Autobiograafilise mälu vähenenud spetsiifilisus ja suurenenud üleüldisus püsivad kognitiivsete haavatavustena edasikanduva raske depressiooni korral: metaanalüüs, 2. osa

2,3|Andmete hankimine ja töötlemine

Kaks koolitatud uurimisassistenti (kaasautorid/ja/) otsisid eraldi.

Distsipliin ja mälu on lahutamatud. Hästi treenitud inimesel on üldiselt parem mälu, ta õpib kiiremini uusi asju selgeks ja töötleb teavet kergemini.

Keha treenimine võib aidata meil parandada mälu. Uuringud näitavad, et füüsiline treening võib suurendada aju neuronaalsete ühenduste tihedust ja aju verevoolu, edendades seeläbi aju tervist ja õppimisvõimet. Lisaks on hästi treenitud inimestel üldiselt parem vaimne tervis ja rohkem positiivseid emotsioone koos füüsilise tervisega, mis kõik aitavad kaasa mälu paranemisele.

Lisaks füüsilisele treeningule saame mälu parandada ka aju treenides. Mõned meetodid hõlmavad järgmist: mälumängude harjutamine, matemaatikaülesannete lahendamine, lugemine ja kirjutamine jne. Need tegevused võivad aidata meil treenida aju ning parandada tähelepanu, keskendumisvõimet ja mõtlemisoskust.

Lõpuks on uni mälu parandamisel oluline tegur. Uni aitab meil õpitut kinnistada ja ajus segadust eemaldada. Häid uneharjumusi säilitades saame muuta oma aju selgemaks ja energilisemaks.

Kokkuvõtteks võib öelda, et hea treening võib soodustada mälu paranemist ning sellega seotud tegevused on positiivsed ning kasulikud füüsilisele ja vaimsele tervisele. Treenides oma aju ja säilitades häid uneharjumusi, saame parandada oma mälu ja õppida tõhusamalt uusi asju. On näha, et meil on vaja mälu parandada ja Cistanche deserticola võib oluliselt parandada mälu, sest Cistanche deserticola suudab reguleerida ka neurotransmitterite tasakaalu, näiteks tõsta atsetüülkoliini ja kasvufaktorite taset. Need ained on mälu ja õppimise jaoks väga olulised. Lisaks võib liha parandada ka verevoolu ja soodustada hapniku kohaletoimetamist, mis tagab aju piisava toitainete ja energia kättesaamise, parandades seeläbi aju elujõudu ja vastupidavust.

Lühimälu parandamiseks klõpsake nuppu Tea

Seejärel ekstraheeris üks uurimisassistent kõik andmed algselt ja teine ​​​​uurimisassistent eraldas kõik andmed uuesti, kontrollides lahknevusi. Esimene autor (/) kontrollis seejärel andmeid ja kõik allesjäänud erinevused lahendati arutelu teel.

Me eraldasime igas rühmas osalejate arvu antud uuringus, nende keskmise vanuse, naiste osakaalu ja raske depressiooni hindamiseks kasutatud diagnostikavahendi, depressiivsete sümptomite raskusastme, varasemate depressiooniepisoodide arvu, kasutatud vihjete arvu, vihje kii vastuse valents ja kestus. Kui uuring kirjeldas selgesõnaliselt osalejate haridustaset ja etnilist päritolu, võeti see ka välja.

Igas uuringus kasutatud depressiooni sümptomite raskusastme mõõtmiseks eraldati nii kliinilise kui ka kontrollrühma keskmised ja standardhälbe skoorid.

Kuigi uuringud valiti välja selle põhjal, et kummalgi võrreldud osalejate rühmal ei olnud kliinilist depressiooni, võis siiski esineda erinevusi depressiivsete sümptomite vahel, mis võisid põhjustada rühmaspetsiifilisi või üldisi mälestusi.

Seetõttu arvutati iga uuringu puhul raskusastme skooride standardiseeritud keskmine erinevus rühmade vahel ja seda muutujat hinnati metaregressiooni kaudu potentsiaalseks moderaatoriks.

Me ekstraheerisime AMT näpunäidete vahel leitud spetsiifiliste ja üldiste mälestuste arvu või osakaalu keskmise ja standardhälbe. Kui see teave oli saadaval erinevate näpunäidete valentside kohta, eraldati see ka, et neid saaks eraldi analüüsida.

Samuti eraldasime aja, mille jooksul osalejad pidid meelde tuletama iga mälestuse pärast vihje esitamist, kas vastuseid sai anda suuliselt või muul viisil, ja osalejatele antud vihjete arvu.

