La variabilità intra-individuale nell'esecuzione del compito dopo la formazione cognitiva è associata a risultati a lungo termine nei bambini Parte 2

2.7.2 Studio sul cervello e lo sviluppo cognitivo dell'adolescente (ABCD).

Lo studio ABCD (https://abcdstudy.org, versione dati versione 3.0) è uno studio longitudinale e multicentrico sullo sviluppo cognitivo e neurobiologico dei bambini a partire dall'età di 10 anni, con dati su 11.878 bambini. Questo studio include un’ampia gamma di questionari e interviste standardizzati che coprono sia il benessere generale che le misure cliniche. Inoltre, i partecipanti eseguono diversi compiti cognitivi, incluso un compito Nback (Casey et al., 2018). Abbiamo testato se la variabilità intra-individuale, ancora una volta quantificata come coefficiente di variazione dei tempi di risposta, durante il compito N-Back fosse associata ai punteggi della Child Behavioral Checklist (CBCL, Achenbach, 1991).

L'attività N-Back è un'attività ampiamente utilizzata per testare e allenare la memoria di lavoro. Nel compito N-Back, i partecipanti devono ricordare lo stimolo precedente per rispondere correttamente alla domanda nel compito successivo. Negli ultimi anni, molti studi hanno dimostrato una stretta relazione tra tali compiti e la funzione della memoria.

Lo studio ha rilevato che dopo l'allenamento con attività N-Back, la capacità di memoria di lavoro dei partecipanti migliorerà. La memoria di lavoro gioca un ruolo molto importante nella vita quotidiana. Può aiutarci a elaborare le informazioni e a prendere decisioni meglio e, allo stesso tempo, aiutarci a comprendere meglio informazioni complesse e a risolvere meglio i problemi.

Inoltre, l'attività N-Back aiuta a migliorare l'attenzione e la flessibilità cognitiva. Allenando la memoria di lavoro, il cervello dei partecipanti può adattarsi meglio ai cambiamenti degli ambienti e dei compiti e affrontare meglio problemi complessi e stress.

In generale, la relazione tra l'attività N-Back e la memoria è molto stretta. Proprio come dobbiamo esercitare il nostro corpo per mantenerci in buona salute, dobbiamo anche allenare il nostro cervello per mantenere eccellenti funzioni cognitive e di memoria. Impegnandoci attivamente nel compito N-Back, possiamo migliorare la nostra memoria di lavoro, migliorare la nostra attenzione e flessibilità, e quindi migliorare le nostre capacità cognitive e di pensiero. Pertanto, dovremmo impegnarci attivamente nelle attività N-Back per mantenere un cervello sano e un’eccellente funzione cognitiva. Si può vedere che dobbiamo migliorare la nostra memoria. La Cistanche deserticola può migliorare significativamente la memoria, perché la Cistanche deserticola può anche regolare l'equilibrio dei neurotrasmettitori, come aumentare i livelli di acetilcolina e fattori di crescita. Queste sostanze sono molto importanti per la memoria e l'apprendimento. Inoltre, la carne può anche migliorare il flusso sanguigno e promuovere l’apporto di ossigeno, il che può garantire che il cervello riceva nutrienti ed energia sufficienti, migliorando così la vitalità e la resistenza del cervello.

Fai clic su Conosci 10 modi per migliorare la memoria

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%) in tutti e tre i punti temporali attualmente disponibili e il cui BMI era compreso tra il 1° e il 99° percentile (percentili BMI=13,3 e 35,0, rispettivamente). Abbiamo ristretto l’intervallo per il BMI perché c’era una piccola minoranza (<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. RISULTATI

3.1 Risultati comportamentali

I bambini nel WMT non differivano da quelli nel CMP al basale. Prima dell'inizio di qualsiasi programma di formazione, tutti i partecipanti sono stati valutati utilizzando una serie di test che includevano intelligenza generale (una versione modificata delle matrici di Raven), memoria di lavoro (visiva, spaziale), inibizione (compito Go-NoGo), rendimento scolastico ( tra cui lettura, aritmetica, geometria, ecc.) e misure di screening del benessere psicologico (SDQ). I confronti statistici tra i due gruppi mostrano che non differivano in nessuna di queste misure di base (Tabella S1). Sebbene i due gruppi non abbiano mostrato differenze in nessuna misura al basale, compresi i compiti cognitivi che misuravano la memoria di lavoro e le capacità di attenzione, non abbiamo misure di base sui compiti N-Back e Flanker riportati nella sezione seguente.

