A frontoparietális hálózat megcélzása bifokális transzkraniális váltakozó áramú stimulációval motoros szekvencia tanulási feladat során egészséges idős felnőtteknél 2. rész

2.3. Motoros tanulási feladat

A résztvevők az SFTT két különböző változatát hajtották végre a korábbi tanulmányokban használt SFTT-feladat alapján [3,47]. Arra kérték őket, hogy hajtsanak végre egy 9-elem sorozatot nem domináns bal kezükkel. A thenon-domináns kezet használták, hogy nagyobb tartományban javítsanak [46]. Szóban arra utasították őket, hogy a lehető leggyorsabban és a lehető legpontosabban érintsék meg ugyanazt a sorozatot egy négygombos billentyűzeten (Current Designs, Philadelphia, PA, USA).

A kutatások azt mutatják, hogy a memória agyunk egyik fontos funkciója. Lehetővé teszi a múltbeli tapasztalatok felidézését, új ismeretek és készségek elsajátítását, valamint döntések meghozatalát. Ugyanakkor egyes kutatások azt is kimutatják, hogy a pozitív gondolkodás és viselkedési szokások segíthetnek emlékezetünk fejlesztésében.

Először is, a testmozgás és az egészséges táplálkozás óriási hatással van a memóriára. Tanulmányok kimutatták, hogy a megfelelő testmozgás és a kiegyensúlyozott étrend segíthet a jó egészség megőrzésében, valamint javítja az agyműködést és a memóriát. Ezért a jó egészség megőrzése kulcsfontosságú a memória javításához.

Másodszor, a mentális egészségnek is nagy hatása van a memória javítására. A helyes alvási szokások, a pozitív gondolatok és érzelmek, valamint a stressz csökkentése mind hozzájárulhatnak a memóriánk javításához. A kutatások azt mutatják, hogy az érzelmileg stabil és pozitív emberek általában jobb memóriateljesítményt mutatnak. Ugyanakkor az embereknek le kell győzniük a negatív érzelmeket, például az alacsony önértékelést, a szorongást és a depressziót, hogy ne zavarják memóriafolyamataikat és teljesítményüket.

Végül a fókusz és a figyelem nagyban javíthatja a memóriát. A kutatások azt mutatják, hogy agyunk jobban képes feldolgozni és emlékezni olyan dolgokra, amelyekre figyelmünk nagyobb részét fordítjuk arra, hogy odafigyeljünk és amelyekre összpontosítunk. Ezért ha koncentrálunk, és a tanulási és memóriafeladatokra koncentrálunk, az javíthatja a memóriánkat.

Röviden, a jó egészség, a pozitív gondolkodás és viselkedési szokások, valamint a figyelem és összpontosítás kombinációja javíthatja a memóriánkat. A pozitív hozzáállás és a helyes viselkedési szokások segíthetnek abban, hogy jobban feldolgozzuk és erősítsük agyműködésünket, ezáltal javítva a memóriánkat. 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 az ismerje meg az agyműködés javításának módjait

A sorozatok 4 számjegyből álltak 2-től 5-ig, ami a bal kéz mutatójától (2) a kisujjáig (5) tartó négy ujjnak felelt meg. A megjelenített sorozat alatti kurzor minden ujjérintésre elmozdult, hogy azonosítsa a célszámjegyet, függetlenül attól, hogy a gombot megfelelően nyomta-e meg. Különböző szekvenciákat használtunk az alapvonalhoz és a képzési mérésekhez.

Az összes szekvencia komplexitását a Kolmogorov-komplexitási teszttel igazoltuk [48]. Az alapmérés egy 90 másodperces blokkból, az edzésmérés hét 90 másodperces blokkból állt, minden blokk után 90 másodperces szünetekkel, amelyek összesen 20 percig tartottak. A feladatot Presentation szoftverben (Neurobehavioral Systems, Berkeley, CA, EGYESÜLT ÁLLAMOK).

A résztvevők alacsony és nagy WM terhelésű SFTT verziót teljesítettek. Az alacsony WM-terhelésű verzió megjelenítette a szekvenciát a képernyőn, és arra kérte a résztvevőket, hogy előzetes megismerkedés nélkül hajtsák végre a sorozatot. Ezt a verziót "nem memorizált" verziónak nevezik. A nagy WM terhelésű verziónál a résztvevőknek meg kellett jegyezniük a sorrendet a feladat megkezdése előtt.

