A kognitív tréning utáni feladatteljesítmény egyénen belüli változékonysága a gyermekek hosszú távú eredményeihez kapcsolódik 2. rész

2.7.2 Serdülő agy és kognitív fejlődés (ABCD) tanulmány

Az ABCD-tanulmány (https://abcdstudy.org, adatközlés 3-as verziója.0) egy longitudinális, többközpontú tanulmány a gyermekek kognitív és neurobiológiai fejlődéséről 10 éves kortól kezdve, 11 878 gyermek adataival. Ez a tanulmány standardizált kérdőívek és interjúk széles skáláját tartalmazza, amelyek mind az általános jólétre, mind a klinikai mérésekre kiterjednek. Ezenkívül a résztvevők számos kognitív feladatot hajtanak végre, köztük egy Nback feladatot (Casey et al., 2018). Megvizsgáltuk, hogy az N-Back feladat során az egyénen belüli variabilitás, amelyet ismét a válaszidők variációs koefficienseként számszerűsítünk, összefügg-e a Child Behavioral Checklist (CBCL, Achenbach, 1991) pontszámaival.

Az N-Back feladat egy olyan feladat, amelyet széles körben használnak a munkamemória tesztelésére és betanítására. Az N-Back feladatban a résztvevőknek emlékezniük kell az előző ingerre, hogy a következő feladatban helyesen válaszolhassanak a kérdésre. Az elmúlt években számos tanulmány kimutatta az ilyen feladatok és a memóriafunkció közötti szoros kapcsolatot.

A tanulmány megállapította, hogy az N-Back feladatos edzés után a résztvevők munkamemóriája javulni fog. A munkamemória nagyon fontos szerepet játszik a mindennapi életben. Segíthet az információfeldolgozásban és a döntések jobb meghozatalában, ugyanakkor segíthet az összetett információk jobb megértésében és a problémák jobb megoldásában.

Ezenkívül az N-Back feladat javítja a figyelmet és a kognitív rugalmasságot. A munkamemória képzésével a résztvevők agya jobban tud alkalmazkodni a változó környezetekhez és feladatokhoz, és jobban megbirkózik az összetett problémákkal és stresszel.

Általánosságban elmondható, hogy az N-Back feladat és a memória közötti kapcsolat nagyon szoros. Csakúgy, mint a testünket a jó egészség megőrzéséhez, az agyunkat is edzenünk kell a kiváló kognitív és memóriafunkciók fenntartásához. Az N-Back feladatban való aktív részvétellel fejleszthetjük munkamemóriánkat, fejleszthetjük figyelmünket és rugalmasságunkat, ezáltal fejleszthetjük kognitív képességeinket és gondolkodási készségeinket. Ezért aktívan részt kell vennünk az N-Back feladatokban, hogy fenntartsuk az egészséges agyat és a kiváló kognitív funkciókat. Látható, hogy javítanunk kell a memóriánkat. A Cistanche deserticola jelentősen javíthatja a memóriát, mert a Cistanche deserticola szabályozhatja a neurotranszmitterek egyensúlyát is, például növeli az acetilkolin és a növekedési faktorok szintjét. Ezek az anyagok nagyon fontosak a memória és a tanulás szempontjából. Emellett a hús javíthatja a vérkeringést és elősegítheti az oxigénszállítást is, ami biztosítja, hogy az agy elegendő tápanyagot és energiát kapjon, ezáltal javítva az agy vitalitását és állóképességét.

Kattintson a Tudjon meg 10 módszerre a memória javítására

The CBCL is a measure of current behavioral and psychopathological symptoms with high correspondence to the SDQ when both scales are applied to the same individuals. The ABCD study includes the CBCL, but not SDQ. We also tested for potential relationships between intra-individual variability and body mass index (BMI) scores. We chose BMI as an additional translational measure because it is robustly associated with physical, cognitive, and socioeconomic well-being. We used only those participants whose performance in the N-Back task was deemed adequate by the ABCD study's established QA procedure (overall response accuracy for 0-back or 2-back >60%) mindhárom jelenleg elérhető időpontban, és akiknek BMI-je az 1. és 99. percentilis közé esett (a BMI-százalék=13.3, illetve 35.0). Korlátoztuk a BMI tartományát, mert volt egy kis kisebbség (<2%) of children with extremely low or high BMI values; however, robustness checks including all BMI values yielded similar results. The final sample size for our analyses was 8,522 children.

3 EREDMÉNY

3.1 Viselkedési eredmények

A WMT-ben szenvedő gyermekek nem különböztek a CMP-ben élőktől a kiinduláskor. Bármely képzési program megkezdése előtt az összes résztvevőt egy sor teszttel értékelték, amelyek magukban foglalták az általános intelligenciát (a Hollómátrixok módosított változata), a munkamemóriát (vizuális, térbeli), a gátlást (Go-NoGo feladat), az iskolai teljesítményt ( beleértve az olvasást, az aritmetikát, a geometriát stb.) és a pszichológiai jóllét szűrési mérőszámait (SDQ). A két csoport statisztikai összehasonlítása azt mutatja, hogy ezek az alapértékek egyikében sem különböztek (S1 táblázat). Míg a két csoport nem mutatott különbséget a kiindulási állapot egyik mérésében sem, beleértve a munkamemóriát és a figyelemkészséget mérő kognitív feladatokat, a következő részben ismertetett N-Back és Flanker feladatokra vonatkozóan nem rendelkezünk alapszintű mérésekkel.