3.2 Risultati sull'accuratezza e sulla variabilità del tempo di risposta

Nel complesso, il gruppo di bambini assegnati in modo casuale a sottoporsi al WMT adattivo ha ottenuto risultati più accurati e con una minore variabilità da prova a prova nei tempi di risposta durante i compiti N-Back e Flanker rispetto a quelli del CMP (vedere le Tabelle Supplementari S2 e S3 per la versione completa insieme di statistiche descrittive e risultati). Il gruppo WMT ha risposto in modo più accurato al compito Flanker sia nelle prove congruenti che in quelle incongruenti. Nel compito N-Back, i bambini del gruppo WMT erano più accurati di quelli del CMP nelle prove con memoria di lavoro bassa (0-1 indietro), ma i due gruppi non differivano significativamente nelle prove con memoria di lavoro alta ({{ 7}} indietro).

Oltre a una migliore accuratezza, i bambini che hanno ricevuto WMT adattivo hanno mostrato anche una minore variabilità intra-individuale nei tempi di risposta rispetto ai bambini del gruppo CMP (Tabelle Supplementari S2 e S3). Abbiamo calcolato l'intra-ICV come deviazione standard RT intra-individuale/media RT intraindividuale. I bambini nel gruppo WMT hanno utilizzato topi esterni durante l'intervento di formazione piuttosto che la casella di pulsanti compatibile con la MRI utilizzata durante le attività Flanker e N-back, e quindi la familiarità con il dispositivo di risposta non può essere una fonte di differenze nell'ICV tra i gruppi.

3.3 Analisi del Modello Decisionale della Diffusione

Abbiamo adattato un modello DDM al comportamento dei bambini nel compito Flanker per determinare i meccanismi che portano alle differenze nella variabilità del tempo di risposta tra i gruppi di trattamento. Utilizzando il DDM, possiamo determinare se la variabilità del tempo di risposta è guidata da (1) differenze nel tempo di non decisione; (2) differenze nel confine o nella soglia che determinano quando ci sono prove sufficienti per dare una risposta rispetto all'altra (spesso interpretate come cautela nella risposta); e/o (3) i tassi di deriva (vale a dire, la rapidità e la solidità con cui vengono accumulate le prove). Abbiamo separato il tasso di deriva in due componenti per misurare la sensibilità dei bambini alle informazioni rilevanti provenienti dal bersaglio rispetto alle informazioni irrilevanti provenienti dai fiancheggiatori. Gli adattamenti sono riassunti nella Tabella 3 e mostrano che i bambini nel gruppo WMT erano più sensibili alle informazioni trasportate dal pesce bersaglio (cioè la sua direzione) rispetto al pesce distrattore (probabilità posteriore=0.992) e utilizzati una soglia di risposta più alta (probabilità posteriore=0.952) rispetto ai bambini nel CMP. Questi risultati DDM sono coerenti con una maggiore attenzione alle caratteristiche rilevanti per le attività successive al WMT.

Abbiamo anche simulato le risposte del modello decisionale di diffusione adattata per verificare se potesse riprodurre i modelli di variabilità del tempo di risposta osservati nel compito Flanker. Per generare risposte simulate nell'attività Flanker, abbiamo utilizzato i parametri DDM più adatti di ciascun partecipante. Abbiamo quindi confrontato i tempi di risposta simulati tra i gruppi e scoperto che gli RT erano meno variabili per gli agenti simulati che utilizzavano parametri dei partecipanti WMT rispetto agli agenti simulati basati sui parametri dei bambini CMP (Tabella S4). Pertanto, il DDM adattato può spiegare e generare diversi livelli di variabilità del tempo di risposta nei due gruppi.

Oltre ad adattare il DDM, abbiamo anche condotto un test post-hoc adattando la distribuzione ex gaussiana ai tempi di risposta di ciascun bambino. Sebbene il modello ex gaussiano non consenta lo stesso tipo di inferenze meccanicistiche del DDM, lo adattiamo e lo riportiamo per facilitare il confronto con articoli pubblicati in precedenza utilizzando questo metodo per quantificare la variabilità intra-individuale nell'RT. Questi risultati ex-gaussiani sono coerenti con i risultati ICV e DDM e indicano che i parametri di deviazione standard (sigma) ed esponenziale (tau) differivano tra la memoria di lavoro allenata e CMP, ma non c'era differenza significativa nelle medie (mu) di le distribuzioni dei tempi di risposta (Tabella S5). In altre parole, gli individui più variabili non erano in modo affidabile più veloci o più lenti nel rispondere nel complesso. Piuttosto sono stati più incoerenti nel modo in cui hanno eseguito le loro risposte. La variabilità intra-individuale era altamente correlata tra le attività N-Back e Flanker (r=0.65, p {{10}}.0008, IC 95% [0,32, 0,84]).

