gomez et al., 2012; Meyerhoff, Durazzo, & Ende, 2011), wurden

Personen ausgeschlossen, die ihren Alkoholkonsum in der Vergangenheit als missbräuchlich einschätzten. Für die Einschätzung des derzeitigen Alkoholkonsums wurde eine

deutschsprachige Kurzversion des Alcohol Use Disorders Identification Test (AUDIT-C) angewandt mit Cut-Off-Werten von 5 für Frauen und 7 für Männer (Bush, Kivlahan,

McDonell, Fihn, & Bradley, 1998; DeMartini & Carey, 2012). Personen, die angaben, andere

Drogen zu konsumieren oder an schweren psychischen bzw. körperlichen Erkrankungen zu leiden, wurden ausgeschlossen. Die MR-Tauglichkeit wurde für jede/n TeilnehmerIn sichergestellt.

Frauen gaben am Tag des MRT-Scans an, an welchem Tag des Zyklus sie sich befinden und ob bzw. welche Verhütungsmethode verwendet wird.

7.2.2. 1H MR-Spektroskopie

Protonen-Magnetresonanz-Spektroskopie (1H MRS) wurde zur biochemischen

Quantifizierung von GABA im IFG genutzt. Mithilfe dieses nichtinvasiven Verfahrens lassen sich Metabolitenkonzentrationen in Geweben messen, indem Radiofrequenzsignale von Wasserstoffspins detektiert werden (Puts & Edden, 2012). Die Aufspaltung in

unterschiedliche Frequenzen in Relation zu einer Standardreferenz wird als chemische Verschiebung bezeichnet, wie von Qayyum (2009) erläutert. Ein MR-Spektrum ist definiert durch Frequenz und Intensität der Metaboliten innerhalb eines definierten Voxels. Die Frequenzen der Metaboliten werden in parts per million (ppm) der Protonenfrequenz

angegeben, eine Messgröße unabhängig von der verwendeten Magnetstärke (Qayyum, 2009).

Bei der Messung von GABA wird zwischen Spins auftretendes J-Coupling ausgenutzt, welches bedeutet, dass durch die chemische Struktur eines Moleküls der Spin einer Protonengruppe den Spin angrenzender Protonengruppen beeinflusst somit auch deren Signale (Puts & Edden, 2012). GABA hat seine Peaks bei 3.01, 2.3 und 1.9 ppm

(Govindaraju, Young, & Maudsley, 2000). GABA kann mithilfe der MEGA-PRESS-Sequenz von Mescher und Garwood, die in point-resolved Spektroskopie (PRESS) eingebaut wird, detektiert werden. MEGA-PRESS enthält neben der gängigen PRESS-Sequenz zur

Lokalisierung des Voxel of Interest zwei frequenzspezifische Editing-Pulse vor und nach dem zweiten 180° Puls (Abb. 2) (Mescher, Merkle, Kirsch, Garwood, & Gruetter, 1998).

Die Quantifizierung wird dadurch erschwert, dass GABA nur in sehr geringen Konzentrationen im Gehirn vorkommt (~ 1mM) und Signale anderer Stoffe wie Kreatin das GABA-Signal überlagern (Mescher et al., 1998; O'Gorman et al., 2011; Puts & Edden, 2012).

Das GABA-Signal wird herausgearbeitet durch das Subtrahieren zweier Spektren, sogenanntes J-Difference Editing, in denen die GABA-Spins unterschiedlich behandelt werden (Edden, Puts, Harris, Barker, & Evans, 2014). Hierbei wird ein ON-Spektrum, das GABA-spezifische Pulse auf 1.9 ppm nutzt, von einem OFF-Spektrum subtrahiert, in dem die Pulse auf 7.5 ppm eingestellt sind (Mullins et al., 2014). In dem resultierenden Spektrum sind all jene Bestandteile enthalten, die auf die frequenzspezifischen Pulse reagieren (Mullins et al., 2014). Signale von Stoffen, die von den Editing-Pulsen nicht betroffen sind, sind gleich in ON- und OFF-Spektrum und kürzen sich daher heraus. J-Difference Editing, welches eine MEGA-PRESS-Sequenz nutzt, ist die am häufigsten verwendete Methode, um GABA zu messen (Mullins et al., 2014).

