Individuaalne varieeruvus ülesannete täitmises pärast kognitiivset koolitust on seotud laste pikaajaliste tulemustega, 1. osa

Abstraktne

Töömälu treenimise (WMT) võimalikud eelised ja mehaanilised mõjud lastel on paljude uuringute ja arutelude objektiks. Näitame, et pärast viit nädalat koolipõhist, adaptiivset WMT-d 6–9-aastastel algkoolilastel oli suurem aktiivsus prefrontaalsetes ja striataalsetes ajupiirkondades, suurem ülesannete täpsus ja vähenenud individuaalne varieeruvus reageerimisaegades võrreldes kontrollidega. Kasutades järjestikuse valimi moodustamise otsustusmudelit, demonstreerime, et seda indiviidisisese varieeruvuse vähenemist saab seletada tõendite kogunemismäärade ja -lävede muutustega. Kriitiline on see, et indiviidisisene varieeruvus on kasulik kognitiivse koolituse sekkumiste vahetu mõju kvantifitseerimiseks, olles parem akadeemiliste oskuste ja heaolu ennustaja 6–12 kuud pärast koolituse lõppu kui ülesannete täpsus.

Laste töömälu treenimine viitab laste mälu ja mõtlemisvõime parandamisele läbi harjutuste sarja. Töömälu on inimese aju oluline osa. See vastutab meie lühiajalise mälu töötlemise eest ja võib aidata inimestel teavet paremini töödelda ja talletada. Seetõttu peavad lapsed parandama oma töömälu treenimist.

Koolitusprotsess peab olema suunatud laste kognitiivsele tasemele ja vanuseomadustele, eriti mäluprobleemidele, millega lapsed igapäevaelus kokku puutuvad, et lapsed saaksid igapäevaelus mälu tõhusamalt kasutada.

Töömälu treenimist saab rakendada paljude erinevate intellektuaalsete tegevuste puhul, nagu näiteks loogiline arutluskäik, keele mõistmine, ruumitaju ja probleemide lahendamine. Selle koolituse kaudu saavad lapsed parandada oma analüüsi-, otsustus- ja probleemide lahendamise võimeid.

Lisaks on töömälu paranemine tihedalt seotud ka laste õppeedukusega. Õppimine nõuab meilt teadmiste omandamiseks tugevat mäluvõimet. Seetõttu võib tõhus töömälu treenimine aidata lastel teadmisi paremini omandada ja parandada nende õppeedukust.

Ühesõnaga, laste töömälu treeningul on laste kasvule positiivne mõju. Treeningprotsessi käigus peame keskenduma laste isiksuste ja omaduste mõistmisele ning laskma neil tunda rõõmu ja saavutustunnet, mida treenimine nende edasijõudmisele kaasa toob. Usume, et lapsevanemate ja õpetajate toel saavad lapsed töömälu treeningute kaudu pidevalt oma mõtlemisoskusi ja mälu parandada. On näha, et me peame oma mälu parandama. Cistanche deserticola võib oluliselt parandada mälu, sest Cistanche deserticola on traditsiooniline Hiina ravimmaterjal, millel on palju ainulaadseid toimeid, millest üks on mälu parandamine. Hakkliha tõhusus tuleneb selles sisalduvatest erinevatest toimeainetest, sealhulgas hapetest, polüsahhariididest, flavonoididest jne. Need koostisosad võivad aju tervist mitmel viisil edendada.

Klõpsake teada, kuidas ajufunktsiooni parandada

Kokkuvõttes näitavad meie tulemused, et tähelepanu juhtimine on esialgne mehhanism, mis viib adaptiivse WMT pikaajaliste eelisteni. Selektiivsed ja püsivad tähelepanuvõimed võivad olla aluseks hilisematele muutustele kõrgemates kognitiivsetes protsessides, akadeemilistes oskustes ja üldises heaolus. Lisaks näitavad need tulemused, et tulemusnäitajate valik ja hindamiste ajastus mängivad koolituse tõhususe tuvastamisel otsustavat rolli. Seega võib indiviidisisese varieeruvuse hindamine koolituse ajal või vahetult pärast seda võimaldada koolitussekkumiste varakult kohandamist kestuse või sisu osas, et maksimeerida nende mõju.

MÄRKSÕNAD

Tähelepanu kontroll, lapsed, kognitiivne treening, fMRI, indiviidisisene varieeruvus, töömälu.

