認知トレーニング後の課題パフォーマンスの個人内変動は、子どもの長期的な成果と関連している パート 2
Sep 27, 2023
2.7.2 思春期の脳と認知発達 (ABCD) 研究
ABCD 研究 (https://abcdstudy.org、データリリースバージョン 3.0) は、10 歳から始まる子供の認知および神経生物学的発達に関する縦断的多施設研究であり、11,878 人の子供に関するデータが含まれています。 この研究には、一般的な健康状態と臨床的尺度の両方をカバーする広範囲の標準化されたアンケートとインタビューが含まれています。 さらに、参加者は、Nback タスクを含むいくつかの認知タスクを実行します (Casey et al., 2018)。 私たちは、N-Back タスク中の個人内変動が、応答時間の変動係数として再度定量化され、児童行動チェックリスト (CBCL、アッヘンバッハ、1991) のスコアと関連しているかどうかをテストしました。
N-Back タスクは、作業記憶のテストとトレーニングに広く使用されているタスクです。 N-Back タスクでは、参加者は次のタスクで質問に正しく答えるために、前の刺激を覚えている必要があります。 近年、多くの研究により、そのようなタスクと記憶機能の間に密接な関係があることが示されています。
この研究では、N-Back タスクトレーニング後、参加者の作業記憶能力が向上することがわかりました。 ワーキングメモリは日常生活において非常に重要な役割を果たします。 それは情報を処理し、意思決定をより適切に行うのに役立ち、同時に複雑な情報をよりよく理解し、問題をより適切に解決するのにも役立ちます。
さらに、N-Back タスクは注意力と認知の柔軟性を向上させるのに役立ちます。 ワーキングメモリをトレーニングすることで、参加者の脳は変化する環境やタスクにうまく適応し、複雑な問題やストレスにうまく対処できるようになります。
一般に、N-Back タスクとメモリの関係は非常に密接です。 健康を維持するために体を動かす必要があるのと同じように、優れた認知機能や記憶機能を維持するために脳を訓練する必要もあります。 N-Back タスクに積極的に取り組むことで、作業記憶を強化し、注意力と柔軟性を向上させ、それによって認知能力と思考スキルを向上させることができます。 したがって、健康な脳と優れた認知機能を維持するには、N-Back タスクに積極的に取り組む必要があります。 記憶力を向上させる必要があることがわかります。 カンクサにはアセチルコリンや成長因子のレベルを高めるなど、神経伝達物質のバランスも調節できるため、記憶力を大幅に向上させることができます。 これらの物質は記憶と学習にとって非常に重要です。 さらに、肉は血流を改善し、酸素の供給を促進するため、脳に十分な栄養素とエネルギーが確実に供給され、脳の活力と持久力が向上します。
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 >現在利用可能な 3 つの時点すべてで、BMI が 1 パーセンタイルと 99 パーセンタイルの間にある (BMI パーセンタイルはそれぞれ=13.3 と 35.0)。 少数派だったため、BMI の範囲を制限しました (<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 結果
3.1 行動結果
WMT の子供たちはベースラインで CMP の子供たちと変わらなかった。 トレーニング プログラムの開始前に、すべての参加者は、一般知能 (Raven Matrices の修正版)、作業記憶 (視覚、空間)、抑制力 (Go-NoGo タスク)、学校の成績 (読解、算数、幾何学など）および心理的健康スクリーニング尺度（SDQ）を含みます。 2 つのグループ間の統計的比較は、これらのベースライン測定のいずれにおいても差異がないことを示しています (表 S1)。 2 つのグループは、作業記憶と注意力を測定する認知タスクを含む、ベースラインのどの測定値にも差を示さなかったが、次のセクションで報告する N バック タスクとフランカー タスクに関するベースライン測定値はありません。
3.2 精度と応答時間の変動に関する調査結果
全体として、適応型 WMT を受けるようにランダムに割り当てられた小児グループは、CMP よりも N-Back およびフランカー タスク中の応答時間の試験ごとのばらつきが少なく、より正確に実行されました (完全な結果については、補足表 S2 および S3 を参照)一連の記述統計と結果）。 WMT グループは、一致する試験と一致しない試験の両方において、フランカー タスクでより正確に反応しました。 N-Back タスクでは、低作業記憶試験 (0-1 回前) では WMT グループの子どもの方が CMP グループより正確でしたが、高作業記憶試験では 2 つのグループに大きな差はありませんでした ({{ 7}} 戻る）。
