A variabilidade intraindividual no desempenho de tarefas após o treinamento cognitivo está associada a resultados de longo prazo em crianças, parte 2

2.7.2 Estudo do Cérebro e Desenvolvimento Cognitivo do Adolescente (ABCD)

O estudo ABCD (https://abcdstudy.org, versão de lançamento de dados 3.0) é um estudo longitudinal e multicêntrico do desenvolvimento cognitivo e neurobiológico de crianças a partir dos 10 anos de idade, com dados de 11.878 crianças. Este estudo inclui uma ampla gama de questionários e entrevistas padronizados cobrindo tanto o bem-estar geral quanto medidas clínicas. Além disso, os participantes realizam diversas tarefas cognitivas, incluindo uma tarefa Nback (Casey et al., 2018). Testamos se a variabilidade intra-individual, mais uma vez quantificada como o coeficiente de variação nos tempos de resposta, durante a tarefa N-Back estava associada às pontuações na Child Behavioral Checklist (CBCL, Achenbach, 1991).

A tarefa N-Back é amplamente utilizada para testar e treinar a memória de trabalho. Na tarefa N-Back, os participantes precisam se lembrar do estímulo anterior para responder corretamente à pergunta na tarefa subsequente. Nos últimos anos, muitos estudos mostraram uma estreita relação entre tais tarefas e a função da memória.

O estudo descobriu que após o treinamento da tarefa N-Back, a capacidade de memória operacional dos participantes melhorará. A memória de trabalho desempenha um papel muito importante na vida diária. Pode nos ajudar a processar informações e tomar melhores decisões e, ao mesmo tempo, nos ajudar a compreender melhor informações complexas e a resolver melhor problemas.

Além disso, a tarefa N-Back ajuda a melhorar a atenção e a flexibilidade cognitiva. Ao treinar a memória de trabalho, os cérebros dos participantes podem adaptar-se melhor às mudanças de ambientes e tarefas e lidar melhor com problemas complexos e stress.

Em geral, a relação entre a tarefa N-Back e a memória é muito próxima. Assim como precisamos exercitar o corpo para manter uma boa saúde, também precisamos treinar o cérebro para manter excelentes funções cognitivas e de memória. Ao nos envolvermos ativamente na tarefa N-Back, podemos melhorar a nossa memória de trabalho, melhorar a nossa atenção e flexibilidade e, assim, melhorar as nossas capacidades cognitivas e de pensamento. Portanto, devemos nos envolver ativamente nas tarefas N-Back para manter um cérebro saudável e uma excelente função cognitiva. Percebe-se que precisamos melhorar nossa memória. Cistanche deserticola pode melhorar significativamente a memória, porque 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 10 maneiras de melhorar a memória

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%) em todos os três pontos de tempo atualmente disponíveis e cujo IMC caiu entre o 1º e o 99º percentil (percentis de IMC=13,3 e 35,0, respectivamente). Restringimos a faixa de IMC porque havia uma pequena minoria (<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. RESULTADOS

3.1 Resultados comportamentais

As crianças no WMT não diferiram daquelas no CMP no início do estudo. Antes do início de qualquer programa de treinamento, todos os participantes foram avaliados por meio de uma bateria de testes que incluíam inteligência geral (uma versão modificada das Matrizes de Raven), memória de trabalho (visual, espacial), inibição (tarefa Go-NoGo), desempenho escolar ( incluindo leitura, aritmética, geometria, etc.) e medidas de rastreio do bem-estar psicológico (SDQ). As comparações estatísticas entre os dois grupos mostram que eles não diferiram em nenhuma dessas medidas iniciais (Tabela S1). Embora os dois grupos não tenham mostrado diferenças em nenhuma medida inicial, incluindo tarefas cognitivas que medem a memória de trabalho e as habilidades de atenção, não temos medidas iniciais nas tarefas N-Back e Flanker relatadas na seção seguinte.

