Интраиндивидуалната променливост в изпълнението на задачите след когнитивно обучение е свързана с дългосрочни резултати при деца, част 2

2.7.2 Изследване на мозъка и когнитивното развитие на юноши (ABCD).

Проучването ABCD (https://abcdstudy.org, издание на данни версия 3.0) е надлъжно, многоцентрово проучване на детското когнитивно и невробиологично развитие, започващо от 10-годишна възраст, с данни за 11 878 деца. Това проучване включва широк набор от стандартизирани въпросници и интервюта, обхващащи както общото благосъстояние, така и клиничните мерки. Освен това участниците изпълняват няколко когнитивни задачи, включително задача Nback (Casey et al., 2018). Ние тествахме дали вътрешноиндивидуалната променливост, отново количествено определена като коефициент на вариация във времето за реакция, по време на задачата N-Back е свързана с резултати в Контролния списък за поведение на детето (CBCL, Achenbach, 1991).

Задачата N-Back е задача, която се използва широко за тестване и трениране на работната памет. В задачата N-Back участниците трябва да запомнят предишния стимул, за да отговорят правилно на въпроса в следващата задача. През последните години много проучвания показват тясна връзка между тези задачи и функцията на паметта.

Проучването установи, че след тренировка със задачи N-Back способността за работна памет на участниците ще се подобри. Работната памет играе много важна роля в ежедневието. Може да ни помогне да обработваме информация и да вземаме решения по-добре и в същото време да ни помогне да разберем по-добре сложната информация и да решаваме проблемите по-добре.

Освен това задачата N-Back помага за подобряване на вниманието и когнитивната гъвкавост. Чрез трениране на работната памет мозъците на участниците могат по-добре да се адаптират към променящите се среди и задачи и да се справят по-добре със сложни проблеми и стрес.

Като цяло връзката между задачата N-Back и паметта е много тясна. Точно както трябва да тренираме тялото си, за да поддържаме добро здраве, ние също трябва да тренираме мозъка си, за да поддържа отлични когнитивни и паметови функции. Като се ангажираме активно със задачата N-Back, можем да подобрим работната си памет, да подобрим вниманието и гъвкавостта си и по този начин да подобрим нашите когнитивни способности и мисловни умения. Следователно трябва активно да се ангажираме със задачите на N-Back, за да поддържаме здрав мозък и отлична когнитивна функция. Вижда се, че трябва да подобрим паметта си. Cistanche deserticola може значително да подобри паметта, тъй като Cistanche deserticola може също да регулира баланса на невротрансмитерите, като например повишаване на нивата на ацетилхолин и растежни фактори. Тези вещества са много важни за паметта и ученето. Освен това месото може също да подобри притока на кръв и да насърчи доставката на кислород, което може да гарантира, че мозъкът получава достатъчно хранителни вещества и енергия, като по този начин подобрява мозъчната жизненост и издръжливост.

Щракнете върху познайте 10 начина за подобряване на паметта

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%) във всичките три налични в момента времеви точки и чийто ИТМ е спаднал между 1-ви и 99-ти персентил (ИТМ персентил=13.3 и 35,0, съответно). Ограничихме диапазона за ИТМ, защото имаше малко малцинство (<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 РЕЗУЛТАТА

3.1 Поведенчески резултати

Децата в WMT не се различават от тези в CMP на изходно ниво. Преди началото на каквато и да е програма за обучение, всички участници бяха оценени с помощта на набор от тестове, включващи обща интелигентност (модифицирана версия на матриците на Raven), работна памет (визуална, пространствена), инхибиране (задача Go-NoGo), училищни постижения ( включително четене, аритметика, геометрия и т.н.) и мерки за скрининг на психологическо благополучие (SDQ). Статистическите сравнения между двете групи показват, че те не се различават по нито една от тези базови мерки (Таблица S1). Въпреки че двете групи не показват разлики в нито една мярка на изходно ниво, включително когнитивни задачи, измерващи работната памет и уменията за внимание, нямаме изходни мерки за задачите N-Back и Flanker, докладвани в следващия раздел.

