A vantagem conferida pelo sono noturno na memória relacionada ao esquema pode durar apenas um dia, parte 2
Jan 17, 2024
Protocolo de estudo
Os participantes foram alocados aleatoriamente nos grupos de sono ou vigília ativa. Os participantes concluíram a fase 1 para aprender o esquema e, após um intervalo de 10-minutos, concluíram os blocos de aprendizagem da fase 2 para aprender a hierarquia relacionada ao esquema e também a nova hierarquia.
Então, o que é o despertar ativo? O despertar ativo refere-se à capacidade das pessoas de perceber mudanças no ambiente circundante, à iniciativa e à capacidade de compreender e responder às coisas. Quando uma pessoa está em um estado altamente desperto, suas características faciais serão mais nítidas, seu pensamento será mais ágil e sua capacidade de perceber e compreender as coisas será mais forte.
E esse alto grau de excitação também pode nos ajudar a melhorar melhor a nossa memória. Num estado de grande excitação, uma pessoa pode concentrar-se mais no conhecimento que aprendeu e reter melhor o conteúdo que aprendeu no seu cérebro. Ao mesmo tempo, um estado de alta excitação também pode estimular a vitalidade do pensamento das pessoas e melhorar a profundidade e o efeito da memória.
Portanto, precisamos melhorar a nossa consciência e memória através de uma série de métodos. Em primeiro lugar, precisamos estar atentos para manter um tempo de sono adequado para não afetar a nossa percepção e compreensão devido ao cansaço excessivo. Em segundo lugar, também precisamos de activar regularmente os nossos cérebros e promover a vitalidade do nosso pensamento através da leitura, do pensamento, etc. coisas possíveis para melhorar nossas habilidades de despertar e memória.
Em suma, a relação entre excitação ativa e memória é próxima e indispensável. Devemos continuar a ser positivos, manter bons hábitos de vida e exercitar-nos e desafiar-nos constantemente para melhorar as nossas capacidades de excitação e memória, para melhor responder aos desafios e oportunidades da vida. Percebe-se que precisamos melhorar a memória, e a Cistanche deserticola pode melhorar significativamente a memória, pois a Cistanche deserticola também pode regular o equilíbrio dos neurotransmissores, como aumentar os níveis de acetilcolina e fatores de crescimento. Estas substâncias são muito importantes para a memória e a aprendizagem. Além disso, a carne também pode melhorar o fluxo sanguíneo e promover o fornecimento de oxigênio, o que pode garantir que o cérebro receba nutrientes e energia suficientes, melhorando assim a vitalidade e a resistência do cérebro.
Clique em conhecer suplementos para melhorar a memória
Eles foram testados após um intervalo de 12-horas (sono-vigília), seguido por um segundo teste 24 horas após a sessão de codificação inicial. O sono foi monitorado por meio de polissonografia (PSG) e actigrafia (Figura 1).
Paradigma de aprendizagem de esquema
Apesar de décadas de pesquisa e do recente interesse renovado na comunidade neurocientífica em estudar estruturas de informação organizada, parece não haver consenso sobre o que qualifica um esquema. Isso contribuiu para a heterogeneidade na literatura.
Foi proposto que uma definição funcional de esquemas inclua "representações de conhecimento organizadas e sobrepostas" que possuem os seguintes três recursos: beneficiar o desempenho da memória; tendo uma natureza dinâmica e adaptável quando desafiado por novos itens incongruentes e facilitando novas inferências generalizando sobre o que é aprendido diretamente [28].
Um paradigma de aprendizagem baseado em esquema baseado em inferência transitiva foi utilizado no estudo atual [26] que incluiu esses recursos essenciais. Este paradigma foi usado em trabalhos anteriores [29–31].
O paradigma principal consistiu em duas fases principais, conforme ilustrado na Figura 2 e descrito em detalhes abaixo. Incluímos feedback ativo como reforço explícito entre os blocos de aprendizagem, pois alguns estudos demonstraram que o reforço explícito durante a aprendizagem é um fator essencial nos benefícios dependentes do sono para a inferência transitiva [15]. O paradigma principal consistiu em três fases principais, conforme mostrado na Figura 2 e explicado em detalhes abaixo.
Visão geral do protocolo
A formação inicial do esquema consistiu em duas partes com um intervalo de intervalo de 10-minutos: (fase 1) para formar o esquema inicial seguido por (fase 2): integração de memória relacionada ao esquema e aprendizagem da condição sem esquema. Após o término da fase 2, os participantes foram submetidos a sessões de testes imediatos e tardios após 12 horas contendo sono-vigília ativa e um teste final 24 horas após a codificação inicial (Figura 1).