1. SISSEJUHATUS

Kognitiivsed koolitusprogrammid on aastate jooksul pälvinud märkimisväärset tähelepanu, arvestades nende potentsiaali parandada kognitiivseid võimeid tervetes ja kliinilistes populatsioonides. Kognitiivsetest koolitusprogrammidest saadava kasu tõhusust ja püsivust uuritakse aga endiselt tähelepanelikult ja nende üle vaieldakse (Au et al., 2015; Bogg & Lasecki, 2014; Cortese et al., 2015, Karbach & Verhaeghen, 2014; Melby-Lervag jt, 2016; Sala & Gobet, 2020, Schwaighofer jt, 2015; Smidet al., 2020, Wass jt, 2012). Kuigi on näidatud, et kognitiivsed koolitusprogrammid parandavad sarnaste treenimata ülesannete (lähedane ülekandmine) tulemuslikkust, on tõendid kognitiivsete oskuste ülekandmise kohta teistes valdkondades (kaugele ülekandmine) hõredam ja vastuolulisem (Au et al..2015; Cortese et 2015, Delalande et al., 2020; Gilligan jt, 2020; Jones jt, 2020; Karbach ja Verhaeghen, 2014; Melby-Lervag jt, 2016; Sala & Gobet, 2020; Schwaighofer jt ., 2015; Smid et al., 2020). Meil ei ole ikka veel piisavalt arusaamist kognitiivsete oskuste ja võimete tüüpidest, mida on kõige kasulikum treenida, millist tüüpi koolitusmeetodid ja -annused sobivad konkreetsete oskuste jaoks kõige paremini ning millistest inimestest saavad piisavalt kasu, et õigustada aega ja raha. kognitiivse koolituse sekkumiste kulud.

Nagu paljude kognitiivse koolituse aspektide puhul, on akadeemilistele saavutustele avalduva ülekande mõju ulatuse üle pingeline arutelu. Õppeedukuse paranemine näib olevat tugevam keele- ja lugemisvaldkonnas ning vähem järjekindel matemaatikas, kuigi see varieerub olenevalt koolitusrežiimi tüübist ja uuringuvalimist (vt Sala & Gobet, 2020 ja Titz & Karbach, 2014 ülevaate ja meta kohta -analüüs). Näiteks on teateid selle kohta, et matemaatika esmased ülekandeefektid ei püsi kolm kuud hiljem (Jones et al., 2020) ja et vähese töömäluvõimega lapsed näitavad 2 aastat pärast töömälu halvemaid matemaatikaoskusi kui tavalisel klassiruumi juhendamise kontrollrühmal. koolitus (WMT) (Roberts et al., 2016). Teisest küljest leiti hiljutises uuringus, et treeningu mõju võib aja jooksul ilmneda ja suureneda enam kui 500 esimese klassi lapsest koosnevas rühmas, kes ei olnud töömälu võimete põhjal eelvalitud (Berger et al., 2020).

Selles uuringus leiti, et adaptiivsest WMT-st akadeemilistele oskustele ülekanduv kasu ilmnes alles 6–12 kuud pärast koolituse lõppu. Veelgi enam, see töö näitas, et viis nädalat adaptiivset WMT-d esimese klassi aasta jooksul suurendas tõenäosust siseneda 3–4 aastat hiljem Saksa keskkoolisüsteemi kõrgeimale akadeemilisele teele. Arvestades mitmete uuringute koondtulemusi, on selge, et pikisuunalised uuringuplaanid, mis hõlmavad mitme aasta järelmeetmeid, on olulised kognitiivse koolituse eri tüüpi ja/või annuste potentsiaalse tõhususe kindlaksmääramisel, eriti laste puhul.

Oluline on mõista kognitiivseid ja neurobioloogilisi muutusi, mis toimuvad treeningu ajal või vahetult pärast seda. Eeldatavasti võimaldavad need proksimaalsed mõjud tulevikus saada laiaulatuslikke eeliseid. Tähelepanu tase võib määrata, kui hästi teavet meelde jäetakse (Gazzaley & Nobre, 2012). Töömälu protsessid, mis on määratletud kui teabe ajutine salvestamine ja manipuleerimine, mis võimaldab täita keerulisi kognitiivseid ülesandeid (Baddeley, 1996; Baddeley, 2010), on seetõttu tihedalt seotud tähelepanu juhtimisega.