Papíron kapták meg a sorrendet, és arra kérték őket, hogy fejből tanulják meg ezeket a szekvenciákat anélkül, hogy a billentyűzeten gyakorolnák. Distractor feladattal, melynek során fordított sorrendben kellett véletlenszerű szavakat betűzni, ezeknek a sorrendnek megfelelő memorizálása igazolódott. Pontosabban, a résztvevőknek egymás után három szót vissza kellett varázsolniuk, majd hangosan fel kellett idézniük a sorozatot. A háromszori helyesség után a sorozatot kellően megtanultnak ítélték [49].

A feladat betanult változata során a résztvevők nem láthatták a sorrendet. A képernyőn 9 „X”-ből álló sorozat volt látható, alatta a mozgó kurzorral, hogy azonosítsa a célszámjegyet. A résztvevők mindkét verziót az 1. és a 2. napra osztva, véletlenszerű sorrendben végezték el. A változatok ezen sorrendje a keresztezés után megfordult, lásd az 1C. ábrát.

2.4. Kognitív feladat

A résztvevőket arra kérték, hogy hajtsák végre az N-back feladatot annak ellenőrzésére, hogy ez a stimulációs paradigma javítja-e a WM teljesítményét. A feladatot a Matlabban (The MathWorks Inc., Natick, Massachusetts, USA) hajtották végre, és a Jaeggi és az egyetlen N-back feladaton alapult. kollégái [50]. A forgatókönyvet a Quent,AJ [51]-ből adaptálták. nyelv (francia és angol), hossz és nehézségi szint tekintetében.

A feladat a számítógép képernyőjén megjelenő vizuális ingerek sorozatából állt. A résztvevőknek a számítógép billentyűzetén a jobb oldali "Vezérlő" gomb megnyomásával kellett válaszolniuk, amikor az inger megegyezett az ingerrel, amely N pozíciót mutatott vissza. A résztvevőknek nem szabad reagálniuk, ha más ingert mutatnak be. A vizuális ingerek 10 véletlenszerű alakzatból, nyolc 8-pont alakzatból (14, 15, 17, 18, 20, 22, 23 és 27 számok) és két 12-pont alakzatból (20-as és 24-es számok) álltak. Vanderplasból és Garvinból [52] vettük át.

Az ingereket 500 ms-ig mutatták be, 2500 ms-os interstimulus intervallummal. A résztvevőknek az inger kezdetétől kezdődő válaszablakon belül kellett válaszolniuk az interstimulus intervallum végéig (3000 ms). A feladat 1-3 hátsó szintből állt, ebben a sorrendben. A feladat egy alapszintre és egy edzésre volt felosztva, ahol az alaphelyzet n-hátsó szintenként 1 blokkból állt (összesen 3 blokk), az edzés pedig 3 blokkból állt. szinten (összesen 9 blokk).

Minden blokk 20 þ n kísérletből állt, 6 célponttal és 14 þ n nem célponttal. Mértük a reakcióidőket, a találatokat, a kihagyásokat, a téves riasztásokat és a helyes elutasításokat. A feladat vázlatos ábrázolásához lásd az 1B. ábrát. A válaszrögzítés hibája miatt N ¼ 9 előkeresztezés előtti N-back feladat adatkészletet kellett kizárnunk. Összesen N ¼ 31 N-back adatsort vettek figyelembe.

2.5. Transcranialis váltakozó áramú stimuláció

Multifokális tACS-t alkalmaztunk a jobb oldali FPN-re két neuroConn DC plusz stimulátor segítségével, hogy lehetővé tegyük a bifokális stimulációt (neuroConnGmbH, Ilmenau, Németország). A résztvevők valódi (30 perc) vagy színlelt (30 s) stimulációt is kaptak véletlenszerű sorrendben, a keresztezés előtt vagy után [24,25,53]. A stimulációs protokoll a következő paraméterekből állt: fázisban (0⁰ fáziskésés), 2 mA (csúcstól csúcsig) intenzitást fokozatosan emeltük fel/le 8 másodperces időközönként. A két stimulátor közötti azonos fázisú stimulációt az A stimulátortól a B stimulátorig ismételt trigger biztosította minden befejezett ciklus után, jelezve egy új ciklus kezdetét [54].

A stimulációs frekvenciát a személyes théta csúcsfrekvenciához igazították, amelyet egy EEG-felvétel során rögzítettek, miközben az alapszint előtti N-back tesztet szintenként 1 blokkkal végezték el. Gumikoncentrikus elektródákat használtunk: középső elektróda átmérője: kb.20 mm, területe: kb. 3 cm2 és a gyűrűs elektróda átmérője: kifelé 100 mm/in 70 mm, területe: kb. 40 cm2.