Insieme, il modello dei risultati comportamentali sia nei compiti cognitivi che in diverse forme complementari di analisi suggeriscono che l'intervento adattivo WMT potrebbe aver aumentato la capacità dei bambini di coinvolgere e mantenere l'attenzione sulle informazioni rilevanti per il compito in modo generale subito dopo le cinque settimane della formazione sono stati completati.

3.4 Risultati della risonanza magnetica

Oltre a una migliore precisione, il gruppo WMT ha mostrato una maggiore attivazione rispetto al CMP nelle regioni del cervello che fanno parte delle reti di attenzione e controllo durante le prove con bassa memoria di lavoro. Questi includevano porzioni dei sistemi talamico-striatale anteriore come il caudato destro, il putamen, il pallido, il talamo, il giro frontale inferiore medio e superiore, il cingolato anteriore dorsale e la corteccia motoria supplementare (Tabella S6, Figura 1). Coerentemente con i risultati comportamentali di accuratezza simile nella condizione di memoria di lavoro elevata, non sono state riscontrate differenze significative nel segnale BOLD tra i gruppi durante le prove di memoria di lavoro elevata. Non abbiamo rilevato differenze significative nell'attività in funzione del WMT durante l'attività Flanker.

Inoltre, abbiamo scoperto che i livelli di segnale BOLD correlati al compito nelle regioni che mostravano una maggiore attività nel gruppo (vedere Figura S2) erano correlati anche con i coefficienti di variazione intra-individuale e/o con l’accuratezza del compito N-back in tutti i partecipanti ( Figura 1, riga inferiore). È prevedibile una certa relazione tra l’accuratezza e l’intra-ICV in queste regioni dato che esistono differenze di gruppo nella variabilità intra-individuale. Tuttavia, l'attività nella ROI funzionale striatale dorsale, che comprende il caudato dorsale e il putamen, era significativamente associata alla variabilità intra-individuale anche dopo aver tenuto conto degli effetti della condizione WMT (coef=−0.25, p=0.004; Tabella 4). C'erano tendenze simili, sebbene non significative, nella corteccia prefrontale dorsolaterale (dlPFC) per la variabilità intra-individuale e nella corteccia cingolata anteriore/area motoria supplementare per l'accuratezza (Tabella 4).

3.5 Associazioni tra prestazioni del compito cognitivo post-allenamento e misure di follow-up nel campione fMRI

La variabilità del tempo di risposta spiega una significativa varianza aggiuntiva nei futuri punteggi SDQ (coef. standardizzato {{0}}.32 ± 0.14), geometria (coef. standardizzato.=−{{7 }}.66 ± {{10}}.23) e lettura (coef. standardizzato=−0,32 ± 0,14), dopo aver tenuto conto dei punteggi di base in tali misure e del QI (Tabella S7) . Pertanto, la variabilità dei tempi di risposta dopo 5 settimane di formazione era associata a futuri miglioramenti nei punteggi SDQ e nelle competenze accademiche che non erano ancora evidenti nei test diretti di tali competenze nello stesso momento. Al contrario, nessuna prestazione cognitiva post-allenamento o misura di base era significativamente associata ai futuri punteggi aritmetici. Pertanto, nel nostro campione, la variabilità intra-individuale nei tempi di risposta misurati subito dopo l’intervento era correlata con le prestazioni future negli stessi ambiti accademici che Berger e colleghi avevano precedentemente riscontrato essere migliorati 1 anno dopo il WMT in un campione indipendente.