Tähelepanu kontrolli all peetakse silmas võimet koordineerida ja eraldada tähelepanu keskkonnas esinevatele asjakohastele stiimulitele, sõltumata segajatest ja väsimusest (Cartwright, 2012; Corbetta & Shulman, 2002; Norman & Shallice, 1983). Töömälu nõuab tähelepanu kontrolli, et säilitada ja ümber hinnata ülesandega seotud teavet, blokeerides samal ajal ülesande jaoks ebaolulise teabe sekkumise (Engle, 2018; Fukuda & Vogel, 2011; Kane et al., 2008; Mcnab & Klingberg, 2008). Nii töömälu kui ka tähelepanu juhtimise protsessid põhinevad fronto-parietaalsetel ja striataalsetel ajuvõrkudel (Klingberg, 2010). On teatatud, et kognitiivne treening muudab aju struktuuri ja funktsiooni ning indutseeritud muutusi on sageli täheldatud prefrontaalses, parietaalses ja striataalses piirkonnas (Astle et al., 2015; Buschkuehl jt, 2012; Flegal et al., 2019; Klingberg, 2010 McNab jt, 2009; Salmi jt, 2018; Schneiders et al., 2012).

Need on otsustava tähtsusega piirkonnad, mis toetavad selliseid täidesaatvaid funktsioone nagu töömälu ja tähelepanu juhtimine (D'Esposito & Postle, 2015; Frank et al., 2001; Mcnab & Klingberg, 2008; Owen jt, 2005; Wager & Smith, 2003). Aju pildistamise uuringud näitavad, et edukas üleminek treenitud oskustelt treenimata oskustele eeldab, et mõlemad kognitiivsed protsessid hõlmavad vähemalt osaliselt kattuvaid struktuurseid ja funktsionaalseid ajusüsteeme (Dahlin et al., 2008; Morrison & Chein, 2011). Seega, et olla kõige kasulikumad kognitiivsed koolitusprogrammid, peaksid need hõlbustama närvide arengut, mis võimaldab selliste jagatud närvisüsteemide tõhusamat ja tõhusamat kaasamist.

Tundlikud ja usaldusväärsed vaimsete ja närvifunktsioonide muutuste mõõdikud on vajalikud koolitussekkumiste vahetute mõjude tuvastamiseks ja koolituse pikaajalise kasu prognoosimiseks. Käesolevas töös testime hüpoteesi, et reageerimisaegade individuaalne varieeruvus võib selles osas olla kasulik. Täpsusel või reageerimisaegadel põhinevad individuaalsed varieeruvuse mõõdikud on informatiivsemad kui keskmised täpsusmõõtmised, kui püütakse mõista mehhanisme, mille kaudu kognitiivse koolituse kasulik mõju võib üle kanda akadeemilistele oskustele (Karbach & Unger, 2014; Könen & Karbach, 2015). , et näha ette pikaajalist kasu akadeemilisele tulemuslikkusele (Judd et al., 2021) ja hõlbustada nende isikute tuvastamist, kes saaksid koolitussekkumisest kõige rohkem kasu (Karbach & Unger, 2014; Könen & Karbach, 2015; MacDonald et al. al., 2009; Saville et al., 2011).

Erinevate kognitiivsete protsesside kvantifitseerimiseks ja eristamiseks on kasutatud mitmeid meetodeid, mis võivad põhjustada reageerimisaegade individuaalset varieeruvust. Individuaalne variatsioonikordaja (ICV) on tavaline mõõt, mis arvutatakse standardhälbe ja keskmise suhtena. Lisaks saab reaktsiooniaja jaotuse kuju parameetriseerida, sobitades endisi Gaussi mudeleid (Geurts et al., 2008; Hervey et al., 2006; van Belle et al., 2015) ning võimalikud varieeruvuse allikad eristatakse difusiooniotsuste mudelite (DDM) sobitamisega (Forstmann et al., 2016; Karalunas & Huang-Pollock, 2013; Ratcliff et al., 2016; Schmiedek jt, 2009). Lisaks saab DDM-e kasutada ka selleks, et mõõta ja mõista tähelepanu mõju ülesannete täitmisele ja otsuste tegemisele (Cavanagh et al., 2014; Krajbich & Rangel, 2011; Krajbich et al., 2015).

Individuaalne sooritusvõime varieeruvus on seotud kognitiivsete võimete ja ajufunktsioonidega, mille sihtmärgiks on kognitiivsed treeningu sekkumised (Castellanos et al., 2005; Geurts jt, 2008; Judd jt, 2021; Kofler jt, 2013; MacDonald et al., 2006). Individuaalset varieeruvust seostatakse ka prefrontaalse ajufunktsiooni ja dopamiinergilise neuromodulatsiooniga (Ilg jt, 2018; Johnson et al., 2015; MacDonald jt, 2006, 2009; Papenberg jt, 2013; Tamnes jt, 2015). 2012; van Belle et al., 2015), eriti eesmiste ja subkortikaalsete dopamiinergiliste ajusüsteemide poolt vahendatud inhibeerivaid ja kognitiivseid kontrollivõimeid (Bellgrove et al., 2004; Isbell jt, 2018; Montez jt, 2017; van Belle et al., 2015).

