traduction manquante: en.general.general.skip_content

Mon panier

Fermer le panier

Les effets importants d'un bref épisode de méditation sur les spectres EEG de méditants débutants

Dr Joe Dispenza / 04 décembre 2020

Document de recherche PDF

Abstrait

Cette étude a examiné l'impact d'un bref atelier de méditation sur un échantillon de 223 méditants novices. Les participants ont assisté à un atelier de trois jours comprenant des séances quotidiennes de méditation assise guidée utilisant de la musique sans voix axée sur divers états émotionnels et intentions (focus ouvert). Sur la base de la théorie de la conscience intégrative, il a été émis l'hypothèse que des états de conscience modifiés seraient ressentis par les participants pendant l'intervention de méditation, évalués à l'aide d'un électroencéphalogramme (EEG). Les modèles de bandes de puissance des ondes cérébrales ont été mesurés tout au long de l'atelier de formation à la méditation, produisant un total de 5616 scans EEG. Les changements dans les états de conscience ont été analysés en utilisant des mesures de session de pré-méditation et de post-méditation des oscillations delta à gamma. Les résultats suggèrent que l'intervention de méditation a eu de grands effets variables sur les spectres EEG (jusqu'à 50 % d'augmentation et 24 % de diminution), et la vitesse de passage de l'état pré-méditation à l'état post-méditation des co-spectres EEG était significative (avec une probabilité de 0.76 d'entrer dans l'état de fin de méditation dans la première minute). Il y avait une diminution principale de 5 % de la puissance delta (95 % HDI = [−0.07, −0.03]); une augmentation globale de la puissance thêta de 29 % (95 % IDH = [0.27, 0.33]) ; une augmentation globale de 16 % (95 % HDI = [0.13, 0.19]) de la puissance alpha ; un effet principal de condition, avec une puissance bêta globale augmentant de 17 % (95 % IDH = [0.15, 0.19]) ; et une augmentation de 11 % (95 % HDI = [0.08, 0.14]) de la puissance gamma de la préméditation à la fin de la méditation. Les résultats ont fourni un soutien préliminaire pour une brève méditation dans la modification des états de conscience chez les méditants novices. Un examen clinique futur de la méditation a été recommandé comme intervention pour les problèmes de santé mentale particulièrement associés aux déficiences hippocampiques.


1. Introduction

Le stress mental est une épidémie de santé mondiale liée à plus de 23 millions de décès dans le monde chaque année (Fink, 2016Go et coll., 2004). Le stress chronique est associé à des troubles cognitifs de la région hippocampique du cerveau qui régule la mémoire et l'apprentissage (Hains et coll., 2009Kooij et coll., 2014) et avec des effets physiologiques négatifs, y compris une inflammation accrue et une immunité réduite (Marsland et coll., 2017). Une gamme de techniques basées sur la pleine conscience a été conçue pour réduire le stress et améliorer les indicateurs de qualité de vie (Bohlmeijer et al., 2010Shapiro, 2009). En particulier, la recherche s'intéresse de plus en plus à l'effet de la méditation sur les bienfaits pour la santé globale (par exemple, en tant que catalyseur pour améliorer la fonction immunitaire; Davidson et al., 2003Jacobs et al., 2011). La méditation est un processus cognitif conscient et complexe, impliquant concentration et attention réceptive (Tang et al., 2015). Des exemples de méditation incluent la méditation mantra, le tai chi et le chi gong (Ospina et coll., 2007). La méditation est considérée comme un mécanisme qui peut provoquer des états altérés généralement associés à une fonction cérébrale inconsciente (Shapiro, 2009). Les pratiques de méditation avec une attention focalisée nécessitent une attention soutenue sur une gamme spécifique d'expérience intérieure ou extérieure. Alors que les pratiques de méditation de conscience ouverte, de surveillance ouverte et de pleine conscience intègrent un éclairage attentionnel plus large sur un éventail de stimuli dynamiques (Cahn et Polich, 2006Lutz et coll., 2008). De plus, les approches de méditation guidée commencent généralement par une relaxation dirigée par un autre expert qui guide le méditant vers des expériences intérieures spécifiques (par exemple, des situations imaginatives, des processus de pensée). La méditation guidée est considérée comme particulièrement bénéfique parce que la nature des instructions a tendance à se rapporter à un objectif spécifique, comme la guérison ou l'amélioration personnelle. Des exemples d'objectifs méditatifs incluent la création de prospérité, l'amélioration des relations, la promotion du pardon et l'évocation d'états de conscience plus élevés (Morale, 2017).

De plus en plus de preuves suggèrent que la méditation offre de vastes avantages physiologiques et psychologiques. Les pratiques de méditation sont associées à une fonction exécutive et une mémoire de travail améliorées ainsi qu'à une amélioration de la gravité des problèmes de santé mentale (p. Ex., Anxiété, dépression, troubles de l'alimentation; (Fox et al., 2014Perich et al., 2013Shapiro, 2009Vøllestad et al., 2012Williams et al., 2014).

La méditation englobe un large ensemble de pratiques psychosomatiques conçues pour améliorer la régulation attentionnelle des images mentales auto-créées (foyers intéroceptifs ou extéroceptifs) et pour optimiser le traitement des expériences du moment présent (Jain et coll., 2015Robins et coll., 2012). Ces capacités ont été cartographiées dans les zones correspondantes du cerveau, y compris le système dorsal (orientation volontaire, descendante) et le système ventral qui est impliqué dans l'attention ascendante axée sur les stimuli (Shapiro, 2009). Des études utilisant l'imagerie par résonance magnétique fonctionnelle (IRMf) ont aidé à délimiter des cartes systémiques des dimensions physiologiques associées à la méditation (Eglise, 2013). En particulier, les techniques modernes de cartographie par électroencéphalogramme (EEG) et de neuroimagerie ont permis l'examen de la fonction différentielle du cerveau à travers un continuum d'états, y compris des expériences méditatives (Barinaga, 2003Cahn et Polich, 2006).