3.6 Replica concettuale dell'associazione tra ICV post-allenamento e misure di follow-up nel campione BFHSW

Coerentemente con i nostri risultati nel campione fMRI, i cambiamenti nell'ICV (post rispetto a pre-intervento) durante l'attività Go/Nogo sono stati anche associati a un miglioramento della geometria e delle capacità di lettura 1 anno dopo WMT nel campione indipendente BFHSW (Tabelle 1 e 2) , sebbene l'effetto per la lettura non sopravviva alla correzione di Bonferroni per confronti multipli. Si noti che la nostra specifica di regressione include regressori sia per il Go/Nogo ICV di base (W1) che post-allenamento (W2) e in questa specifica, il coefficiente per W2 Go/Nogo ICV rappresenta l'effetto della variazione delle prestazioni tra W1 e W2 . Lo stesso vale per l’uso dei futuri punteggi delle competenze accademiche come variabile dipendente quando si include il punteggio di base come variabile indipendente nella regressione.

È interessante notare che, mentre l'ICV N-back era significativamente diverso tra WMT e i gruppi di controllo subito dopo l'allenamento, differenze significative nell'ICV Go/Nogo non sono apparse fino a 12 mesi dopo l'allenamento (Tabella 2). Questa comparsa ritardata di miglioramenti significativi nell’ICV Go/Nogo è coerente con la comparsa ritardata di miglioramenti nell’accuratezza del Go/Nogo riportati da Berger et al. (2020). Anche se non differivano ancora in modo significativo tra i trattamenti, i cambiamenti nell’ICV Go/Nogo dal basale al post-allenamento prevedevano comunque futuri miglioramenti nelle prestazioni. Una questione rilevante per la ricerca futura è determinare quali tipi di compiti cognitivi (ad esempio, memoria di lavoro, inibizione della risposta, ecc.) sono più adatti a valutare la variabilità intra-individuale nel tempo di risposta o l'accuratezza per prevedere l'emergere di benefici di trasferimento lontano in seguito al lavoro. memoria o altri regimi di allenamento.

3.7 L'associazione tra ICV e misure di benessere si generalizza allo studio ABCD

Abbiamo utilizzato i dati delle prime tre ondate dello studio longitudinale ABCD per verificare se la relazione osservata nel nostro campione fMRI tra la variabilità del tempo di risposta durante il compito N-back e le misure di benessere fosse generalizzata a un insieme indipendente e più ampio di parametri bambini. Abbiamo utilizzato i dati sul BMI e i punteggi della Child Behavioral Checklist (CBCL) come misure del benessere nello studio ABCD. A differenza dei nostri studi fMRI e BFHSW, lo studio ABCD non include un intervento WMT. Pertanto, abbiamo utilizzato i dati ABCD per verificare se esistesse un'associazione significativa tra ICV N-back e benessere attuale e, in tal caso, se questa relazione regge nei follow-up del primo e del secondo anno in questo studio longitudinale.

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), coerenti con i risultati del campione fMRI.

Abbiamo confrontato i modelli fissi e di interazione utilizzando la convalida incrociata “leave-one-out” con il campionamento dell’importanza pareto-livellato (PSISLOO, Vehtari et al., 2017). I confronti dei modelli hanno favorito modestamente il modello fisso più semplice senza interazioni delle onde successive quando spiegano sia il BMI (differenza nella densità predittiva puntuale del log atteso (elpd) per il modello di interazione=−2.3, errore standard (SE) della differenza=1.6) e CBCL (differenza elpd=−2.6, SE = 1.9). Inoltre, nessuno dei due modelli di interazione ha suggerito una diminuzione del potere esplicativo dell'ICV N-back al basale per il benessere alle visite di follow-up di 1- o 2- anno rispetto al basale. Se non altro, si è verificato un leggero aumento nel coefficiente di regressione per l’ICV tra il basale e l’anno 2 quando si cercava di spiegare il BMI. Pertanto, i risultati dei dati ABCD mostrano che la relazione tra ICV N-back e benessere dei bambini si generalizza attraverso le misure di benessere (SDQ, CBCL, BMI) e il potere esplicativo dell’ICV N-back persiste almeno 2 anni di esperienza e sviluppo in assenza di qualsiasi intervento di training cognitivo.

4. DISCUSSIONE

Il presente studio ha esaminato come i meccanismi neurocognitivi alla base dell’impatto a breve termine del WMT adattivo nei bambini della scuola primaria si riferiscono ai benefici formativi che emergono mesi o anni dopo la formazione. Nel complesso, i nostri risultati suggeriscono che oltre alla memoria di lavoro stessa, potrebbero esserci benefici simultanei nell’attenzione selettiva e sostenuta durante o direttamente dopo cinque settimane di allenamento. Mostriamo che la variabilità intra-individuale nei tempi di risposta durante diversi compiti cognitivi può essere utilizzata per rilevare effetti di allenamento a breve termine nei bambini e che tali misure possono essere indicative della persistenza e/o dell’emergere di benefici di trasferimento a distanza mesi o anni dopo la formazione è completata.