Fase 1: aprendendo o esquema até o critério
Os participantes foram solicitados a aprender a ordem correta dos itens em um 7-conjunto de itens relacionado a uma hierarquia etária de galáxias. O processo de aprendizagem envolveu tentativa e erro juntamente com feedback ativo, alternando entre blocos de aprendizagem e teste, até que os participantes atingissem um critério de mais de 85% de precisão.
Durante os blocos de aprendizagem, os participantes viram duas galáxias adjacentes na hierarquia (B – C, F – E, A – B, D – C, etc.) por 3 segundos e foram questionados: "Qual galáxia é mais antiga?" Os participantes foram incentivados a envolver-se ativamente na aprendizagem e a fornecer respostas.
A resposta correta foi destacada em verde, independentemente de terem respondido ou não. Pares não adjacentes (B – D, C – E, B – E, etc.) não foram apresentados durante o aprendizado.
Cada bloco de aprendizagem foi sucedido por um bloco de teste correspondente, onde os participantes viram um par de galáxias e indicaram qual item era mais antigo. Foram mostrados pares adjacentes aprendidos, bem como itens não adjacentes (pares de inferência) que não foram encontrados durante o aprendizado (Figura 2A-B).
Nenhum feedback foi dado. Para responder corretamente a estas questões, os participantes fizeram inferências transitivas (ou seja, se A > B e B > C então A > C).
Esta fase foi concluída quando a precisão de 85% foi atingida. Com base em experimentos piloto e trabalhos anteriores, provisionamos um máximo de 20 blocos de aprendizado e teste para atingir 85% de precisão. Em média, foram necessários cerca de 10 blocos de aprendizagem para atingir o critério (M=9.6, SD=3.9).
Fase 2: integração de memória relacionada ao esquema e aprendizagem da condição sem esquema
Esta fase envolveu o aprendizado de uma nova hierarquia de galáxias que se baseava no esquema adquirido (condição de esquema) ou continha itens totalmente não encontrados antes (condição sem esquema). Na condição de esquema, os participantes foram obrigados a aprender uma nova hierarquia que foi intercalada com galáxias da fase 1, mantendo a mesma ordem de classificação. Na condição sem esquema, os participantes foram apresentados a uma hierarquia completamente nova. Os testes em conjuntos de esquema e sem esquema consistiram em pares adjacentes e de inferência semelhantes à fase 1. Criticamente, os testes de teste de inferência consistiram apenas em novas galáxias para ambas as hierarquias.
Os procedimentos foram idênticos aos da fase anterior e os participantes foram submetidos a seis blocos alternados de aprendizagem e teste para os conjuntos de esquema e sem esquema apresentados em ordem intercalada. Todos os itens, a apresentação direita/esquerda na tela, a ordem de intercalação e a ordem de apresentação dos pares foram randomizados e contrabalançados em todas as fases (Figura 2A-B).
Teste de recall de hierarquia como medida para testar o freerecall
Finalmente, os participantes receberam dois envelopes, cada um contendo as imagens de galáxias do conjunto esquema/sem esquema misturadas em um arranjo aleatório e foram encarregados de reconstruir a ordem precisa das galáxias dentro de cada hierarquia, da mais nova para a mais velha, da esquerda para a direita na mesa.
Semelhante ao teste de recuperação de hierarquia dos testes de computador, também foi contrabalançado com envelopes numerados e instruções sobre como abrir primeiro.
O desempenho dos participantes foi avaliado com base no número total de erros cometidos na reordenação das galáxias, utilizando um método que penaliza o posicionamento incorreto de um item em relação ao desvio de sua posição correta [32].
Fonte de software e imagem
Imagens de galáxias foram obtidas nas galerias do HubbleSite, que podem ser acessadas em (https://hubblesite.org/images). Os estímulos foram criados utilizando o software E-Prime 2.0 (Psychology SoftwareTools, Inc., Sharpsburg, PA).
Aquisição e análise de dados PSG
A eletroencefalografia (EEG) foi realizada usando um gravador SOMNOtouch (SOMNOmedics GmbH, Randersacker, Alemanha) em dois canais centrais, C3 e C4, referentes às mastoides contralaterais (A1, A2), e Cz e Fpz como referência comum e eletrodos de aterramento seguindo o internacional 10– 20 sistema.
A eletrooculografia (EOG) e a eletromiografia (EMG) dos músculos do queixo também foram registradas para o estadiamento do sono. A impedância foi mantida abaixo de 5 kΩ antes de iniciar a gravação.
Os dados do PSG foram primeiro examinados visualmente e posteriormente pontuados automaticamente usando o algoritmo Z3Score (https://z3score.com), que foi previamente validado e demonstrado ser comparável a artilheiros especialistas. Além disso, a caixa de ferramentas FASST EEG (//www.montefiore.ulg.ac.be/~phillips/FASST.html) foi utilizada [33].