Des réseaux cognitifs distincts sont liés à des tâches de traitement conscientes pendant les tâches attentionnelles (p. Ex. Orientation, surveillance des conflits; Davidson et al., 2003) et à la base attentionnelle objective et réceptive de la pratique de la pleine conscience (p. ex., non-jugement, acceptation; (Anderson et al., 2007Shapiro et Schwartz, 2000). Un contrôle attentionnel accru a été observé chez les personnes ayant une pratique avancée de la méditation (Moore et Malinowski, 2009). Une étude a examiné la compétence de méditation chez des participants ayant différents niveaux d'expérience de méditation en utilisant des données EEG. Les potentiels liés à l'événement (ERP) ont été évalués au cours d'une activité de discrimination et d'attention de stimulus (Atchley et coll., 2016). Tous les participants ont fait la distinction entre les «tonalités» cibles en utilisant l'amorçage ERP. De plus, aucune différence de performance n'a été observée entre les groupes de méditants novices et expérimentés. Ce fut l'une des premières études à suggérer que la maîtrise de l'entraînement attentionnel utilisant la pratique de la méditation peut être obtenue relativement rapidement.

Les modèles théoriques de conscience suggèrent que les processus conscients et inconscients dépendent de composants neuronaux distribués agissant de manière fonctionnellement intégrée (Schutter et coll., 2004Smith, 2012). On pense donc que la méditation offre un véhicule unique pour examiner ces processus. C'est-à-dire que le cerveau conscient et inconscient fonctionnant simultanément, la méditation offre l'occasion d'observer la transition d'un état d'éveil normal à un état de conscience alerte mais altéré (Davidson et al., 2012). Les états de conscience sont décrits comme des conditions qui diffèrent qualitativement des autres par la présence ou des conditions et caractéristiques absentes dans d'autres états (Tarte, 1972). Étant donné que les états de conscience jouent un rôle essentiel dans la formation de l'expérience humaine à travers une gamme de fonctions cognitives et comportementales, les examens des mécanismes cérébraux conscients et inconscients sous-jacents sont cruciaux (Merrick et coll., 2014Vieten et coll., 2018Winkelman, 2011). De telles connaissances peuvent offrir des résultats cliniques qui peuvent être orientés pour aider davantage la détresse psychologique et physiologique.

Le modèle de la conscience intégrative a évolué à partir de la théorie selon laquelle les mécanismes physiologiques des «états transcendants» sont basés sur une voie neurochimique commune impliquant le lobe temporal (Mandell, 1980). Dans cette perspective théorique, on pense que la pratique de la méditation produit une inhibition de la sérotonine dans les cellules de l'hippocampe, ce qui à son tour augmente l'activité cellulaire et la manifestation de l'activité EEG à ondes lentes septales de l'hippocampe (c'est-à-dire alpha, delta et thêta) qui impose un ralentissement synchrone. -modèle d'ondes à travers les lobes (Winkelman, 20102011). L'intégration se manifeste dans l'entraînement du cortex frontal par des décharges à ondes lentes hautement cohérentes et synchronisées qui émanent du système limbique et des structures cérébrales inférieures associées. Ces entraînements se produisent à diverses fréquences, mais deux modèles prédominants sont les bandes thêta synchronisées à ondes lentes (3 à 6 cycles par seconde) et les oscillations gamma à haute fréquence (40 + cps). Ces modèles d'ondes cérébrales synchronisées sont appelés un mode de conscience intégratif (Winkelman, 2011).

Des recherches antérieures ont examiné les effets de la méditation dans des échantillons cliniques et des individus ayant une vaste expertise en méditation (par exemple, les moines bouddhistes, les chamans et les praticiens ayant plus de 10 ans d'expérience dans la pratique consciente, Flor-Henry et coll., 2017Tang et al., 2015). En particulier, des activations cérébrales différentielles ont été observées chez des experts pendant la méditation, à la suite de divers styles de méditation fréquemment mesurés via EEG. De plus, les mesures physiologiques des méditants naïfs ont reflété celles des méditants hautement expérimentés après une seule séance de méditation (Fennell et coll., 2016). Cependant, peu de recherches ont offert un examen électrophysiologique de l'expérience méditative chez des individus avec une expérience de méditation limitée et avec une approche de méditation guidée. Pour développer cette lacune de recherche, la présente étude visait à examiner l'impact de la pratique intensive de la méditation (2 à 4 heures de pratique de méditation par jour) sur un échantillon de méditants novices. Les facteurs de l'intervention (y compris l'environnement et les approches de méditation) ont été optimisés pour accélérer l'apprentissage parmi les participants. L'étude actuelle visait à évaluer les états de conscience modifiés des participants pendant la méditation en comparant le modèle des bandes de puissance des ondes cérébrales à chaque point final de méditation avec des mesures de base (c.-à-d. Oscillations alpha, delta et thêta) et par l'évaluation de la synchronisation gamma à haute fréquence. . S'appuyant sur la théorie de la conscience intégrative (Winkelman, 2011), on a émis l'hypothèse que les états modifiés de conscience seraient détectés par des modèles modifiés d'ondes cérébrales à travers chaque méditation dans l'échantillon de méditants novices.


2. Matériel et méthode

2.1. Participants et procédure

L'échantillon de convenance initial comprenait 468 participants âgés de 19 à 83 ans (M = 50.56, ET = 14.52), dont 312 étaient des femmes (71.4%) et 125 étaient des hommes (28.6%). Tous les participants ont donné leur consentement écrit pour participer à l'étude. Les participants étaient des novices en méditation ou avaient une exposition antérieure limitée à des formes de méditations guidées. Tous les participants ont assisté à des ateliers de formation à la méditation donnés par le Dr Joseph Dispenza, DC, tenus dans divers endroits d'Amérique du Nord. La formation à la méditation, connue sous le nom d '«atelier avancé», comprenait deux à trois séances quotidiennes sur trois jours. À chaque séance, les participants ont assisté à des exposés basés sur la psychoéducation (par exemple, une conférence sur le rôle des hormones dans le stress; Dispenza, 2014) et a participé à une méditation assise guidée sur musique (sans voix et avec une concentration ouverte) d'une durée d'environ 60 minutes. Les données d'ondes cérébrales EEG ont été enregistrées pour chaque participant tout au long de la séance de méditation, avec des données EEG de pré-méditation comparées aux données EEG de méditation de point final pour chaque session du programme d'entraînement à la méditation.


