• accuratezza interocettiva
• analisi delle componenti principali
• classification
• classificazione
• EEG
• EEG
• heartbeat evoked potential
• HEP
• HEP
• highs
• hypnotizability
• interoception
• interoceptive accuracy
• interocezione
• ipnotizzabilità
• lows
• machine learning
• machine learning
• mediums
• PCA
• PCA
• potenziale evocato dal battito cardiaco
• principal component analysis
• support vector machines
• support vector machines
• SVM
• SVM

L'ipnotizzabilità è un tratto individuale stabile nell’arco della vita, misurato tramite scale e associato a caratteristiche cognitive e fisiologiche. Alcune di esse riguardano la capacità di riconoscere i segnali provenienti dal corpo (accuratezza interocettiva), che è indicata da test comportamentali e dall’ampiezza del potenziale corticale evocato dal battito cardiaco (HEP). La sua prima componente infatti (250-350 msec dopo il battito cardiaco) è stata correlata con l’accuratezza interocettiva, Si ritiene che l’HEP rifletta non solo segnali provenienti dal muscolo cardiaco, ma anche informazioni provenienti dalla cute e dai barocettori del collo.
Nonostante i numerosi studi presenti in letteratura, non esistono, ad oggi affidabili indici strumentali discriminanti i soggetti di alto (highs), medio (mediums) e basso punteggio di ipnotizzabilità (lows) in grado di sostituire la classificazione in base alle scale. Una tale misura avrebbe notevole rilievo clinico in quanto la valutazione dell’ipnotizzabilità è utile in vari setting di cura.
Lo scopo di questa tesi è stato quello di utilizzare l’HEP per discriminare i soggetti di diversa ipnotizzabilità ed esplorare la possibilità di usarlo a fini classificativi nel contesto di tecniche di machine learning.
A questo scopo sono stati utilizzati metodi di Principal Component Analysis (PCA), metodi basati sulla selezione a priori di diverse caratteristiche dell’HEP (Ampiezza e larghezza del picco della sua prima componente), tecniche di classificazione automatiche.
La PCA non ha individuato significative differenze nelle componenti dell’HEP tra i tre gruppi.
L'ANOVA basata sulle caratteristiche di ampiezza e larghezza del picco dell’HEP non ha evidenziato differenze statisticamente significative . Tuttavia, il confronto tra highs e lows ha mostrato una differenza quasi significativa nell’ampiezza del picco nella regione frontocentrale destra. Inoltre è emersa una differenza quasi significativa tra mediums e lows nella larghezza del picco nella stessa sede.
Dal punto di vista fisiologico, una minore larghezza del picco dell’HEP suggerisce che il picco sia dovuto ad informazioni sensoriali omogenee, mentre una maggiore larghezza e una minore ampiezza che esprima un’informazione multidimensionale e quindi meno specifica (meccanocettori cardiaci, barocettori, meccanocettori cutanei del collo).
Le analisi di classificazione tramite machine learning, non hanno fornito prove robuste per una classificazione affidabile dei tre gruppi basata esclusivamente su queste specifiche caratteristiche dell'HEP.
In conclusione, i risultati non hanno identificato indici discriminanti di ipnotizzabilità.