Yön yöunesta saatava etu kaavioon liittyvässä muistissa voi kestää vain päivän Osa 2

Tutkimusprotokolla

Osallistujat jaettiin satunnaisesti joko uni- tai aktiivisen valveilla oleviin ryhmiin. Osallistujat suorittivat vaiheen 1 oppiakseen skeeman ja 10-minuutin tauon jälkeen he suorittivat vaiheen 2 oppimislohkot oppiakseen skeemaan liittyvän sekä uudenlaisen hierarkian.

Joten mitä on aktiivinen herääminen? Aktiivinen herääminen tarkoittaa ihmisten kykyä havaita muutoksia ympäröivässä ympäristössä, aloitteellisuutta sekä kykyä ymmärtää ja reagoida asioihin. Kun ihminen on herännyt, hänen kasvojensa piirteet ovat terävämpiä, hänen ajattelunsa on ketterämpää ja hänen kykynsä havaita ja ymmärtää asioita on vahvempi.

Ja tämä korkea kiihottumisaste voi myös auttaa meitä parantamaan paremmin muistiamme. Korkean kiihottumisen tilassa ihminen voi keskittyä enemmän oppimaansa tietoon ja säilyttää oppimansa sisällön paremmin aivoissaan. Samaan aikaan korkea kiihottumisen tila voi myös stimuloida ihmisten ajattelun elinvoimaa ja parantaa muistin syvyyttä ja tehokkuutta.

Siksi meidän on parannettava tietoisuuttamme ja muistiamme useiden menetelmien avulla. Ensinnäkin meidän on kiinnitettävä huomiota riittävän uniajan ylläpitämiseen, jotta emme vaikuta havaintoon ja ymmärrykseen liiallisen väsymyksen vuoksi. Toiseksi meidän on myös aktivoitava säännöllisesti aivomme ja edistettävä ajattelun elinvoimaisuutta lukemisen, ajattelun jne. avulla. Lopuksi meidän on myös kiinnitettävä enemmän huomiota ympäröivän ympäristön muutoksiin elämässämme sekä opittava ja alttiina mahdollisimman monelle uudelle. asioita mahdollisimman parantaaksemme heräämis- ja muistikykyämme.

Lyhyesti sanottuna aktiivisen kiihottumisen ja muistin välinen suhde on läheinen ja välttämätön. Meidän on jatkettava positiivisuutta, säilytettävä hyviä elämäntapoja sekä jatkuvasti harjoitettava ja haastattava itsemme parantaaksemme kiihottumis- ja muistikykyämme, vastataksemme paremmin elämän haasteisiin ja mahdollisuuksiin. Voidaan nähdä, että meidän on parannettava muistia, ja Cistanche deserticola voi parantaa muistia merkittävästi, koska Cistanche deserticola voi myös säädellä välittäjäaineiden tasapainoa, kuten lisäämällä asetyylikoliinin ja kasvutekijöiden tasoa. Nämä aineet ovat erittäin tärkeitä muistille ja oppimiselle. Lisäksi liha voi myös parantaa verenkiertoa ja edistää hapen toimitusta, mikä voi varmistaa, että aivot saavat riittävästi ravinteita ja energiaa, mikä parantaa aivojen elinvoimaa ja kestävyyttä.

Napsauta tietää lisäravinteita parantaaksesi muistia

Ne testattiin 12-tunnin (uni–herätys) -välin jälkeen, jota seurasi toinen testi 24 tuntia ensimmäisen koodausistunnon jälkeen. Unta seurattiin käyttäen sekä polysomnografiaa (PSG) että aktigrafiaa (kuvio 1).

Schema-oppimisen paradigma

Huolimatta vuosikymmeniä kestäneestä tutkimuksesta ja äskettäin hermostotieteiden yhteisössä uusiutuneesta kiinnostuksesta organisoidun tiedon kehysten tutkimiseen, ei näytä olevan yksimielisyyttä siitä, mikä määrittelee kaavion. Tämä on vaikuttanut kirjallisuuden heterogeenisyyteen.

On ehdotettu, että skeemojen toimiva määritelmä sisältää "päällekkäiset, organisoidut tietoesitykset", joilla on seuraavat kolme ominaisuutta: muistin suorituskyvyn parantaminen; luonteeltaan dynaaminen ja mukautuva, kun ristiriitaiset uudet kohteet haastavat sen, ja se helpottaa uusien päätelmien tekemistä yleistäen suoraan opitun [28].

Nykytutkimuksessa [26] käytettiin transitiiviseen päättelyyn perustuvaa skeemapohjaista oppimisparadigmaa, joka sisälsi nämä olennaiset piirteet. Tätä paradigmaa on käytetty aikaisemmissa teoksissa [29–31].

Pääparadigma koostui kahdesta päävaiheesta, kuten kuvassa 2 on kuvattu ja kuvattu yksityiskohtaisesti alla. Sisällytimme aktiivisen palautteen nimenomaisena vahvistuksena kaikissa oppimislohkoissa, koska jotkin tutkimukset ovat osoittaneet, että eksplisiittinen vahvistaminen oppimisen aikana on olennainen tekijä unesta riippuvaisten hyötyjen transitiivisessa päättelyssä [15]. Pääparadigma koostui kolmesta päävaiheesta, jotka esitetään kuvassa 2 ja selitetään yksityiskohtaisesti alla.