2.2. Analyses EEG

L'EEG a été mesuré en utilisant un réseau standard de 10 électrodes 20/19. Il y avait un effet principal de la méditation sur les spectres EEG et une interaction entre le site de l'électrode et la condition de médiation. Par exemple, Fig. 7 montre cette interaction codée par couleur pour montrer les changements les plus négatifs et positifs dans les spectres de la méditation. Cependant, le modèle a indiqué qu'il n'y avait aucune preuve d'interactions systématiques entre l'emplacement des électrodes et la technique de méditation, indiquant que les sources peuvent être les mêmes dans les techniques de méditation, mais que l'intensité et la combinaison des changements de puissance de bande différaient entre les techniques. Le processus de configuration EEG a nécessité 10 minutes par participant, au cours desquelles les mesures de la circonférence de la tête ont été comparées à un bouchon EEG (petites, moyennes et grandes tailles). Les coiffes étaient calibrées à environ deux pouces au-dessus du sourcil et suivaient une ligne commençant au milieu du front et continuant autour de la tête pour se rencontrer au point de départ désigné. Des enregistrements de base ont été obtenus, qui comprenaient les yeux fermés (4 minutes) et le cerveau sur la tâche (4 minutes) avant les séances de méditation ont été enregistrées.


2.3. Types de méditation

Au cours de l'atelier de trois jours, 468 participants se sont livrés à environ trois méditations par jour (voir Tableau 1), qui a produit un total de 5616 scans EEG. La méditation guidée assise, dirigée par le deuxième auteur, mettait l'accent sur la respiration, la visualisation et la concentration focalisée (attention internalisée).

Tableau 1. Séances de méditation par heure de la journée.

S Horaire Type de méditation
Jour 1 Type 1 (D1T1) Matin (9.00hXNUMX) Méditation Concentrez-vous sur des niveaux d'émotion élevés et une énergie libératrice dans le corps pour harmoniser, aligner et connecter les centres de chakra associés
Jour 1 Type 2 (D1T2) Méditation de midi (midi) Concentrez-vous sur l'émotion de gratitude
Jour 1 Type 3 (D1T3) Méditation de l'après-midi (3.00hXNUMX) Concentrez-vous sur l'abandon
Jour 2 Type 1 (D2T1) Méditation du matin (9.00hXNUMX) Concentrez-vous sur des niveaux d'émotion élevés et une énergie libératrice dans le corps pour harmoniser, aligner et connecter les centres de chakra associés
Jour 2 Type 2 (D2T2) Méditation de midi (midi) Concentrez-vous sur une intention spécifique de matérialiser un événement spécifique de la vie
Jour 2 Type 3 (D2T3) Méditation de l'après-midi (3.00hXNUMX) Concentrez-vous sur une émotion élevée et un sentiment d'intégrité et d'unité avec le monde (via une méditation à focalisation ouverte)
Jour 3 Type 1 (D3T1) Méditation tôt le matin (6.30hXNUMX) Concentrez-vous sur des niveaux d'émotion élevés et une énergie libératrice dans le corps pour harmoniser, aligner et connecter les centres de chakra associés
Jour 3 Type 2 (D3T2) Méditation en milieu de matinée (10.00hXNUMX) Concentrez-vous sur la création d'une intention future
Jour 4 (J4T1) Méditation très tôt le matin (4.00hXNUMX) Concentrez-vous sur le déplacement de l'énergie à travers le corps vers le cerveau pour activer la glande pinéale pour induire une expérience mystique (méditation assise et allongée)


3. Résultats

3.1. Pré-traitement

Compte tenu de la variabilité du prétraitement et des montages, des données provenant d'enregistrements de casques d'écoute de référence d'oreille liée avec le prétraitement passe-bande de 0.5 à 80 Hz ont été utilisées, ce qui a réduit l'échantillon à 283 participants. Les données pour 60 participants ont été supprimées en raison d'une courte durée des enregistrements en session (<10 min) car les durées de moins de 10 min n'étaient pas assez longues pour être viables pour l'évaluation de la dynamique neurale. Cela a laissé un échantillon final de 223 participants. Les données EEG ont été exportées au format EDF et importées dans MNE-Python (Version 17.1; Gramfort et coll., 20132014) pour une analyse ultérieure. Le pipeline PREP a été utilisé pour détecter les canaux corrompus par le bruit (Bigdely-Shamlo et coll., 2015) avec toutes les électrodes non fonctionnelles interpolées via les splines sphériques (Perrin et al., 19891990). Les données ont été filtrées passe-bande à 1−50-Hz avec un filtre FIR (Rabiner et al., 1978). Les clignements oculaires potentiels ont été détectés en utilisant une médiane mobile, avec une médiane entre 30 et 300 microvolts avec une fenêtre de 15 échantillons (60 ms) étiquetés comme un clignement, tel que mesuré aux électrodes Fp1 et Fp2. Les données ont été transformées par le laplacien de surface (via interpolation sphérique) pour fournir un signal sans référence plus robuste (Kayser et Tenke, 2006). Les données entourant les événements de clignement des yeux ont été segmentées en périodes de -500 à 500 ms. Une analyse indépendante des composants a été réalisée à l'aide de l'algorithme de PicardAblin et coll., 2018) pour isoler et éliminer les artefacts EOG présents dans les données en sélectionnant le composant avec le plus grand coefficient de corrélation absolu de Pearson r aux époques de clignement des yeux via la fonction find_bad_eog dans MNE-Python. Les cinq dernières minutes des enregistrements de pré-méditation et de méditation ont été utilisées pour comparer les effets des différents types de méditation sur les spectres EEG, et l'EEG enregistré pendant la méditation a été utilisé pour évaluer la dynamique neurale de la méditation. Le package R ggplot2 et MNE-Python ont été utilisés pour créer les figures (Hadley et Sievert, 2016).


3.2. Montage du modèle

L'estimation des paramètres bayésiens a été utilisée pour évaluer les résultats (McGill et coll., 2017). Cette analyse a été choisie car les intentions de l'expérimentateur sont énoncées explicitement via le modèle et les distributions a priori. Des distributions complètes pour les valeurs crédibles pour tous les paramètres du modèle ont été fournies plutôt que des valeurs uniques. Comme cette procédure n'utilise pas de valeurs p ou d'intervalles de confiance, l'estimation des paramètres bayésiens est considérée comme fournissant plus d'informations que les tests de signification d'hypothèse nulle (Kruschke, 2013). Les distributions postérieures ont été résumées avec leur médiane et leur intervalle de densité le plus élevé (IDH) (Kruschke et Liddell, 2015). L'IDH contient les 95% des valeurs les plus probables de la distribution. La version R 3.5.1 (R Core Team, 2018) a été utilisée pour toutes les analyses statistiques. Stan 2.17.0 (Carpenter et al., 2017) avec le RStan 2.17.3 (Équipe de développement Stan, 2018) pour s'adapter à tous les modèles. Stan estime la distribution a posteriori en utilisant une procédure Hamiltonian Monte Carlo (HMC). Pour chaque modèle, quatre chaînes ont prélevé simultanément 2000 échantillons, dont 1000 étaient en phase d'échauffement. La taille de l'échantillon résultant était de 4,000 XNUMX personnes. Les échantillons postérieurs pour chaque paramètre ont été évalués pour la convergence via l'inspection des tracés et du Gelman – Rubin rˆ statistique (Gelman et Rubin, 1992), où rˆ près de 1.00 indiquent que les chaînes ont convergé.