2.4|Analüütiline strateegia

Juhuslike efektide metaanalüüsid maksimaalse tõenäosuse hindajatega viidi läbi metapaketi (Balduzzi et al., 2019) abil Rstatistical tarkvaras 4.0.3 (R Core Team (2020), 2020) konkreetsete ja üldiste mälude jaoks eraldi , kasutades efekti suurusena Hedgesi g.

Metsatükke kasutati üldise efekti suuruse 95% usaldusvahemiku ja ennustusintervalli, samuti individuaalsete uuringupunktide hinnangute ja 95% usaldusvahemike graafiliseks kujutamiseks. Uuringute vahel teatati efekti suuruse heterogeensusest Q, τ2 ja I2 kujul. Q statistika näitab, et valimi veast väljapoole jäävad tegurid põhjustavad mõju suuruse hinnangu varieerumist (Lipsey & Wilson, 2001).

τ2 statistika näitab tegeliku dispersiooni absoluutväärtust. Q-statistika võime tuvastada statistiliselt olulisi erinevusi põhineb metaanalüüsis kasutatud uuringute arvul.

Seevastu I2 indeks ei tugine statistilisele olulisusele ja on selle asemel protsent mõju suuruse koguvariatsioonist, mis on tingitud pigem uuringute heterogeensusest kui juhusest (Higgins & Thompson, 2002). Need analüüsid viidi läbi üldiste efektide suuruste jaoks näpunäidete tüüpide lõikes ja iga kii valentsi jaoks eraldi.

Seoses täheldatud heterogeensuse potentsiaalsete moderaatoritega testisime depressiivsete sümptomite raskusastme erinevusi rühmade vahel, kasutades keskmiste ja SD-de põhjal hinnatud efekti suurust, vanust, naiste osakaalu (soo mõju hindamiseks), kasutatud näpunäidete arvu. AMT, AMT-st otsimiseks antud aja kestus, avaldamisaasta ja valimi suurus.

Arvestades, et äärmuslikud skoorid võivad üldist mõju põhjendamatult mõjutada, tuvastasime kõrvalekalded kui kõik uuringud, mille usaldusvahemikud ei kattunud kombineeritud efekti suuruse usaldusvahemikuga. Tundlikkuse analüüsid viidi läbi, eemaldades need uuringud ja viies seejärel analüüsid uuesti läbi, et hinnata üldise mõju muutusi.

2,5|Eelarvamuste oht

Eelarvamuste hindamiseks kasutasime mitut erinevat meetodit. Uuringutasandil hinnati eelarvamuste allikaid, auditeerides, kas (1) uuring hõlmas randomiseerimist uuringuülesannete vahel ja sees (nt fikseeritud või juhuslikus järjekorras esitatud sõnad), (2) osalejate rühmajaotus oli nende eest varjatud, ( 3) osalejad ja töötajad olid uuringu olemuse suhtes pimedad, (4) autobiograafilise mälu ülesande kodeerijad olid pimedad osalejate rühma määramise ja uuringu olemuse suhtes kodeerimise ajal, (5) oli tõendeid mittetäieliku tulemuste aruandluse kohta või vastupidisel juhul, nagu eelregistreerimise puhul, kaasati uuringusse (5) konkreetsed osalejad, kuid jäeti need ebaselgetel põhjustel analüüsidest välja ja (6) uuringusse kaasati konkreetsete meetmete hinded, kuid need jäeti lõpparuandest valikuliselt välja.

Kui neid võimalikke eelarvamuste allikaid täheldati, täheldati kallutatuse suurt riski. Kui uuring ei sisaldanud piisavalt teavet, et hinnata selgelt, kas see oli võimalik kallutatuse allikas, täheldati muret.

Kui uuringus märgiti selgesõnaliselt mainitud eelarvamuste haldamiseks võetud meetmed, märgiti eelarvamuse madalat riski. Uuringute valimi avaldamise kallutatuse hindamiseks koostasime lehtrigraafikud, mille mõju suuruse hinnangud joonistati x-teljel ja nende standardvea pöördväärtus y-teljel. Graafikud meenutavad lehtrit, lehtri põhjas on vähem täpsed hinnangud ja ülaosas kõige väiksemate standardvigadega hinnangud.