Individuaalse varieeruvuse mõõdikud võivad olla eriti kasulikud, kui võrrelda heterogeenseid gruppe, nagu lapsed ja noorukid, kelle kognitiivne areng veel jätkub, või kognitiivsete raskustega populatsioonid, nagu ADHD või autism (Castellanos et al., 2005; Dirk & Schmiedek, 2016). Geurts et al., 2008; Karalunas jt, 2014; Könen & Karbach, 2015). Kooskõlas väljakujunenud aju ja kognitiivse arengu mustriga kogu eluea jooksul näitab indiviidisisene varieeruvus ümberpööratud U-kujulist seost vanusega, mis väheneb lapsepõlvest noorukieas kuni noore täiskasvanueani ja suureneb taas vanemas eas (Montez et al. ., 2017; Papenberg et al., 2013; Williams jt, 2005).

Individuaalse varieeruvuse mõõtmise eeliseks on see, et need ei hõlma mitte ainult tulemust, vaid ka kognitiivsete protsesside tõhusust. Suurenenud varieeruvus reageerimisaegades on seotud raskustega tähelepanu juhtimisel või võimega hoida tähelepanu ja eesmärke (Unsworth, 2015). Kognitiivsete protsesside paranenud kognitiivne suutlikkus, tõhusus või stabiilsus on kõik hüpoteesitud kui potentsiaalsed mehhanismid, mis on koolitussekkumiste mõju aluseks (von Bastian & Oberauer, 2014). Tähelepanu ebaõnnestumine ülesande täitmisel võib viidata pigem ebajärjekindlale rakendamisele kui vähenenud võimsusele või ebanormaalsele funktsioonile. Sellist ebajärjekindlust asjakohaste kognitiivsete süsteemide rakendamisel ei pruugita seostada täpsuse vähenemisega, kui ülesanne või test ei ole piisavalt raske ja/või annab ainult jämedaid täpsusmõõte, kuid võib siiski oluliselt halvendada laste akadeemilist sooritust (Judd et al., 2021). ). Käitumuslikult oluliste kognitiivsete protsesside ebajärjekindel rakendamine võib muuta reageerimisaja jaotust. Need mõjud ei too tingimata kaasa erinevusi keskmistes reageerimisaegades, kuid neid saab kvantifitseerida erinevate indiviidisisese reageerimisaja varieeruvuse mõõdikute abil (Ali et al., 2019; Geurts jt, 2008; van Belle jt, 2015).

Individuaalset varieeruvust on tõepoolest seostatud tähelepanu katkemisega. Seda on näidatud ADHD-ga lastel, kellel on uuringute alarühmas sageli ebanormaalselt pikk RT (Hervey et al., 2006; van Belle jt, 2015). Võrreldes keskse tendentsi (nt keskmine või mediaan) näitajatega, on individuaalsed varieeruvuse mõõdud tundlikumad noorte täiskasvanute väsimuse (Wang et al., 2014) või väliselt hinnatud tähelepanuprobleemide suhtes (Gómez-Guerrero et al., 2011) ning ADHD-ga patsientide õigeks klassifitseerimiseks (Klein et al., 2006). Seetõttu võivad üksikisikusisesed varieeruvuse mõõdikud usutavalt tuvastada koolitussekkumistest põhjustatud muutusi, mida ei saa (veel) keskmiste tulemusnäitajatega tabada, kuna jõudluse varieeruvuse meetmed on kognitiivsete protsesside tõhususe suhtes tundlikumad.

Hiljutine töö on näidanud, et soorituse varieeruvus on seotud töömälu võimete, treenituse ja ülekandmisega akadeemilistele oskustele. Töömälu ülesannete seansside sees ja vahel esinevat täpsuse individuaalset varieeruvust on seostatud 3. ja 4. klassi laste õppeedukusega (Dirk & Schmiedek, 2016) ning hiljutine uuring 6-aastaste lastega. näitas, et indiviidisisene varieeruvus pärast töömälu kognitiivset treeningut oli seotud matemaatika tulemustega 3 aastat hiljem (Judd et al., 2021). Arvestades ennustavat seost koolis saavutatud õppeedukuse ja täiskasvanueas heaolu vahel (Tomasik et al., 2019), on oluline uurida mis tahes kognitiivse koolituse mõju õppeedukusele.