3.3. Comparaison de fréquence via l'apprentissage automatique

Pour examiner s'il y avait un effet de la méditation sur les spectres de fréquence EEG, les classificateurs d'apprentissage automatique ont été individuellement formés pour faire la distinction entre les données avant la méditation et les cinq dernières minutes de méditation (condition). Un classificateur basé sur la géométrie de Riemann (Congedo et coll., 2017) en utilisant les co-spectres de l'EEG entre quatre et 45 Hz (fenêtre de suspension de 250 ms, chevauchement de 75%, résolution de 4 Hz) pour des époques de 2 s sans chevauchement pour la pré-méditation et les données de fin de méditation étaient utilisé. Le classificateur basé sur la géométrie riemannienne a été sélectionné car ce type de classificateur est parmi les meilleurs en termes de performances dans la classification BCI, de facilité de mise en œuvre et de bonne capacité de généralisation par rapport à d'autres options telles que l'apprentissage en profondeur (Lotte et coll., 2018). De plus, la performance lors de la validation était très élevée et était donc appropriée pour estimer la dynamique neuronale des techniques de méditation. Le classificateur a utilisé la régression logistique de l'espace tangent (Congedo et coll., 2017) pour discriminer entre les deux états. La validation par répartition aléatoire (75% train, 25% test) 10 fois croisée a été utilisée pour estimer les performances mesurées par la matrice de confusion du classifieur. Pour estimer la performance globale, un modèle hiérarchique Multinomial-Dirichlet a été ajusté à la matrice de confusion moyenne de chaque participant (voir la description du modèle). Les estimations de la matrice de confusion ont ensuite été résumées en mesures d'exactitude et de compétence (White et al., 2004). La précision et la compétence ont été calculées à partir de la matrice de confusion en utilisant la procédure standard: Exactitude, en prenant la somme des vrais positifs et des vrais négatifs divisée par le total de la matrice de confusion et de la compétence, en calculant les informations mutuelles des résultats attendus et prévus. , divisé par l'entropie des résultats attendus (Caelen, 2017White et al., 2004).


3.4. Description du modèle de comparaison de fréquence


Nous nous sommes intéressés à la manière dont les classificateurs distinguaient les états de pré et de fin de méditation, et s'il y avait des différences de performance entre les techniques de méditation. Une matrice de confusion d'un classificateur de participants, Cp, a été modélisé comme un échantillon aléatoire d'une distribution multinomiale:Cp~Multinomial(θp)De Cp a estimé les probabilités de vrais négatifs, de faux positifs, de faux négatifs et de vrais positifs pour un classificateur individuel. Cp a reçu un Dirichlet avant:θp~Dirichlet(θt×κt)De θt mesuré les probabilités de groupe pour chaque cellule de la matrice de confusion pour une technique de méditation particulière et κt a estimé la concentration de θtθt a également reçu un Dirichlet avant:

θt~Dirichlet(θg×κg) De θg performance globale estimée et κg dans quelle mesure les différentes techniques de méditation correspondaient θg estimation. Tout κx les paramètres ont reçu des priors gamma diffus:κx~Gamma(2,0.1)


3.5. Résultats de la comparaison de fréquence

Le modèle a indiqué que les classificateurs étaient extrêmement précis, avec une précision globale de 97% (95% IDH = [0.96, 0.98]) et une compétence de 0.81 (95% IDH = [0.75, 0.86]). Il n'y avait aucune preuve d'un effet crédible de la technique de méditation sur la précision ou la compétence, comme indiqué dans Fig. 1Fig. 2. Cette invariance à la technique de méditation est importante pour l'analyse de dynamique neuronale suivante, car les différences entre les performances du classificateur pourraient confondre les résultats.
Fig. 1
  1. Téléchargement: Téléchargez l'image haute résolution (255 Ko)
  2. Téléchargement: Téléchargez l'image en taille réelle

Fig. 1. Montre des graphiques en violon d'estimations postérieures pour la précision du classificateur par technique de méditation, indiquant l'invariance de la précision entre les techniques de méditation.

Fig. 2
  1. Téléchargement: Téléchargez l'image haute résolution (269 Ko)
  2. Téléchargement: Téléchargez l'image en taille réelle

Fig. 2. Représente des parcelles de violon d'estimations postérieures pour la compétence du classificateur par technique de méditation, indiquant l'invariance de la compétence entre les techniques de méditation.

3.6. Dynamique neurale de la méditation

Les données pendant la méditation ont été époques de la même manière que l'analyse de comparaison de fréquence, puis classées comme telles que la pré-méditation ou la fin de la méditation. Cela a créé une série chronologique binaire pour chaque individu, fournissant un aperçu du moment où la méditation a changé les co-spectres EEG et comment les différentes techniques ont eu un impact sur cette relation dynamique. Une régression logistique a été appliquée à la série chronologique de classification de chaque participant, qui résumait la série en paires d'interception et de pente. Ces paires ont été évaluées avec un modèle linéaire général bayésien pour quantifier l'efficacité de chaque technique de méditation à induire les co-spectres EEG à l'état final (voir la description du modèle).