より良い精度に加えて、適応型WMTを受けた子供は、CMPグループの子供よりも反応時間の個人内変動が少ないことも示しました（補足表S2およびS3）。 内部 ICV を個人内 RT 標準偏差/個人内 RT 平均として計算しました。 WMT グループの子供たちは、フランカー課題と N バック課題の両方で使用される MRI 互換のボタンボックスではなく、トレーニング介入中に外部マウスを使用したため、応答デバイスへの慣れがグループ間の ICV の差の原因になることはありません。
3.3 普及決定モデル分析
我々は、DDM モデルをフランカー課題における子供の行動に当てはめて、治療群間の応答時間のばらつきの違いを引き起こすメカニズムを特定しました。 DDM を使用すると、応答時間の変動が (1) 非決定時間の差によって引き起こされるかどうかを判断できます。 (2) ある反応と他の反応を行うための十分な証拠がいつ存在するかを決定する境界または閾値の違い (多くの場合、反応の注意として解釈されます)。 および/または (3) ドリフト率 (つまり、証拠がどれほど迅速かつ確実に蓄積されるか)。 ドリフト率を 2 つの要素に分けて、フランカーからの無関係な情報と比較して、ターゲットからの関連情報に対する子供の感受性を測定しました。 適合は表 3 にまとめられており、WMT グループの子供たちは、注意をそらす魚と比較して、ターゲットの魚によって伝えられる情報 (つまり、その方向) に対してより敏感であり (事後確率=0.992)、利用されていることが示されています。 CMP の子よりも高い応答閾値 (事後確率=0.952)。 これらの DDM の結果は、WMT 後のタスク関連機能への注目の高まりと一致しています。
また、適合した拡散決定モデルからの応答をシミュレートして、フランカー タスクで観察された応答時間の変動パターンを再現できるかどうかをテストしました。 フランカー タスクでシミュレートされた応答を生成するために、各参加者の最適な DDM パラメーターを使用しました。 次に、グループ間のシミュレートされた応答時間を比較したところ、CMP の子供のパラメータに基づいたシミュレートされたエージェントよりも、WMT 参加者からのパラメータを使用したシミュレートされたエージェントの方が RT の変動が少ないことがわかりました (表 S4)。 したがって、適合した DDM は、2 つのグループの異なるレベルの応答時間の変動を説明し、生成することができます。
DDM のフィッティングに加えて、各子供の応答時間に元ガウス分布をフィッティングする事後テストも実施しました。 Ex-gaussian モデルでは DDM と同じ種類の機構的推論は可能ではありませんが、この方法を使用して RT の個人内変動を定量化することで、以前に発表された論文との比較を容易にするためにモデルを適合させて報告します。 これらの元ガウス結果は、ICV および DDM の結果と一致しており、標準偏差 (シグマ) および指数関数 (タウ) パラメータが訓練された作業記憶と CMP の間で異なるが、平均値 (μ) には有意な差がないことが示されました。応答時間の分布 (表 S5)。 言い換えれば、変動性の高い個人は、全体としての反応が確実に速くなったり、遅くなったりするわけではありません。 むしろ、彼らの対応方法には一貫性がありませんでした。 個人内変動は、N-Back タスクとフランカー タスク全体で高い相関がありました (r=0.65、p {{10}}.0008、95% CI [0.32, 0.84]）。
認知課題といくつかの相補的な分析形式の両方にわたる行動結果のパターンを総合すると、適応型 WMT 介入により、5 週間後すぐに領域全体的な方法で課題関連情報に取り組み、注意を維持する子どもの能力が向上した可能性があることが示唆されます。の訓練が完了しました。
3.4 fMRIの結果
WMT グループは精度が向上するとともに、低作業記憶試験中に注意と制御ネットワークの一部である脳領域の活性化が CMP と比較して増加したことを示しました。 これらには、右尾状核、被殻、淡蒼球、視床、下中前頭回および上前頭回、背側前帯状回、補足運動野などの前線条体視床系の部分が含まれていました（表S6、図1）。 高作業記憶条件における同様の精度の行動学的所見と一致して、高作業記憶試験中にグループ間で BOLD シグナルに有意差はありませんでした。 フランカータスク中に WMT の関数としての活動に有意な差は検出されませんでした。