Kokkuvõttes on piisavalt põhjust oletada, et individuaalse reaktsiooniaja varieeruvuse mõõdikud võivad tuvastada lühiajalisi treeningefekte ja olla kasulikud pikaajalise kasu prognoosimisel. Siin testime hüpoteesi, et ülesande täitmise individuaalset varieeruvust, mida kvantifitseeritakse reageerimisaegade kaudu, saab kasutada koolituse efektiivsuse hindamiseks lühiajaliselt ja see on korrelatsioonis tulevaste kaugete ülekandeefektidega. Kasutame kognitiivsete ülesannete (N-Back ja Flanker), funktsionaalse magnetresonantstomograafia (fMRI) ja individuaalse soorituse difusiooniotsuste modelleerimise kombinatsiooni, et uurida viienädalase adaptiivse WMT mõju ajule ja kognitiivsele funktsioonile esimese klassi lastel. .

Meie konkreetsed hüpoteesid olid, et WMT aitaks lühiajaliselt kasu N-Backi ja Flankeri ülesannete täitmisele, suurendades täpsust ja vähendades reageerimisaegade individuaalset varieeruvust. Samuti oletasime, et WMT-le järgnenud vähenenud reageerimisaja varieeruvus on seotud aju aktiveerimisega peamistes töömälu piirkondades, nagu dorsolateraalne prefrontaalne ajukoor ja juttkeha. Lisaks oletasime, et kui WMT mõjutas võimet või motivatsiooni ülesandega seotud teabe valikuliselt jälgida, peaksime nägema erinevusi DDM-i hinnangulistes triivimismäärades koolitus- ja kontrollrühmade vahel. Lõpuks, võttes arvesse olemasolevaid tõendeid seoste kohta indiviidisisese varieeruvuse ja kognitiivse funktsiooni vahel erinevates psühhiaatrilistes ja vananevates populatsioonides, püstitasime hüpoteesi, et indiviidisisese varieeruvuse mõõdikud näitavad tulevasi tulemusi järgneval 6- ja 12-kuulisel jälgimisel. hinnanguid üles. Testime neid hüpoteese kolme sõltumatu andmekogumi abil.

2 MEETOD

2.1 Osalejad

Selle töö jaoks analüüsisime kolme erineva laste valimi (N=28, 572 ja 11 878) andmeid. Kirjeldame alljaotises 2.7 kahes suuremas kontseptuaalses replikatsiooninäidis kasutatud osalejaid ja ülesandeid. Esialgne fMRI proov hõlmas 28 tüüpiliselt arenevat 7–9-aastast algkoolilast (keskmine vanus=93 kuud, SD=5 kuud, 14 naist, töömälu treeningrühm [WMT] { {13}}, võrdlusgrupp [CMP]=12). Need lapsed värvati käimasolevast sekkumisuuringust, mis hõlmas üle 500 lapse ja 29 erinevat klassiruumi. Kohalik eetikakomitee (Kantonale Ethikkommission Zürich) kiitis heaks kõik selle uuringu käigus kasutatud protseduurid ja meetodid.

2.2 Kognitiivse koolituse programm

Koolitusprotseduurid koosnesid viienädalasest sekkumisest ja neljast hindamislainest, ühest eelsekkumisest (alustase), ühest vahetult pärast viienädalase sekkumise lõppu ja kahest järelkontrollist vastavalt 6 ja 12–13 kuu jooksul. . Hindamispatarei hõlmas töömälu ja IQ teste (numbrite ulatus, asukohavahemik, objektide ulatus, Raveni test), haridustulemusi (matemaatika arvutamisoskus ja matemaatika geomeetria, lugemisoskus) ja keskendumiskatseid (Go/NoGo ja BP ülesanne).

Rakendatud töömälu treeningprogrammiks oli Cogmedi RoboMemo1. See on arvutiprogramm, mis on väga kohandatav individuaalse jõudlusega ja mida rakendatakse sülearvutite, sealhulgas hääljuhiste jaoks mõeldud kõrvaklappide ja välise hiire kaudu. Sekkumine koosnes igapäevasest WMT seansist päevas (kestus ~30 min), 5 nädala jooksul (25 seanssi). Iga treeningseanss sisaldas kuut adaptiivset moodulit (töömälu ülesanded), sealhulgas 12 katset (kokku 75 katset). Sekkumise ajal oli igas klassis üks spetsiaalselt koolitatud õpilastreener.

Võrdleme WMT rühma lastega, kes said kuue koolitunni jooksul kas standardset klassiruumis õpet (N=3) või eneseregulatsiooni koolitust (N=9). Nendes tundides õpetas õpetaja vaimse kontrasti rakendamise kavatsustega (MCII) tehnikat (Duckworth et al., 2013), mis oli kohandatud vastava vanuserühma ja klassiruumi kontekstiga.