3.2 Констатации за променливост на точността и времето за реакция

Като цяло, групата от деца, произволно определени да преминат през адаптивна WMT, се представи по-точно и с по-малка вариабилност от опит до опит във времето за реакция по време на задачите N-Back и Flanker, отколкото тези в CMP (вижте допълнителни таблици S2 и S3 за пълния набор от описателни статистики и резултати). Групата WMT отговори по-точно в задачата на Flanker както в конгруентните, така и в неконгруентните опити. В задачата N-Back децата в групата WMT бяха по-точни от тези в CMP при опити с ниска работна памет (0-1 назад), но двете групи не се различаваха значително при опити с висока работна памет ({{ 7}} назад).

В допълнение към по-добрата точност, децата, които са получили адаптивен WMT, също показват по-малко интраиндивидуална вариабилност във времето за реакция, отколкото децата в групата CMP (допълнителни таблици S2 и S3). Ние изчислихме интра-ICV като интраиндивидуално RT стандартно отклонение/интраиндивидуално RT средно. Децата в групата WMT са използвали външни мишки по време на обучителната интервенция, а не съвместимата с ЯМР кутия с бутони, използвана по време на задачите Flanker и N-back, и по този начин познаването на устройството за реакция не може да бъде източник на разлики в ICV между групите.

3.3 Анализи на модела за вземане на решение за дифузия

Ние приспособихме DDM модел към поведението на децата в задачата Flanker, за да определим механизмите, водещи до разлики в променливостта на времето за отговор между групите за лечение. Използвайки DDM, можем да определим дали променливостта на времето за реакция се дължи на (1) разлики във времето без вземане на решение; (2) разлики в границата или прага, определящи кога има достатъчно доказателства, за да се направи един отговор спрямо другия (често тълкуван като предпазлив отговор); и/или (3) нивата на отклонение (т.е. колко бързо и стабилно се натрупват доказателства). Разделихме скоростта на отклонение на два компонента, за да измерим чувствителността на децата към съответната информация от целта в сравнение с неуместната информация от фланговете. Съответствията са обобщени в таблица 3 и показват, че децата в групата WMT са били по-чувствителни към информацията, пренасяна от целевата риба (т.е. нейната посока) спрямо рибата-дистрактор (постериорна вероятност=0.992) и са използвани по-висок праг на отговор (постериорна вероятност=0.952) от децата в CMP. Тези DDM резултати са в съответствие с по-доброто внимание към характеристиките, свързани със задачата, след WMT.

Ние също така симулирахме отговорите от монтирания модел на решение за дифузия, за да проверим дали може да възпроизведе моделите на променливостта на времето за реакция, наблюдавана в задачата Flanker. За да генерираме симулирани отговори в задачата Flanker, използвахме най-подходящите DDM параметри на всеки участник. След това сравнихме симулираните времена за реакция между групите и открихме, че RTs са по-малко променливи за симулирани агенти, използващи параметри от участниците в WMT, отколкото за симулирани агенти, базирани на параметрите на децата на CMP (Таблица S4). По този начин монтираният DDM може както да обясни, така и да генерира различни нива на променливост на времето за реакция в двете групи.

В допълнение към напасването на DDM, ние също така проведохме пост-хок тест, напасвайки екс-гаусовото разпределение към времето за реакция на всяко дете. Въпреки че бившият модел на Гаус не позволява същия тип механистични изводи като DDM, ние го приспособяваме и докладваме, за да улесним сравнението с предишни публикувани статии, използващи този метод за количествено определяне на интраиндивидуалната променливост в RT. Тези екс-гаусови резултати са в съответствие с резултатите от ICV и DDM и показват, че параметрите на стандартното отклонение (сигма) и експоненциалното (тау) се различават между обучената работна памет и CMP, но няма значителна разлика в средните стойности (mu) на разпределението на времето за реакция (Таблица S5). С други думи, по-променливите индивиди не са били надеждно по-бързи или по-бавни, за да реагират като цяло. По-скоро те бяха по-непоследователни в начина, по който изпълняваха отговорите си. Интраиндивидуалната променливост беше силно корелирана между задачите N-Back и Flanker (r=0.65, p {{10}}.0008, 95% CI [0,32, 0,84]).