Az elektródák helyét egy szabványos 64-csatorna, EEG actiCAP, 10/20 rendszerrel (Brain Products GmbH) határoztuk meg, az F4-et a dorsolaterális prefrontális kéregnek (DLPFC) és a P4-et a hátsó parietális kéregnek (PPC) célozva meg. A vezetőképességhez megfelelően alacsony impedanciájú paszta a SAC2 elektródakrém volt (Spes Medical Srl, Genova, Olaszország). Ez a paszta ragasztó volt, ami stabil elektródák elhelyezését biztosította. Az elektródák elhelyezését és az elektromos téreloszlást a SimNIBS szabványos sablonja (3.2-es verzió) segítségével tettük láthatóvá [55]. A gyűrűs elektródákkal történő bifokális stimuláció végrehajtására szolgáló szkriptet a nyílt hozzáférésű Matlab szkriptből adaptálták (© G. Saturnino, 2018).

Az elektródák elhelyezésének és az elektromos téreloszlásának szimulálására sablonfej modellt használtak. Az elektródák elhelyezésével és az elektromos téreloszlással kapcsolatban lásd a 2. A és B ábrát. Az utolsó stimulációs munkafolyamat végén megvizsgáltuk, hogy a stimuláció jól tolerálható-e, és van-e szignifikáns különbség a tapasztalt érzetek között a valós és a hamis körülmények között. .

Ezenkívül megkértük a résztvevőket, hogy jelezzék, hogy szerintük valódi vagy színlelt stimulációt kaptak-e a keresztezés előtti és utáni munkamenet során. A stimulációs érzéseket strukturált interjú segítségével írtuk le [56]. Ellenőriztük a következő érzeteket: viszketés, fájdalom, égő érzés, fémes/vas íz a szájban, melegség, fáradtság és egyebek. Válaszadási lehetőséggel: "nincs", "enyhe", "mérsékelt" vagy "erős".

2.6. EEG

Minden EEG-felvétel egy árnyékolt Faraday-ketrecben készült. Testreszabott elektróda-beállítást használtunk 9 elektródával, frontális (Fp1, Fp2, F3, Fz, F4), parietális (Cz, P3, Pz, P4), lásd a 2C. ábrát. 64-csatornás ANT használata Neuro EEG sapka eegotmmylab szoftverrel (ANT Neuro, Hollandia). Az N-back feladat végrehajtása során EEG-t rögzítettünk. Markerek segítségével minden egyes N-back szint elejét és végét meghatároztuk. A felvételek 3 N-back blokk alatt készültek, ami körülbelül 3 perces rögzítési időt eredményezett.

A thétatartomány csúcsfrekvenciáját (4e8 Hz) egy egyedi Matlab szkripttel (TheMathWorks Inc., USA) számítottuk ki a SalamancaGiron és munkatársai [54] által használt szkriptből, és alkalmassá tették a théta frekvenciaelemzésre az N-back feladat végrehajtása során. A fortACS théta-frekvenciáit a korábbi munkákhoz hasonlóan személyre szabtuk [54,57]. Nem álltunk azonban szándékunkban összehasonlítani a személyre szabott frekvenciákkal rendelkező tACS hatékonyságát a szabványos (nem személyre szabott) frekvenciákkal rendelkező tACS-sel.

Ezért ennek a tanulmánynak nem célja a tACS jótékony fiziológiai hatásainak bemutatása a személyre szabott tACS felett standard (nem személyre szabott) frekvenciákkal. Az F4 és P4 célelektródák, amelyek megegyeznek a stimulációs helyekkel, kis eltérést mutatnak a rögzített théta frekvenciában. Az átlagos théta-frekvencia az F4 elektródánál 4,71 (tartomány 4,12e7,77), a P4 elektródánál pedig 4,97 (tartomány 4,11e6,84).

2.7. Adatelemzések

Az adatok normalitását vizuálisan ellenőriztük hisztogramokkal és a maradékértékek Q-Q görbéivel, és az 1 és -1 közötti ferdeség ellenőrzésével igazoltuk [58]. A 0,05-nél kisebb P-értékek statisztikai szignifikanciát jeleznek. Az SFTT viselkedési adatainak előfeldolgozása egy Matlabban implementált házon belüli szkripttel történt. A fő kimeneti mérőszámok a következők voltak: helyes sorozatok, teljes befejezett szekvenciák és helyes sorozatok/befejezett sorozatok. Az egyes N-back adatok előfeldolgozása az RStudio (1.4.1717, 2021-es verzió) segítségével történt [59].