さらに、グループ内でより大きな活動を示した領域のタスク関連の BOLD 信号レベル (図 S2 を参照) は、すべての参加者における N-back タスクの個人内の変動係数および/または精度とも相関していることがわかりました (図 S2 を参照)。図 1、下段）。 個人内変動にはグループ差があることを考慮すると、これらの領域の精度および ICV と何らかの関係があることが予想されます。 しかし、背側尾状核および被殻を含む背側線条体機能 ROI の活動は、WMT 条件の影響を考慮した後でも個体内変動と有意に関連していました (coef=−0.25、 p=0.004; 表 4)。 有意ではないが、個体内変動に関しては背外側前頭前野（dlPFC）、精度に関しては前帯状皮質/補足運動野において同様の傾向があった（表4）。
3.5 トレーニング後の認知タスクのパフォーマンスと fMRI サンプルにおけるフォローアップ測定の間の関連性
応答時間の変動により、将来の SDQ スコア (標準化係数 {{0}.32 ± 0.14)、ジオメトリ (標準化係数=−{{7) の大幅な追加変動が説明されます。 }}.66 ± {{10}.23)、および読み取り値 (標準化係数=−0.32 ± 0.14)、これらの測定値と IQ のベースラインスコアを考慮した後 (表 S7) 。 したがって、5 週間のトレーニング後の反応時間の変動は、同時点でのスキルの直接テストではまだ明らかではなかった、SDQ スコアと学力の将来の向上に関連していました。 対照的に、トレーニング後の認知タスクのパフォーマンスやベースラインの測定値は、将来の算術スコアと有意に関連していませんでした。 したがって、私たちのサンプルでは、介入直後に測定された反応時間の個人内変動は、Bergerらが以前に独立したサンプルでWMTの1年後に改善されたことを発見したのと同じ学術領域における将来の成績と相関していた。
3.6 BFHSW サンプルにおけるトレーニング後の ICV とフォローアップ措置との関連性の概念的な再現
fMRI サンプルでの結果と一致して、Go/Nogo タスク中の ICV の変化 (介入後 vs 介入前) は、独立した BFHSW サンプルにおける WMT の 1 年後の形状および読解スキルの向上とも関連していました (表 1 および 2)。ただし、読み取りの効果は多重比較のボンフェローニ補正には耐えられません。 回帰仕様には、ベースライン (W1) とトレーニング後 (W2) の Go/Nogo ICV の両方の回帰変数が含まれており、この仕様では、W2 Go/Nogo ICV の係数が W1 と W2 の間のパフォーマンスの変化の影響を表すことに注意してください。 。 ベースラインスコアを回帰の独立変数として含める場合、将来の学力スコアを従属変数として使用する場合も同様です。
興味深いことに、トレーニング直後の N-back ICV は WMT グループとコントロール グループの間で有意差がありましたが、Go/Nogo ICV の有意差はトレーニング後 12 か月まで現れませんでした (表 2)。 この Go/Nogo ICV の大幅な改善の発現の遅れは、Berger らによって報告された Go/Nogo の精度向上の発現の遅れと一致しています。 （2020年）。 治療間でまだ大きな差はありませんでしたが、ベースラインからトレーニング後までの Go/Nogo ICV の変化は、将来のパフォーマンスの向上を予測していました。 将来の研究に関連する問題は、反応時間や精度の個人内変動を評価して、作業後の遠隔転移効果の発現を予測するのにどのタイプの認知タスク（例：作業記憶、反応抑制など）が最も適しているかを判断することである。記憶やその他のトレーニング体制。
3.7 ICV と幸福度の尺度の関連性は ABCD 研究に一般化される
私たちは、縦断的 ABCD 研究の最初の 3 つの波からのデータを使用して、N-back タスク中の応答時間の変動と幸福度の尺度の間に fMRI サンプルで観察された関係が、独立したより大きな集合に一般化されるかどうかをテストしました。子供たち。 ABCD研究では、BMIに関するデータと児童行動チェックリスト（CBCL）のスコアを幸福度の尺度として使用しました。 私たちの fMRI および BFHSW 研究とは異なり、ABCD 研究には WMT 介入は含まれていません。 したがって、ABCD データを使用して、N-back ICV と現在の健康状態の間に有意な関連性があるかどうか、また関連性がある場合には、この縦断研究の 1 年目と 2 年目の追跡期間にわたってこの関係性が維持されるかどうかをテストしました。