Заедно, моделът на поведенческите резултати както в когнитивните задачи, така и в няколко допълващи се форми на анализа предполагат, че адаптивната WMT интервенция може да е увеличила способността на децата да ангажират и поддържат вниманието върху информация, свързана със задачата, по общ начин скоро след петте седмици от обучението бяха завършени.

3.4 Резултати от fMRI

Наред с по-добрата точност, WMT групата показа повишено активиране в сравнение с CMP в мозъчни региони, които са част от мрежите за внимание и контрол по време на опитите с ниска работна памет. Те включват части от предно-стриатално-таламични системи като десния каудат, путамен, палидум, таламус, долни средни и горни фронтални извивки, дорзална предна част на зъбния кортекс и допълнителна моторна кора (Таблица S6, Фигура 1). В съответствие с поведенческите констатации за подобна точност при състояние на висока работна памет, няма значителни разлики в BOLD сигнала между групите по време на опитите с висока работна памет. Не открихме никакви значителни разлики в активността като функция на WMT по време на задачата Flanker.

В допълнение, ние открихме, че свързаните със задачата нива на BOLD сигнал в региони, които показват по-голяма активност в групата (вижте Фигура S2), също корелират с интраиндивидуалните коефициенти на вариация и/или точност на задачата N-back във всички участници ( Фигура 1, долен ред). Трябва да се очаква известна връзка с точността и вътрешно-ICV в тези региони, като се има предвид, че има групови различия в интра-индивидуалната вариабилност. Въпреки това, активността в дорзалната стриатална функционална ROI, обхващаща дорзалната опашка и путамена, беше значително свързана с интраиндивидуалната вариабилност дори след отчитане на ефектите от състоянието на WMT (коеф=−0).25, p=0.004; Таблица 4). Имаше подобни, макар и незначителни, тенденции в дорзолатералния префронтален кортекс (dlPFC) за интраиндивидуална вариабилност и в предния цингуларен кортекс/допълнителна моторна зона за точност (Таблица 4).

3.5 Асоциации между изпълнението на когнитивните задачи след обучение и последващите мерки в извадката от fMRI

Променливостта на времето за реакция обяснява значителна допълнителна вариация в бъдещите SDQ резултати (стандартизиран коеф. {{0}}.32 ± 0.14), геометрията (стандартизиран коеф.=−{{7 }}.66 ± {{10}.23) и четене (стандартизиран коефициент=−0.32 ± 0.14), след отчитане на базовите резултати в тези мерки и IQ (Таблица S7) . По този начин променливостта на времето за реакция след 5 седмици обучение се свързва с бъдещо подобрение в SDQ резултатите и академичните умения, които все още не са очевидни в директните тестове на тези умения в същия момент. За разлика от това, нито едно изпълнение на когнитивни задачи след обучение или изходни мерки не са значително свързани с бъдещи аритметични резултати. По този начин, в нашата извадка, вътрешноиндивидуалната вариабилност във времето за реакция, измерена веднага след интервенцията, корелира с бъдещото представяне в същите академични области, за които Бергер и колегите преди това установиха, че са подобрени 1 година след WMT в независима извадка.

3.6 Концептуално възпроизвеждане на връзката между ICV след обучение и последващи мерки в извадката на BFHSW

В съответствие с нашите резултати в извадката за fMRI, промените в ICV (след спрямо преди интервенция) по време на задачата Go/Nogo също бяха свързани с подобряване на геометрията и уменията за четене 1 година след WMT в независимата извадка BFHSW (Таблици 1 и 2) , въпреки че ефектът за четене не преживява корекцията на Bonferroni за множество сравнения. Обърнете внимание, че нашата регресионна спецификация включва регресори както за изходно ниво (W1), така и за след обучение (W2) Go/Nogo ICV, и в тази спецификация коефициентът за W2 Go/Nogo ICV представлява ефекта от промяната в представянето между W1 и W2 . Същото важи и за използването на бъдещи резултати от академични умения като зависима променлива, когато се включва базовият резултат като независима променлива в регресията.