Az egyes adatokat egy fő fájlban egyesítettük Microsoft Excel segítségével. Az elemzéshez az adatokat a stimulációs állapothoz kapcsolódó alapvonali blokkból való kivonással normalizáltuk. A normalizálást a heterogén teljesítményszintek figyelembevételével végeztük, különösen jellemzően idősebb személyeknél, hogy jobb összehasonlíthatóságot biztosítsanak az alanyok között.

Az alapvonali blokkokat R-ben hasonlítottuk össze páros mintás t-próbákkal. Az alapvonali blokkok egyenlőségét Bayes-statisztikával ellenőriztük, egy Bayes-féle párosított t-teszt kiszámításával JASP szoftver használatával (0.16.0.0 verzió). Az SFTT és az N-back adatok minden egyéb elemzését az Rstudioban (verzió 1.4.1717) végeztük. Az adatokat lineáris vegyes hatású modellekkel elemezték, amelyek a "legnagyobb" csomaggal voltak felszerelve. A kimenet egy III. típusú ANOVA táblázat volt, amely p-értékeket tartalmaz az F-tesztekhez [60].

A hatás méretét a parciális eta négyzetével a "hatásméret" csomaggal határoztuk meg. A post-hoc elemzést páronkénti összehasonlítással végeztük, a becsült határértékek és Tukey-korrekció segítségével. A thetACS-stimulációs érzetek és vakító válaszok elemzését JASP-vel (0.8.5.1-es verzió) elemeztük [61]. A valós vs. shamstimulációs becslésekre adott válaszokat binomiális teszttel elemeztük. A stimulációs érzeteket kontingencia táblázatok segítségével elemeztük khi-négyzet elemzéssel, hogy ellenőrizzük a tényleges és az álstimulációs körülmények közötti különbségeket.

3. Eredmények

3.1. Sorozatos ujjütögetési feladat

A két SFTT-t külön elemeztük, mivel különböznek a WM terhelés mértékében (magas és alacsony WM terhelés). A főelemzés előtt összehasonlították az aktív és az álstimuláció közötti kiindulási teljesítményt, és nem különbözött szignifikánsan a memorizált állapot t(19) ¼ 0.72, p ¼ .48, d ¼ 0.16, és a nem memorizált feltétel t(19) ¼ 0, p ¼ 1, d ¼ 0. A nulla eredmény további elemzése és a csoportok egyenlőségének igazolása érdekében az aktív és a hamis csoportokat Bayes-statisztika segítségével hasonlítottuk össze mindkét körülmények között. Az elemzés a BF01 memorizált állapotra ¼ 3,41-et mutatott, ami azt jelenti, hogy 3,4-szer nagyobb a valószínűsége annak, hogy a kiindulási eredmények azonosak, mint eltérőek. A nem memorizált feltétellel jelzett BF01 ¼ 4,3, ezért 4,3-szor nagyobb valószínűséggel egyenlőek az alapcsoportok.

Ebben a tanulmányban az online tanulást a viselkedés jelentős javulásaként határozzák meg a képzés során. A stimuláció tanulásra gyakorolt ​​szignifikáns hatását a képzés során bekövetkező változás-fejlődési dinamika határozza meg. Linearmixed effektus-modell használatával az SFTT memorizált változatának helyes szekvenciáinak elemzése szignifikáns hatást mutatott az F(6, 247) ¼ 18,57, p < , blokkokra.0{{14} }1, hp2 ¼ 0.31, amely nagy hatásméretet, valamint szignifikáns hatást jelez a stimulációra F(1,247) ¼ 18,83, p < .001, hp2 ¼ 0,07 közepes hatásméret mellett, de nem blokkolja a stimulációs kölcsönhatást F(6, 247) ¼ 0,77, p ¼ 0,59, hp2 ¼ 0,02.

A stimuláció tanulásra gyakorolt ​​hatásának további definiálásához meghatároztuk a különbséget a képzés végén a feltételek között, ami erős tendenciát mutatott a szignifikáns különbség tekintetébent(19) ¼ 2.07, p ¼.{{ 12}}52, d ¼ 0.46. A nem memorizált változat eredményei szignifikáns hatást mutatnak az F(6,247) ¼ 16.00, p < .{{20}}01, hp2 ¼ 0,28 (nagy) blokkra hatás), de nincs stimuláció F(1, 247) ¼ 0,46, p ¼ 0,499, hp2 ¼ 0,002 vagy interakciós hatás F(6 247) ¼ 0,36, p ¼ 0,901, hp2 ¼ 0,009. Azt jelezve, hogy mindkét esetben a résztvevők jelentősen tanultak, de csak a memorizált állapotban volt szignifikáns hatása a tACS-stimulációnak a teljesítményre, lásd a 3. ábrát.