Abbildung 2. Schema der MEGA-PRESS-Sequenz. Die Editing-Pulse von MEGA werden um den zweiten 180° Puls einer gängigen PRESS-Sequenz gesetzt, die aus einem 90° und zwei 180° Pulsen besteht. Aus Mescher, M., Merkle, H., Kirsch, J., Garwood, M., & Gruetter, R. (1998). Simultaneous in vivo spectral editing and water suppression. NMR in Biomedicine, 11(6), 266–272.

1Wellcome Trust Centre for Neuroimaging, University College London:

http://www.fil.ion.ucl.ac.uk/spm/

Die MR-Messung wurde mit einem 3 Tesla Ganzkörper-Magnetresonanztomographen (Magnetom Skyra, Siemens, Deutschland) mit einer Kopf-32-Kanäle-Spule und einer

Gradientenstärke von 45 mT/m durchgeführt. Zur Segmentierung der Gewebearten und um etwaige Anomalitäten auszuschließen, wurde vor der 1H MRS eine gängige MRT-Bildgebung mit 2D T2-gewichteten Turbo-Spin-Echo-Sequenz (Repetitionszeit (TR) = 5600 ms; Echozeit (TE) = 100 ms; Field of View (FOV) = 220 mm; Flipwinkel = 150 °; Bandbreite = 222 Hz/Px;

Schichtdicke = 4 mm) und dreidimensionalen T1-gewichteten Bildern (Anzahl der Schichten

= 192; Schichtdicke = 0.88 mm; FOV = 224 mm; TR = 1680 ms; TE = 1.89 ms) mittels magnetization prepared rapid acquisition gradient-echo (MPRAGE) angewendet. Für die 1H MRS wurde die Voxelplatzierung im IFG vorgenommen (Abb. 3) und eine MEGA-PRESS-Sequenz genutzt (TR = 2000 ms; TE = 68 ms; Anzahl der Mittelwerte = 256; spektrale

Bandbreite = 1000 Hz; Voxelgröße = 3*3*3 cm3). Abwechselnd wurden ON-Editing-Pulse bei 1.9 und OFF-Editing-Pulse bei 7.5 ppm angewandt. Durch automatisches globales sowie lokales Shimmen des Voxel of Interest wurden B0 Inhomogenitäten reduziert. Graue Masse, weiße Masse und Cerebrospinalflüssigkeit der T1-gewichteten Bilder wurden in der Software Gannet mithilfe von Statistical Parametric Mapping (SPM81) voneinander getrennt (Penny, Friston, Ashburner, Kiebel, & Nichols, 2011). Dies ist besonders relevant für die Messung von GABA, da die unterschiedlichen Gewebearten unterschiedliche GABA-Konzentrationen aufweisen (Ganji et al., 2014; Harris, Puts, & Edden, 2015). Während der Messung wurde das Wassersignal unterdrückt. Ein Scan zur Messung des nicht-unterdrückten Wassersignals wurde im gleichen Voxel durchgeführt (Anzahl der Mittelwerte = 16).

7.2.3. Analyse der MRS-Daten

Das Editing-Spektrum wurde mithilfe des Programms Gannet 2.1 ermittelt (Edden et al., 2014). Die aus dem Editing-Spektrum berechnete GABA-Konzentration enthält neben GABA auch Makromoleküle sowie Homocarosine und wird daher als GABA+ bezeichnet (Mullins et al., 2014; Oeltzschner, Schnitzler, Wickrath, Zöllner, & Wittsack, 2016). GABA+-Werte wurden für den Anteil an Cerebrospinalflüssigkeit im Voxel korrigiert. GABA+ wird in Referenz zum nicht unterdrückten Wassersignal in Institutional Units angegeben (Mullins et al., 2014; Qayyum, 2009).