Интересното е, че докато N-back ICV се различаваше значително между WMT и контролните групи непосредствено след обучението, значителни разлики в Go/Nogo ICV не се появиха до 12 месеца след обучението (Таблица 2). Тази забавена поява на значителни подобрения в Go/Nogo ICV е в съответствие със забавената поява на подобрения на точността на Go/Nogo, докладвани от Berger et al. (2020 г.). Въпреки че все още не се различават значително между различните лечения, промените в Go/Nogo ICV от изходното ниво до след обучението все още предвиждат бъдещи подобрения в представянето. Уместен въпрос за бъдещи изследвания е да се определи кои типове когнитивни задачи (напр. работна памет, инхибиране на реакцията и т.н.) са най-подходящи за оценка на вътрешноиндивидуалната вариабилност във времето за реакция или точността за прогнозиране на появата на ползи от далечен трансфер след работа памет или други тренировъчни режими.

3.7 Връзката между ICV и мерките за благосъстояние се обобщава в проучването ABCD

Използвахме данни от първите три вълни на надлъжното ABCD проучване, за да проверим дали връзката, която наблюдавахме в нашата fMRI извадка между вариабилността на времето за отговор по време на задачата N-back и мерките за благосъстояние е обобщена до независим и по-голям набор от деца. Използвахме данните за ИТМ и резултатите от Контролния списък за поведение на детето (CBCL) като наши мерки за благосъстояние в проучването ABCD. За разлика от нашите проучвания fMRI и BFHSW, проучването ABCD не включва интервенция на WMT. Затова използвахме данните от ABCD, за да проверим дали има значителна връзка между N-back ICV и текущото благосъстояние и, ако е така, дали тази връзка се запазва през първата и втората година на проследяване в това надлъжно проучване.

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) резултати, в съответствие с констатациите в пробата за fMRI.

Ние сравнихме фиксираните модели и моделите на взаимодействие, използвайки кръстосано валидиране с изпускане на един навън с извадка по важност, изгладена по Парето (PSISLOO, Vehtari et al., 2017). Сравненията на моделите благоприятстваха умерено по-простия фиксиран модел без взаимодействия с последващи вълни, когато обясняваха както BMI (разлика в очакваната логаритмична поточкова прогнозна плътност (elpd) за модела на взаимодействие=−2,3, стандартна грешка (SE) на разликата=1.6) и CBCL (elpd разлика=−2.6, SE = 1.9). Освен това, нито един от моделите на взаимодействие не предполага намаляване на обяснителната сила на изходното N-back ICV за благосъстоянието при 1- или 2-години последващи посещения спрямо изходното ниво. Ако не друго, имаше леко увеличение на регресионния коефициент за ICV между изходното ниво и година 2, когато се опитваше да обясни ИТМ. По този начин резултатите от данните от ABCD показват, че връзката между N-back ICV и благосъстоянието на децата се обобщава в мерките за благосъстояние (SDQ, CBCL, BMI) и обяснителната сила на N-back ICV продължава през поне 2 години опит и развитие при липса на когнитивна тренировъчна намеса.

4. ДИСКУСИЯ

Настоящото проучване изследва как неврокогнитивните механизми, лежащи в основата на краткосрочното въздействие на адаптивния WMT при децата в началното училище, са свързани с ползите от обучението, които се появяват месеци или години след обучението. Като цяло, нашите резултати предполагат, че в допълнение към самата работна памет може да има едновременни ползи от селективното и продължително внимание по време или директно след пет седмици обучение. Ние показваме, че вътрешноиндивидуалната променливост във времето за реакция по време на няколко различни когнитивни задачи може да се използва за откриване на краткосрочни ефекти от обучението при деца и че такива мерки могат да бъдат показателни за устойчивостта и/или появата на ползи от далечно прехвърляне месеци до години след това обучението е завършено.