2.3 Koolitusjärgsed kognitiivsed ja otsustusülesanded

Töömälu (N-Tagasi) ülesanne: 11-min-ploki disaini töömälu ülesanne koosneb neljast tingimusest (joonis S1a). Tingimuses „0-Tagasi” peavad nad reageerima alati, kui näevad ekraanil päikesepilti. Tingimustes '1-Tagasi', '2-Tagasi' ja '3-Tagasi peavad nad reageerima alati, kui ekraanil olev pilt on sama kui 1, 2 või 3 enne seda vastavalt. Skaneerimise ajal salvestati jõudlusandmed. Peamised toimivusmuutujad on d-prime indeks (d'=z(HitRate) – z(FalseAlarms)) ja indiviidisisene variatsioonikoefitsient (ICV=SDRT/MRT) iga töö jaoks. mälu seisund.

Flanker ülesanne: 11-minuti sündmusega seotud ülesanne koostati Rueda jt põhjal. (2004). Osalejatele esitati 240 uuringut (joonis S1b). Iga katse koosnes viie kollase kala keskmisest reast sinisel taustal.

Neile anti käsk "sööta" ekraani keskel asuvaid kalu. Selleks tuli lapsel vajutada nööpkarbil paremale/vasakule nuppu, olenevalt keskkala suunast ja flankerite suunda eirates. Peamised jõudlusmuutujad on õigete vastuste % ja reageerimisaegade individuaalne variatsioonikoefitsient. Lisaks sobitame otsuste hajutamise mudeli reageerimise tulemuste ja aegadega, et määrata jõudluse erinevuse allika(d) (vt jaotis 2.4.2). Lõpuks, võrdluseks varem avaldatud dokumentidega, viisime läbi ka RT-andmete post-hoc analüüsi, kasutades endist Gaussi lähenemisviisi. Varasemate uuringute põhjal (Geurts et al., 2008; Hervey et al., 2006; van Belle et al., 2015) eeldasime rühmade vahel erinevusi RT-de eks-gaussi jaotuse eksponentsiaalse komponendi parameetrites.

Täielikkuse huvides märgime, et lapsed täitsid ka intertemporaalse valikuülesande, mis sarnaneb Steinbeis jt ülesandega. (2014) skanneris olles, mida manustati selleks, et testida eraldi hüpoteesi sellest, millele käesolevas artiklis keskendume.

Lisateavet kolme ülesande kohta leiate lisameetoditest.

2.4 Käitumise andmete analüüsid

Kaks fMRI valimi 28 lapsest loobusid uuringust pärast esimest ülesannet (mõlemal juhul intertemporaalse valiku ülesanne). Kolmel osalejal esines Flankeri ülesande ajal sooritusandmete kogumisel tehnilisi tõrkeid, mille tõttu üks osaleja jäi sooritusandmete täieliku kadumise tõttu välja ning kahe osaleja puhul sai analüüsis kasutada vaid ühte ülesande jooksu.

2.4.1 Käitumise tulemuslikkuse regressioon

Statistilised analüüsid viidi läbi RStudio (versioon 1.1.442) (RStudio Team 2020) abil.

Uurisime koolitatud ja treenimata rühmade erinevusi ülesannete peamiste jõudlusmuutujate osas vahetult pärast WMT-d. Selleks viisime NBacki ja Flanker ülesannete jaoks läbi üldise lineaarse mudeli (GLM), mille mõjutegur ja ülesande tingimus on treeningrühm (WMT vs. CMP) (N-Back: kõrge vs. madal töömälu; Flanker: kongruentne vs. . incongruent) juhuslike mõjuteguritena.

2.4.2 Otsuste hajutamise modelleerimise analüüsid

Otsuste difusioonimudeli (DDM) parameetrite sobitamiseks Flankeri ülesandega kasutasime Bayesi hierarhilist lähenemist, kasutades JAGS-i (Plummer, 2003) ja JAGS-Wieneri moodulit (Wabersich & Vandekerckhove, 2014) koos jags-paketiga (Plummer, 2018). (2013). Ühendus viidi läbi kolme ketiga, 100,000 sissepõlenud prooviga ja 10,000 tagumise prooviga, hõrenemiskiirusega 10 proovi. Konvergentsi hinnati visuaalse kontrolli abil ja tagades, et psrf-meetmed olid kõigi parameetrite puhul alla 1,05. Triivimiskiirused arvutati siht- ja mittesiht-stiimulite kaalutud lineaarse kombinatsioonina, et eristada igaühe suhtelist panust tõendite kogunemismäära. Siin sobitame DDM-i laste käitumisega Flankeri ülesandes. Me ei sobitanud N-Back ülesande andmeid, kuna see nõudis vastuseid ainult sihtkatsetes, mis moodustasid kõigist katsetest väikese vähemuse (25%).

