Dit artikel werd oorspronkelijk in het Engels gepubliceerd op 24 januari 2020 door de initiatiefnemers van BeatVic. Op 18 juli 2025 heeft GGZ Boxing dit artikel vertaald en online geplaatst.

Neurale veranderingen na een lichaamsgerichte weerbaarheidstherapie met elementen van kickboksen bij mensen met een psychotische stoornis: een gerandomiseerde gecontroleerde studie

Elisabeth C. D. van der Stouwe · Gerdina H. M. Pijnenborg · Esther M. Opmeer · Bertine de Vries · Jan-Bernard C. Marsman · André Aleman · Jooske T. van Busschbach

European Archives of Psychiatry and Clinical Neuroscience (2021) 271:355–366
https://doi.org/10.1007/s00406-020-01097-z

---

Samenvatting

Mensen met een psychotische stoornis lopen een verhoogd risico om slachtoffer te worden van een misdrijf. Een lichaamsgerichte weerbaarheidstherapie (BEATVIC), gericht op het voorkomen van slachtofferschap door het aanpakken van mogelijk onderliggende factoren, werd ontwikkeld. Eén van deze factoren is sociale cognitie, in het bijzonder de verwerking van gezichtsuitdrukkingen.

De huidige studie onderzocht de neurale effecten van BEATVIC op de verwerking van gezichtsuitdrukkingen aan de hand van twee gezichtsverwerkingstaken. Deelnemers werden willekeurig toegewezen aan BEATVIC of aan een ‘Befriending’ controlegroep. Zevenentwintig patiënten voltooiden een Emotional Faces-taak en de Wall of Faces-taak in een fMRI-scanner, vóór en na de interventie.

Algemene lineaire modelanalyses lieten geen significante verschillen zien tussen de groepen over tijd. Onafhankelijke componentenanalyses toonden echter verhoogde activatie van het salience-netwerk bij het zien van boze en bange gezichten in de BEATVIC-groep ten opzichte van de Befriending-groep. Verhoogde activatie van het salience-netwerk zou kunnen wijzen op een verhoogde alertheid voor potentieel gevaarlijke gezichten.

Trefwoorden: Lichaamsgericht · Gezichtsverwerking · fMRI · Kickboksen · Psychose · Sociale cognitie · Slachtofferschap

---

Inleiding

Mensen met een psychotische stoornis hebben een grotere kans om slachtoffer te worden van een misdrijf dan mensen uit de algemene bevolking [1, 2]. Slachtofferschap kan een aanzienlijke impact hebben op iemands leven, en leiden tot bijvoorbeeld middelenmisbruik, depressie [3], ernstigere symptomen en een slechter ziekteverloop [4].

Om het risico op slachtofferschap bij mensen met een psychotische stoornis te verlagen, werd een lichaamsgerichte weerbaarheidstherapie ontwikkeld, genaamd BEATVIC [5]. BEATVIC is bedoeld om slachtofferschap te voorkomen door factoren aan te pakken die samenhangen met slachtofferschap en die beïnvloedbaar zijn via een interventie.

Een van deze risicofactoren zijn beperkingen in de sociale cognitie [6], zoals problemen met het herkennen van gezichtsuitdrukkingen – iets wat vaak voorkomt bij psychotische stoornissen [6, 7]. Mensen met een psychotische stoornis hebben vaak moeite met het herkennen van gezichtsuitdrukkingen, lichaamstaal, het mentaliseren en prosodie, waardoor ze mogelijk bedreigende sociale situaties niet goed kunnen inschatten, wat uiteindelijk tot slachtofferschap kan leiden.

Deze beperkingen in sociale cognitieve functies worden erkend als belangrijk aangrijpingspunt in de behandeling, om mensen te helpen potentieel bedreigende situaties te herkennen en ermee om te gaan, en om beschermend gedrag aan te leren dat het risico op slachtofferschap kan verkleinen [8].

In het bijzonder de verwerking van gezichten is relevant in de context van slachtofferschap, omdat een adequate verwerking van gezichten iemand in staat stelt om de intenties van potentiële daders te herkennen. In BEATVIC leren deelnemers door samen te oefenen met kickbokstechnieken, door observatie van groepsgenoten en nabespreking, hoe ze (bedreigende) non-verbale communicatie kunnen herkennen, zoals negatieve gezichtsuitdrukkingen, lichaamshoudingen en gebaren.