3.2 Pontossági és válaszidő-változékonysági megállapítások

Összességében az adaptív WMT-re véletlenszerűen besorolt ​​gyermekek csoportja pontosabban és kisebb kísérletek közötti variabilitás mellett teljesített a válaszidőben az N-Back és a Flanker feladatok során, mint a CMP-ben (lásd az S2 és S3 kiegészítő táblázatokat a teljes leírásért). leíró statisztikák és eredmények halmaza). A WMT csoport pontosabban válaszolt a Flanker feladatban mind a kongruens, mind az inkongruens kísérletekben. Az N-Back feladatban a WMT csoportban lévő gyerekek pontosabbak voltak, mint a CMP-ben résztvevők az alacsony munkamemóriájú próbákon (0-1 vissza), de a két csoport nem különbözött szignifikánsan a magas munkamemóriájú próbák során ({{ 7}} vissza).

A jobb pontosság mellett az adaptív WMT-ben részesülő gyermekeknél kisebb volt az egyénen belüli variabilitás a válaszidőben, mint a CMP-csoportban (S2 és S3 kiegészítő táblázatok). Az intra-ICV-t az intraindividuális RT szórás/intraindividuális RT átlagként számítottuk ki. A WMT-csoportba tartozó gyerekek külső egereket használtak a kiképzési beavatkozás során, nem pedig az MRI-kompatibilis gombdobozt, amelyet mind a Flanker, mind az N-back feladatok során használtak, így a válaszeszköz ismerete nem lehet forrása a csoportok közötti ICV-különbségeknek.

3.3 Diffúziós döntési modell elemzések

A Flanker-feladatban DDM-modellt illesztettünk a gyerekek viselkedésére, hogy meghatározzuk azokat a mechanizmusokat, amelyek a kezelési csoportok közötti válaszidő-variabilitás eltéréséhez vezetnek. A DDM segítségével meghatározhatjuk, hogy a válaszidő változékonyságát (1) a nem-döntési idő különbségei okozzák-e; (2) különbségek a határban vagy a küszöbben, amely meghatározza, hogy mikor van elegendő bizonyíték az egyik válaszadáshoz a másikhoz képest (gyakran válaszreakcióként értelmezik); és/vagy (3) az eltolódási arányok (azaz milyen gyorsan és robusztusan halmozódnak fel a bizonyítékok). Az elsodródási rátát két komponensre bontottuk, hogy megmérjük a gyermekek érzékenységét a céltól származó releváns információkra, összehasonlítva a flankerekből származó irreleváns információkkal. Az illeszkedéseket a 3. táblázat foglalja össze, és azt mutatják, hogy a WMT-csoportba tartozó gyerekek érzékenyebbek voltak a célhal által hordozott információkra (azaz annak irányára), mint a zavaró halakra (posterior valószínűség=0,992), és felhasználták őket. magasabb válaszküszöb (posterior valószínűség=0,952), mint a CMP-ben részt vevő gyermekeknél. Ezek a DDM-eredmények összhangban vannak azzal, hogy a WMT-t követően jobban odafigyelnek a feladat szempontjából releváns funkciókra.

Az illesztett diffúziós döntési modellből származó válaszokat is szimuláltuk, hogy teszteljük, képes-e reprodukálni a Flanker-feladatban megfigyelt válaszidő variabilitás mintázatait. A Flanker feladatban szimulált válaszok generálásához minden résztvevő számára a legjobban illeszkedő DDM paramétereket használtuk. Ezután összehasonlítottuk a szimulált válaszidőket a csoportok között, és azt találtuk, hogy az RT-k kevésbé változtak a szimulált ágensek esetében a WMT-résztvevők paramétereit használva, mint a CMP-gyermekek paraméterei alapján szimulált ágenseknél (S4. táblázat). Így az illesztett DDM megmagyarázhatja és generálhatja a válaszidő variabilitás különböző szintjeit a két csoportban.