Gannet ist ein vollautomatisiertes, Matlab-basiertes Programm, welches die Rohdaten der Free Induction Decays zur Berechnung des Editing-Spektrums verwendet (Edden et al., 2014). Es besteht aus zwei Modulen: GannetLoad, welches die Daten der Zeitdomäne in ein Spektrum umwandelt und Gannetfit, welches die GABA+-Konzentrationen schätzt.

Mit GannetLoad werden zunächst relevante Parameter aus dem Dateikopf ausgelesen. Die Informationen aus allen 32 Kanälen werden gebündelt und phasen- bzw. frequenzkorrigiert.

Ein Apodisationsfilter von 2 Hz wurde verwendet. Mithilfe von Fast Fourier Transformation werden die Informationen der Zeitdomäne in ein Spektrum umgewandelt. Jeder Datensatz

Abbildung 3. Voxelplatzierung im IFG für die 1H MRS. Links: sagittale Ansicht, mittig:

koronale Ansicht, rechts: horizontal Ansicht.

wird über die Zeit gemittelt. Liegen Ausreißer im ON- oder OFF-Spektrum vor, werden diese paarweise exkludiert und gekennzeichnet. Zuletzt werden ON- und OFF-Spektrum

voneinander subtrahiert, sodass ein Editing-Spektrum generiert wird. Im nächsten Schritt berechnet GannetFit ein Modell der GABA+-Konzentration (Abb. 4). Die Berechnung der Passung zwischen dem editierten und dem modellierten Spektrum wird durch eine

eingipfelige Gauß’sche Verteilung geprüft. Das Wassersignal wurde durch ein gemischtes Gauß-Lorentz-Modell berechnet. Residuen für GABA+ und Wasser werden berichtet. Neben der GABA+-Konzentration in Referenz zu Wasser, angegeben in Institutional Units, wird auch das Verhältnis von GABA+ zu Kreatin aufgeführt.

7.2.4. Psychologische Testverfahren

Es ist bekannt, dass Depression und Nikotinabhängigkeit eine hohe Komorbiditätsrate aufweisen (Lasser et al., 2000). Daher wurde das Becks Depressions-Inventar (BDI II)

vorgelegt, um für depressive Verstimmungen zu kontrollieren (Hautzinger, Keller, & Kühner, 2006). Der BDI II ist das am häufigsten eingesetzte Selbstbeurteilungsinstrument zur

Abbildung 4. Modellierung des GABA+-Signals mit GannetFit. Links: Abbildung des editierten Spektrums zwischen 0 und 4.5 ppm. Rechts: ein detaillierterer Ausschnitt des editierten Spektrums im Bereich 2.6 bis 3.6 ppm. Das editierte GABA-Spektrum ist in Blau abgebildet. Darübergelegt in Rot ist das Modell des besten Fits berechnet mit einem einfachen Gauß’schen Modell. Unten im Bild sind in Schwarz die Residuen zwischen diesen beiden Spektren aufgetragen.

Erfassung depressiver Symptome und weist eine gute Messgenauigkeit (rtt ≥ 0.75) sowie Validität auf (Kühner, Bürger, Keller, & Hautzinger, 2007). Drei Personen wurden aufgrund von hohen BDI-Werten ausgeschlossen.

Alle weiteren Verfahren erfassen verschiedene Facetten des multidimensionalen Konstrukts Impulsivität oder mit Impulsivität assoziierte Merkmale und werden im Folgenden vorgestellt.