I nostri risultati indicano che una migliore attenzione è tra i risultati immediati del WMT adattivo. Si ritiene che la memoria di lavoro e i processi di attenzione siano strettamente collegati e interdipendenti (Astle & Scerif, 2011; D'Esposito & Postle, 2015; Engle, 2018; Eriksson et al., 2015; Gazzaley & Nobre, 2012; Unsworth & Robison, 2017 ; Wass et al., 2012). Sebbene abbiano obiettivi primari diversi, i compiti Flanker, Go/Nogo e N-Back richiedono la capacità di mantenere il focus dell'attenzione durante tutto il compito (attenzione sostenuta) e di identificare gli stimoli target e filtrare o inibire le risposte a stimoli non target. stimoli (attenzione selettiva). A livello neurale, sono state riscontrate differenze tra i gruppi WMT e CMP nello striato e nelle cortecce prefrontali laterale e mediale, che sono regioni del cervello che, tra le altre cose, supportano le funzioni di attenzione selettiva e sostenuta (Frank et al., 2001 ; Mcnab e Klingberg, 2008; Zanto et al., 2011).

Queste differenze neurali sono state accompagnate da migliori prestazioni di rilevamento del segnale (ovvero, d-prime più elevato), ridotta variabilità intra-individuale nei tempi di risposta e accumulo più efficiente di informazioni rilevanti (ovvero, tassi di deriva DDM più elevati) nei bambini che hanno ricevuto WMT adattivo. Tutte queste misure comportamentali sono legate e dipendenti dall’attenzione. Pertanto, nel loro insieme, i nostri risultati neurali e comportamentali suggeriscono che i benefici del programma utilizzato in questo studio sono almeno parzialmente mediati da processi di attenzione più efficaci che portano a risposte coerenti ed efficaci alle informazioni rilevanti per il compito e ad una ridotta elaborazione di stimoli irrilevanti e distraenti. .

Questi risultati forniscono ulteriore supporto alle teorie sui meccanismi alla base dei benefici della formazione. Una meta-analisi di precedenti studi sulla formazione ha concluso che il programma adattivo WMT Cogmed-RM ha effetti sull’attenzione nella vita quotidiana (Spencer-Smith & Klingberg, 2015). I processi di attenzione più efficaci che abbiamo rilevato alla fine della formazione sono coerenti con i risultati precedenti e con le teorie sulla base degli effetti di trasferimento a distanza anche a seguito della formazione cognitiva (Dahlin et al., 2008; Greenwood & Parasuraman, 2016; Morrison & Chein , 2011). Nello specifico, questi benefici di trasferimento a distanza si verificano quando le abilità addestrate e trasferite condividono processi cognitivi fondamentali comuni. Dato l’importante ruolo dell’attenzione come prerequisito per molti processi cognitivi, potrebbe servire come base per gli effetti di trasferimento a distanza successivi al WMT.

Recentemente, è stato dimostrato che i benefici del WMT adattivo nei bambini in età scolare, rispetto all’istruzione in classe standard, emergono nell’arco di 6-12 mesi (Berger et al., 2020). I miglioramenti iniziali dell’attenzione possono servire da impalcatura per cambiamenti successivi nei processi cognitivi superiori che facilitano un migliore rendimento scolastico. I nostri risultati attuali suggeriscono che le funzioni di attenzione potrebbero essere tra le prime a migliorare da questo tipo di formazione e che i successivi benefici emergenti per le capacità accademiche e il benessere generale sono associati a miglioramenti immediati nei processi di attenzione. Non sorprende che il WMT influenzi anche il controllo dell'attenzione (ad esempio, attenzione selettiva, attenzione sostenuta o riallocazione dell'attenzione diretta all'obiettivo) dato che questi processi sono postulati come prerequisiti per il successo dell'implementazione della memoria di lavoro (Astle & Scerif, 2011; D'Esposito & Postle, 2015; Eriksson et al., 2015; Gazzaley & Nobre, 2012; Unsworth & Robison, 2017; Wass et al., 2012).