Daarnaast worden deelnemers gestimuleerd om te reflecteren op hun eigen gedrag, inzicht te krijgen in hoe ze op anderen overkomen, en vervolgens kunnen ze nieuw gedrag uitproberen in een veilige therapeutische setting. Voor een uitgebreide beschrijving van BEATVIC, zie [5, 9].

De neurale correlaten van de effecten van therapeutische interventies zoals BEATVIC kunnen belangrijke inzichten geven in de mechanismen achter therapeutische verandering [10, 11].

Hoewel deze studie de eerste is die BEATVIC onderzoekt, hebben eerdere studies zich gericht op de neurale effecten van sociale cognitie-training (SCT), een interventie die ook gericht is op de verwerking van emotionele gezichten. Een overzicht van neurale veranderingen na SCT bij mensen met een psychotische stoornis liet normaliserende effecten zien in belangrijke hersengebieden voor het verwerken van emoties: vroege visuele perceptiegebieden, prefrontale gyri, amygdala en insula [12].

Vroege visuele gebieden tonen vaak hypoactivatie en volumeverlies bij psychose, maar studies vonden verhoogde activatie in de pariëtale en occipitale cortex bij gezichtsverwerking [13] en minder volumeverlies in de fusiforme gyrus [14] na SCT bij schizofrenie.

Ook is er bewijs dat psychotische stoornissen gepaard gaan met verminderde activatie in de frontale gebieden tijdens gezichtsverwerking [15], terwijl studies juist toegenomen activiteit in deze gebieden lieten zien na SCT [16, 17].

Ten slotte werd de activiteit van de insula en amygdala – die verminderd is bij psychose tijdens gezichtsherkenning – verhoogd na SCT [13, 14, 18].

Kortom, eerdere studies tonen betekenisvolle neurale effecten aan van SCT bij mensen met een psychotische stoornis.

Doel van deze studie was het onderzoeken van neurale veranderingen in hersengebieden die betrokken zijn bij gezichtsverwerking, na een lichaamsgerichte weerbaarheidstraining die zich richt op risicofactoren voor slachtofferschap, zoals sociale cognitie, bij mensen met een psychotische stoornis.

Om dit te doen onderzochten we het effect van BEATVIC op de functionele activatie van de hersenen tijdens de verwerking van gezichten die een directe of indirecte dreiging uitdrukken [19, 20]. Boze gezichten geven een directe en onmiddellijke dreiging aan, terwijl angstige gezichten wijzen op de mogelijke aanwezigheid van gevaar in de omgeving.

Vooral het verwerken van bedreigende gezichten is relevant in de context van slachtofferschap. Een eerdere studie, waarin slachtoffers en niet-slachtoffers met een psychotische stoornis werden vergeleken, liet zien dat er meer deactivatie was van het sensomotorische netwerk bij het verwerken van boze gezichten (van der Stouwe et al., ingediend).

Eerdere studies naar SCT bij psychose meldden normaliserende effecten op vroege visuele gebieden, frontale gebieden en gezichtsherkenningsgebieden, zoals de insula en amygdala. Daarom werd verwacht dat BEATVIC ook tot verhoogde activatie in deze gebieden zou leiden. Omdat eerdere gegevens van deze studie toonden dat er sterkere deactivatie van het sensomotorisch netwerk was bij slachtoffers, onderzochten we ook of BEATVIC hierop effect zou hebben.

Methoden

Deelnemers

In totaal werden 41 deelnemers gerekruteerd uit vijf GGZ-instellingen in Nederland, als onderdeel van de grotere ‘Beat victimization’-studie (BEATVIC; [5]). Inclusiecriteria waren: leeftijd ≥ 18 jaar en een diagnose binnen het psychotisch spectrum volgens de DSM-IV-TR. Exclusiecriteria waren: ernstige psychotische symptomen (PANSS gemiddeld positief > 5), middelenafhankelijkheid (geen middelenmisbruik), een comorbide neurologische stoornis, een comorbide persoonlijkheidsstoornis, een geschat IQ < 70, zwangerschap en MRI-onverenigbaarheid.

Om te verifiëren of deelnemers voldeden aan de inclusiecriteria, werden door getrainde interviewers een mini-SCAN interview [21], een PANSS-interview [22] en een MRI-veiligheidschecklist afgenomen. De studie werd goedgekeurd door de lokale ethische commissie (Universitair Medisch Centrum Groningen, Nederland; METc protocolnummer: NL52202.042.15) en uitgevoerd conform de Verklaring van Helsinki. Alle deelnemers gaven schriftelijk geïnformeerde toestemming.