Нашите открития показват, че по-доброто внимание е сред непосредствените резултати от адаптивния WMT. Смята се, че процесите на работната памет и вниманието са тясно свързани и взаимозависими (Astle & Scerif, 2011; D'Esposito & Postle, 2015; Engle, 2018; Eriksson et al., 2015; Gazzaley & Nobre, 2012; Unsworth & Robison, 2017 ; Wass et al., 2012). Въпреки че имат различни първични цели, задачите Flanker, Go/Nogo и N-Back изискват способността да се поддържа фокус на вниманието през цялата задача (продължително внимание) и да се идентифицират целевите стимули и да се филтрират или инхибират реакциите към нецелеви стимули (избирателно внимание). На невронно ниво разликите между WMT и CMP групите бяха открити в стриатума, както и в латералния и медиалния префронтален кортекс, които са мозъчни области, които, наред с други неща, поддържат селективни и устойчиви функции на вниманието (Frank et al., 2001 ; Mcnab & Klingberg, 2008; Zanto и др., 2011).

Тези невронни разлики бяха придружени от по-добра производителност на откриване на сигнал (т.е. по-висок d-prime), намалена интраиндивидуална вариабилност във времената за реакция и по-ефективно натрупване на подходяща информация (т.е. по-високи скорости на дрейф на DDM) при деца, които са получили адаптивен WMT. Всички тези поведенчески мерки са свързани и зависят от вниманието. Следователно, взети заедно, нашите невронни и поведенчески резултати предполагат, че ползите от програмата, използвана в това проучване, са поне частично медиирани от по-ефективни процеси на внимание, водещи до последователни и ефективни отговори на информация, свързана със задачата, и намалена обработка на неуместни, разсейващи стимули .

Тези резултати допълнително подкрепят теориите за механизмите, които са в основата на ползите от обучението. Мета-анализ на предишни проучвания за обучение заключава, че адаптивната WMT програма Cogmed-RM има ефект върху вниманието в ежедневието (Spencer-Smith & Klingberg, 2015). По-ефективните процеси на внимание, които открихме в края на обучението, са в съответствие с предишни резултати и теории за основата на ефектите на далечния трансфер след когнитивното обучение (Dahlin et al., 2008; Greenwood & Parasuraman, 2016; Morrison & Chein , 2011). По-конкретно, тези ползи за далечно пренасяне се получават, когато обучените и трансферните умения споделят общи фундаментални когнитивни процеси. Като се има предвид важната роля на вниманието като предпоставка за много когнитивни процеси, то може да послужи като основа за ефекти на далечно прехвърляне след WMT.

Наскоро е доказано, че ползите от адаптивния WMT при деца в училищна възраст в сравнение със стандартните инструкции в класната стая се появяват за 6–12 месеца (Berger et al., 2020). Първоначалните подобрения на вниманието могат да послужат като скеле за по-късни промени в по-високите когнитивни процеси, които улесняват по-доброто представяне в училище. Нашите текущи резултати предполагат, че функциите на вниманието може да са сред първите, които се подобряват от този тип обучение и че по-късно появяващите се ползи за академичните умения и общото благосъстояние са свързани с незабавни подобрения в процесите на внимание. Не е изненадващо, че WMT също би повлиял върху контрола на вниманието (напр. селективно внимание, продължително внимание или целенасочено преразпределение на вниманието), като се има предвид, че тези процеси се постулират като предпоставки за успешното прилагане на работната памет (Astle & Scerif, 2011; D'Esposito & Postle, 2015; Eriksson et al., 2015; Gazzaley & Nobre, 2012; Unsworth & Robison, 2017; Wass et al., 2012).

Има също доказателства, че асоциациите между капацитета на работната памет и различните когнитивни и академични умения са частично медиирани от общото разчитане на контрола на вниманието (Engle, 2018; Fukuda & Vogel, 2011; Unsworth & Robison, 2017). Като се има предвид очевидната роля на процесите на внимание при посредничеството на далечния трансфер на ефектите от обучението, важно е да се измерват тези процеси, когато се оценява ефикасността на ofWMT и други форми на когнитивно обучение. Също така ще бъде важно за бъдещите проучвания да се сравняват директно адаптивните WMT срещу интервенции, които използват адаптивни механизми за обучение на внимание, инхибиране или други когнитивни способности. Нашите текущи резултати показват, че показателите, определящи количествено вътрешноиндивидуалната вариабилност във времето за реакция, ще бъдат полезни при определяне на относителната краткосрочна и дългосрочна ефикасност на различните режими на обучение.