Esistono anche prove che le associazioni tra la capacità di memoria di lavoro e varie abilità cognitive e accademiche sono parzialmente mediate da una comune dipendenza dal controllo dell'attenzione (Engle, 2018; Fukuda & Vogel, 2011; Unsworth & Robison, 2017). Dato il ruolo evidente dei processi di attenzione nel mediare il trasferimento a distanza degli effetti dell'allenamento, è importante misurare questi processi quando si valuta l'efficacia di ofWMT e di altre forme di allenamento cognitivo. Sarà anche importante che gli studi futuri confrontino direttamente il WMT adattivo con gli interventi che utilizzano meccanismi adattivi per allenare l’attenzione, l’inibizione o altre capacità cognitive. I nostri risultati attuali indicano che le metriche che quantificano la variabilità intra-individuale nel tempo di risposta saranno utili per determinare l’efficacia relativa a breve e lungo termine di diversi regimi di allenamento.

La capacità delle metriche di variabilità intra-individuale di rilevare differenze individuali nel controllo dell’attenzione potrebbe spiegare l’associazione che troviamo tra ICV e la futura emergenza di benefici per le capacità accademiche e il benessere generale dopo il WMT. Le metriche della variabilità del tempo di risposta intra-individuale sono misure sensibili e affidabili delle differenze individuali nei processi di controllo dell'attenzione (MacDonald et al., 2009; Saville et al., 2011). Sono spesso utilizzati come indice dell'efficienza dell'allocazione dell'attenzione di un individuo o del grado di fluttuazione nel controllo dell'attenzione durante l'esecuzione del compito (Bellgrove et al., 2004; Isbell et al., 2018; Kelly et al., 2008; Stuss et al., 2003; Unsworth, 2015). La variabilità intra-individuale è stata collegata alle misure di controllo cognitivo in bambini e adulti sani, e la variabilità nei tempi di risposta misurati in un compito è correlata al lavoro e alla memoria a lungo termine o all'intelligenza misurata in compiti separati (Bellgrove et al., 2004; Isbell et al., 2018; Larson & Saccuzzo, 1989; Montez et al., 2017; van Belle et al., 2015). Differisce anche tra individui sani e quelli con disturbo da deficit di attenzione e iperattività (ADHD) (Castellanos et al., 2005; Geurts et al., 2008; Karalunas et al., 2014; Kofler et al., 2013; van Belle et al. , 2015). Tuttavia, l'aumento della variabilità del tempo di risposta non è esclusivo dell'ADHD ed è osservato in vari disturbi psichiatrici e neurologici (ad esempio, lesioni cerebrali traumatiche, demenza e schizofrenia), in cui i deficit di attenzione possono svolgere un ruolo importante, anche se meno importante (Geurts et al. al., 2008; Haynes et al., 2017; Ilg et al., 2018; Kofler et al., 2013; MacDonald et al., 2006).

Un aumento della variabilità intra-individuale è comunemente osservato nei parenti non affetti così come nei pazienti, indicando che potrebbe catturare fattori di rischio genetici o ambientali condivisi per psicopatologie attuali e future (Adleman et al., 2014; Ilg et al., 2018; Karalunas et al., 2014; Kuntsi et al., 2010; Stuss et al., 2003). Una recente revisione di Haynes et al. evidenzia diversi studi longitudinali condotti su anziani che hanno dimostrato che la variabilità intra-individuale nei tempi di risposta è associata a futuri livelli di deterioramento cognitivo e mortalità (Haynes et al., 2017). Pertanto, i nostri risultati attuali, insieme al corpo di lavoro esistente, indicano che le misure di variabilità intra-individuale sono sensibili non solo alle attuali funzioni cognitive e neurologiche, ma anche associate alla futura stabilità, miglioramento o declino di tali funzioni.

Abbiamo scoperto che le metriche di variabilità intra-individuale possono rilevare l’efficacia a breve termine e sono indicative dell’emergere di benefici a lungo termine degli interventi sulla memoria di lavoro volti a migliorare le capacità cognitive e il rendimento scolastico nei bambini. Abbiamo potuto rilevare differenze significative tra gruppi addestrati e non addestrati nella variabilità del tempo di risposta intraindividuale durante compiti cognitivi che sondavano la memoria di lavoro e l'attenzione (N-Back e Flanker) direttamente dopo cinque settimane di WMT, mentre miglioramenti significativi nella variabilità durante un compito di inibizione della risposta (Go/ Nogo) non emersero se non mesi dopo. Tuttavia, in linea con la loro capacità di prevedere il declino cognitivo negli anziani, abbiamo scoperto che le misure della variabilità intra-individuale nei compiti N-back e Go/Nogo calcolati alla fine della formazione erano associate a miglioramenti nelle capacità accademiche e nel benessere generale. -essere nei bambini fino a 1 anno dopo l'allenamento. In entrambi i compiti, una minore variabilità post-formazione era correlata a migliori punteggi futuri nei test di abilità accademiche e punti di forza/debolezza in classe e comportamento sociale. I risultati dei dati ABCD sono anche coerenti con l’idea che le misure di variabilità della prestazione sono associate sia al benessere attuale che a quello futuro, in particolare ai problemi comportamentali e al BMI.