3.7. Description du modèle de dynamique neurale

Nous nous sommes intéressés à quantifier comment la méditation modifie les co-spectres EEG et dans quelle mesure diverses techniques de méditation facilitent ce changement. Pour évaluer ce changement, une régression logistique a été effectuée, produisant des valeurs d'interception et de pente pour chaque participant. L'intersection et la pente des participants ont été modélisées séparément, yp[i], comme tirage à partir d'une distribution normale:yp[i]~Normal(μi,σ[i])Où μ est dérivé de la combinaison linéaire:

μi=β0i+βti×xt[i] De β0 paramètre estime la tendance centrale du groupe alors que βt mesuré l'effet de la technique sur l'interception et la pente. β0 a reçu un a priori normal centré sur la moyenne des données, avec 10 fois l'écart type des données:

β0[i]~Normal(y¯[i],Sdy[i]) × Sd (y))

σ Le paramètre a reçu un gamma diffus avant comme suit:σ[i]~Gamma(2.0,0.1)βt a reçu une contrainte de somme à zéro en centrant à zéro un vecteur simplex, st[i], et en le multipliant par une variable d'échelle, σt :

βti=σt[i]×(sti-1nt) où le simplex a reçu un a priori de Dirichlet uniforme et l'échelle a reçu un a priori gamma:sti~Dirichlet1σt[i]~Gamma(2.0,0.1)

Les preneurs ont été choisis pour être faiblement informatifs à l'échelle des données.

3.8. Résultats de la dynamique neurale

Les résultats ont indiqué qu'il n'y avait pas suffisamment de preuves pour détecter l'effet de la technique de méditation sur les valeurs d'interception de régression logistique (voir Fig. 3). Cependant, les interceptions pour chaque technique de méditation étaient assez grandes (voir Fig. 4), où la probabilité que les co-spectres EEG soient comme l'état de fin de méditation était de 0.76 (95% HDI = [0.71, 0.81]) au début de la méditation.

Fig. 3
  1. Téléchargement: Téléchargez l'image haute résolution (265 Ko)
  2. Téléchargement: Téléchargez l'image en taille réelle

Fig. 3. Montre un graphique en violon des estimations postérieures de l'interception de régression logistique des séries de classification pour chaque technique de méditation. Les interceptions sont assez grandes, ce qui indique que les changements dans les co-spectres EEG se sont produits assez rapidement et la figure représente également l'invariance de l'interception entre les techniques.

Fig. 4
  1. Téléchargement: Téléchargez l'image haute résolution (239 Ko)
  2. Téléchargement: Téléchargez l'image en taille réelle

Fig. 4. Montre les estimations médianes de la régression logistique des séries de classification pour chaque technique de méditation.

Il y avait un effet significatif de la technique de méditation sur la pente de régression logistique avec D2S2 0.0231 plus grand que la pente de D3S2 (95% IDH = [0.0003, 0.04472], zéro non inclus). Cela suggère que D2S2 a induit l'état de fin de méditation plus rapidement que la technique D3S2, comme indiqué dans Fig. 5.

Fig. 5
  1. Téléchargement: Téléchargez l'image haute résolution (281 Ko)
  2. Téléchargement: Téléchargez l'image en taille réelle

Fig. 5. Illustre un graphique en violon des estimations postérieures pour les pentes de régression logistique des séries de classification pour chaque technique de méditation. D2S2 a une pente plus grande que D3S2 indiquant que les co-spectres EEG de méditation de fin ont été atteints plus rapidement pour D2S2.

3.9. Analyse de la bande de puissance

Les données de pré-méditation et de fin de méditation ont été époques à des fenêtres sans chevauchement de 2 s et leur densité spectrale de puissance (PSD) a été estimée à l'aide de la méthode multi-papier (Thomson, 1982). La puissance de bande a été dérivée de la sommation PSD sur 1−4 Hz pour Delta, 4−8 Hz pour thêta, 8−13 Hz pour alpha, 15–25 pour bêta et 35−45 Hz pour gamma en utilisant la règle de Simpson pour l'intégration. La moyenne a été enregistrée pour chaque participant, à chaque électrode, à la fois pour les conditions de pré-méditation et de fin de méditation. Les spectres de puissance EEG sont générés principalement à partir de sources corticales avec une certaine entrée de structures sous-corticales (voir Buzsaki, 2006) avec toutes les bandes de puissance canoniques liées à la méditation (Lee et al., 2018).

3.10. Description du modèle d'analyse de la bande de puissance

Nous voulions mesurer l'effet de la méditation sur les bandes de puissance EEG et s'il y avait des différences entre les types de méditation. Chaque bande de puissance, y, a été modélisé séparément, comme un tirage au sort à partir d'une distribution log-normale:

y~lognormal(μ,σ) ∼ log-normal (

De σ représentait l'écart type, et μ l'estimation moyenne:μ=β0+βp×xp+βe×xe+βc×xc+βt×xt+βe×c×xe×c+βe×t×xe×t+βc×t×xc×t+βe×c×t×xe×c×tDe β0 est la référence globale, βp est la référence spécifique à un participant, βe estime l'effet des électrodes, βc mesure l'effet de la condition de méditation (avant ou à la fin de la méditation), t est le paramètre de l'effet de la technique de méditation. Les paramètres d'interaction βe×c électrode mesurée dans chaque condition, βe×t estimé l'effet de l'électrode dans chaque technique de méditation, βc×t quantifie l'interaction entre la condition et la technique de méditation, et βe×c×t est le paramètre de l'interaction à trois voies entre l'électrode, l'état et la technique. Le paramètre de base a reçu une valeur antérieure normale:

β0~Normal(meanenregistrery,10×Sd(log(y))) alors que chaque autre facteur et paramètres d'interaction ont reçu des contraintes de somme à zéro en utilisant la procédure k-1:αx~Normal0,σxβx[1:k-1]=αxβx[k]=-Σαx[i]

Avec des paramètres d'interaction contraints à la somme de zéro pour chaque prédicteur. σx les paramètres ont été tirés d'une distribution gamma diffuse, compte tenu de l'échelle logarithmique du modèle:σx~Gamma(1.64,0.32)βe×tβe×cet βe×c×t ont reçu un écart-type fixe de 1 pour éviter un retrait problématique qui affectait négativement l'échantillonnage de Hamilton Monte Carlo.