Alle deelnemers werden willekeurig toegewezen aan een van de twee behandelarmen: BEATVIC of Befriending (Current Controlled Trials: ISRCTN21423535), door een onafhankelijke onderzoeker. Randomisatie werd per locatie afzonderlijk uitgevoerd om een vergelijkbaar aantal deelnemers in beide groepen te garanderen. Randomisatie werd gestratificeerd naar geslacht en deelname aan het fMRI-subonderzoek, om ervoor te zorgen dat de behandelgroepen gebalanceerd waren qua geslachtsverdeling en deelname aan de fMRI-metingen.

---

Interventie

BEATVIC

BEATVIC bestaat uit 20 wekelijkse groepssessies van 75 minuten, geleid door een therapeut die is opgeleid in lichaams- en bewegingsgerichte interventies (in de Europese literatuur aangeduid als psychomotorisch therapeut; zie www.psychomot.org/) en een ervaringsdeskundige.

Elke sessie bestaat uit een warming-up, technische kickboksoefeningen en thematische oefeningen, een cooling-down en een groepsbespreking van de behandelde thema’s om de vertaalslag naar het dagelijks leven te maken. De 20 sessies zijn onderverdeeld in vijf modules:

1. Module 1 – Introductie van kickbokstechnieken:
   Focus op zelfstigma, grenzen stellen en respecteren.

2. Module 2 – Herkennen van gevaarlijk gedrag:
   Gericht op het verbeteren van sociale cognitie door bedreigende non-verbale communicatie te leren herkennen, zoals lichaamshoudingen, gebaren en gezichtsuitdrukkingen.

3. Module 3 – Hoe anderen mij zien:
   Focus op het verkrijgen van inzicht in eigen gedrag en automatische reacties op gevaar (bijvoorbeeld vechten, vluchten of bevriezen). Speciale aandacht voor lichaamshouding, balans, stemgebruik en ademhaling om zich sterker te voelen en over te komen.

4. Module 4 – Omgaan met agressie:
   Gericht op het herkennen en reguleren van eigen boosheid én leren omgaan met agressie van anderen. Oefeningen zijn gericht op lichamelijke signalen van woede en spanning, en manieren om spanning te verminderen. Observatieoefeningen helpen bij het herkennen van spanning bij anderen.

5. Module 5 – Herhaling:
   Oefeningen die door de specifieke groep als nuttig werden ervaren, worden herhaald.

Gedurende BEATVIC worden partner- en observatieoefeningen gebruikt om het gedrag van anderen beter te leren lezen.

---

Controlegroep: Befriending

Om te controleren voor wekelijks sociaal contact in een groepscontext, kreeg de controlegroep 20 wekelijkse Befriending-groepssessies van 75 minuten aangeboden. Het doel van deze sessies was het creëren van een gastvrije sfeer waarin deelnemers informeel sociaal contact kunnen hebben. Befriending bestond uit vijf modules: ‘Introductie’, ‘Media’, ‘Hobby’s’, ‘Levensstijl’ en ‘Herhaling en follow-up’.

Binnen deze modules speelden groepen bijvoorbeeld bordspellen, bespraken het nieuws, keken documentaires, kookten samen, bespraken hun hobby’s of maakten kerstkaarten. Trainers zorgden ervoor dat alleen neutrale onderwerpen zoals muziek, boeken of sport werden besproken. Befriending is eerder ingezet als controlegroep in studies naar cognitieve gedragstherapie bij psychose [23].

---

Metingen

Voor en na de interventieperiode ondergingen deelnemers structurele en functionele MRI-scans.

---

Emotional Faces (EF) taak

Met de Emotional Faces (EF) taak werd de hersenrespons op bedreigende gezichtsuitdrukkingen onderzocht. Deelnemers voerden een geslachtsdiscriminatietaak uit met 16 blokken van gezichten met een boze, neutrale, blije of bange expressie [24]. Elk blok bestond uit zes trials, met daarin drie tot vijf gezichten van dezelfde emotie en één tot drie null-trials met een fixatiekruis. De gezichten en null-trials werden willekeurig gemengd binnen elk blok.