Protokollan yleiskatsaus

Alkuperäinen skeeman muodostus koostui kahdesta osasta, joissa oli 10-minuuttitauko: (vaihe 1) alkuperäisen skeeman muodostamiseksi, jota seurasi (vaihe 2): skeemaan liittyvä muistin integrointi ja sitten-skeemaehtojen oppiminen. Vaiheen 2 päätyttyä osallistujille tehtiin välittömät ja viivästyneet testiistunnot 12 tunnin jälkeen, jotka sisälsivät uniaktiivisen hereilläoloa, ja viimeinen testi 24 tuntia alkuperäisen koodauksen jälkeen (kuva 1).

Vaihe 1: kaavion oppiminen kriteeriin

Osallistujien piti oppia kohteiden oikea järjestys 7-kohdejoukossa, joka liittyy galaksien ikähierarkiaan. Oppimisprosessi sisälsi yrityksen ja erehdyksen sekä aktiivisen palautteen vuorotellen oppimis- ja testauslohkojen välillä, kunnes osallistujat saavuttivat yli 85 %:n tarkkuuden.

Oppimislohkojen aikana osallistujille näytettiin kaksi vierekkäistä galaksia hierarkiassa (B–C, F–E, A–B, D–C jne.) 3 sekunnin ajan ja heiltä kysyttiin: "Mikä galaksi on vanhempi?." Osallistujia kannustettiin osallistumaan aktiivisesti oppimiseen ja antamaan vastauksia.

Oikea vastaus korostettiin vihreällä riippumatta siitä, vastasivatko he vai eivät. Ei-vierekkäisiä pareja (B–D, C–E, B–E jne.) ei esitetty oppimisen aikana.

Jokaista oppimislohkoa seurasi vastaava testilohko, jossa osallistujille näytettiin galaksipari ja osoitettiin, mikä kohde oli vanhempi. Heille näytettiin opittuja vierekkäisiä pareja sekä ei-viereisiä kohteita (päätelmäpareja), joita ei ollut tavattu oppimisen aikana (kuva 2A–B).

Palautetta ei annettu. Vastatakseen oikein näihin kysymyksiin osallistujat tekivät transitiivisia päätelmiä (eli jos A > B ja B > C, niin A > C).

Tämä vaihe päättyi, kun 85 %:n tarkkuus oli saavutettu. Pilottikokeilujen ja aikaisemman työn perusteella varusimme enintään 20 oppimis- ja testauslohkoa 85 %:n tarkkuuden saavuttamiseksi. Keskimäärin noin 10 oppimislohkoa tarvittiin kriteerin saavuttamiseksi (M=9.6, SD=3.9).

Vaihe 2: skeemaan liittyvä muistin integrointi ja ei-skeema-ehdon oppiminen

Tämä vaihe sisälsi uuden galaksihierarkian oppimisen, joka joko hyödynsi hankittua skeemaa (skeemaehto) tai sisälsi kohteita, joita ei ollut ennen tavattu (ei-skeemaehto). Kaaviossa osallistujien piti oppia uusi hierarkia, joka oli interkaloitu vaiheen 1 galaksien kanssa säilyttäen samalla järjestyksen. Ei-skeematilassa osallistujille esitettiin täysin uusi hierarkia. Testit sekä skeema- että ei-skeemajoukoilla koostuivat vierekkäisistä ja johtopäätöspareista, jotka olivat samanlaisia ​​kuin vaihe 1. Kriittisesti päättelykokeet koostuivat vain uusista galakseista molemmissa hierarkioissa.

Toimenpiteet olivat identtisiä edellisen vaiheen kanssa ja osallistujat käyvät läpi kuusi vuorotellen oppimis- ja testilohkoa sekä skeema- että ei-skeema-joukkoja varten, jotka on esitetty lomitusjärjestyksessä. Kaikki kohteet, oikea/vasen esitys näytöllä, limitetty järjestys ja parien esitysjärjestys satunnaistettiin ja tasapainotettiin kaikissa vaiheissa (kuva 2A–B).

Hierarkiapalautustesti mittana ilmaisen palauttamisen testaamiseen

Lopuksi osallistujille annettiin kaksi kirjekuorta, joista kukin sisälsi skeema/ei-skeema-joukon galaksikuvia sekoitettuna satunnaisessa järjestelyssä, ja heidän tehtävänä oli rekonstruoida kunkin hierarkian galaksien tarkka järjestys nuorimmasta vanhimpaan pöydällä vasemmalta oikealle.

Samoin kuin tietokonetestien hierarkian palautustesti oli myös vastapainona numeroiduilla kirjekuorilla ja ohjeilla, jotka avataan ensin.

Osallistujien suorituskykyä arvioitiin galaksien uudelleenjärjestelyssä tehtyjen virheiden kokonaismäärän perusteella käyttämällä menetelmää, joka rankaisee kohteen väärästä sijoituksesta suhteessa poikkeamaan sen oikeasta paikasta [32].