Meie DDM-i spetsifikatsioonis annab triivikiiruse koefitsientide suurus meile teada, kui tugevalt iga stiimul mõjutab tõendite kogumisprotsesse. Flanker-ülesandes peaksid lapsed keskenduma sihtkalale, sest see üksi annab tõendeid õige vastuse kohta igas katses. Suund, kuhu külgnevad segajakalad on suunatud, ei oma tähtsust ja seda tuleks ignoreerida. Seega määrasime triivi kiiruse vastavalt võrrandile (1) allpool. Me oletasime, et 1–2 (st asjakohase miinus ebaolulise teabe kaal) peaks WMT-s olema suurem kui CMP rühmas.

2.5 fMRI andmete kogumine ja analüüs

fMRI eeltöötluse, skaneerimisparameetrite ja fMRI GLM-i üksikasjalikud kirjeldused leiate lisameetoditest.

2.6 Seosed treeningujärgsete kognitiivsete ülesannete täitmise vahel

Uurisime, kas vahetult pärast koolitust arvutatud individuaalsed varieeruvusnäitajad võiksid olla järgnevate järelhindamise käigus asjakohaste tulevaste tulemuste näitajad. Täpsemalt uurisime koguskoori SDQ-s (Woerner et al., 2002), mis on käitumise ja psühholoogilise heaolu sõeluuringu mõõt, mida tavaliselt manustatakse kliinilistes tingimustes, et tuvastada lapse potentsiaalselt probleemsed piirkonnad, mis väärivad täiendavat hindamist spetsialisti poolt. SDQ täitsid vanemad 6 kuud pärast koolitust. Uurisime ka lugemise akadeemilise jõudluse teste ja kahte matemaatika alamskaala (geomeetria ja aritmeetika), mis viidi läbi 12 kuud pärast koolitust. Keskendusime nendele spetsiifilistele akadeemilistele oskustele Bergeri jt sõltumatu valimi tulemuste tõttu. (2020), mis näitavad, et WMT parandas geomeetriat ja lugemisskoore, kuid mitte aritmeetikat.

Et uurida, kas indiviidisisesed varieeruvusmeetmed võivad näidata tulevasi tulemusi kõigis sekkumisrühmades järgnevatel järelhindamisel, viisime läbi Bayesi jõulised lineaarsed regressioonianalüüsid. Nende analüüsidega testiti, kas muutusi SDQ ja akadeemilistes oskustes (st algtaseme skooride kontrollimine) saab seletada laste täpsusega (d-prime) või reaktsiooniaja varieeruvusega koolitusperioodi lõpus sooritatud kognitiivsetes ülesannetes. Täpsemalt kasutasime tulevaste tulemuste selgitamiseks N-Back ülesande reageerimisaegade ja d-prime skoori variatsioonikoefitsienti ning flanker-ülesande DDM-i triivimäärade hinnanguid. Mõnede laste puhul puudusid teatud järelkontrolli või indiviidisisese varieeruvuse mõõdikud (mis tahes meetme puhul oli puuduvate väärtuste maksimaalne arv 4). Et kasutada võimalikult suurt osa meie väikese fMRI proovi andmetest, imputeerisime puuduvad väärtused, kasutades R-i paketti "hiired" (van Buuren & Groothuis-Oudshoorn, 2011). Genereerisime 10 erinevat arvestuslikku andmekogumit ja sobitasime Bayesi lineaarsed regressioonid igaühele neist, kasutades R-paketti „brms” (Bürkner, 2018) liidesena STAN-ile (Stan Development Team, 2020). Lõplikud järeldused tegime kõigi kümne tugeva regressioonimudeli kombineeritud tagumise jaotuse põhjal, et vähendada ühe kaudsete väärtuste komplekti mõju meie tulemustele. Kõik 10 mudelit kasutasid kõigi fikseeritud efektide jaoks z-skooriga sõltuvaid ja sõltumatuid muutujaid ning student-t priorisid (keskmine=0, SD = 1, vabadusastmed=10). Igas mudelis kasutati 6000 MCMC proovi kolmes sõltumatus ahelas pärast 1000 soojendusproovi iga ahela kohta ja hõrenemisetappi=5. Regressori muutujate täielik komplekt ja nende regressioonide tulemused on esitatud tabelis S7. Kõik regressioonid on kontrollitud iga sõltuva muutuja algtaseme toimivuse jaoks, mis hindab tõhusalt tulemuste muutusi.