I nostri risultati suggeriscono che le misure della variabilità intra-individuale sono utili per valutare l’efficacia dell’intervento. Tuttavia, diverse questioni importanti devono ancora essere affrontate. Ad esempio, possiamo utilizzare parametri di variabilità intra-individuale per determinare quando un individuo ha ricevuto una dose sufficiente dell’intervento formativo? Se è così, allora potremmo adattare la quantità di formazione a ciascuna persona per migliorare il rapporto costi-benefici inerente a qualsiasi programma di formazione. Un'altra domanda chiave sollevata dai nostri risultati è quali tipi di compiti (ad esempio, quelli mirati alla memoria di lavoro, all'attenzione, al cambio di compiti, ecc.) e le misure di variabilità intra-individuale siano più adatti per valutare i risultati a breve e lungo termine dell'allenamento cognitivo. . Il lavoro precedente ha quantificato la variabilità intra-individuale nei tempi di risposta in diversi modi (Geurts et al., 2008; Karalunas et al., 2014; van Ravenzwaaij et al., 2011). Abbiamo riscontrato differenze significative nella variabilità del tempo di risposta tra i gruppi di allenamento nei compiti di attenzione selettiva (Flanker), memoria di lavoro (N-Back) e compiti di inibizione della risposta (Go/Nogo) utilizzando diverse misure complementari di variabilità. Tuttavia, potrebbero esserci differenze nel modo in cui le diverse misure di variabilità e/o la progettazione dei compiti prevedono l’emergere di benefici in aree specifiche del rendimento accademico o del benessere generale a lungo termine. Sarà importante affrontare questa domanda negli studi futuri che raccolgono e calcolano più misure longitudinali in ampi campioni di partecipanti.

Notiamo alcune potenziali limitazioni di questo lavoro. Una potenziale limitazione è che la familiarità con l’uso dei dispositivi informatici può essere alla base delle differenze nella variabilità dei tempi di risposta tra i gruppi di controllo e di formazione. Tuttavia, riteniamo che ciò sia improbabile dato che nello studio fMRI, il gruppo di formazione ha implementato le risposte durante l'addestramento con un mouse mentre all'interno dello scanner i bambini hanno risposto utilizzando una casella di pulsanti adattata alla MRI. Inoltre, miglioramenti significativi nella variabilità delle prestazioni nel compito Go/Nogo non sono emersi fino a mesi dopo l’allenamento, suggerendo che la differenza era dovuta ad un ulteriore sviluppo delle abilità cognitive piuttosto che alla semplice familiarità con l’azione o alle abilità motorie. In secondo luogo, il nostro studio fMRI iniziale non includeva NBack o Flanker al basale, quindi non abbiamo potuto controllare le prestazioni di base in quelle attività esatte.

La mancanza di differenze tra i gruppi in qualsiasi altra misura pre-intervento della memoria di lavoro o dell'attenzione suggerisce che la probabilità di fallimenti della randomizzazione che portano a differenze indipendenti dalla formazione nella memoria di lavoro o nell'attenzione è molto bassa. Il fatto che possiamo replicare i nostri risultati dal campione fMRI nel campione BFHSW utilizzando un'attività Go/Nogo misurata al basale e post-intervento indica ulteriormente che il fallimento della randomizzazione è una causa improbabile per i nostri risultati originali. Infine, un’importante limitazione è che i nostri dati attuali non possono dirci se questi effetti sono specifici del WMT adattivo di per sé o se altre forme di allenamento cognitivo potrebbero portare a benefici simili. I nostri risultati sulla variabilità dell’RT suggeriscono che alcuni dei benefici iniziali dell’allenamento sono mediati da miglioramenti nel controllo dell’attenzione. Sebbene il controllo dell’attenzione e la memoria di lavoro siano correlati, dovrebbe essere possibile allenare il controllo dell’attenzione utilizzando compiti cognitivi che richiedono richieste limitate alla memoria di lavoro per distinguere meglio tra le due abilità. Determinare i migliori tipi e forme di allenamento cognitivo e potenzialmente come personalizzare la formazione per individui di età o abilità diverse è un obiettivo importante per la ricerca futura.