Das State-Trait-Ärgerausdrucks-Inventar (STAXI) (Schwenkmezger, Hodapp, &

Spielberger, 1992) erfasst Ärger und Ärgerausdruck mit vier unabhängigen Skalen. (1) Die Ärger-Dispositionsskala (Trait Anger; TA) misst die generelle Tendenz, Ärger zu verspüren.

(2) Die Skala zur Erfassung von nach innen gerichtetem Ärger (Anger-in; AI) misst die Häufigkeit, mit der ärgerliche Gefühle unterdrückt bzw. nicht nach außen abreagiert werden.

(3) Mit der Skala zur Erfassung von nach außen gerichtetem Ärger (Anger-out; AO) wird angegeben, wie häufig eine Person Ärger gegen andere Personen oder Objekte in der Umgebung richtet. (4) Die Kontroll-Skala (Anger Control; AC) ist ein Indikator für die Häufigkeit von Versuchen, Ärger zu kontrollieren bzw. nicht aufkommen zu lassen.

RaucherInnen weisen höhere Scores in TA, AI, AO und niedrigere Scores in AC auf (Bhandari, 2006). Darüber hinaus zeigen Frauen höhere TA- und AO-Werte, wohingegen Männer höhere AC-Scores erzielen (Bhandari, 2006).

Zur Erfassung impulsiver Persönlichkeitszüge wurde eine deutsche Kurzversion der Barratt Impulsiveness Scale (BIS-11) vorgelegt (Meule, Vögele, & Kübler, 2011). Neben einem Gesamtscore umfasst der BIS-15 drei Subskalen: (1) Aufmerksamkeitsbasierte Impulsivität, welche die Unfähigkeit darstellt, sich lange zu konzentrieren oder

Aufmerksamkeit zu fokussieren. (2) Motorische Impulsivität misst die Tendenz, zu Handeln ohne nachzudenken. (3) Nicht-planende Impulsivität erhebt, inwieweit ein Mangel an Zukunftsorientierung oder Voraussicht besteht. Das Verfahren weist mit rtt = .79 eine

ausreichende Retest-Reliabilität auf (Meule et al., 2015). RaucherInnen erzielen im BIS-15 einen höheren Gesamtwert als NichtraucherInnen (Meule et al., 2011). Es besteht ein mittlerer Zusammenhang (r = .32) des BIS-15 mit dem Sensation-Seeking-Gesamtwert (Meule et al., 2011).

Das Merkmal Sensation Seeking (SS) wird als Drang definiert, neue Erfahrungen zu machen, selbst wenn damit negative Konsequenzen einhergehen (Zuckerman, 1994). Es sind vier Subskalen formuliert: (1) Gefahr- und Abenteuersuche (Thrill and Adventure Seeking, TAS) beschreibt die Neigung physische Aktivitäten auszuüben, die schnell oder gefährlich sind. (2) Enthemmung (Disinhibition, DIS) misst die Tendenz zu sozial oder sexuell

enthemmten Verhalten. (3) Erfahrungssuche (Experience Seeking, ES) erfasst, inwieweit eine Person neue, nonkonformistische Eindrücke aufsucht. (4) Empfänglichkeit für Langeweile (Boredom Susceptibility, BS) bildet ab, inwieweit eine Person Routine oder sich

wiederholende Reize langweilt (Beauducel, Strobel, & Brocke, 2003). Die Sensation Seeking Scale weist akzeptable interne Konsistenzen (Cronbachs α = 0.75 – 0.8) auf (Roberti, Storch,

& Bravata, 2003). RaucherInnen erzielen höhere SS-Werte als NichtraucherInnen und Sensation Seeker weisen häufiger risikoreiche Verhaltensweisen auf (Carton, Houezec, Lagrue, & Jouvent, 2000; Carton, Jouvent, & Widloecher, 1994). Möglicherweise ist hohes Sensation Seeking, insbesondere DIS und ES, ein Vulnerabilitätsfaktor, der die Sensitivität gegenüber Nikotin erhöht und somit die Wahrscheinlichkeit für chronischen Nikotinkonsum (Carton et al., 1994; Perkins, Gerlach, Broge, Grobe, & Wilson, 2000a). Wie Cross, Cyrenne, und Brown (2013) untersuchten, sind die Geschlechtsunterschiede in Sensation Seeking über die Zeit stabil geblieben. Männer weisen einen höheren Gesamtscore sowie höhere Werte in DIS, TAS und BS auf. Keine Unterschiede zwischen Männern und Frauen sind in ES dokumentiert (Cross et al., 2013).