A DDM illesztése mellett végeztünk egy post-hoc tesztet is, amely az ex-gauss-eloszlást illeszti az egyes gyerekek válaszidejéhez. Bár az ex-gauss-modell nem teszi lehetővé ugyanolyan típusú mechanikus következtetéseket, mint a DDM, beillesztjük és beszámolunk róla, hogy megkönnyítsük a korábban publikált tanulmányokkal való összehasonlítást, ezzel a módszerrel az RT egyénen belüli változékonyságának számszerűsítésére. Ezek az ex-gauss eredmények összhangban vannak az ICV és DDM eredményekkel, és azt mutatják, hogy a standard deviáció (szigma) és az exponenciális (tau) paraméterek különböztek a betanított munkamemória és a CMP között, de nem volt szignifikáns különbség az átlagban (mu) a válaszidő eloszlásokat (S5 táblázat). Más szavakkal, a változékonyabb egyének nem voltak megbízhatóan gyorsabbak vagy lassabban reagálva összességében. Inkább következetlenebbek voltak a válaszok végrehajtásában. Az egyénen belüli variabilitás erősen korrelált az N-Back és a Flanker feladatok között (r=0.65, p {{10}}.0008, 95% CI [0.32, 0,84]).

A viselkedési eredmények mintázata mind a kognitív feladatokon, mind az elemzés számos kiegészítő formáján azt sugallja, hogy az adaptív WMT-beavatkozás növelhette a gyerekek azon képességét, hogy a feladathoz kapcsolódó információkra való figyelem általánosan, röviddel az öt hét elteltével általánosságban elkötelezzék és fenntartsák a figyelmet. a képzés befejeződött.

3,4 fMRI eredmények

A jobb pontosság mellett a WMT-csoport fokozott aktivációt mutatott a CMP-hez képest azokban az agyi régiókban, amelyek a figyelem- és kontrollhálózat részét képezik az alacsony munkamemóriával kapcsolatos vizsgálatok során. Ezek közé tartoztak az elülső-striatális-thalamus rendszer részei, mint például a jobb caudatus, putamen, pallidum, thalamus, inferior középső és felső frontális gyri, a dorsalis elülső cingulate és a kiegészítő motoros kéreg (S6 táblázat, 1. ábra). A magas munkamemória állapotában tapasztalt hasonló pontosságú viselkedési eredményekkel összhangban nem volt szignifikáns különbség a BOLD jelben a csoportok között a nagy munkamemóriával végzett vizsgálatok során. A Flanker feladat során nem észleltünk szignifikáns különbséget az aktivitásban a WMT függvényében.

Ezen túlmenően azt találtuk, hogy a feladathoz kapcsolódó BOLD jelszintek azokban a régiókban, amelyek nagyobb aktivitást mutattak a csoportban (lásd az S2 ábrát), az N-back feladat egyénen belüli variációs együtthatóival és/vagy pontosságával is korrelált az összes résztvevő esetében ( 1. ábra, alsó sor). Ezekben a régiókban várható némi összefüggés a pontossággal és az intra-ICV-vel, tekintettel arra, hogy csoporton belüli eltérések vannak az egyénen belüli variabilitásban. Azonban a dorsalis striatalis funkcionális ROI-ban, ideértve a dorsalis caudatust és a putamentet, az aktivitás szignifikánsan összefüggött az egyénen belüli variabilitással még a WMT-állapot hatásait is figyelembe véve (együttható=−0.25, p=0.004; 4. táblázat). Hasonló, bár nem szignifikáns tendenciák voltak a dorsolaterális prefrontális kéregben (dlPFC) az egyénen belüli variabilitás tekintetében, és az elülső cinguláris kéregben/kiegészítő motoros területen a pontosság tekintetében (4. táblázat).

3.5 A tréning utáni kognitív feladatok teljesítése és a nyomon követési intézkedések közötti összefüggések az fMRI mintában

A válaszidő változékonysága megmagyarázza a további jelentős eltéréseket a jövőbeni SDQ pontszámokban (standardizált együttható {{0}},32 ± 0,14), geometriában (standardizált együttható=−{{7). }},66 ± {{10}},23) és leolvasás (standardizált együttható=−0,32 ± 0,14), miután figyelembe vettük az alapértékeket ezen mérőszámokban és az IQ-ban (S7. táblázat) . Így a válaszidő változékonysága 5 hetes képzés után az SDQ-pontszámok és az akadémiai készségek jövőbeni javulásával járt, ami még nem volt nyilvánvaló ezen készségek közvetlen tesztjeiben ugyanabban az időpontban. Ezzel szemben a tréning utáni kognitív feladatteljesítmény vagy a kiindulási mérőszámok nem kapcsolódnak szignifikánsan a jövőbeni aritmetikai pontszámokhoz. Így a mi mintánkban a közvetlenül a beavatkozás után mért válaszidők egyénen belüli variabilitása korrelált a jövőbeli teljesítménnyel ugyanazokon az akadémiai területeken, amelyeket Berger és munkatársai korábban egy független mintában a WMT után 1 évvel javulónak találtak.