2.7 Kontseptuaalne replikatsioon ja üldistamine sõltumatute näidiste abil

Testisime, kas põhiaspektid korduvad või üldistuvad kahes sõltumatus suuremas valimis. Kontseptuaalne replikatsioon hõlmas Bergeri jt andmete uudseid analüüse. (2020), mida edaspidi nimetatakse BFHSW uuringuks. BFHSW uuring viidi läbi eraldi valimiga 1. klassi lastest (vanus=6–7 aastat, keskmine = 6,8 aastat, SD=4,3 kuud) kui see, kust pärit lapsed meie fMRI proov võeti. Siiski kasutati kahes uuringus samu WMT-protseduure, aga ka paljusid samu hindamisvahendeid nii algtasemel kui ka järelkontrollis. Need kattumised võimaldavad meil testida seost reaktsiooniaja ICV-de muutuste vahel pärast koolitust ja nende seost akadeemiliste oskustega 12-kuulise jälgimise ajal, nagu meie fMRI valim, kuigi arvutatakse reageerimisaja ICV-d vastuse pärssimise põhjal. töömälu ülesande asemel (üksikasju vt 2.7.1). Samuti testisime, kas meie väikeses fMRI-valimis leitud seos ülesannete täitmise individuaalse varieeruvuse ning praeguse ja tulevase heaolu mõõtmise vahel üldistaks palju suuremat hulka lapsi, kes osalevad noorukite aju ja kognitiivse arengu (ABCD) uuringus. (Casey et al., 2018).

Berger et al. (2020) rakendas sama WMT sekkumist ja samu treeningueelseid ja -järgseid hinnanguid samadel järelkontrolli ajahetkedel (6 ja 12 kuud pärast koolituse lõppu), mida kasutati meie fMRI proovis eraldi 572 lapsest koosnevas komplektis. (6–7-aastased). Selles valimis hõlmas WMT rühma 279 osalejat, kes sooritasid sama WMT-d nagu meie esialgses valimis. Kontrollrühmad said kas standardset kooliõpetust, meie esialgse valimiga sarnast eneseregulatsiooni koolitust või tarkvaraõpet. Järgides Bergeri et al. (2020) võrdlesime ICV muutust reageerimisaegades pärast WMT-d 101 lapsega, kes said tavapärast kooliõpet. Kuid meie esmased testid seose kohta ICV muutuste vahel viienädalase sekkumisperioodi ja lugemise või geomeetria skooride paranemise vahel 1 aasta pärast koolitust viidi läbi 521–565 lapsega, kelle jaoks on meil igal ajal kõik asjakohased meetmed. punkt (vt üksikasju tabelitest 1 ja 2).

Arvutasime BFHSW uuringus töömälu ülesande asemel vastuse inhibeerimise ülesande individuaalse varieeruvuse reageerimisaegades. See uuring ei sisaldanud töömälu ülesannet, kus iga laps reageeris piisavalt kiiresti, et usaldusväärselt arvutada reageerimisaegade individuaalne varieeruvus. See hõlmas aga ülesannet Go / Nogo, mis mõõdab reaktsiooni pärssimist kõigil hindamislainetel, mida saaksime kasutada reageerimisaegade individuaalse varieeruvuse arvutamiseks. Seetõttu, et testida seost indiviidisisese varieeruvuse paranemise pärast koolitust ja pikaajalise, kaugele ülekandmise vahel akadeemilistesse oskustesse, arvutasime ICV proovimise RT-de standardhälbena, mis on jagatud prooviperioodi RT-de keskmisega. Pange tähele, et me arvutame ICV õigete katsete põhjal ainult nii nagu tegime kõigi ülesannete puhul esialgses valimis ja kooskõlas kirjanduse standardprotseduuriga (Bellgrove et al., 2004; Bos et al., 2020; Fagot et al., 2018; Marciano ja Yeshurun, 2017). Me nimetame neid analüüse kontseptuaalseks replikatsiooniks, kuna kasutame N-tagasi ülesande asemel Go/Nogo ülesannet. Lõpuks testisime BFHSW valimis ainult akadeemilisi oskusi, kuna paljud vanemad ei täitnud selles uuringus oma laste jaoks SDQ-d.

Paigaldame lineaarse regressiooni mudelid Stata (StataCorp 2015) abil. Täpsemalt järgisime Bergeri jt kirjeldatud meetodeid. (2020) ja hinnangulised tavalised vähimruutude regressioonid tugevate standardvigadega, mis on rühmitatud klassiruumi tasemel. Kõik regressioonimudelid hõlmasid nii sõltuvate muutujate (geomeetria või lugemisskoori) kui ka Go/Nogo ülesande ICV-ga seotud ravitüübi, kooli, soo, vanuse ja algtaseme tulemuslikkuse kontrollkoosmuutujaid.

For more information:1950477648nn@gmail.com