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) スコアは、fMRI サンプルの結果と一致しています。
パレート平滑化重要度サンプリングによるリーブワンアウト相互検証を使用して、固定モデルと相互作用モデルを比較しました (PSISLOO、Vehtari et al.、2017)。 モデルの比較では、両方の BMI (相互作用モデル=の予想対数点ごとの予測密度 (elpd) の差)、差の標準誤差 (SE) を説明する際に、追跡波相互作用のない単純な固定モデルが適度に支持されました。=1.6) および CBCL (elpd 差=−2.6、SE = 1.9)。 さらに、どちらの相互作用モデルも、ベースラインと比較して、1- 年または 2- 年のフォローアップ訪問時の健康状態についてのベースライン N-back ICV の説明力の低下を示唆しませんでした。 どちらかといえば、BMIを説明しようとすると、ベースラインと2年目の間でICVの回帰係数がわずかに増加しました。 したがって、ABCD データの結果は、N-back ICV と子どもの幸福度の関係が幸福度の尺度 (SDQ、CBCL、BMI) 全体で一般化されており、N-back ICV の説明力は少なくとも次の期間まで持続することを示しています。認知トレーニング介入なしでの 2 年間の経験と開発。
4。討議
本研究では、小学生における適応型WMTの短期的な影響の根底にある神経認知メカニズムが、トレーニングの数か月または数年後に現れるトレーニング効果とどのように関係しているかを調べた。 全体として、私たちの結果は、作業記憶自体に加えて、5週間のトレーニング中またはトレーニング直後に、選択的注意と持続的な注意にも同時に利点がある可能性があることを示唆しています。 我々は、いくつかの異なる認知課題における反応時間の個人内変動を利用して、子どもの短期トレーニング効果を検出できること、またそのような測定値は、数カ月から数年後の遠隔転移効果の持続および/または出現を示す可能性があることを示す。トレーニングが完了しました。
私たちの調査結果は、適応型 WMT の直接的な結果として注意力の向上が見られることを示しています。 作業記憶と注意のプロセスは密接に関連しており、相互依存していると考えられています (Astle & Scerif, 2011; D'Esposito & Postle, 2015; Engle, 2018; Eriksson et al., 2015; Gazzaley & Nobre, 2012; Unsworth & Robison, 2017) ;Wass et al.、2012)。 主要なターゲットは異なりますが、フランカー、ゴー/ノーゴ、および N-バック タスクでは、タスク全体を通じて注意の集中を維持する (持続的注意)、およびターゲットの刺激を識別し、ターゲット以外の反応を除外または抑制する能力が必要です。刺激（選択的注意）。 神経レベルでは、WMT グループと CMP グループの違いは、線条体だけでなく、特に選択的かつ持続的な注意機能をサポートする脳領域である外側前頭前皮質と内側前頭前皮質でも見られました (Frank et al., 2001) ;Mcnab & Klingberg、2008;Zanto et al.、2011)。
これらの神経の違いは、適応型WMTを受けた小児において、信号検出性能の向上（つまり、dプライムの高さ）、応答時間の個体内変動の減少、関連情報のより効率的な蓄積（つまり、DDMドリフト率の高さ）を伴った。 これらの行動指標はすべて注意力に関連しており、注意力に依存しています。 したがって、総合すると、神経および行動の結果は、この研究で使用されたプログラムの利点が、タスク関連情報に対する一貫した効果的な反応と、無関係で気を散らす刺激の処理の削減につながる、より効果的な注意プロセスによって少なくとも部分的に媒介されることを示唆しています。 。
これらの結果は、トレーニング効果の根底にあるメカニズムの理論をさらに裏付けるものになります。 以前のトレーニング研究のメタ分析では、Cogmed-RM 適応型 WMT プログラムが日常生活における注意力に効果があると結論付けています (Spencer-Smith & Klingberg、2015)。 トレーニングの最後に検出されたより効果的な注意プロセスは、認知トレーニング後の遠方転移効果の基礎に関する以前の結果や理論とも一致しています（Dahlin et al., 2008; Greenwood & Parasuraman, 2016; Morrison & Chein 、2011）。 具体的には、これらの遠隔転移の利点は、訓練されたスキルと転移スキルが共通の基本的な認知プロセスを共有する場合に発生します。 多くの認知プロセスの前提条件としての注意の重要な役割を考えると、それは WMT 後の遠隔転移効果の基礎として機能する可能性があります。