3.6 Az edzés utáni ICV és a nyomon követési intézkedések közötti összefüggés fogalmi megismétlése a BFHSW mintában

Összhangban az fMRI mintában elért eredményeinkkel, a Go/Nogo feladat során az ICV változásai (a beavatkozás utáni versus pre-intervenció) a geometria és az olvasási készségek javulásával is összefüggésbe hozhatók a WMT után 1 évvel a független BFHSW mintában (1. és 2. táblázat). , bár az olvasási hatás nem éli túl a Bonferroni-korrekciót többszörös összehasonlításra. Vegye figyelembe, hogy a regressziós specifikációnk tartalmaz regresszorokat az alapvonal (W1) és az edzés utáni (W2) Go/Nogo ICV esetében is, és ebben a specifikációban a W2 Go/Nogo ICV együtthatója a W1 és W2 közötti teljesítmény változás hatását jelenti. . Ugyanez vonatkozik a jövőbeli tanulmányi képességek pontszámainak függő változóként történő használatára is, amikor az alapvonal pontszámot független változóként szerepeltetjük a regresszióban.

Érdekes módon, míg az N-back ICV szignifikánsan különbözött a WMT és a kontrollcsoport között közvetlenül az edzés után, a Go/Nogo ICV-ben szignifikáns különbségek csak az edzés után 12 hónappal jelentkeztek (2. táblázat). A Go/Nogo ICV jelentős javulásainak ez a késleltetett megjelenése összhangban van a Go/Nogo pontossági javulásának késleltetett megjelenésével, amelyről Berger és munkatársai számoltak be. (2020). Annak ellenére, hogy ezek még nem különböztek szignifikánsan a kezelések között, a Go/Nogo ICV-ben a kiindulási értékről az edzés utánira vonatkozó változások még mindig a teljesítmény jövőbeli javulását jelezték előre. A jövőbeli kutatások szempontjából lényeges kérdés annak meghatározása, hogy a kognitív feladatok (pl. munkamemória, válaszgátlás stb.) mely típusai a legalkalmasabbak a válaszidő vagy a pontosság egyénen belüli változékonyságának értékelésére a munkavégzés utáni távoli transzfer előnyeinek előrejelzésére. memória vagy más edzési rendszerek.

3.7 Az ICV és a jóllét mérőszámai közötti kapcsolat általánosító az ABCD tanulmányra

A longitudinális ABCD vizsgálat első három hullámának adatait használtuk fel annak tesztelésére, hogy az fMRI mintánkban megfigyelt összefüggés az N-back feladat során tapasztalt válaszidő variabilitás és a jólét mérései között általánosítható-e egy független és nagyobb csoportra. gyermekek. Az ABCD vizsgálatban a BMI-re vonatkozó adatokat és a Child Behavioral Checklist (CBCL) pontszámait használtuk a jólét mérésére. Ellentétben az fMRI és a BFHSW vizsgálatokkal, az ABCD vizsgálat nem tartalmaz WMT beavatkozást. Ezért az ABCD-adatokat használtuk annak tesztelésére, hogy van-e szignifikáns összefüggés az N-back ICV és a jelenlegi jólét között, és ha igen, akkor ez a kapcsolat fennáll-e az első és a második éves követés során ebben a longitudinális vizsgálatban.

We fit and compared Hierarchical Bayesian regression models that assumed the association between N-back ICV at baseline and BMI, or CBCL, at baseline, 1- and 2-year follow-up was either stable or decreased over time. Concretely, we tested whether regression models allowing for an interaction between baseline N-back ICV values and assessment wave (i.e., the explanatory power of ICV could decrease or increase) were better than models assuming a fixed association between baseline N-back ICV values and well-being at all waves. The baseline coefficients were the same in both the fixed and interaction models (Table 5) and indicated that greater variability in response times during the N-back at baseline was associated with decreased well-being in terms of both baseline BMI (standardized coefficient = 0.02, posterior probability >0.999) and CBCL (standardized coefficient = 0.03, posterior probability >0.999) pontszámok, összhangban az fMRI-minta megállapításaival.

Összehasonlítottuk a rögzített és az interakciós modelleket a kihagyás keresztellenőrzésével a Pareto-simított fontossági mintavétellel (PSISLOO, Vehtari et al., 2017). A modell-összehasonlítások szerényen az egyszerűbb rögzített modellt részesítették előnyben, követési hullám kölcsönhatások nélkül, amikor mindkét BMI-t (a várható log pontonkénti prediktív sűrűség (elpd) különbsége a kölcsönhatási modell=-2,3, a különbség standard hibája (SE) magyarázataként magyarázták.=1.6) és CBCL (elpd különbség=−2.6, SE = 1.9). Ezen túlmenően egyik interakciós modell sem utalt az alapvonal N-back ICV magyarázó erejének csökkenésére a jólétre vonatkozóan 1- vagy 2-éves követési látogatások alkalmával az alapvonalhoz képest. Ha valami, akkor az ICV regressziós együtthatója enyhén emelkedett a kiindulási érték és a 2. év között, amikor a BMI magyarázatát keresték. Így az ABCD adatokból származó eredmények azt mutatják, hogy az N-back ICV és a gyermekek jólléte közötti kapcsolat általánossá válik a jóllét mérőszámai között (SDQ, CBCL, BMI), és az N-back ICV magyarázó ereje legalábbis fennmarad. 2 év tapasztalat és fejlődés kognitív tréning beavatkozás nélkül.