3.11. Delta

Il y avait une diminution principale de 5% de la puissance delta (95% IDH = [-0.07, -0.03]) après la méditation par rapport à la pré-méditation. Il y avait aussi un effet principal de la méditation où D1S2 avait une puissance delta 72% plus élevée que D2S1 (95% HDI = [0.04, 1.48]). De plus, une interaction crédible entre la technique de méditation et la condition a été trouvée (voir Fig. 6). D1S2, D3S1 et D4S1 ont affiché la plus forte augmentation (16%, 18% et 18% avec un IDH à 95% = [0.07, 0.25], [0.1, 0.26] et [0.08, 0.28], respectivement), D2S2 n'a pas preuve d'un changement de puissance (95% HDI = [−0.08, 0.05] contenant zéro), et D1S1, D1S3, D2S1, D2S3 et D3S2 ont montré une diminution du delta (−12%, −16%, −24%, −18% et −12% avec un IDH 95% = [−0.19, −0.05], [−0.23, −0.11], [−0.29, −0.19], [−0.23, −0.13] et [−0.18, −0.05], respectivement). Fig. 7 illustre l'effet principal des électrodes avec des électrodes centro-pariétales montrant plus de puissance delta que les électrodes occidentales et plus que les sites fronto-temporaux. Aucune interaction impliquant l'électrode avec les autres prédicteurs n'a été jugée crédible. Fig. 7 est donc le changement de proportion dû à la médiation pour chaque bande de puissance estimée par l'interaction du modèle entre l'électrode et les paramètres de condition. Cela s'effondre efficacement à travers la technique de méditation, y compris toutes les données de toutes les techniques, car il n'y avait aucune preuve crédible d'une interaction à trois voies entre l'électrode, la condition et la technique.

Fig. 6
  1. Téléchargement: Téléchargez l'image haute résolution (235 Ko)
  2. Téléchargement: Téléchargez l'image en taille réelle

Fig. 6. Représente des graphiques de violon des estimations postérieures pour le pourcentage de changement de puissance Delta pour chaque technique de méditation, et indique un effet varié de la technique, avec des groupes montrant des augmentations (D1S2, D3S1, D4S1), l'invariance (D2S2) et des diminutions (D1S1 , D1S3, D2S1, D2S3, D3S2) au pouvoir.

Fig. 7
  1. Téléchargement: Téléchargez l'image haute résolution (309 Ko)
  2. Téléchargement: Téléchargez l'image en taille réelle

Fig. 7. Montre l'estimation postérieure médiane globale du changement de proportion dans les topographies de bandes de puissance.

3.12. Thêta

Il y avait une augmentation globale de la puissance thêta de 29% (95% HDI = [0.27, 0.33]) de la méditation. Les résultats ont également montré un effet principal de la technique de méditation, où D1S2 avait plus de puissance thêta que D2S1 et D2S3. Il y avait aussi une interaction entre la condition et la technique de méditation (voir Fig. 8). D1S2, D3S1 et D3S2 ont enregistré les augmentations les plus importantes (47%, 50% et 43% avec un IDH à 95% = [0.37, 0.58], [0.4, 0.59] et [0.34, 0.52], respectivement) puis D1S1, D2S2 et D4S1 (29%, 33% et 33% avec 95% IDH = [0.2, 0.39], [0.26, 0.41] et [0.23, 0.44]) suivis de D1S3 et D2S3 (19% et 14%, avec 95% IDH = [0.12, 0.27] et [0.08, 0.21]), sans changement crédible de thêta pour D2S1 (95% IDH = [-0.02, 0.11], zéro inclus). Fig. 8 montre l'effet de l'électrode sur la puissance thêta, les électrodes médianes ayant la plus grande puissance thêta suivies des canaux pariétaux et occipitaux, avec moins de puissance aux sites fronto-temporaux. Il n'y avait aucune preuve crédible d'interactions impliquant l'électrode avec les autres prédicteurs.

Fig. 8
  1. Téléchargement: Téléchargez l'image haute résolution (251 Ko)
  2. Téléchargement: Téléchargez l'image en taille réelle

Fig. 8. Se compose de graphiques de violon des estimations postérieures pour le pourcentage de changement de puissance Thêta pour chaque technique de méditation. La majorité des techniques augmentaient la puissance thêta.

3.13. Alpha

Il y avait une augmentation globale de 16% (95% IDH = [0.13, 0.19]) de la puissance alpha due à la méditation. Il n'y avait aucune preuve crédible d'un effet de la technique avec tous les 95% de l'IDH, y compris zéro. Il y avait une interaction crédible pour la condition de puissance alpha entre la technique de méditation (voir Fig. 9). D1S2, D2S3 et D3S2 ont enregistré les plus fortes augmentations de l'alpha (25%, 32% et 39% avec un IDH à 95% = [0.16, 0.34], [0.24, 0.39] et [0.29, 0.49]) suivi de D1S1, D2S1, D2S2, D3S1 (16%, 17%, 13% et 17% avec 95% IDH = [0.07, 0.25], [0.09, 0.24], [0.06, 0.2] et [0.09, 0.24]) sans changement crédible pour D1S3 et D4S1 (95% IDH = [−0.09, 0.05], [−0.13, 0.03], zéro inclus). Fig. 9 montre l'effet de l'électrode sur la puissance alpha, avec un alpha élevé sur les électrodes occipitales et pariétales, aucun changement par rapport à l'alpha de base dans les canaux centraux frontaux et une diminution des sites temporaux. Il n'y avait aucune interaction impliquant des électrodes avec les autres prédicteurs.

Fig. 9
  1. Téléchargement: Téléchargez l'image haute résolution (256 Ko)
  2. Téléchargement: Téléchargez l'image en taille réelle

Fig. 9. Montre des graphiques de violon des estimations postérieures pour le pourcentage de changement de puissance alpha pour chaque technique de méditation. La majorité des techniques augmentaient la puissance alpha.

3.14. Bêta

Il y avait un effet principal de la condition, avec une augmentation de la puissance bêta globale de 17% (95% IDH = [0.15, 0.19]) de la pré-méditation à la fin de la méditation. Il n'y avait aucun effet principal de la méditation avec tous les 95% de l'IDH, y compris zéro. Cependant, il y avait une interaction entre la condition et la technique de méditation (voir Fig. 10), où D1S2, D2S2, D2S3, D3S1 et D3S2 ont eu la plus forte augmentation de la puissance bêta (30%, 30%, 20%, 32% et 33% avec un IDH de 95% = [0.22, 0.39], [0.23, 0.38], [0.14, 0.26], [0.24, 0.4] et [0.25, 0.41]) suivi de D4S1 (11% avec 95% d'IDH = [0.03, 0.19]). D1S1, D1S3 et D2S1 n'avaient aucune preuve crédible de changement de puissance bêta (95% IDH = [-0.06, 0.08], [-0.07, 0.04] ​​et [-0.03, 0.09], zéro inclus). Il y avait également un effet principal des électrodes avec plus de puissance bêta sur les électrodes centrale-pariétale et occipitale par rapport aux électrodes fronto-temporales comme indiqué dans Fig. 10. Enfin, il n'y avait aucune interaction impliquant des électrodes avec les autres prédicteurs.