In der verwendeten Version einer Stopp-Signal-Aufgabe sollten die ProbandInnen so schnell wie möglich eine Taste mit dem rechten Zeigefinger drücken, sobald sie einen Kreis auf dem Bildschirm sahen und eine andere Taste mit dem linken Zeigefinger, sobald ein Viereck eingeblendet wurde. In 50% der Trials wurde ein Ton über Kopfhörer eingespielt – in diesen Trials sollte keine Taste betätigt werden. Die sogenannte Stopp-Signal Reaktionszeit (SSRT) kann berechnet werden, indem die durchschnittliche Zeit zwischen der Präsentation des Symbols und des Tons von der mittleren Reaktionszeit in Go Trials abgezogen wird. Die SSRT ist ein Index dafür, wie lange eine Person braucht, um eine motorische Handlung zu unterdrücken (Verbruggen et al., 2008). Die Performance im Stop-Signal Task unterscheidet sich nicht zwischen den Geschlechtern (Cross et al., 2011).

Der Balloon Analogue Risk Task (BART) ist ein Computertestverfahren, das zur Erhebung von Risikobereitschaft entwickelt wurde (Lejuez et al., 2002). In jedem Trial wird ein Ballon vorgegeben, der per Mausklick aufgepumpt werden kann. Für jedes Pumpen erhält der/die ProbandIn einen festgelegten Betrag fiktiven Geldes. Für jeden Ballon wird zu Beginn des Trials zufällig festgelegt, beim wievielten Pumpen der Ballon platzt. Diese Chance liegt zwischen 1 und 128 Mal Pumpen und erhöht sich für jedes Pumpen.

𝑝(𝑃𝑙𝑎𝑡𝑧𝑒𝑛) = 1

128 − (𝑥 − 𝑚𝑎𝑙 𝑔𝑒𝑝𝑢𝑚𝑝𝑡)

Platzt der Ballon, verfällt das für dieses Trial bisher erspielte Geld und das nächste beginnt.

Der/die SpielerIn kann jederzeit mit dem Pumpen aufhören und das für das aktuelle Trial erspielte Geld auf ein Gesamtkonto einzahlen. Ziel des Spieles ist es, einen möglichst hohen Betrag fiktiven Geldes zu sammeln. Als Index für Risikobereitschaft wird der Durchschnitt berechnet, wie oft eine Person bei nicht-explodierten Ballons gepumpt hat (Wallsten, Pleskac,

& Lejuez, 2005). Dieser Index ist mit verschiedenen risikoreichen Verhaltensweisen im echten Leben assoziiert, unter anderem Rauchen (Lauriola, Panno, Levin, & Lejuez, 2014;

Lejuez et al., 2003; Wallsten et al., 2005). Darüber hinaus besteht ein geringer

Zusammenhang zwischen dem BART-Score und Fragenbögen zu Sensation Seeking und Impulsivität (Lauriola et al., 2014). Bezüglich des Einflusses des Geschlechts auf die

Performance im BART liegen unterschiedliche Ergebnisse vor; entweder weisen Männer eine höhere Risikobereitschaft auf als Frauen oder es werden keine Unterschiede zwischen den Geschlechtern gefunden (Cross et al., 2011; Lauriola et al., 2014).

Testverfahren wurden in der Reihenfolge STAXI, SST, BART, BDI, BIS, SSS vorgegeben.