3.2 Resultados de precisão e variabilidade no tempo de resposta

No geral, o grupo de crianças designadas aleatoriamente para submeter-se ao WMT adaptativo teve um desempenho mais preciso e com menos variabilidade de tentativa para tentativa nos tempos de resposta durante as tarefas N-Back e Flanker do que aquelas no CMP (ver Tabelas Suplementares S2 e S3 para o completo conjunto de estatísticas descritivas e resultados). O grupo WMT respondeu com mais precisão na tarefa Flanker tanto nos ensaios congruentes como nos incongruentes. Na tarefa N-Back, as crianças do grupo WMT foram mais precisas do que aquelas do CMP em testes de memória de trabalho baixa (0-1 costas), mas os dois grupos não diferiram significativamente em testes de memória de trabalho alta ({{ 7}} atrás).

Além de melhor precisão, as crianças que receberam o WMT adaptativo também apresentaram menor variabilidade intra-individual nos tempos de resposta do que as crianças do grupo CMP (Tabelas Suplementares S2 e S3). Calculamos o intra-ICV como o desvio padrão do RT intra-individual/média do RT intraindividual. As crianças do grupo WMT usaram ratos externos durante a intervenção de treinamento, em vez da caixa de botões compatível com ressonância magnética usada durante as tarefas Flanker e N-back e, portanto, a familiaridade com o dispositivo de resposta não pode ser uma fonte de diferenças no ICV entre os grupos.

3.3 Análise do Modelo de Decisão de Difusão

Ajustamos um modelo DDM ao comportamento das crianças na tarefa de Flanker para determinar os mecanismos que levam a diferenças na variabilidade do tempo de resposta entre os grupos de tratamento. Usando o DDM, podemos determinar se a variabilidade do tempo de resposta é impulsionada por (1) diferenças no tempo de não decisão; (2) diferenças no limite ou limite que determina quando há evidências suficientes para fazer uma resposta versus outra (frequentemente interpretada como cautela na resposta); e/ou (3) as taxas de deriva (ou seja, a rapidez e a robustez com que as evidências são acumuladas). Separamos a taxa de desvio em dois componentes para medir a sensibilidade das crianças às informações relevantes do alvo em comparação com as informações irrelevantes dos flanqueadores. Os ajustes estão resumidos na Tabela 3 e mostram que as crianças do grupo WMT foram mais sensíveis à informação transportada pelo peixe-alvo (ou seja, sua direção) em relação ao peixe distrator (probabilidade posterior=0.992) e utilizaram um limite de resposta mais alto (probabilidade posterior=0.952) do que as crianças no CMP. Esses resultados do DDM são consistentes com uma melhor atenção aos recursos relevantes para a tarefa após o WMT.

Também simulamos respostas do modelo de decisão de difusão ajustado para testar se ele poderia reproduzir os padrões de variabilidade do tempo de resposta observados na tarefa Flanker. Para gerar respostas simuladas na tarefa Flanker, utilizamos os parâmetros DDM de melhor ajuste de cada participante. Em seguida, comparamos os tempos de resposta simulados entre os grupos e descobrimos que os RTs eram menos variáveis ​​para agentes simulados usando parâmetros dos participantes do WMT do que para agentes simulados baseados nos parâmetros das crianças CMP (Tabela S4). Assim, o DDM ajustado pode explicar e gerar diferentes níveis de variabilidade do tempo de resposta nos dois grupos.

Além de ajustar o DDM, também realizamos um teste post-hoc ajustando a distribuição ex-gaussiana aos tempos de resposta de cada criança. Embora o modelo ex-gaussiano não permita o mesmo tipo de inferências mecanicistas que o DDM, nós o ajustamos e relatamos para facilitar a comparação com artigos publicados anteriormente usando este método para quantificar a variabilidade intra-individual no TR. Esses resultados ex-gaussianos são consistentes com os resultados do ICV e DDM e indicaram que os parâmetros desvio padrão (sigma) e exponencial (tau) diferiram entre a memória de trabalho treinada e o CMP, mas não houve diferença significativa nas médias (mu) de as distribuições de tempo de resposta (Tabela S5). Por outras palavras, indivíduos mais variáveis ​​não foram, de forma fiável, mais rápidos ou mais lentos a responder em geral. Em vez disso, foram mais inconsistentes na forma como executaram as suas respostas. A variabilidade intraindividual foi altamente correlacionada entre as tarefas N-Back e Flanker (r=0,65, p {{10}}.0008, IC 95% [0,32, 0,84]).