Elk gezicht werd 600 ms getoond, gevolgd door een interstimulus-interval van 200 ms met een fixatiekruis. Deelnemers moesten zo snel mogelijk aangeven welk geslacht ze zagen via een knop.

---

Wall of Faces (WoF) taak

De WoF-taak [25] stelt onderzoekers in staat de hersenrespons op een groep overwegend boze gezichten te meten. In elke trial werd een reeks van 32 emotionele gezichten (boos of blij) getoond. Deelnemers moesten de overheersende emotie (emotieblokken, experimentele conditie) of het overheersende geslacht (geslachtsblokken, controleconditie) aangeven.

De verhouding van boze tot blije gezichten, en man tot vrouw, kon gelijk (ambigue, 16:16) of ongelijk (eenduidig, 26:6) zijn. Elk trial duurde 3 seconden, gevolgd door 1,5 seconde reactietijd. Tijdens de presentatie werden de antwoordopties (“Boos–Blij” of “Vrouw–Man”) weergegeven. Blokken van acht trials (48 s) begonnen met een instructie (“emotie” of “geslacht”) en werden afgewisseld met een fixatiekruis (24 s). Emotie- en geslachtsblokken wisselden elkaar af.

MRI-acquisitie

Neuroimaging-gegevens werden verzameld met een 3 Tesla Philips Intera MRI-scanner (Best, Nederland), uitgerust met een 32-kanaals SENSE-headcoil. Tijdens de taak werden whole-brain functionele beelden verkregen met een T2*-gewogen echo-planar sequence (39 dalende axiale slices; slice-dikte = 3 mm; geen slice-gap; TR = 2000 ms; TE = 30 ms; FOV 192 × 192 × 117 mm; voxelgrootte = 3 mm isotroop; flip angle = 90 graden; 275 volumes).

Alle scans werden ongeveer 10–20° georiënteerd ten opzichte van het AC–PC transversale vlak om artefacten door de neusholtes te voorkomen. Daarnaast werd een anatomisch T1-beeld met hoge resolutie opgenomen (170 slices; slice-dikte = 1 mm; TR = 9 ms; TE = 3.5 ms; FOV 256 × 232 × 170 mm; voxelgrootte = 1 mm isotroop).

---

Statistische analyses

Demografische kenmerken

Verschillen in demografische en klinische kenmerken tussen de behandelgroep en de controlegroep werden getest met de Chi-kwadraattoets voor categorische variabelen of de exacte toets van Fisher indien de verwachte aantallen < 5 waren. Continue variabelen werden getest met onafhankelijke t-toetsen of Mann–Whitney U-toetsen. Omdat depressie en paranoia van invloed kunnen zijn op de verwerking van gezichtsuitdrukkingen [26, 27], werd ook gekeken naar groepsverschillen op het individuele PANSS-depressie-item en het paranoia-item.

---

Gedragsdata

Voor de EF- en WoF-taak werden reactietijden (RT) geanalyseerd via een mixed ANOVA met:
Groep (BEATVIC, Befriending) × Tijd (pre- en postmeting) × Conditie (boos, bang of bijvoorbeeld unambigue_‘meer boos’, ambigu_emotie).
Groep werd als between-subject factor meegenomen; Tijd en Conditie als within-subject factoren. Nauwkeurigheid (Acc) werd op dezelfde manier geanalyseerd, maar bij de WoF-taak alleen op de trials zonder ambiguïteit, omdat bij ambigue trials geen correct antwoord bestaat.

---

Preprocessing

Neuroimaging-data werden gepreprocessed en geanalyseerd met Statistical Parametric Mapping 12 (versie 6470) (Welcome Department of Cognitive Neurology, UCL) in Matlab 7.8.0 (Mathworks, Natick USA).

• T1- en T2*-beelden werden handmatig geheroriënteerd op het AC–PC-vlak.

• Functionele beelden werden daarna gerealignet en gecoregistreerd op het anatomische T1-beeld.

• Vervolgens werden de data genormaliseerd naar Montreal Neurological Institute (MNI) space.

• Ten slotte werden de beelden gesmoord met een 8 mm full-width half-maximum Gaussiaanse kernel.

---

Voxel-based morphometry (VBM) analyses

Omdat we primair geïnteresseerd waren in functionele neurale veranderingen bij gezichtsverwerking, werd rekening gehouden met mogelijke effecten van lichaamsbeweging in BEATVIC. Een eerdere review van onze groep [21] toonde aan dat fysieke activiteit bij mensen met psychose vooral invloed had op de hippocampus (bijvoorbeeld volumetoename [22, 23] of het voorkomen van volumeverlies [24]).