Kui avaldamise kallutatust pole, on lehtri graafik hüpoteetiliselt sümmeetriline. Puuduvad uuringud, mis on avaldamise kõrvalekalde tõttu maha surutud, võivad aga lehtri graafikus põhjustada märgatavat asümmeetriat. Eggeri testi (Egger et al., 1997) kasutati lehtri graafiku asümmeetria statistilise testina, kusjuures märkimisväärne p-väärtus viitab lehtri graafiku asümmeetriale ja seetõttu avaldamise kõrvalekaldele.

Viidi läbi kärpimise ja täitmise protseduur, mis hindab "puuduvaid uuringuid", kuni lehtri graafiku sümmeetria on ja annab kohandatud efekti suuruse. Eelkõige ei pruugi see protseduur anda usaldusväärseid tulemusi olukorras, kus uuringute vahel on märkimisväärne heterogeensus.

P-kõvera analüüsi kasutati ka p-häkkimise potentsiaali hindamiseks, st andmete valikuliseks esitamiseks või analüüsiks, mille eesmärk oli saavutada p-väärtus alla 0,05 (Simonsohn et al., 2014).

Eelduseks on see, et kui p-väärtuste jaotus alla 0,05 on vasakule kaldu, näitab see kõrvalekaldeid tulemuste poole, mis on statistiliselt vaid marginaalselt olulised võrreldes nendega, mis on selgelt alla 0,05 alfa.

Seda võib tõlgendada nii, et see näitab, et p-häkkimine on üldist metaanalüütilist efekti kallutanud. Selles analüüsis antakse statistilise võimsuse hinnang, kusjuures suurem võimsus suurendab väiksema p-väärtuse ja "tõelise efekti" jälgimise tõenäosust.

3|TULEMUSED

3.1|Õppetöö valik ja õppeomadused

Otsingu tulemusel saadi 17 sobivat uuringut (vt joonis 1). Metaanalüüsi kaasatud 17 artikli näidisomadused on toodud tabelis 1. AMT vastuste indeksi spetsiifilisuse kohta esitatud uuringute jaoks arvutati viisteist efekti suurust, kusjuures üheksa efekti suurust arvutati üleüldiste mälude jaoks. Seitse uuringut teatasid nii spetsiifilisusest kui ka üldistest mälestustest kui AMT vastuste indeksist (Crane et al., 2007; Gupta & Kar, 2012; Haddad et al., 2014; Jermannet al., 2013; Mackinger et al., 2000; Matsumoto jt al., 2022).

Kõik üheksa uuringut, mis teatasid vastusena AMT-le üleüldistest mälestustest, esitasid kategooriamälude arvu või osakaalu üleüldise mälu indeksina, samas kui ainult kaks uuringut teatasid võimalikest üleüldistest vastustest (st laiendatud mälestused või semantilised seosed [sõnad, mis võivad olla temaatiliselt seotud, kuid mitte esindavad). mälestus iseenesest, nt mulle meeldivad lilled]).

Arvestades seda ja varasemaid tõendeid selle kohta, et depressiooniga ja ilma depressioonita inimeste erinevused võivad olla tingitud kategooria- ja tekstita tüüpi üldistest mälestustest (Mark et al., 1992), kasutati kategoorilisi mälestusi üleüldise mälu indeksina. kõigis analüüsides.

Valimi suurus oli üheksa kuni 275 osalejat (vahemikus 9–164 leebenud depressiooni korral; vahemik 10–275 kontrollrühma). Selle ülevaate uuringud avaldati aastatel 2000–2016, välja arvatud üks eeltrükk, mis avaldati 2021. aastal. Osalejate keskmine vanus oli 20,9 aastat (vahemikus 11–86 aastat), juhtumi- ja kontrollproovid kõigis uuringutes olid ligikaudu võrdse vanuse keskmisega.

Naiste keskmine osakaal uuringutes oli 78,18% (remiteerunud depressioonirühm=82,7%, kontroll=73,7%). Kõikides uuringutes kasutati intervjuusid depressioonidiagnooside hindamiseks või depressiooni ajaloo välistamiseks ning kõik peale kahe kasutasid struktureeritud standardiseeritud diagnostiliste intervjuude tööriistu.

Proovides kasutati mitut erinevat depressiooni raskuse mõõdikut; kõige sagedamini kasutatav oli aga BeckDepression Inventory-II (BDI-II; n=8; 44,4%; Beck et al., 1996).

Tensuuring andis teavet möödunud episoodide arvu kohta taandunud depressiooni rühmas; keskmisi ja standardhälbeid sai aga eraldada või arvutada ainult üheksast. Barnhofer jt (2007) esitasid mediaan- ja vahemiku väärtused, mis teisendati keskmisteks ja standardhälveteks, kasutades Box-Coxi meetodit (McGrathet al., 2020).