Juntos, o padrão de resultados comportamentais em tarefas cognitivas e várias formas complementares de análise sugerem que a intervenção adaptativa WMT pode ter aumentado a capacidade das crianças de envolver e manter a atenção em informações relevantes para a tarefa de uma maneira geral do domínio logo após as cinco semanas de treinamento foram concluídos.

3.4 resultados de ressonância magnética funcional

Juntamente com uma melhor precisão, o grupo WMT mostrou maior ativação em comparação com o CMP em regiões do cérebro que fazem parte das redes de atenção e controle durante os testes de baixa memória de trabalho. Estes incluíam porções dos sistemas frontal-estriado-talâmico, como o caudado direito, o putâmen, o pálido, o tálamo, os giros frontal inferior médio e superior, o cingulado anterior dorsal e o córtex motor suplementar (Tabela S6, Figura 1). Consistente com os achados comportamentais de precisão semelhante na condição de alta memória de trabalho, não houve diferenças significativas no sinal BOLD entre os grupos durante os ensaios de alta memória de trabalho. Não detectamos diferenças significativas na atividade em função do WMT durante a tarefa Flanker.

Além disso, descobrimos que os níveis de sinal BOLD relacionados à tarefa em regiões que mostraram maior atividade no grupo (ver Figura S2) também se correlacionaram com os coeficientes de variação e/ou precisão intra-individuais na tarefa N-back em todos os participantes ( Figura 1, linha inferior). É esperada alguma relação com a precisão e o intra-ICV nestas regiões, uma vez que existem diferenças de grupo na variabilidade intra-individual. No entanto, a atividade na ROI funcional do estriado dorsal, abrangendo o caudado dorsal e o putâmen, foi significativamente associada à variabilidade intra-individual, mesmo após contabilizar os efeitos da condição WMT (coef=−0,25, p=0.004; Tabela 4). Houve tendências semelhantes, embora não significativas, no córtex pré-frontal dorsolateral (dlPFC) para variabilidade intra-individual, e no córtex cingulado anterior/área motora suplementar para precisão (Tabela 4).

3.5 Associações entre desempenho de tarefas cognitivas pós-treinamento e medidas de acompanhamento na amostra de fMRI

A variabilidade do tempo de resposta explicou a variação adicional significativa nas pontuações futuras do SDQ (coef. padronizado. {{0}}.32 ± 0.14), geometria (coef. padronizado.=−{{7 }},66 ± {{10}},23) e leitura (coef. padronizado=−0,32 ± 0,14), após contabilizar as pontuações iniciais nessas medidas e QI (Tabela S7) . Assim, a variabilidade do tempo de resposta após 5 semanas de treinamento foi associada a melhorias futuras nas pontuações do SDQ e nas habilidades acadêmicas que ainda não eram evidentes em testes diretos dessas habilidades no mesmo momento. Em contraste, nenhum desempenho de tarefa cognitiva pós-treinamento ou medidas de linha de base foram significativamente associados a pontuações aritméticas futuras. Assim, em nossa amostra, a variabilidade intraindividual nos tempos de resposta medidos logo após a intervenção correlacionou-se com o desempenho futuro nos mesmos domínios acadêmicos que Berger e colegas descobriram anteriormente que melhoraram 1 ano após o WMT em uma amostra independente.

3.6 Replicação conceitual da associação entre ICV pós-treinamento e medidas de acompanhamento na amostra BFHSW

Consistente com nossos resultados na amostra de fMRI, alterações no ICV (pós versus pré-intervenção) durante a tarefa Go/Nogo também foram associadas à melhoria nas habilidades de geometria e leitura 1 ano após o WMT na amostra independente BFHSW (Tabelas 1 e 2) , embora o efeito para leitura não sobreviva à correção de Bonferroni para comparações múltiplas. Observe que nossa especificação de regressão inclui regressores para Go/Nogo ICV de linha de base (W1) e pós-treinamento (W2) e, nesta especificação, o coeficiente para W2 Go/Nogo ICV representa o efeito da mudança no desempenho entre W1 e W2 . O mesmo se aplica à utilização de pontuações futuras de competências académicas como variável dependente ao incluir a pontuação de base como variável independente na regressão.