Echter, deze effecten traden meestal pas op bij gemiddeld ten minste twee keer per week trainen [25]. We verwachtten daarom geen structurele volumeveranderingen bij deze populatie (een keer per week beweging), maar indien die er toch waren, zouden we ze controleren.

• T1-beelden werden gesegmenteerd in grijze stof, witte stof, hersenvocht, bot, zacht weefsel en achtergrond.

• Met DARTEL (Diffeomorphic Anatomical Registration Through Exponentiated Lie Algebra) werden individuele segmentaties geregistreerd naar een groepsgemiddeld template.

• De DARTEL-genormaliseerde, gemoduleerde en ongemoduleerde grijze stofsegmentaties werden vervolgens genormaliseerd naar MNI-space.

De linker- en rechterhippocampus, gedefinieerd met behulp van de Wake Forest University PickAtlas, dienden als regio's van interesse (ROIs). Volumes van grijze stof, witte stof, intracranieel volume, linker/rechter hippocampus werden berekend met interne scripts en ingevoerd in SPSS. Een repeated measures ANOVA werd uitgevoerd met Groep (BEATVIC, Befriending) × Tijd (pre- en postmeting) als factoren.

---

GLM-activatie-analyses

Pre- en post-fMRI-data werden samen opgenomen in first-level modellen.

Voor de EF-taak werden vier taakregressoren (boos, neutraal, blij, bang), gedefinieerd op basis van onset-tijden per trial, geconvolueerd met de standaard hemodynamische responsfunctie.

Voor de WoF-taak werden zes condities gemodelleerd (ambigue emotie, ambigue geslacht, unambigue 'meer blij', unambigue 'meer boos', unambigue 'meer vrouw', unambigue 'meer man'), plus een instructieconditie.

Om voor beweging te corrigeren werden zes bewegingsparameters en hun eerste afgeleiden toegevoegd. Ook werd frame-wise displacement (FD) berekend en als covariaat toegevoegd. FD > 0.9 werd als excessieve beweging beschouwd [Siegel et al., 2014].

We waren geïnteresseerd in veranderingen in dreigingsreacties over tijd. Contrasten die we berekenden waren o.a.:

• EF:
  t1(boos>baseline) > t2(boos>baseline)
  t1(bang>baseline) > t2(bang>baseline)

• WoF:
  t1(unambigue_meer_boos > unambigue_meer_blij) > t2(meer_boos > meer_blij)
  t1(ambigue_emotie > unambigue_emotie) > t2(ambigue > unambigue)
  t1(ambigue_trials > unambigue_trials) > t2(amb > unamb)

Single-subject contrasten van pre-behandelingsdata werden onderworpen aan one-sample t-toetsen op tweede niveau (om hoofdeffecten van taken te analyseren). Vervolgens werden two-sample t-tests uitgevoerd om groepsverschillen over tijd te vergelijken. Gebruik van antipsychotica werd meegenomen als covariaat (dummyvariabele ja/nee).

Alle toetsen werden uitgevoerd met initiële drempel p < 0.001 en FWE-gecorrigeerde clustercorrectie op p < 0.05.

Onafhankelijke componentenanalyse (ICA)

ICA werd uitgevoerd met de Group ICA of fMRI Toolbox (GIFT; versie 3.0a, MIALAB Software) [28], geïmplementeerd in Matlab versie 7.8.0. Zowel pre- als postfunctionele tijdreeksen werden in de ICA-analyse opgenomen.

Het aantal onafhankelijke componenten werd geschat met behulp van de ‘maximum description length’ (MDL) en de Akaike-criteria, wat resulteerde in 32 componenten voor zowel de EF- als de WoF-taak. Voor alle deelnemers werden beelden ontbonden in 32 ruimtelijk onafhankelijke componenten met behulp van het Infomax-algoritme. Tijdreeksen en ruimtelijke kaarten per individu werden gereconstrueerd via spatio-temporele regressie. Vervolgens werd een groeps-ICA uitgevoerd en de stabiliteit ervan geëvalueerd met ICASSO (20 iteraties) [29].

Selectie van componenten

Voor beide taken werd de correlatie tussen de tijdreeksen van componenten en de taakcondities bepaald. De designmatrices uit de GLM-analyses werden ingevoerd in de temporale sorteerfunctie (meervoudige regressie) van GIFT.