Способността на показателите за вътрешноиндивидуална променливост да откриват индивидуалните различия в контрола на вниманието може да обясни връзката, която откриваме между ICV и бъдещата поява на ползи за академичните умения и общото благосъстояние след WMT. Вътрешноиндивидуалните показатели за променливост на времето за реакция са чувствителни и надеждни мерки за индивидуалните различия в процесите на контрол на вниманието (MacDonald et al., 2009; Saville et al., 2011). Те често се използват като индекс за ефективността на разпределение на вниманието на индивида или степента на колебание в контрола на вниманието по време на изпълнение на задача (Bellgrove et al., 2004; Isbell et al., 2018; Kelly et al., 2008; Stuss et al., 2003; Unsworth, 2015). Интраиндивидуалната вариабилност е свързана с мерки за когнитивен контрол при здрави деца и възрастни, а вариабилността във времето за реакция, измерена в една задача, е свързана с работната и дългосрочната памет или интелигентността, измерена в отделни задачи (Bellgrove et al., 2004; Isbell et al., 2018; Larson & Saccuzzo, 1989; Montez et al., 2017; van Belle et al., 2015). Също така се различава между здрави индивиди и тези с хиперактивно разстройство с дефицит на вниманието (ADHD) (Castellanos et al., 2005; Geurts et al., 2008; Karalunas et al., 2014; Kofler et al., 2013; van Belle et al. , 2015). Повишената вариабилност на времето за реакция обаче не е уникална за ADHD и се наблюдава при различни психиатрични и неврологични разстройства (напр. травматично мозъчно увреждане, деменция и шизофрения), при които дефицитът на вниманието може да играе важна, макар и по-малко важна роля (Geurts et al., 2008; Haynes et al., 2017; Ilg et al., 2018; Kofler et al., 2013; MacDonald et al., 2006).

Повишена вътрешноиндивидуална вариабилност обикновено се наблюдава при незасегнати роднини, както и при пациенти, което показва, че може да обхване споделени генетични или екологични рискови фактори за настоящи и бъдещи психопатологии (Adleman et al., 2014; Ilg et al., 2018; Karalunas et al., 2014; Kuntsi et al., 2010; Stuss et al., 2003). Скорошен преглед на Haynes et al. подчертава няколко надлъжни проучвания при по-възрастни хора, които показват, че вътрешноиндивидуалната вариабилност във времето за реакция е свързана с бъдещи нива на когнитивно увреждане и смъртност (Haynes et al., 2017). По този начин нашите настоящи резултати, заедно със съществуващия обем от работа, показват, че мерките за вътрешноиндивидуална променливост са чувствителни не само към текущата когнитивна и неврологична функция, но също така са свързани с бъдещата стабилност, подобрение или упадък на тези функции.

Установихме, че показателите за вътрешноиндивидуална променливост могат да открият краткосрочна ефикасност и са показателни за появата на по-дългосрочни ползи от интервенции на работната памет, насочени към подобряване на когнитивните умения и академичните постижения при децата. Можем да открием значителни разлики между обучени и необучени групи в интраиндивидуалната променливост на времето за реакция по време на когнитивни задачи, изследващи работната памет и вниманието (N-Back и Flanker) директно след пет седмици WMT, докато значителни подобрения в променливостта по време на задача за инхибиране на реакцията (Go/ Nogo) се появяват месеци по-късно. Въпреки това, в съответствие с тяхната способност да прогнозират когнитивния спад при възрастните хора, ние открихме, че мерките за вътрешноиндивидуалната вариабилност в задачите N-back и Go/Nogo, изчислени в края на обучението, са свързани с подобрения в академичните умения и общото благо -при деца до 1 година след обучение. И при двете задачи по-ниската вариабилност след обучение е свързана с по-добри бъдещи резултати на тестове за академични умения и силни/слаби страни в класната стая и социалното поведение. Резултатите от данните от ABCD също са в съответствие с идеята, че мерките за променливост на представянето са свързани както с текущото, така и с бъдещото благосъстояние, по-специално поведенчески проблеми и ИТМ.