4. MEGBESZÉLÉS

A jelen tanulmány azt vizsgálta, hogy az adaptív WMT általános iskolás gyermekeknél rövid távú hatásának hátterében álló neurokognitív mechanizmusok hogyan kapcsolódnak a képzési előnyökhöz, amelyek hónapokkal vagy évekkel az edzés után jelentkeznek. Eredményeink összességében azt sugallják, hogy magán a munkamemórián kívül a szelektív és tartós figyelem is előnyös lehet az öt hét edzés alatt vagy közvetlenül utána. Megmutatjuk, hogy a különböző kognitív feladatok során a válaszidő egyénen belüli változékonysága felhasználható a rövid távú edzési hatások kimutatására gyermekeknél, és hogy ezek a mérések jelezhetik a távoli transzfer előnyök fennmaradását és/vagy megjelenését hónapokkal-évekkel azután. a képzés befejeződött.

Eredményeink azt mutatják, hogy az adaptív WMT közvetlen eredményei között szerepel a jobb figyelem. Úgy gondolják, hogy a munkamemória és a figyelem folyamatai szorosan összefüggenek és kölcsönösen függnek egymástól (Astle és Scerif, 2011; D'Esposito és Postle, 2015; Engle, 2018; Eriksson és mtsai, 2015; Gazzaley és Nobre, 2012; Unsworth és Robison, 2017). Wass et al., 2012). Bár eltérő elsődleges célpontjaik vannak, a Flanker, Go/Nogo és N-Back feladatok megkövetelik a figyelem összpontosításának képességét a feladat során (fenntartó figyelem), valamint a célingerek azonosítását és a nem célpontra adott válaszok kiszűrését vagy gátlását. ingerek (szelektív figyelem). Neurális szinten különbségeket találtak a WMT és CMP csoportok között a striatumban, valamint a laterális és mediális prefrontális kéregben, amelyek olyan agyi régiók, amelyek többek között támogatják a szelektív és fenntartott figyelmi funkciókat (Frank et al., 2001). Mcnab és Klingberg, 2008; Zanto et al., 2011).

Ezeket a neurális különbségeket jobb jelészlelési teljesítmény (azaz magasabb d-prime), csökkentette az egyénen belüli variabilitást a válaszidőkben, valamint a releváns információk hatékonyabb felhalmozódását (azaz magasabb DDM sodródási arányt) kísérték az adaptív WMT-ben részesült gyermekeknél. Mindezek a viselkedési intézkedések a figyelemhez kapcsolódnak és attól függenek. Összességében tehát neurális és viselkedési eredményeink azt sugallják, hogy a tanulmányban használt program előnyeit legalább részben a hatékonyabb figyelemi folyamatok közvetítik, amelyek következetes és hatékony válaszokat adnak a feladathoz kapcsolódó információkra, és csökkentik az irreleváns, zavaró ingerek feldolgozását. .

Ezek az eredmények tovább támasztják a képzési előnyök mögött meghúzódó mechanizmusok elméleteit. A korábbi képzési tanulmányok metaanalízise arra a következtetésre jutott, hogy a Cogmed-RM adaptív WMT program hatással van a figyelemre a mindennapi életben (Spencer-Smith & Klingberg, 2015). A tréning végén észlelt hatékonyabb figyelemfolyamatok összhangban vannak a korábbi eredményekkel és elméletekkel, amelyek a kognitív tréninget követő messzire transzfer hatások alapjaira vonatkoznak (Dahlin et al., 2008; Greenwood és Parasuraman, 2016; Morrison és Chein). , 2011). Pontosabban, ezek a messzemenő átviteli előnyök akkor jelentkeznek, ha a betanított és az átviteli készségek közös alapvető kognitív folyamatokon osztoznak. Tekintettel a figyelem fontos szerepére, amely számos kognitív folyamat előfeltétele, alapjául szolgálhat a WMT-t követő messzire transzfer hatásokhoz.

A közelmúltban kimutatták, hogy az adaptív WMT előnyei az iskolás korú gyermekeknél a szokásos osztálytermi oktatáshoz képest 6–12 hónap alatt jelentkeznek (Berger et al., 2020). A figyelem kezdeti javulása vázként szolgálhat a magasabb szintű kognitív folyamatok későbbi változásaihoz, amelyek elősegítik a jobb iskolai teljesítményt. Jelenlegi eredményeink azt sugallják, hogy a figyelem funkciói az elsők között lehetnek, amelyek javulnak az ilyen típusú tréningek révén, és hogy az akadémiai készségek és az általános jólét később megjelenő előnyei a figyelemi folyamatok azonnali javulásával járnak. Nem meglepő, hogy a WMT a figyelemszabályozást is befolyásolja (pl. szelektív figyelem, tartós figyelem vagy célirányos figyelem átcsoportosítás), mivel ezek a folyamatok a munkamemória sikeres megvalósításának előfeltételei (Astle & Scerif, 2011; D'Esposito és Postle, 2015; Eriksson és munkatársai, 2015; Gazzaley és Nobre, 2012; Unsworth és Robison, 2017; Wass és mtsai, 2012).