Om er zeker van te zijn dat we componenten selecteerden die hersengebieden bevatten die we relevant achtten (zoals vroege visuele gebieden, frontale gebieden, insula, amygdala), werden drie anatomische maskers gecreëerd met WFU-PickAtlas.

We voerden een ruimtelijke sortering uit op alle componenten per regio van interesse (ROI):

• Visuele gebieden (fusiforme gyrus, inferieure/middelste/superieure occipitale gyrus)

• Frontale gebieden (inferieure/middelste/superieure frontale gyrus)

• Gezichtsverwerking (insula en amygdala)

Per ROI werd de component met de hoogste correlatie met de taak geselecteerd. Daarnaast selecteerden we het sensomotorische netwerk, gebaseerd op eerdere resting-state studies [30, 31].

Na temporale sortering representeerden de resulterende beta-gewichten de hoeveelheid taakgerelateerde activatie of deactivatie per component, per conditie, per meetmoment (pre of post) en per deelnemer. Deze gewichten werden ingevoerd in SPSS. Verschilscores (post – pre) werden berekend, en groepsverschillen in netwerkactivatie geanalyseerd met de Mann–Whitney U-toets (α = 0.05).

---

Resultaten

Steekproefkenmerken

Van de 41 deelnemers die een fMRI-scan bij de voormeting ondergingen, voltooiden 31 ook de postmeting. Een CONSORT-diagram met het aantal en de redenen voor uitval is te vinden in het Supplement.

De data van twee deelnemers werden uitgesloten vanwege overmatige hoofdbeweging (> 3 mm), en twee anderen vanwege technische problemen. De resterende steekproef bestond uit 27 personen. Demografische en klinische kenmerken zijn weergegeven in Tabel 1. Er waren geen significante verschillen tussen de BEATVIC- en Befriending-groep wat betreft achtergrondkenmerken of ziektespecifieke variabelen.

---

Gedragsresultaten

Voor de EF-taak:
Er waren geen verschillen tussen groepen in reactietijd (RT) of nauwkeurigheid (Acc) op de boze of bange gezichten bij de voormeting. Een repeated measures ANOVA toonde geen significante veranderingen over tijd tussen groepen.

Voor de WoF-taak:
Er waren ook geen significante verschillen tussen groepen op RT of Acc bij de voormeting, en geen significante interactie-effecten van Groep × Tijd (zie Tabel 2).

---

VBM-analyse (hersenvolumes)

Tabel 3 toont de hersenvolumes bij pre- en postmeting voor beide groepen. Er waren geen verschillen tussen groepen in hersenvolume bij de voormeting. Er werden ook geen significante Groep × Tijd interacties gevonden.

Conclusie: er traden geen structurele volumeveranderingen op, dus hersenvolume werd niet meegenomen als covariaat in verdere analyses.

---

GLM-activatieanalyse

Emotional Faces (EF)-taak

Taakeffecten:
De taak activeerde occipitale en frontale hersengebieden, evenals de insula en amygdala, wanneer boze en bange gezichten werden vergeleken met baseline. Beide contrasten lieten vergelijkbare activatiepatronen zien (zie Supplement Tabel S2/Figuur S3).

Groepsverschillen:
Er waren geen significante verschillen over tijd tussen groepen. De BEATVIC-groep verschilde niet significant van de Befriending-groep qua verandering in hersenrespons op boze of bange gezichten (t.o.v. baseline).

---

Wall of Faces (WoF)-taak

Taakeffecten:
De WoF-taak liet geen verschillen in activatie tussen condities zien in de voormeting (one-sample t-test). Dit kan te wijten zijn aan de grote gelijkenis tussen de condities qua visuele input (allemaal arrays van gezichten) en cognitieve processen.

Groepsverschillen:
Er waren geen significante Groep × Tijd effecten op hersenactivatie tussen BEATVIC en Befriending.

 

Figuur 1
De ruimtelijke kaarten van de geselecteerde componenten voor de EF-taak (links) en de WoF-taak (rechts).
Links:
a. visueel netwerk
b. salience-netwerk
c. links frontopariëtaal netwerk
d. sensomotorisch netwerk
Rechts:
a. mediaal visueel netwerk
b. salience-netwerk
c. rechts frontopariëtaal netwerk
d. sensomotorisch netwerk