最近、学齢期の子供における適応型 WMT の利点は、標準的な教室での指導と比較して、6 ～ 12 か月にわたって現れることが示されています (Berger et al., 2020)。 注意力の最初の改善は、その後のより高度な認知プロセスの変化のための足場として機能し、学校の成績の向上を促進する可能性があります。 私たちの現在の結果は、注意機能がこのタイプのトレーニングによって最初に改善される可能性があり、学力と一般的な幸福に対する後から現れる利点が注意プロセスの即時改善に関連していることを示唆しています。 これらのプロセスが作業記憶の実装を成功させるための前提条件であると仮定されることを考えると、WMT が注意制御 (例えば、選択的注意、持続的注意、または目標指向的注意の再割り当て) にも影響を与えることは驚くべきことではありません (Astle & Scerif、 2011; D'Esposito & Postle、2015; Eriksson et al.、2015; Gazzaley & Nobre、2012; Unsworth & Robison、2017; Wass et al.、2012)。
作業記憶能力とさまざまな認知スキルおよび学力スキルとの関連性は、注意制御への共通の依存によって部分的に媒介されるという証拠もあります (Engle, 2018;Fukuda & Vogel, 2011; Unsworth & Robison, 2017)。 トレーニング効果の遠方への伝達を媒介する際の注意プロセスの明らかな役割を考慮すると、WMT やその他の形式の認知トレーニングの有効性を評価する際に、これらのプロセスを測定することが重要です。 また、将来の研究では、適応型 WMT と、注意力、抑制力、またはその他の認知能力を訓練するために適応メカニズムを使用する介入を直接比較することも重要です。 私たちの現在の結果は、反応時間の個人内変動を定量化する指標が、さまざまなトレーニング計画の相対的な短期および長期の有効性を判断するのに役立つことを示しています。
注意制御における個人差を検出する個人内変動指標の能力は、ICVと、WMT後の学力および一般的な幸福に対する将来の利益の出現との間に見出された関連性を説明できる可能性がある。 個人内の反応時間変動指標は、注意制御プロセスにおける個人差の感度が高く信頼できる尺度です (MacDonald et al., 2009; Saville et al., 2011)。 それらは、個人の注意配分効率やタスク遂行中の注意制御の変動の程度の指標としてよく使用されます (Bellgrove et al., 2004; Isbell et al., 2018; Kelly et al., 2008; Stuss et al., 2003; アンスワース、2015)。 個人内の変動は、健康な子供と成人の認知制御手段と関連付けられており、1 つのタスクで測定された応答時間の変動は、別のタスクで測定された作業記憶および長期記憶または知能と相関しています (Bellgrove et al., 2004; Isbell ら、2018; Larson & Saccuzzo、1989; Montez ら、2017; van Belle ら、2015)。 また、健康な個人と注意欠陥多動性障害（ADHD）の患者の間でも異なります（Castellanos et al., 2005; Geurts et al., 2008; Karalunas et al., 2014; Kofler et al., 2013; van Belle et al., 2013; 、2015）。 しかし、反応時間の変動の増加はADHDに特有のものではなく、さまざまな精神障害や神経障害（外傷性脳損傷、認知症、統合失調症など）で見られ、注意欠陥がそれほど顕著ではないものの重要な役割を果たしている可能性があります（Geurtsら）ら、2008; Haynes ら、2017; Ilg ら、2018; Kofler ら、2013; MacDonald ら、2006)。
個人内変動の増加は、患者だけでなく非罹患親族でも一般的に観察されており、現在および将来の精神病理に対する共通の遺伝的または環境的危険因子を捉えている可能性があることを示している（Adleman et al., 2014; Ilg et al., 2018; Karalunas）ら、2014; Kuntsi ら、2010; Stuss ら、2003)。 Haynesらによる最近のレビュー。 は、反応時間の個人内変動が将来の認知障害および死亡率と関連していることを示した、高齢者を対象としたいくつかの縦断的研究を強調している（Haynes et al., 2017）。 したがって、我々の現在の結果は、既存の一連の研究と合わせて、個人内変動の尺度が現在の認知機能や神経機能に敏感であるだけでなく、それらの機能の将来の安定性、改善、または低下にも関連していることを示しています。