Arra is van bizonyíték, hogy a munkamemória kapacitása és a különböző kognitív és tudományos készségek közötti összefüggéseket részben a figyelemszabályozásra való közös támaszkodás közvetíti (Engle, 2018; Fukuda és Vogel, 2011; Unsworth és Robison, 2017). Tekintettel a figyelemfolyamatok látszólagos szerepére a képzési hatások távoli átvitelében, fontos mérni ezeket a folyamatokat a WMT és a kognitív tréning egyéb formáinak hatékonyságának értékelésekor. A jövőbeli tanulmányok számára az is fontos lesz, hogy közvetlenül összehasonlítsák az adaptív WMT-t azokkal a beavatkozásokkal, amelyek adaptív mechanizmusokat használnak a figyelem, a gátlás vagy más kognitív képességek képzésére. Jelenlegi eredményeink azt mutatják, hogy a válaszidő egyénen belüli változékonyságát számszerűsítő mérőszámok hasznosak lesznek a különböző edzési rendszerek relatív rövid és hosszú távú hatékonyságának meghatározásában.

Az egyénen belüli variabilitási metrikák azon képessége, hogy kimutatják a figyelemszabályozásban mutatkozó egyéni különbségeket, megmagyarázhatja az ICV és a WMT után a tudományos készségekre és az általános jólétre gyakorolt ​​jövőbeni előnyök megjelenése közötti összefüggést. Az egyénen belüli válaszidő-változékonysági mérőszámok érzékeny és megbízható mérőszámok a figyelemszabályozási folyamatok egyéni különbségeire (MacDonald et al., 2009; Saville és mtsai, 2011). Gyakran használják az egyén figyelemelosztási hatékonyságának vagy a figyelemszabályozás ingadozásának mértékére a feladatvégzés során (Bellgrove és mtsai, 2004; Isbell és mtsai, 2018; Kelly és mtsai, 2008; Stuss et al., 2003; Unsworth, 2015). Az egyénen belüli variabilitást összefüggésbe hozták az egészséges gyermekek és felnőttek kognitív kontroll intézkedéseivel, és az egy feladatban mért válaszidő variabilitása összefügg a munkavégzés és a hosszú távú memóriával vagy a külön feladatokban mért intelligenciával (Bellgrove et al., 2004; Isbell és mtsai, 2018; Larson és Saccuzzo, 1989; Montez és mtsai, 2017; van Belle és mtsai, 2015). Szintén különbözik az egészséges egyének és a figyelemhiányos hiperaktivitási zavarban (ADHD) szenvedők között (Castellanos és mtsai, 2005; Geurts és mtsai, 2008; Karalunas et al., 2014; Kofler és mtsai, 2013; van Belle és mtsai. , 2015). A megnövekedett válaszidő-változékonyság azonban nem csak az ADHD-ra jellemző, hanem különféle pszichiátriai és neurológiai rendellenességeknél (pl. traumás agysérülés, demencia és skizofrénia) figyelhető meg, amelyekben a figyelemhiány fontos, bár kevésbé hangsúlyos szerepet játszhat (Geurts et al. al., 2008; Haynes és mtsai, 2017; Ilg és mtsai, 2018; Kofler és mtsai, 2013; MacDonald és mtsai, 2006).

Az egyénen belüli megnövekedett variabilitás gyakran megfigyelhető nem érintett rokonoknál és betegeknél, ami azt jelzi, hogy ez a jelenlegi és jövőbeli pszichopatológiák közös genetikai vagy környezeti kockázati tényezőit is megragadhatja (Adleman és mtsai, 2014; Ilg et al., 2018; Karalunas et al., 2014; Kuntsi és mtsai, 2010; Stuss és mtsai, 2003). Haynes és mtsai. kiemeli az idősebb felnőtteken végzett több longitudinális vizsgálatot, amelyek kimutatták, hogy a válaszidők egyénen belüli változékonysága összefügg a kognitív károsodás és a mortalitás jövőbeni szintjével (Haynes és mtsai, 2017). Így a jelenlegi eredményeink a meglévő munkával együtt azt mutatják, hogy az egyénen belüli variabilitás mérései nemcsak a jelenlegi kognitív és neurológiai funkciókra érzékenyek, hanem e funkciók jövőbeni stabilitására, javulására vagy hanyatlására is vonatkoznak.