Fig. 10
  1. Téléchargement: Téléchargez l'image haute résolution (238 Ko)
  2. Téléchargement: Téléchargez l'image en taille réelle

Fig. 10. Représente des graphiques de violon des estimations postérieures pour le pourcentage de changement de puissance bêta pour chaque technique de méditation. La majorité des techniques augmentaient la puissance bêta, tandis que trois techniques (D1S1, D1S3, D2S1) n'avaient aucun changement dans la puissance bêta.

3.15. Gamma

Une augmentation de 11% (95% IDH = [0.08, 0.14]) de la puissance gamma a été observée de la pré-méditation à la fin de la méditation. Il n'y avait aucune preuve crédible d'un effet principal de la technique avec tous les 95% de l'IDH, y compris zéro, indiquant que les groupes avaient une puissance gamma similaire. Cependant, il y avait une interaction entre la technique et la condition, où D1S2, D3S2 et D4S1 ont eu la plus forte augmentation de la puissance gamma (36%, 31% et 27% avec 95% IDH = [0.24, 0.49], [0.2, 0.42 ], et [0.14, 0.41]), suivis de D2S2, D2S3 et D3S1 (10%, 14% et 16% avec un IDH à 95% = [0.02, 0.19], [0.06, 0.23] et [0.07, 0.26 ]), D1S3 et D2S1 n'ont pas changé de puissance gamma (95% IDH = [−0.07, 0.1] et [−0.14, 0.01], zéro inclus), avec D1S1 présentant une diminution du gamma (−17% avec 95% IDH = [−0.25, −0.09]). Il y avait un effet de la localisation des électrodes avec plus de puissance gamma sur les électrodes occipitales pariétales par rapport aux sites frontal-central et temporal (voir Fig. 11). Enfin, il n'y avait pas d'interactions crédibles impliquant des électrodes avec les autres prédicteurs.

Fig. 11
  1. Téléchargement: Téléchargez l'image haute résolution (236 Ko)
  2. Téléchargement: Téléchargez l'image en taille réelle

Fig. 11. Montre des graphiques de violon des estimations postérieures pour le pourcentage de changement de la puissance gamma pour chaque technique de méditation. La majorité des techniques ont augmenté la puissance gamma, avec deux techniques ne montrant aucun changement de puissance gamma et une montrant une diminution.

3.16. Résumé des résultats

Le modèle d'apprentissage automatique a montré un haut degré de précision pour discerner les co-spectres EEG de pré-médiation et de fin de méditation pour chaque technique de méditation. La dynamique neuronale de chaque technique de médiation a ensuite été évaluée en appliquant des modèles d'apprentissage automatique aux co-spectres EEG formant une série de classification. Cette série a été modélisée avec une régression logistique, qui a montré la transition rapide et la stabilisation de la pré-méditation aux co-spectres EEG de fin de méditation. Par la suite, l'effet de chaque technique de méditation a été évalué pour chaque bande de puissance en ajustant un modèle linéaire généralisé. Cela a montré l'hétérogénéité des changements des bandes de puissance résultant des techniques de méditation (résumées dans Fig. 12).

Fig. 12
  1. Téléchargement: Téléchargez l'image haute résolution (562 Ko)
  2. Téléchargement: Téléchargez l'image en taille réelle

Fig. 12. Résume les estimations postérieures du pourcentage de changement de puissance pour chaque technique de méditation et chaque bande de puissance. Le schéma des changements de puissance était assez varié pour chaque technique.

4. Discussion

Cette étude a fourni un examen électrophysiologique de l'impact de la méditation sur un échantillon comprenant 223 méditants novices. Sur la base de la théorie de la conscience, on a émis l'hypothèse que les participants atteindraient des états de conscience modifiés observés dans les données EEG indiquées comme des états transformés d'ondes cérébrales à travers chaque méditation guidée. Les résultats ont soutenu cette hypothèse. La conscience correspond généralement à la capacité d'intégrer des informations (Tononi, 2004). Un mode de conscience intégratif est souvent caractérisé par des modèles d'ondes thêta à ondes lentes qui synchronisent le cortex frontal avec les décharges des structures cérébrales inférieures et les oscillations gamma à haute fréquence (Winkelman, 2011). Les résultats actuels ont indiqué qu'il y avait une augmentation globale de 29% de la puissance thêta et une augmentation de 11% de la puissance gamma de l'état d'avant à la fin de la méditation.

L'activité alpha dans l'EEG pendant la méditation a également été impliquée comme une forme d'intégration dans le cerveau qui conduit à des processus cognitifs de haut niveau (Hebert et coll., 2005). Cette activité a été suggérée pour sous-tendre le concept du mode intégratif de la conscience; celle de la synchronisation améliorée des modèles d'ondes cérébrales (Winkelman, 2011). L'aspect supplémentaire de l'intégration induite par la méditation dans le cerveau se reflète souvent dans les ondes gamma biphasiques hypersynchrones à haute fréquence et la présence de gamma en méditation est une confirmation directe du modèle intégratif (Winkelman, 2011). Cela concerne la liaison de divers signaux dans le cerveau; et que la synchronisation gamma est modulée par les rythmes thêta et alpha (Frites, 2009). Dans l'ensemble, les résultats de cette étude appuient ce modèle.

Les analyses ont suggéré que les classifications d'apprentissage automatique EEG étaient élevées, discriminantes avant et après la méditation avec une précision de 97%. Des différences entre les co-spectres EEG pour les conditions pré- et post-méditation ont été trouvées dans l'échantillon. Une relation entre le temps de méditation et la probabilité de classification de fin de méditation a été identifiée, avec D2S2 (l'intention d'un événement se matérialiser) plus rapidement à induire l'état de fin de méditation que D3S2 (définir une intention future). De plus, des différences dans les bandes de puissance EEG ont été identifiées, chaque technique de méditation induisant différents modèles de changements dans les bandes de puissance.

Les résultats suggèrent que le changement des modèles d'ondes cérébrales des ondes cérébrales bêta (gamme haute, moyenne et basse) en ondes cérébrales alpha s'est produit dans une période relativement courte. Ce résultat est un travail antérieur cohérent, dans lequel les participants ont acquis une maîtrise relativement rapide de l'aspect de l'entraînement attentionnel de la pratique de la méditation (Atchley et coll., 2016). Dans la majorité des séances de méditation des participants, des augmentations de la puissance bêta et alpha ont été observées, avec une puissance alpha plus postérieure sur les canaux occipitaux par rapport à une distribution plus pariétale pour la puissance bêta. En outre, une augmentation de la puissance thêta focalisée sur les électrodes de ligne médiane fronto-centrale à pariétale a été trouvée.