Curiosamente, embora o ICV N-back tenha sido significativamente diferente entre os grupos WMT e controle logo após o treinamento, diferenças significativas no ICV Go/Nogo não apareceram até 12 meses após o treinamento (Tabela 2). Este atraso no surgimento de melhorias significativas no Go/Nogo ICV é consistente com o atraso no surgimento de melhorias na precisão do Go/Nogo relatadas por Berger et al. (2020). Embora ainda não tenham diferido significativamente entre os tratamentos, as alterações no Go/Nogo ICV desde o início até o pós-treinamento ainda previam melhorias futuras no desempenho. Uma questão relevante para pesquisas futuras é determinar quais tipos de tarefas cognitivas (por exemplo, memória de trabalho, inibição de resposta, etc.) são mais adequadas para avaliar a variabilidade intraindividual no tempo de resposta ou na precisão para prever o surgimento de benefícios de transferência distante após o trabalho. memória ou outros regimes de treinamento.

3.7 A associação entre ICV e medidas de bem-estar generaliza-se para o estudo ABCD

Usamos dados das três primeiras ondas do estudo longitudinal ABCD para testar se a relação que observamos em nossa amostra de fMRI entre a variabilidade do tempo de resposta durante a tarefa N-back e as medidas de bem-estar foi generalizada para um conjunto independente e maior de crianças. Utilizamos os dados sobre o IMC e as pontuações da Lista de Verificação Comportamental Infantil (CBCL) como medidas de bem-estar no estudo ABCD. Ao contrário dos nossos estudos fMRI e BFHSW, o estudo ABCD não inclui uma intervenção WMT. Portanto, utilizamos os dados do ABCD para testar se havia uma associação significativa entre o N-back ICV e o bem-estar atual e, em caso afirmativo, se essa relação se mantém durante os acompanhamentos do primeiro e do segundo ano neste estudo longitudinal.

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 >Pontuações de 0,999), consistentes com as descobertas na amostra de fMRI.

Comparamos os modelos fixos e de interação usando validação cruzada deixar um de fora com amostragem de importância suavizada por Pareto (PSISLOO, Vehtari et al., 2017). As comparações de modelos favoreceram modestamente o modelo fixo mais simples, sem interações de ondas de acompanhamento ao explicar tanto o IMC (diferença no log esperado da densidade preditiva pontual (elpd) para o modelo de interação=-2,3, erro padrão (SE) da diferença=1.6) e CBCL (diferença elpd=−2,6, SE = 1.9). Além disso, nenhum dos modelos de interação sugeriu uma diminuição no poder explicativo do ICV N-back de linha de base para o bem-estar em visitas de acompanhamento de 1- ou 2-anos em relação à linha de base. Na verdade, houve um ligeiro aumento no coeficiente de regressão para o ICV entre a linha de base e o ano 2 quando se procurou explicar o IMC. Assim, os resultados dos dados ABCD mostram que a relação entre N-back ICV e o bem-estar das crianças generaliza-se através de medidas de bem-estar (SDQ, CBCL, IMC), e o poder explicativo do N-back ICV persiste através de pelo menos 2 anos de experiência e desenvolvimento na ausência de qualquer intervenção de treinamento cognitivo.

4. DISCUSSÃO

O presente estudo examinou como os mecanismos neurocognitivos subjacentes ao impacto de curto prazo do WMT adaptativo em crianças da escola primária se relacionam com os benefícios do treinamento que surgem meses ou anos após o treinamento. No geral, nossos resultados sugerem que, além da própria memória de trabalho, pode haver benefícios simultâneos na atenção seletiva e sustentada durante ou logo após cinco semanas de treinamento. Mostramos que a variabilidade intraindividual nos tempos de resposta durante diversas tarefas cognitivas diferentes pode ser usada para detectar efeitos de treinamento de curto prazo em crianças e que tais medidas podem ser indicativas da persistência e/ou surgimento de benefícios de transferência distante meses a anos após o treinamento está concluído.