Azt találtuk, hogy az egyénen belüli variabilitási mérőszámok kimutathatják a rövid távú hatékonyságot, és jelzik a munkamemória-beavatkozások hosszabb távú előnyeinek megjelenését, amelyek célja a gyermekek kognitív készségeinek és tanulmányi teljesítményének javítása. Szignifikáns különbségeket tudtunk kimutatni a képzett és nem edzett csoportok között az intraindividuális válaszidő változékonyságában a munkamemóriát és a figyelmet vizsgáló kognitív feladatok során (N-Back és Flanker) közvetlenül öt hét WMT után, míg a variabilitás jelentős javulását egy válaszgátlási feladat során (Go/ Nogo) csak hónapokkal később jelent meg. Mindazonáltal, összhangban azzal a képességükkel, hogy előre jelezni tudják az idősek kognitív hanyatlását, azt találtuk, hogy a képzés végén kiszámított N-back és Go/Nogo feladatok egyénen belüli variabilitásának mérőszámai a tanulmányi készségek és az általános jólét javulásával járnak. - gyermekeknél az edzés után 1 évig. Mindkét feladat esetében az alacsonyabb képzés utáni variabilitás a tanulmányi készségek, valamint az osztálytermi és szociális viselkedés erősségei/gyengeségei tesztjein elért jobb jövőbeli pontszámokhoz kapcsolódik. Az ABCD adatok eredményei összhangban vannak azzal az elképzeléssel is, hogy a teljesítmény variabilitásának mérőszámai mind a jelenlegi, mind a jövőbeni jóléthez kapcsolódnak, különösen a viselkedési problémákhoz és a BMI-hez.

Eredményeink arra utalnak, hogy az egyénen belüli variabilitás mérőszámai hasznosak a beavatkozás hatékonyságának értékelésében. Néhány fontos kérdést azonban még meg kell oldani. Használhatunk-e például egyénen belüli variabilitási mérőszámokat annak meghatározására, hogy az egyén mikor kapott elegendő adagot a képzési beavatkozásból? Ha igen, akkor személyre szabhatjuk a képzés mennyiségét, hogy javítsuk a képzési programban rejlő költség-haszon kompromisszumot. Eredményeink másik kulcskérdése, hogy a kognitív tréning rövid és hosszú távú eredményeinek felmérésére milyen típusú feladatok (pl. a munkamemóriát, figyelmet, feladatváltást célzó feladatok) és az egyénen belüli variabilitás mérőszámai a legalkalmasabbak. . A korábbi munkák többféleképpen számszerűsítették a válaszidők egyénen belüli változékonyságát (Geurts és mtsai, 2008; Karalunas et al., 2014; van Ravenzwaaij et al., 2011). Szignifikáns különbségeket találtunk a válaszidő variabilitása között a szelektív figyelem (Flanker), a munkamemória (N-Back) és a válaszgátlási feladatokban (Go/Nogo) a különböző, egymást kiegészítő variabilitási mérőszámok alkalmazásával. Különbségek lehetnek azonban abban, hogy a variabilitás és/vagy a feladattervezés különböző mérőszámai mennyire jósolják meg a tanulmányi teljesítmény vagy az általános jólét bizonyos területein nyújtott előnyök megjelenését hosszabb távon. Ezt a kérdést fontos megválaszolni a jövőbeni tanulmányokban, amelyek több longitudinális mérést gyűjtenek össze és számítanak ki a résztvevők nagy mintájában.

Megjegyezzük ennek a munkának néhány lehetséges korlátját. Az egyik lehetséges korlát az, hogy a számítógépes eszközök használatában való jártasság hátterében állhat a kontroll- és a képzési csoportok válaszideje közötti eltérések. Ezt azonban valószínűtlennek tartjuk, tekintve, hogy az fMRI-vizsgálatban a tréningcsoport a tréning során egérrel valósította meg a válaszokat, míg a szkenner belsejében a gyerekek egy MRI-hez adaptált gombdoboz segítségével válaszoltak. Ezenkívül a Go/Nogo feladat teljesítménybeli variabilitásának jelentős javulása csak hónapokkal a képzés után következett be, ami azt sugallja, hogy a különbség a kognitív készségek további fejlődésének tudható be, nem pedig az egyszerű cselekvési ismereteknek vagy motoros készségeknek. Másodszor, a kezdeti fMRI-vizsgálatunk nem tartalmazta az NBack-et vagy a Flanker-t az alapvonalon, így nem tudtuk ellenőrizni az alapszintű teljesítményt ezekben a konkrét feladatokban.

A csoportok közötti különbségek hiánya a munkamemória vagy a figyelem egyéb beavatkozás előtti mérőszámaiban azt sugallja, hogy a véletlen besorolási kudarcok valószínűsége, amely a munkamemória vagy a figyelem edzéstől független különbségéhez vezet, nagyon alacsony. Az a tény, hogy az fMRI mintából származó eredményeinket meg tudjuk ismételni a BFHSW mintában egy Go/Nogo feladattal, amelyet az alapvonalon és a beavatkozás után mértek, továbbá azt jelzi, hogy a randomizálás kudarca nem valószínű oka az eredeti eredményeinknek. Végül fontos korlát, hogy jelenlegi adataink nem tudják megmondani, hogy ezek a hatások önmagukban az adaptív WMT-re vonatkoznak-e, vagy a kognitív képzés más formái hasonló előnyökhöz vezethetnek-e. Az RT változékonyságára vonatkozó eredményeink azt sugallják, hogy a kezdeti edzési előnyök egy része a figyelemszabályozás javulásának köszönhető. Míg a figyelemkontroll és a munkamemória összefüggenek egymással, lehetővé kell tenni a figyelemszabályozás képzését olyan kognitív feladatokkal, amelyek korlátozott követelményeket támasztanak a munkamemóriával szemben, hogy jobban megkülönböztessük a két képességet. A jövőbeli kutatások fontos célja a kognitív tréning legjobb típusainak és formáinak meghatározása, valamint potenciálisan a képzés testreszabásának módja a különböző életkorú vagy képességű egyének számára.