La découverte d'une puissance gamma accrue au niveau des électrodes pariétales et occipitales provenait peut-être de la zone de Brodmann 30. Alors que des recherches récentes suggèrent que l'EEG peut détecter des sources sous-corticales (Seeber et coll., 2019), La capacité de l'EEG à mesurer l'activité générée à partir de ces sources profondes n'est pas universellement prise en charge dans le domaine des neurosciences (Sejnowski et Paulsen, 2006); cette explication reste donc spéculative. Quoi qu'il en soit, cette constatation s'appuie sur des études antérieures ayant révélé une augmentation du gamma sur les canaux pariéto-occipitaux (Berkovich-ohana et al., 2012; Cahn et al., 2010; Martínez Vivot et al., 2020; Schoenberg et al., 2018) en quantifiant le pouvoir change et montre un changement d'état rapide chez les méditants novices. Alors que le rôle fonctionnel du pouvoir gamma n'a pas encore été déterminé (Braboszcz et al., 2017), dans le contexte de la méditation guidée, il existe des preuves d'une relation avec une meilleure conscience (Cahn et al., 2010). van Lutterveld et coll. (2017) ont utilisé un paradigme de neurofeedback pour former les participants à modifier leurs oscillations gamma du cortex cingulaire postérieur pendant la méditation. Il a été constaté que la puissance gamma était liée à l'expérience subjective de la conscience sans effort. De plus, une étude de Voss et coll. (2014) oscillations neuronales directement manipulées via une stimulation transcrânienne à courant alternatif pendant le sommeil, constatant que la stimulation dans la bande gamma augmentait la conscience des gens lorsqu'ils rêvaient. Pris ensemble, cela fournit une explication cohérente de l'augmentation du gamma sur les électrodes pariéto-occipitales.

La démonstration des effets hétérogènes que les techniques de méditation guidée peuvent avoir sur les bandes de puissance EEG souligne la pertinence d'utiliser de telles techniques pour élucider les expériences subjectives des méditants. Une enquête récente menée par Vieten et ses collègues (2018) a montré le vaste éventail d'expériences possibles pendant la méditation. Une telle gamme d'expériences subjectives pourrait être liée aux différences provoquées par les diverses techniques de méditation dans cette étude. D'autres recherches pourraient intégrer des recherches qualitatives pour mieux comprendre les liens entre les techniques de méditation guidée, les spectres de puissance EEG et l'expérience subjective.

Enfin, des recherches futures fournissant une évaluation par imagerie cérébrale de la formation à la méditation guidée pourraient offrir des informations essentielles. Étant donné que la pleine conscience a été identifiée comme un facteur de protection contre les interférences proactives et a augmenté le volume de l'hippocampe (Greenberg et al., 2019), un examen futur de la méditation guidée dans le traitement des troubles mentaux caractérisés par des troubles de la mémoire de travail et du volume hippocampique pourrait avoir des implications cliniques importantes.

4.1. Limites

Bien que cette étude ait permis de mieux comprendre les mécanismes de changement qui peuvent survenir grâce à la méditation, les résultats actuels doivent être interprétés à la lumière de plusieurs limites. La durée de la séance de méditation était variée, allant de six à 90 minutes. Comme la variabilité n'était pas uniformément répartie entre les conditions (c.-à-d. Que les enregistrements du jour 2, de la session 1 et du jour 3 de la session 1 duraient <10 min), l'analyse des changements dynamiques tout au long de la méditation pour ces séances était limitée. De plus, l'étude actuelle manquait de mesures cliniques pour dépister les troubles de santé mentale chez les participants à l'étude. Des études futures pourraient utiliser des données EEG avec des mesures d'auto-évaluation et des données comportementales pour examiner la relation entre les modèles EEG et les résultats positifs de la méditation. Cette étude manquait d'une intervention de contrôle ou de comparaison, et l'allégeance et la partialité de l'expérimentateur peuvent avoir été présentes dans la prestation de la méditation guidée. Enfin, il s'agissait d'un échantillon de convenance qui le rendait très vulnérable au biais de sélection et au potentiel d'erreur d'échantillonnage.

4.2. Conclusion

L'étude actuelle visait à examiner l'effet d'un bref atelier de formation à la méditation guidée sur les méditants novices. Sur la base de la théorie de la conscience intégrative, il a été émis l'hypothèse que les participants (méditants novices) atteindraient des états modifiés de conscience détectés à l'aide des données d'ondes cérébrales EEG. Le schéma des participants des bandes de puissance des ondes cérébrales à chaque point final de méditation a été comparé aux mesures de base (c.-à-d. Oscillations alpha, delta et thêta). La compétence de méditation via l'intégration fonctionnelle du cerveau a été évaluée à l'aide de mesures de synchronisation gamma à haute fréquence. Les résultats globaux suggèrent que l'intervention de méditation a eu de grands effets variables sur les spectres EEG, et la vitesse de changement des états pré-méditation aux états post-méditation des co-spectres EEG était significative confirmant donc la théorie de la conscience. Les résultats suggèrent que la méditation guidée brève l'intervention peut offrir des avantages positifs et immédiats pour la santé pour aider à combattre le stress.

Conflits d'intérêts

Peta Stapleton, Stuart McGill, Debbie Sabot, Megan Peach, Danielle Raynor: Aucun conflit à déclarer.

Joe Dispenza: Peut être renommé pour la formation à la méditation examinée dans cet article, en raison de son expertise. N'a pas participé à l'analyse de cet article pour éviter les biais.

Financement

Cette recherche n'a reçu aucune subvention spécifique des agences de financement des secteurs public, commercial ou sans but lucratif.

Nous croyons en

possibilité

le pouvoir de nous changer

la capacité du corps à guérir

le peu commun

célébrer la vie

miracles

un amour supérieur

l'avenir

attitude

preuve

les uns les autres

L'invisible

sagesse

nos enfants

synchronicités

liberté

nos aînés

l'esprit sur la matière

Crois-tu? Rejoignez le mouvement

* En remplissant ce formulaire, vous vous inscrivez pour recevoir nos courriels et pouvez vous désinscrire à tout moment