Nossas descobertas indicam que uma melhor atenção está entre os resultados imediatos do WMT adaptativo. Acredita-se que os processos de memória de trabalho e atenção estejam intimamente ligados e interdependentes (Astle & Scerif, 2011; D'Esposito & Postle, 2015; Engle, 2018; Eriksson et al., 2015; Gazzaley & Nobre, 2012; Unsworth & Robison, 2017 ; Wass et al., 2012). Embora tenham alvos primários diferentes, as tarefas Flanker, Go/Nogo e N-Back requerem a capacidade de manter o foco atencional durante toda a tarefa (atenção sustentada) e de identificar os estímulos alvo e filtrar ou inibir respostas a estímulos não-alvo. estímulos (atenção seletiva). No nível neural, diferenças entre os grupos WMT e CMP foram encontradas no estriado, bem como nos córtices pré-frontais lateral e medial, que são regiões do cérebro que, entre outras coisas, suportam funções de atenção seletiva e sustentada (Frank et al., 2001 ; Mcnab & Klingberg, 2008; Zanto et al., 2011).

Essas diferenças neurais foram acompanhadas por melhor desempenho de detecção de sinal (ou seja, maior d-prime), redução da variabilidade intra-individual nos tempos de resposta e acúmulo mais eficiente de informações relevantes (ou seja, maiores taxas de desvio de DDM) em crianças que receberam WMT adaptativo. Todas essas medidas comportamentais estão relacionadas e dependem da atenção. Portanto, tomados em conjunto, nossos resultados neurais e comportamentais sugerem que os benefícios do programa utilizado neste estudo são, pelo menos parcialmente, mediados por processos de atenção mais eficazes, levando a respostas consistentes e eficazes a informações relevantes para a tarefa e ao processamento reduzido de estímulos irrelevantes e distrativos. .

Estes resultados dão ainda mais apoio às teorias dos mecanismos subjacentes aos benefícios da formação. Uma meta-análise de estudos de treinamento anteriores concluiu que o programa WMT adaptativo Cogmed-RM tem efeitos na atenção na vida diária (Spencer-Smith & Klingberg, 2015). Os processos de atenção mais eficazes que detectamos no final do treinamento são consistentes com resultados e teorias anteriores sobre a base dos efeitos de transferência distante após o treinamento cognitivo também (Dahlin et al., 2008; Greenwood & Parasuraman, 2016; Morrison & Chein , 2011). Especificamente, estes benefícios de transferência distante ocorrem quando as competências treinadas e de transferência partilham processos cognitivos fundamentais comuns. Dado o importante papel da atenção como pré-requisito para muitos processos cognitivos, ela poderia servir de base para efeitos de transferência distante após o WMT.

Recentemente, foi demonstrado que os benefícios do WMT adaptativo em crianças em idade escolar, em relação ao ensino padrão em sala de aula, surgem ao longo de 6–12 meses (Berger et al., 2020). As melhorias iniciais na atenção podem servir de base para mudanças posteriores nos processos cognitivos superiores que facilitam um melhor desempenho escolar. Os nossos resultados atuais sugerem que as funções de atenção podem estar entre as primeiras a melhorar com este tipo de formação e que os benefícios emergentes posteriores para as competências académicas e o bem-estar geral estão associados a melhorias imediatas nos processos de atenção. Não é surpreendente que o WMT também influenciasse o controle da atenção (por exemplo, atenção seletiva, atenção sustentada ou realocação de atenção direcionada a um objetivo), dado que esses processos são postulados como pré-requisitos para a implementação bem-sucedida da memória de trabalho (Astle & Scerif, 2011; D'Esposito & Postle, 2015; Eriksson et al., 2015; Gazzaley & Nobre, 2012; Unsworth & Robison, 2017; Wass et al., 2012).