Os estágios do sono (N1, N2, N3, REM e WASO) foram pontuados com base em 30-segundas épocas usando os critérios descritos no Manual da Academia Americana de Medicina do Sono (AASM) [34].Dois registros contendo mais de 10% de artefatos foram excluídos das análises finais.
Os motivos de exclusão incluíram o término prematuro das gravações pelo aparelho ou a qualidade inadequada dos dados para o estadiamento do sono, por exemplo, devido à queda dos eletrodos durante a noite. A atividade de ondas lentas (SWA) e a energia de ondas lentas como potência integrada na banda delta (0 0,5–4 Hz) foram calculadas usando métodos publicados anteriormente [35, 36].
Detecção de fuso
O pacote Wonambi Python, v5.24 (https://wonambi-python.github.io) foi empregado para detecção automática de fuso usando algoritmo validado [35]. Os fusos foram classificados em lentos (9–12 Hz) ou rápidos (12–15 Hz) [35] e foram detectados nos estágios de sono N2 e N3. A contagem e a densidade do fuso (contagens por minuto) foram usadas como as principais métricas do fuso [37]. Verificamos manualmente amostras de 10 participantes para verificar a fidelidade da detecção automática (para mais detalhes consulte Materiais Suplementares).
análise estatística
O desempenho da memória foi avaliado tanto por meio do teste de computador por meio de uma medida item por item (% correto), quanto pelo número de erros de evocação no teste de evocação de hierarquia. Para cada fase em ambos os grupos avaliamos o desempenho da memória usando uma ANOVA mista para investigar a consolidação de memórias com aprendizagem de esquema (esquema, sem esquema) e sessões de teste (imediatas, atrasadas: 12 horas/24 horas) como fatores dentro dos participantes, e condição de consolidação (sono, vigília) como fator entre participantes.
A mudança na memória após um intervalo de 12-horas (sono-vigília) também foi examinada usando uma ANOVA mista com os fatores dentro dos participantes do esquema (esquema, sem esquema) e tipo de par (adjacente, inferência) e fator de consolidação entre participantes (sono-vigília).
Os resultados dos testes imediatos e atrasados de 12-hora/24-hora foram comparados com amostras independentes post hoc e testes t pareados. Examinamos associações de estágios do sono e medidas do fuso com o desempenho da memória, o tamanho do benefício de memória orientado pelo esquema (Esquema-Sem-esquema) e a mudança nos erros de recordação em testes após sessões noturnas usando análises de correlação de Spearman.
Valores de P inferiores a 0.05 foram considerados estatisticamente significativos. O pré-processamento dos dados e as análises estatísticas foram realizados utilizando MATLAB versão R2017b (The MathWorks, Inc., Natick, MA) e SPSS 25.0 (IBM Corp., Armonk, Nova York).
Resultados
Aprendizagem inicial do esquema na fase 1 e desempenho na fase 2 para grupos de sono e vigília
A aprendizagem inicial do esquema, na fase 1, foi comparável entre os grupos de sono e vigília. Testes t de amostras independentes não revelaram diferenças significativas no número de tentativas necessárias para atingir o critério na fase 1 no sono (M=9,3, DP=4,7), em comparação com o grupo de vigília (M { {7}}.9, SD=3.1), t(51)=1.42, p=0.158. ]
Não houve diferença significativa no desempenho para pares não inferenciais e inferenciais na fase 1 (t menor ou igual a 1,59, p maior ou igual a 0,12). Para o desempenho entre blocos de teste na fase 2, uma ANOVA de medidas repetidas com aprendizado de esquema (esquema, sem esquema) e bloco (seis níveis) como fatores dentro dos participantes e condição de consolidação (sono, vigília) como o fator entre participantes encontrado efeitos principais significativos do esquema, F(1,51)=50.66, p < 0.001, η p2=0.49, e bloco, F( 5.255)=14.03, p < 0.001, η p2=0.21, mas nenhum efeito significativo da condição de consolidação, F(1,51)=0.27, p {{30} },60; indicando desempenho aprimorado na condição do esquema e melhorias nos blocos de aprendizagem para grupos de sono e vigília.
Criticamente, o aprendizado inicial do conjunto de esquema e sem esquema na Fase 2 foi comparável entre os grupos de sono e vigília, com desempenho comparável em ambos os conjuntos de esquemas através dos blocos na Fase 2, F(1,51)=0.27, p=0.6{{10}}, bem como o bloco final,t(51) Menor ou igual a 0,67, p Maior ou igual a 0,51.
Da mesma forma, ambos os grupos tiveram desempenho comparável no teste imediato subsequente, t(51)=1.207, p=0.233. Para obter informações adicionais sobre a trajetória de aprendizagem durante a fase 2 e o desempenho em nível de bloco em ambos os grupos, consulte a Figura Suplementar 4.
For more information:1950477648nn@gmail.com