5 KÖVETKEZTETÉS

A kognitív képességek fejlesztésének hatékony eszközei sok tudományágban régóta fennálló célkitűzések. Jelenlegi munkánk kiegészíti azokat a meglévő bizonyítékokat, amelyek szerint az adaptív WMT jelentős előnyökkel járhat az iskoláskorú gyermekek számára (Berger és mtsai, 2020; Jones et al., 2020; Karbach és mtsai, 2015; Titz és Karbach, 2014; Wass és mtsai, 2012). Ezenkívül további betekintést nyújt az ezen előnyök mögött meghúzódó mechanizmusokba. Berger és munkatársai legújabb eredményeivel együtt. (2020) is rávilágít annak fontosságára, hogy a hosszú távú nyomon követést is bele kell foglalni a képzés hatékonyságának bármely értékelésébe. A hosszú távú nyomon követési adatokon túl bemutatjuk a válaszidő variabilitási mérőszámok alkalmazásának hasznosságát a beavatkozás sikerének azonnali mutatójaként. Nem szabad figyelmen kívül hagyni egy ilyen azonnali értékelési eszköz gyakorlati jelentőségét, mivel potenciálisan lehetővé teheti a képzési beavatkozások időtartamának vagy tartalmi szempontjainak megfelelő személyre szabását anélkül, hogy éveket kellene várni a nyomon követési adatokra annak megállapítására, hogy hosszú távú előnyök jelentkeznek-e.

IRODALOM

1. Achenbach, TM (1991) Kézikönyv a gyermekek viselkedésének ellenőrzőlistájához/4-18 és 1991-es profil. Pszichiátriai Tanszék, Vermonti Egyetem.

2. Adleman, NE, Yi, JY, Deveney, CM, Guyer, AE, Leibenluft, E. és Brotman, MA (2014). Megnövekedett szubjektumon belüli variabilitás a válaszidőben a nem érintett óvodások esetében, akiknél fennáll a bipoláris zavar családi kockázata. Psychiatry Research, 30, 219(3), 687–689.

3. Ali, S., Macoun, SJ, Bedir, B. és MacDonald, SWS (2019). A gyermekek egyénen belüli változatossága a figyelem és a végrehajtó funkciók informátori értékelésével függ össze. Journal of Clinical and Experimental Neuropsychology, 41(7), 740–748.

4. Astle, DE, Barnes, JJ, Baker, K., Colclough, GL, & Woolrich, MW (2015). A kognitív tréning javítja az agy belső kapcsolatát gyermekkorban. The Journal of Neuroscience: The Official Journal of the Society for Neuroscience, 35(16), 6277–6283.

5. Astle, DE és Scerif, G. (2011). A figyelem és a vizuális rövid távú memória (VSTM) kölcsönhatásai: Mit lehet tanulni az egyéni és fejlődési különbségekből? Neuropsychologia, 49(6), 1435–1445.

6.Au, J., Sheehan, E., Tsai, N., Duncan, GJ, Buschkuehl, M. és Jaeggi, SM (2015). Folyadékintelligencia javítása munkamemória képzéssel: metaanalízis. Psychonomic Bulletin & Review, 22(2), 366–377.

6.Baddeley, A. (1996). A munkamemória frakcionálása. Proceedings of the National Academy of Sciences of the United States of America, 93(24), 13468–13472.

7. Baddeley, A. (2010). Működő memória. Current Biology, 20(4), R136–R140.

8. Bellgrove, MA, Hester, R. és Garavan, H. (2004). A válasz variabilitásának funkcionális neuroanatómiai korrelációi: Egy válasz gátlási feladatból származó bizonyíték. Neuropsychologia, 42(14), 1910–1916.

9.Berger, EM, Fehr, E., Hermes, H., Schunk, D., & Winkel, K. A munkamemória-tréning hatása a gyermekek kognitív és nem kognitív készségeire. SSRN Electronic Journal, https://doi.org/10.2139/ssrn.3622985

10. Bogg, T. és Lasecki, L. (2014). Megbízható nyereség? Bizonyíték a lényegesen alulteljesített tervekre a munkamemória-tréning folyékony intelligenciába való átvitelére vonatkozó tanulmányokban. Frontiers in Psychology, 5, 1589.

For more information:1950477648nn@gmail.com