Há também evidências de que as associações entre a capacidade da memória de trabalho e diversas competências cognitivas e académicas são parcialmente mediadas por uma confiança comum no controlo da atenção (Engle, 2018; Fukuda & Vogel, 2011; Unsworth & Robison, 2017). Dado o aparente papel dos processos de atenção na mediação da transferência distante dos efeitos do treinamento, é importante medir esses processos ao avaliar a eficácia do WMT e de outras formas de treinamento cognitivo. Também será importante para estudos futuros comparar diretamente o WMT adaptativo com intervenções que utilizam mecanismos adaptativos para treinar atenção, inibição ou outras habilidades cognitivas. Nossos resultados atuais indicam que as métricas que quantificam a variabilidade intra-individual no tempo de resposta serão úteis na determinação da eficácia relativa de curto e longo prazo de diferentes regimes de treinamento.

A capacidade das métricas de variabilidade intra-individual para detectar diferenças individuais no controle da atenção poderia explicar a associação que encontramos entre o ICV e o futuro surgimento de benefícios para as habilidades acadêmicas e o bem-estar geral após o WMT. As métricas de variabilidade do tempo de resposta intraindividual são medidas sensíveis e confiáveis ​​das diferenças individuais nos processos de controle da atenção (MacDonald et al., 2009; Saville et al., 2011). Eles são frequentemente usados ​​como um índice da eficiência de alocação de atenção de um indivíduo ou do grau de flutuação no controle da atenção durante o desempenho da tarefa (Bellgrove et al., 2004; Isbell et al., 2018; Kelly et al., 2008; Stuss et al., 2003; Unsworth, 2015). A variabilidade intraindividual tem sido associada a medidas de controlo cognitivo em crianças e adultos saudáveis, e a variabilidade nos tempos de resposta medidos numa tarefa está correlacionada com a memória de trabalho e de longo prazo ou a inteligência medida em tarefas separadas (Bellgrove et al., 2004; Isbell et al., 2018; Larson & Saccuzzo, 1989; Montez et al., 2017; van Belle et al., 2015). Também difere entre indivíduos saudáveis ​​e aqueles com transtorno de déficit de atenção e hiperatividade (TDAH) (Castellanos et al., 2005; Geurts et al., 2008; Karalunas et al., 2014; Kofler et al., 2013; van Belle et al., 2013; van Belle et al. , 2015). No entanto, o aumento da variabilidade do tempo de resposta não é exclusivo do TDAH e é observado em vários distúrbios psiquiátricos e neurológicos (por exemplo, lesão cerebral traumática, demência e esquizofrenia), nos quais os déficits de atenção podem desempenhar um papel importante, embora menos proeminente (Geurts et. al., 2008; Haynes et al., 2017; Ilg et al., 2018; Kofler et al., 2013; MacDonald et al., 2006).

O aumento da variabilidade intraindividual é comumente observado em parentes não afetados, bem como em pacientes, indicando que pode capturar fatores de risco genéticos ou ambientais compartilhados para psicopatologias atuais e futuras (Adleman et al., 2014; Ilg et al., 2018; Karalunas et al., 2014; Kuntsi et al., 2010; Stuss et al., 2003). Uma revisão recente de Haynes et al. destaca vários estudos longitudinais em idosos que demonstraram que a variabilidade intraindividual nos tempos de resposta está associada a níveis futuros de comprometimento cognitivo e mortalidade (Haynes et al., 2017). Assim, nossos resultados atuais, juntamente com o corpo de trabalho existente, indicam que as medidas de variabilidade intra-individual são sensíveis não apenas à função cognitiva e neurológica atual, mas também associadas à futura estabilidade, melhoria ou declínio dessas funções.

Descobrimos que as métricas de variabilidade intraindividual podem detectar eficácia a curto prazo e são indicativas do surgimento de benefícios a longo prazo de intervenções de memória de trabalho destinadas a melhorar as habilidades cognitivas e o desempenho acadêmico em crianças. Pudemos detectar diferenças significativas entre grupos treinados e não treinados na variabilidade intraindividual do tempo de resposta durante tarefas cognitivas que sondam a memória de trabalho e a atenção (N-Back e Flanker) diretamente após cinco semanas de WMT, enquanto melhorias significativas na variabilidade durante uma tarefa de inibição de resposta (Go/ Nogo) só surgiu meses depois. No entanto, consistente com a sua capacidade de prever o declínio cognitivo nos idosos, descobrimos que as medidas da variabilidade intra-individual nas tarefas N-back e Go/Nogo calculadas no final do treino estavam associadas a melhorias nas competências académicas e no bem-estar geral. -estar em crianças até 1 ano após o treino. Em ambas as tarefas, a menor variabilidade pós-formação esteve relacionada com melhores resultados futuros em testes de competências académicas e pontos fortes/fracos na sala de aula e comportamento social. Os resultados dos dados ABCD também são consistentes com a ideia de que as medidas de variabilidade de desempenho estão associadas ao bem-estar atual e futuro, especificamente a problemas comportamentais e ao IMC.