5. CONCLUSIONE

Mezzi efficaci per migliorare le capacità cognitive sono stati un obiettivo di lunga data in molte discipline. Il nostro lavoro attuale si aggiunge alle prove esistenti che l’AdaptiveWMT può apportare benefici significativi ai bambini in età scolare (Berger et al., 2020; Jones et al., 2020; Karbach et al., 2015; Titz & Karbach, 2014; Wass et al., 2012). Inoltre, fornisce ulteriori approfondimenti sui meccanismi alla base di questi benefici. Insieme alle recenti scoperte di Berger et al. (2020), sottolinea inoltre l’importanza di includere follow-up a lungo termine in qualsiasi valutazione dell’efficacia della formazione. Oltre ai dati di follow-up a lungo termine, dimostriamo l'utilità di utilizzare le metriche di variabilità del tempo di risposta come indicatore immediato del successo dell'intervento. La rilevanza pratica di uno strumento di valutazione così immediato non dovrebbe essere trascurata, poiché potrebbe potenzialmente consentire di personalizzare gli interventi formativi in ​​termini di durata o contenuto senza dover attendere anni per avere dati di follow-up per determinare se emergeranno benefici a lungo termine.

RIFERIMENTI

1. Achenbach, TM (1991) Manuale per la checklist del comportamento infantile/4-18 e profilo del 1991. Dipartimento di Psichiatria, Università del Vermont.

2.Adleman, NE, Yi, JY, Deveney, CM, Guyer, AE, Leibenluft, E., & Brotman, MA (2014). Aumento della variabilità intrasoggettiva nel tempo di risposta nei bambini in età prescolare non affetti a rischio familiare di disturbo bipolare. Ricerca in psichiatria, 30, 219(3), 687–689.

3. Ali, S., Macoun, SJ, Bedir, B. e MacDonald, SWS (2019). La variabilità intraindividuale nei bambini è correlata alle valutazioni dell'attenzione e delle funzioni esecutive degli informatori. Giornale di neuropsicologia clinica e sperimentale, 41(7), 740–748.

4. Astle, DE, Barnes, JJ, Baker, K., Colclough, GL, e Woolrich, MW (2015). L’allenamento cognitivo migliora la connettività intrinseca del cervello durante l’infanzia. The Journal of Neuroscience: La rivista ufficiale della Society for Neuroscience, 35(16), 6277–6283.

5. Astle, DE e Scerif, G. (2011). Interazioni tra attenzione e memoria visiva a breve termine (VSTM): cosa si può imparare dalle differenze individuali e di sviluppo? Neuropsicologia, 49(6), 1435–1445.

6.Au, J., Sheehan, E., Tsai, N., Duncan, GJ, Buschkuehl, M., & Jaeggi, SM (2015). Migliorare l'intelligenza fluida con la formazione sulla memoria di lavoro: una meta-analisi. Bollettino e revisione psiconomica, 22(2), 366–377.

6.Baddeley, A. (1996). Il frazionamento della memoria di lavoro. Atti dell'Accademia Nazionale delle Scienze degli Stati Uniti d'America, 93(24), 13468–13472.

7.Baddeley, A. (2010). Memoria di lavoro. Biologia attuale, 20(4), R136–R140.

8.Bellgrove, MA, Hester, R. e Garavan, H. (2004). I correlati neuroanatomici funzionali della variabilità della risposta: prove da un compito di inibizione della risposta. Neuropsicologia, 42(14), 1910-1916.

9. Berger, EM, Fehr, E., Hermes, H., Schunk, D. e Winkel, K. L'impatto dell'allenamento della memoria di lavoro sulle capacità cognitive e non cognitive dei bambini. Giornale elettronico SSRN, https://doi.org/10.2139/ssrn.3622985

10.Bogg, T. e Lasecki, L. (2014). Guadagni affidabili? Prove di progetti sostanzialmente sottodimensionati negli studi sul trasferimento dell'allenamento della memoria di lavoro all'intelligenza fluida. Frontiere in psicologia, 5, 1589.

For more information:1950477648nn@gmail.com