Нашите резултати предполагат, че мерките за интраиндивидуална променливост са полезни при оценката на ефикасността на интервенцията. Все още обаче трябва да бъдат разгледани няколко важни въпроса. Например, можем ли да използваме показатели за вътрешноиндивидуална променливост, за да определим кога индивидът е получил достатъчна доза от обучителната интервенция? Ако е така, тогава бихме могли да приспособим количеството обучение към всеки човек, за да подобрим компромисите между разходите и ползите, присъщи на всяка програма за обучение. Друг ключов въпрос, повдигнат от нашите открития, е какви видове задачи (напр. тези, насочени към работната памет, вниманието, превключването на задачи и т.н.) и мерките за вътрешноиндивидуална променливост са най-подходящи за оценка на краткосрочните и дългосрочните резултати от когнитивното обучение . Предишна работа е определила количествено интраиндивидуалната променливост във времето за реакция по няколко различни начина (Geurts et al., 2008; Karalunas et al., 2014; van Ravenzwaaij et al., 2011). Открихме значителни разлики в вариабилността на времето за реакция между обучаващите групи при задачи за селективно внимание (Flanker), работна памет (N-Back) и задачи за инхибиране на реакцията (Go/Nogo), използвайки няколко допълващи се мерки за променливост. Възможно е обаче да има разлики в това колко добре различните мерки за променливост и/или дизайн на задачите предвиждат появата на ползи за специфични области на академичните постижения или общото благосъстояние в дългосрочен план. Този въпрос ще бъде важен за разглеждане в бъдещи проучвания, които събират и изчисляват множество надлъжни мерки в големи извадки от участници.

Ние отбелязваме няколко потенциални ограничения на тази работа. Едно потенциално ограничение е, че познаването на използването на компютърни устройства може да е в основата на разликите в променливостта на времето за реакция между контролните и обучаващите групи. Ние обаче смятаме, че това е малко вероятно, като се има предвид, че в проучването на fMRI обучаващата група е внедрила отговорите по време на обучението с мишка, докато вътре в скенера децата са отговорили с помощта на кутия с бутони, адаптирана към MRI. Нещо повече, значителни подобрения в вариабилността на изпълнението в задачата Go/Nogo не се появиха до месеци след обучението, което предполага, че разликата се дължи на по-нататъшно развитие на когнитивните умения, а не на обикновено познаване на действията или двигателни умения. Второ, нашето първоначално fMRI проучване не включваше NBack или Flanker на изходно ниво, така че не можахме да контролираме изходното представяне при тези точни задачи.

Липсата на разлики между групите във всички други мерки за работна памет или внимание преди интервенцията предполага, че вероятността от неуспешна рандомизация, водеща до независими от обучението разлики в работната памет или внимание, е много ниска. Фактът, че можем да възпроизведем нашите резултати от fMRI пробата в пробата на BFHSW, използвайки Go/Nogo задача, измерена на изходно ниво и след интервенцията, допълнително показва, че неуспехът на рандомизацията е малко вероятна причина за нашите първоначални резултати. И накрая, важно ограничение е, че нашите текущи данни не могат да ни кажат дали тези ефекти са специфични за адаптивния WMT сам по себе си или ако други форми на когнитивно обучение могат да доведат до подобни ползи. Нашите резултати относно променливостта на RT предполагат, че някои от ползите от първоначалното обучение са медиирани от подобрения в контрола на вниманието. Въпреки че контролът на вниманието и работната памет са взаимосвързани, следва да е възможно да се тренира контрол на вниманието, като се използват когнитивни задачи, които поставят ограничени изисквания към работната памет, за да се разграничат по-добре двете умения. Определянето на най-добрите типове и форми на когнитивно обучение и потенциално как да се персонализира обучението за индивиди с различна възраст или способности е важна цел за бъдещи изследвания.