Haddad et al. (2014) esitasid keskmise ja vahemiku, millest viimast kasutati standardhälbe hindamiseks (Hozoet al., 2005). Haringsma jt jaoks. (2010), hinnati keskmist ja standardhälvet tabeliandmete abil, mis näitasid, et 26 osalejal oli ainult üks eelmine episood ja ülejäänud 37 osalejat, kellel oli kaks või enam eelmist episoodi, kodeeriti konservatiivselt kahe episoodina.

ForSpinhoven et al. (2006) võis keskmist ja standardhälvet esitatud andmete põhjal hinnata, kuigi osalejad, kelle kohta teatati kuue või enama varasema episoodi kohta, kodeeriti konservatiivselt kuue episoodi kogemisega.

Vajadusel mõõdeti kõigis uuringutes mälu spetsiifilisust või üleüldisust, kasutades AMT-d (Williams & Broadbent, 1986). Lisaks küsiti kõigis uuringutes suuliselt vastuseid, välja arvatud üks uuring, mis kaldus sellest vormingust kõrvale ja nõudis kirjalikku vastust (Wesselet al., 2001). AMT-s konkreetsete mälestuste esilekutsumiseks antud näpunäidete arv varieerus uuringute lõikes (vahemikus=10–40).

Positiivsed ja negatiivsed valentsid olid kõige sagedamini teatatud valentsidest. Liiga vähesed uuringud teatasid neutraalsest valentsist, et hinnata neid vastuseid nendele näpunäidetele eraldi. Pooled uuringud määrasid AMT näpunäidetele 30- s reageerimisaja, samas kui ülejäänud kasutasid erinevaid reageerimisaegu (vahemikus=20–120 s).

3.2|Uuringute eelarvamuste oht

Leiti, et kõigis uuringutes on vähemalt teatud muret eelarvamuste riski suhtes (uuringute täieliku kodeerimise kohta vt tugiteavet). Nagu on näidatud tabelis 2, kodeeriti uuringud igas võimaliku eelarvamuse allika kategoorias valdavalt teatud murekohana. Enamikus uuringutes ei olnud selget muret, et andmed esitati mittetäielikult.

Ühtegi uuringut ei olnud eelregistreeritud, seega ei saanud välistada selektiivse teatamise ohtu. Need leiud viitavad sellele, et selles valdkonnas läbiviidud uuringutel on tõenäoliselt üks, kui mitte mitu võimalikku eelarvamuse allikat ja neid tuleks tõlgendada vastavalt ja avaldamise kallutatuse näitajate kontekstis.

3,3|Sünteeside tulemused: Spetsiifilise mälu taastamine

Mõõduka depressiooniga inimeste ja inimeste vahel, kes ei olnud kunagi depressiooni põdenud, konkreetsete mälestuste võrdlemisel ilmnes väike kuni mõõdukas negatiivne koondefekt (k {{0}};g=0).314 , 95% CI [ 0,543; 0,085], z=2,69, p=0,007), mis viitab sellele, et remissioonis olevad inimesed meenutasid vähem konkreetseid mälestusi. Mis puudutab heterogeensust, siis ilmnes seletamatu dispersioon uuringuefektide suuruste vahel (Q[14]=43,41, p < 0,001; I2=67,7%, τ2=0,12) , mis näitab moderaatorite testimise alust, mis võib seda dispersiooni selgitada.

Vt jooniselt 2 metsatüki mõju suuruste, sealhulgas prognooside intervalli kohta. Prognoosimisintervall näitas, et mõju võib tulevastes uuringutes olla mõnes populatsioonis nii madal kui 1,12 ja teistes kuni +0,54. Lisaks on ka mõned populatsioonid, kus mõju suurus võib olla null. Kõrvaltegurite analüüs näitas, et oli üks kõrvalise mõju suurus (Gupta & Kar, 2012; SMD=1,69).

Kui see kõrvalekalle välja jätta ja analüüsi uuesti läbi viia, ei muutunud tulemused sisuliselt ja need näitasid siiski olulist, väikese kuni mõõduka mõju (k=14; g=0.262, 95 % CI[ 0.477; 0.046], z=2,38, p=0,017). Samuti leidus endiselt tõendeid uuringu mõjude erinevuste kohta (Q[14]=35,42, p < 0,001; I2=63,4%, τ2=0,09).

For more information:1950477648nn@gmail.com