Nossos resultados sugerem que medidas de variabilidade intraindividual são úteis na avaliação da eficácia da intervenção. No entanto, diversas questões importantes ainda precisam ser abordadas. Por exemplo, podemos usar métricas de variabilidade intraindividual para determinar quando um indivíduo recebeu uma dose suficiente da intervenção de treino? Se assim for, então poderíamos adaptar a quantidade de formação a cada pessoa para melhorar as compensações custo-benefício inerentes a qualquer programa de formação. Outra questão importante que as nossas descobertas levantam é que tipos de tarefas (por exemplo, aquelas que visam a memória de trabalho, a atenção, a alternância de tarefas, etc.) e as medidas de variabilidade intraindividual são mais adequadas para avaliar os resultados de curto e longo prazo do treinamento cognitivo. . Trabalhos anteriores quantificaram a variabilidade intraindividual nos tempos de resposta de várias maneiras diferentes (Geurts et al., 2008; Karalunas et al., 2014; van Ravenzwaaij et al., 2011). Encontramos diferenças significativas na variabilidade do tempo de resposta entre grupos de treinamento em tarefas de atenção seletiva (Flanker), memória de trabalho (N-Back) e tarefas de inibição de resposta (Go/Nogo) usando diversas medidas complementares de variabilidade. No entanto, pode haver diferenças na forma como as diferentes medidas de variabilidade e/ou desenhos de tarefas prevêem o surgimento de benefícios para áreas específicas do desempenho académico ou do bem-estar geral a longo prazo. Esta questão será importante para ser abordada em estudos futuros que coletem e calculem múltiplas medidas longitudinais em grandes amostras de participantes.

Notamos algumas limitações potenciais deste trabalho. Uma limitação potencial é que a familiaridade com o uso de dispositivos de computador pode estar subjacente às diferenças na variabilidade do tempo de resposta entre os grupos de controle e de treinamento. No entanto, pensamos que isto é improvável, dado que no estudo de ressonância magnética funcional, o grupo de treino implementou as respostas durante o treino com um rato, enquanto dentro do scanner as crianças responderam usando uma caixa de botões adaptada à ressonância magnética. Além disso, melhorias significativas na variabilidade do desempenho na tarefa Go/Nogo só surgiram meses após o treino, sugerindo que a diferença se devia ao maior desenvolvimento das competências cognitivas, e não à simples familiaridade com a ação ou às competências motoras. Em segundo lugar, nosso estudo inicial de fMRI não incluiu o NBack ou o Flanker na linha de base, portanto não pudemos controlar o desempenho da linha de base nessas tarefas exatas.

A falta de diferenças entre grupos em quaisquer outras medidas pré-intervenção de memória de trabalho ou atenção sugere que a probabilidade de falhas de randomização levarem a diferenças independentes de treinamento na memória de trabalho ou atenção é muito baixa. O fato de podermos replicar nossos resultados da amostra de fMRI na amostra BFHSW usando uma tarefa Go/Nogo medida no início do estudo e pós-intervenção indica ainda que a falha na randomização é uma causa improvável para nossos resultados originais. Por último, uma limitação importante é que os nossos dados atuais não nos podem dizer se estes efeitos são específicos do WMT adaptativo por si só ou se outras formas de treino cognitivo podem levar a benefícios semelhantes. Nossos resultados sobre a variabilidade do TR sugerem que alguns dos benefícios do treinamento inicial são mediados por melhorias no controle da atenção. Embora o controle da atenção e a memória de trabalho estejam inter-relacionados, deveria ser possível treinar o controle da atenção usando tarefas cognitivas que exigem limitadamente a memória de trabalho para distinguir melhor entre as duas habilidades. Determinar os melhores tipos e formas de treinamento cognitivo e, potencialmente, como personalizar o treinamento para indivíduos de diferentes idades ou habilidades é um objetivo importante para pesquisas futuras.