5. ЗАКЛЮЧЕНИЕ

Ефективните средства за подобряване на когнитивните способности са дългогодишна цел в много дисциплини. Нашата текуща работа добавя към съществуващите доказателства, че adaptiveWMT може значително да облагодетелства децата в училищна възраст (Berger et al., 2020; Jones et al., 2020; Karbach et al., 2015; Titz & Karbach, 2014; Wass et al., 2012). Освен това, той предоставя допълнителна представа за механизмите, които са в основата на тези ползи. Заедно с последните открития на Berger et al. (2020), той също така подчертава значението на включването на дългосрочни последващи действия във всяка оценка на ефикасността на обучението. В допълнение към данните за дългосрочно проследяване, ние демонстрираме ползата от използването на показатели за променливост на времето за реакция като непосредствен индикатор за успеха на интервенцията. Практическото значение на подобен инструмент за незабавна оценка не трябва да се пренебрегва, тъй като той потенциално би могъл да позволи адаптиране на обучителни интервенции по отношение на продължителност или съдържание, без да е необходимо да чакате с години за последващи данни, за да определите дали ще се появят дългосрочни ползи.

ПРЕПРАТКИ

1. Achenbach, TM (1991) Ръководство за контролния списък на детското поведение/4-18 и 1991 профил. Катедра по психиатрия, Университет на Върмонт.

2. Adleman, NE, Yi, JY, Deveney, CM, Guyer, AE, Leibenluft, E., & Brotman, MA (2014). Повишена интрасубектна вариабилност във времето за реакция при незасегнати деца в предучилищна възраст с фамилен риск от биполярно разстройство. Психиатрични изследвания, 30, 219 (3), 687–689.

3. Ali, S., Macoun, SJ, Bedir, B., & MacDonald, SWS (2019). Интраиндивидуалната променливост при децата е свързана с оценките на информатора за внимание и изпълнителна функция. Вестник за клинична и експериментална невропсихология, 41 (7), 740–748.

4. Astle, DE, Barnes, JJ, Baker, K., Colclough, GL, & Woolrich, MW (2015). Когнитивното обучение подобрява присъщата мозъчна свързаност в детството. The Journal of Neuroscience: Официалното списание на Society for Neuroscience, 35 (16), 6277–6283.

5. Astle, DE, & Scerif, G. (2011). Взаимодействия между вниманието и визуалната краткосрочна памет (VSTM): Какво може да се научи от индивидуалните различия и различията в развитието? Neuropsychologia, 49 (6), 1435–1445.

6. Au, J., Sheehan, E., Tsai, N., Duncan, GJ, Buschkuehl, M., & Jaeggi, SM (2015). Подобряване на флуидната интелигентност с обучение върху работната памет: мета-анализ. Психономичен бюлетин и преглед, 22 (2), 366–377.

6. Баддели, А. (1996). Фракциониране на работната памет. Сборници на Националната академия на науките на Съединените американски щати, 93 (24), 13468–13472.

7.Baddeley, A. (2010). Работна памет. Current Biology, 20 (4), R136–R140.

8. Белгроув, Масачузетс, Хестър, Р. и Гараван, Х. (2004). Функционалните невроанатомични корелати на променливостта на реакцията: Доказателство от задача за инхибиране на реакцията. Neuropsychologia, 42 (14), 1910–1916.

9.Berger, EM, Fehr, E., Hermes, H., Schunk, D., & Winkel, K. Въздействието на обучението на работната памет върху когнитивните и некогнитивните умения на децата. Електронен журнал на SSRN, https://doi.org/10.2139/ssrn.3622985

10. Богг, Т. и Ласецки, Л. (2014). Надеждни печалби? Доказателства за значително недостатъчно мощни дизайни в проучвания за трансфер на обучение на работната памет към флуиден интелект. Граници в психологията, 5, 1589.

For more information:1950477648nn@gmail.com