Az interakciós hatás hiánya nem teszi lehetővé a stimulációnak a motoros tanulásra gyakorolt ​​szignifikáns hatását, bár a 7. blokk teljesítménybeli különbségének tendenciája stimuláló hatás lehetőségére utal. Az SFTT eredményeinek további vizsgálata és a teljesítménybeli eltérések értékelése érdekében a résztvevők egyéni pályái a kiegészítő anyagban láthatók, 1. kiegészítő ábra. A nem normalizált adatokkal végzett elemzések összehasonlítható eredményeket tártak fel, a részletekért lásd a kiegészítő online anyagot (SOM) és a SOM-t. 3. ábra.

3.2. Gyorsaság és pontosság

A memorizált állapot eredményeinek további vizsgálatához a befejezett sorozatok teljes mennyiségét elemeztük a sebesség mértékeként. Az eredmények szignifikáns blokkoló hatást F(6,247) ¼ 28,21, p < .001, hp2 ¼ 0.41 (nagy hatás) és jelentős stimuláló hatást F(1, 247) ¼ 15,92, p < .001, hp2 ¼ 0,06 (kis hatás), de nincs kölcsönhatás F(6, 247) ¼ 0,23, p ¼ 0,968, hp2 ¼ 0,006, lásd a 4A. ábrát. Bár az aktív stimulációs csoport gyorsabb a színlelt csoporthoz képest, a hasonló fejlődési minta inkább a teljesítmény, mint a tanulási hatás felé mutat.

Annak megállapítására, hogy a helyes szekvenciák megnövekedett mennyiségét a gyorsabb szekvencia-végrehajtás vagy a pontosság egyidejű növekedése okozta-e, pontossági mérőszámként elemeztük a sorozatok teljes mennyisége és a helyes szekvenciák közötti arányt. Az ellenőrzés során a valódi stimulációs csoport eltérő dinamikát mutat a pontosság tekintetében, mint az ál-csoport. A reálstimulációs csoport meredek, szignifikáns pontosságnövekedést mutat az első és a második edzésblokk között, míg az ál-csoport növekedése fokozatosabb t(19) ¼ 2,68, p ¼.015. A csoportok közötti pontosság az 1. edzésblokkban nem különbözött szignifikánsan T(19) ¼ 0,85, p ¼ 0,404. Ezért a dinamika különbségének megjelenítéséhez megmértük a különbséget a pontosságban az 1. blokk körül.

Az eredmények szignifikáns blokkoló hatást F(6,247) ¼ 3,47, p ¼ .003, hp2 ¼ 0.08 (közepes hatás), és jelentős stimuláció hatás F(1, 247) ¼ 18,31, p < .001, hp2 ¼ 0,07 (közepes hatás), de nincs blokk-stimulációs kölcsönhatás F(6, 247) ¼ 0,85, p ¼ 0,529, hp2 ¼ 0,02, lásd a 4B. ábrát. Egy további elemzésben a viselkedés összehasonlítása a 7. blokkon szignifikáns különbséget mutat a verum és a hamis t(19) között ¼ 2,31, p ¼ 0,032, d ¼ 0,51. Ezért, bár az interakciós hatás hiánya nem jelent szignifikáns motoros tanulási hatásokat Az eredmények azt mutatják, hogy a pontosság szignifikánsan javult az edzés korai szakaszában végzett stimulációval, ami az utolsó blokkban szignifikánsan eltérő maradt. A nem normalizált adatokkal végzett elemzések összehasonlítható eredményeket tártak fel. A részletekért lásd a SOM és a SOM 4. ábráját.

3.3. N-hátsó feladat

Az N-back feladat teljesítményét a következő eredményekkel elemeztük: találatok, téves riasztások, pontosság (találatok és téves riasztások), és a találatokra adott reakcióidő. Minden paramétert külön-külön elemeztünk lineáris vegyes hatású modellekkel. A stimuláció körülményei (valós. hamis) és a három N-back nehézségi szint független változókként szerepeltek a modellben. Két külön elemzést végeztek, az egyik modell 1. és 2. nehézségi szintet tartalmazott, hogy a Violante és munkatársai tanulmányához hasonló körülményeket utánozzon. (2017) emellett 3. nehézségi szintet adtunk a modellhez, hogy teszteljük az asztmulációs hatást a magasabb kognitív igényű feladatra [24].

For more information:1950477648nn@gmail.com