5. CONCLUSÃO

Meios eficazes de melhorar as capacidades cognitivas têm sido um objetivo de longa data em muitas disciplinas. Nosso trabalho atual se soma às evidências existentes de que o WMT adaptativo pode beneficiar significativamente crianças em idade escolar (Berger et al., 2020; Jones et al., 2020; Karbach et al., 2015; Titz & Karbach, 2014; Wass et al., 2012). Além disso, fornece informações adicionais sobre os mecanismos subjacentes a estes benefícios. Juntamente com as descobertas recentes de Berger et al. (2020), também destaca a importância de incluir acompanhamentos de longo prazo em qualquer avaliação da eficácia do treinamento. Além dos dados de acompanhamento de longo prazo, demonstramos a utilidade do uso de métricas de variabilidade do tempo de resposta como um indicador imediato do sucesso da intervenção. A relevância prática de uma tal ferramenta de avaliação imediata não deve ser negligenciada, uma vez que poderia potencialmente permitir a adaptação de intervenções de formação em termos de duração ou conteúdo, sem necessidade de esperar anos por dados de acompanhamento para determinar se surgirão benefícios a longo prazo.

REFERÊNCIAS

1. Achenbach, TM (1991) Manual para a lista de verificação do comportamento infantil/4-18 e perfil de 1991. Departamento de Psiquiatria da Universidade de Vermont.

2.Adleman, NE, Yi, JY, Deveney, CM, Guyer, AE, Leibenluft, E., & Brotman, MA (2014). Aumento da variabilidade intra-sujeito no tempo de resposta em pré-escolares não afetados com risco familiar de transtorno bipolar. Pesquisa Psiquiátrica, 30, 219(3), 687–689.

3. Ali, S., Macoun, SJ, Bedir, B., & MacDonald, SWS (2019). A variabilidade intraindividual em crianças está relacionada às avaliações de atenção e função executiva dos informantes. Jornal de Neuropsicologia Clínica e Experimental, 41(7), 740–748.

4. Astle, DE, Barnes, JJ, Baker, K., Colclough, GL, & Woolrich, MW (2015). O treinamento cognitivo melhora a conectividade intrínseca do cérebro na infância. The Journal of Neuroscience: O jornal oficial da Society for Neuroscience, 35(16), 6277–6283.

5. Astle, DE e Scerif, G. (2011). Interações entre atenção e memória visual de curto prazo (VSTM): O que pode ser aprendido com as diferenças individuais e de desenvolvimento? Neuropsicologia, 49(6), 1435–1445.

6.Au, J., Sheehan, E., Tsai, N., Duncan, GJ, Buschkuehl, M., & Jaeggi, SM (2015). Melhorando a inteligência fluida com treinamento em memória de trabalho: uma meta-análise. Boletim e Revisão Psiconômica, 22(2), 366–377.

6. Baddeley, A. (1996). O fracionamento da memória de trabalho. Anais da Academia Nacional de Ciências dos Estados Unidos da América, 93(24), 13468–13472.

7. Baddeley, A. (2010). Memória de trabalho. Biologia Atual, 20(4), R136 – R140.

8.Bellgrove, MA, Hester, R. e Garavan, H. (2004). Os correlatos neuroanatômicos funcionais da variabilidade de resposta: evidências de uma tarefa de inibição de resposta. Neuropsicologia, 42(14), 1910–1916.

9.Berger, EM, Fehr, E., Hermes, H., Schunk, D., & Winkel, K. O impacto do treinamento da memória de trabalho nas habilidades cognitivas e não cognitivas das crianças. Diário Eletrônico SSRN, https://doi.org/10.2139/ssrn.3622985

10.Bogg, T. e Lasecki, L. (2014). Ganhos confiáveis? Evidências de projetos substancialmente fracos em estudos de transferência de treinamento de memória de trabalho para inteligência fluida. Fronteiras em Psicologia, 5, 1589.

For more information:1950477648nn@gmail.com