私たちは、個人内変動指標は短期的な有効性を検出でき、子どもの認知スキルと学業成績の向上を目的とした作業記憶介入の長期的な利点の出現を示すことを発見しました。 5 週間の WMT 直後に、作業記憶と注意力を調査する認知タスク (N-Back および Flanker) 中の個人内応答時間のばらつきにおいて、訓練を受けたグループと訓練を受けていないグループ間の有意な差を検出できましたが、一方、応答阻害課題 (Go/ Nogo) は数か月後まで現れませんでした。 それにもかかわらず、高齢者の認知機能低下を予測する彼らの能力と一致して、トレーニングの最後に計算されたN-backおよびGo/Nogoタスクの個人内変動の測定は、学力および一般的な健康の改善と関連していることがわかりました。 -トレーニング後1年までの子供であること。 両方の課題において、トレーニング後の変動性が低いことは、学力、教室および社会的行動における長所/短所のテストにおける将来のスコアの向上に関連していました。 ABCD データの結果は、パフォーマンスの変動の尺度が現在と将来の幸福度、特に行動上の問題と BMI に関連しているという考えとも一致しています。
私たちの結果は、個人内変動の尺度が介入の有効性を評価するのに役立つことを示唆しています。 ただし、いくつかの重要な問題にまだ対処する必要があります。 たとえば、個人内変動の指標を使用して、個人がいつ十分な量のトレーニング介入を受けたかを判断できるでしょうか? そうであれば、トレーニングの量を各人に合わせて調整し、トレーニング プログラムに固有の費用対効果のトレードオフを改善することができます。 私たちの調査結果が提起するもう 1 つの重要な疑問は、認知トレーニングの短期および長期の成果を評価するのに、どのようなタイプのタスク (作業記憶、注意力、タスク切り替えなどを対象としたものなど) および個人内変動の尺度が最適であるかということです。 。 これまでの研究では、いくつかの異なる方法で反応時間の個人内変動が定量化されています（Geurts et al., 2008; Karalunas et al., 2014; van Ravenzwaaij et al., 2011）。 我々は、いくつかの相補的な変動性測定を使用して、選択的注意（フランカー）タスク、作業記憶（N-Back）タスク、および反応抑制タスク（Go/Nogo）におけるトレーニンググループ間の応答時間の変動に有意な差があることを発見しました。 ただし、変動の尺度やタスクの設計が異なると、学業成績や全体的な幸福の長期的な特定領域への利益の出現をどの程度正確に予測できるかには差異が生じる可能性があります。 この問題は、参加者の大規模なサンプルで複数の長期的な測定値を収集して計算する将来の研究で取り組むことが重要になります。
この作業には潜在的な制限がいくつかあることに注意してください。 潜在的な制限の 1 つは、コンピューター デバイスの使用に慣れていることが、対照グループとトレーニング グループ間の応答時間のばらつきの違いの根底にある可能性があることです。 しかし、fMRI 研究では、訓練グループは訓練中にマウスを使って応答を実装したが、スキャナー内では子供たちが MRI に適合したボタン ボックスを使用して応答したことを考えると、これはありそうもないことだと考えています。 さらに、Go/Nogo タスクにおけるパフォーマンスのばらつきの大幅な改善は、トレーニング後数か月まで現れませんでした。この違いは、単純な行動の慣れや運動スキルではなく、認知スキルのさらなる発達によるものであることを示唆しています。 第二に、最初の fMRI 研究にはベースラインでの NBack またはフランカーが含まれていなかったため、これらの正確なタスクでのベースライン パフォーマンスを制御できませんでした。
作業記憶または注意に関する他の介入前の測定値にグループ間の差異がないことは、作業記憶または注意における訓練に依存しない差異につながるランダム化の失敗の確率が非常に低いことを示唆しています。 ベースラインおよび介入後に測定された Go/Nogo タスクを使用して、fMRI サンプルの結果を BFHSW サンプルで再現できるという事実は、ランダム化の失敗が元の結果の原因である可能性が低いことをさらに示しています。 最後に、重要な制限は、現在のデータでは、これらの効果が適応型 WMT 自体に特有のものなのか、それとも他の形式の認知トレーニングでも同様の効果が得られるのかどうかを知ることができないことです。 RT の変動に関する我々の結果は、初期トレーニングの利点の一部が注意制御の改善によって媒介されることを示唆しています。 注意制御と作業記憶は相互に関連していますが、2 つのスキルをより適切に区別するために、作業記憶への要求を制限する認知タスクを使用して注意制御を訓練することは可能であるはずです。 最適な認知トレーニングの種類と形式を決定し、さまざまな年齢や能力の個人に合わせてトレーニングをカスタマイズする方法を決定することは、将来の研究の重要な目標です。
5。結論
認知能力を高める効果的な手段は、多くの分野で長年の目標となっています。 私たちの現在の研究は、適応型WMTが学齢期の子供たちに大きな利益をもたらす可能性があるという既存の証拠を追加するものです（Berger et al., 2020; Jones et al., 2020; Karbach et al., 2015; Titz & Karbach, 2014; Wass et al., 2012）。 さらに、これらの利点の根底にあるメカニズムについてのさらなる洞察も提供します。 Bergerらの最近の発見と合わせて。 (2020) では、トレーニングの有効性の評価に長期的な追跡調査を含めることの重要性も強調しています。 長期追跡データに加えて、介入の成功の即時指標として応答時間の変動指標を使用することの有用性を実証します。 このような即時評価ツールの実際的な関連性は、長期的な効果が現れるかどうかを判断するための追跡データを何年も待つことなく、期間や内容に関してトレーニング介入を調整できる可能性があるため、見落とされるべきではありません。
参考文献
1. Achenbach, TM (1991) 児童行動チェックリストのマニュアル/4-18 および 1991 年のプロフィール。 バーモント大学精神科。
2. ネブラスカ州アドルマン、ジェイ・ワイ、デヴェニー、CM、ガイヤー、AE、ライベンルフト、E、およびマサチューセッツ州ブロットマン (2014)。 双極性障害の家族性リスクがある影響を受けていない未就学児における反応時間の被験者内変動の増加。 精神医学研究、30、219(3)、687–689。
3. Ali, S.、Macoun, SJ、Bedir, B.、およびマクドナルド、SWS (2019)。 子供の個人内変動は、情報提供者の注意力と実行機能の評価に関連しています。 臨床および実験神経心理学ジャーナル、41(7)、740–748。
4. デラウェア州アストル、JJ バーンズ、K. ベイカー、GL コルクラフ、ミネソタ州ウールリッチ (2015)。 認知トレーニングは、小児期の本質的な脳の接続性を強化します。 The Journal of Neuroscience: 神経科学協会の公式ジャーナル、35(16)、6277–6283。
5. DE アストル、G シェリフ (2011)。 注意と視覚的短期記憶 (VSTM) の相互作用: 個人差および発達差から何が学べるか? 神経心理学、49(6)、1435–1445。
6. Au、J.、Sheehan、E.、Tsai、N.、Duncan、GJ、Buschkuehl、M.、Jaeggi、SM (2015)。 作業記憶のトレーニングによる流動性知能の向上: メタ分析。 心理学速報とレビュー、22(2)、366–377。
6.Baddeley、A. (1996)。 作業記憶の分割。 アメリカ合衆国科学アカデミー紀要、93(24)、13468–13472。
7.Baddeley、A. (2010)。 ワーキングメモリ。 現在の生物学、20(4)、R136–R140。
8. マサチューセッツ州ベルグローブ、R. ヘスター、H. ガラバン (2004)。 反応の変動性の機能的神経解剖学的相関: 反応阻害タスクからの証拠。 神経心理学、42(14)、1910–1916。
9. Berger, EM、Fehr, E.、Hermes, H.、Schunk, D.、Winkel, K. 子どもの認知スキルおよび非認知スキルに対するワーキングメモリトレーニングの影響。 SSRN 電子ジャーナル、https://doi.org/10.2139/ssrn.3622985
10. ボッグ、T.、ラセッキ、L. (2014)。 信頼できる利益? 作業記憶トレーニングの研究における実質的に能力が不十分な設計の証拠は、流体知能に移行します。 心理学のフロンティア、5、1589。
For more information:1950477648nn@gmail.com