Ohjelmisto ja kuvalähde

Galaxy-kuvat saatiin HubbleSite-gallerioista, joihin pääsee osoitteessa (https://hubblesite.org/images). Ärsykkeet luotiin E-Prime 2.{2}} -ohjelmistolla (Psychology SoftwareTools, Inc., Sharpsburg, PA).

PSG:n tiedonkeruu ja -analyysit

Elektroenkefalografia (EEG) suoritettiin SOMNOtouch-tallentimella (SOMNOmedics GmbH, Randersacker, Saksa) kahdella keskuskanavalla, C3 ja C4, koskien kontralateraalisia rintarauhasia (A1, A2) ja Cz- ja Fpz-yhteisiä vertailu- ja maadoituselektrodeja kansainvälisten 10- 20 järjestelmä.

Leukalihasten sähköokulografia (EOG) ja elektromyografia (EMG) rekisteröitiin myös univaihetta varten. Impedanssi pidettiin alle 5 kΩ ennen tallennuksen aloittamista.

PSG-tiedot tarkasteltiin ensin visuaalisesti ja pisteytettiin sen jälkeen automaattisesti Z3Score-algoritmilla (https://z3score.com), joka on aiemmin validoitu ja osoitettu olevan verrattavissa asiantuntijapisteiden kerääjiin. Lisäksi käytettiin FASST EEG -työkalupakkia (http://www.montefiore.ulg.ac.be/~phillips/FASST.html) [33].

Univaiheet (N1, N2, N3, REM ja WASO) pisteytettiin 30-toisen aikakauden perusteella American Academy of Sleep Medicine Manualin (AASM) [34] kriteereillä. Kaksi tietuetta, jotka sisältävät yli 10 % artefakteja. jätettiin pois lopullisista analyyseistä.

Poissulkemissyinä olivat joko laitteen tallenteiden ennenaikainen lopettaminen tai univaiheen riittämätön tiedonlaatu esimerkiksi yön aikana irtoavien elektrodien vuoksi. Hidasaaltoaktiivisuus (SWA) ja hidasaaltoenergia integroituna tehona deltakaistalla (0,5–4 Hz) laskettiin käyttämällä aiemmin julkaistuja menetelmiä [35, 36].

Karan tunnistus

Wonambi Python -pakettia v5.24 (https://wonambi-python.github.io) käytettiin automaattiseen karan tunnistamiseen validoitua algoritmia käyttäen [35]. Karat luokiteltiin hitaisiin (9–12 Hz) tai nopeisiin (12–15 Hz) [35], ja ne havaittiin sekä N2- että N3-univaiheissa. Karan lukumäärää ja karan tiheyttä (lukumäärää minuutissa) käytettiin pääkaran mittareina [37]. Tarkistimme manuaalisesti 10 osallistujan näytettä varmistaaksemme automaattisen havaitsemisen tarkkuuden (lisätietoja on kohdassa Lisämateriaalit).

Tilastolliset analyysit

Muistin suorituskykyä arvioitiin sekä tietokonetestillä kohdekohtaisella mittauksella (% oikein) että palautusvirheiden lukumäärää hierarkiahakutestissä. Kummankin ryhmän kussakin vaiheessa arvioimme muistin suorituskykyä käyttämällä seka-ANOVA:ta tutkiaksemme muistojen yhdistämistä skeemaoppimisen (skeema, ei-skeema) ja testiistuntojen (välitön, viivästetty: 12 tuntia/24 tuntia) avulla osallistujien sisäisinä tekijöinä. lujittumistila (uni, hereillä) osallistujien välisenä tekijänä.

Muistin muutos 12-tunnin (uni–herätys)jakson jälkeen tutkittiin myös käyttämällä sekoitettua ANOVAa skeeman (skeema, ei-skeema) ja parityypin (viereinen, päätelmä) osallistujatekijöiden kanssa. osallistujien välinen konsolidointitekijä (uni-herätys).

Välittömiä ja viivästyneitä 12-tunti/24-tuntitestituloksia verrattiin riippumattomiin post hoc -näytteisiin ja parillisiin t-testeihin. Tarkastelimme univaiheiden ja karan mittojen yhteyksiä muistin suorituskykyyn, skeemapohjaisen muistihyödyn kokoon (Schema-No-schema) ja palautusvirheiden muutosta yöllisten istuntojen jälkeisissä testeissä käyttämällä Spearmanin korrelaatioanalyysejä.

P-arvoja, jotka olivat alle 0.05, pidettiin tilastollisesti merkittävinä. Tietojen esikäsittely ja tilastolliset analyysit suoritettiin käyttämällä MATLAB-versiota R2017b (The MathWorks, Inc., Natick, MA) ja SPSS 25.0:aa (IBM Corp., Armonk, New York).

Tulokset

Alkukaavion oppiminen vaiheessa 1 ja suorituskyky vaiheessa 2 uni- ja herätysryhmille

Kaavan ensimmäinen oppiminen vaiheessa 1 oli vertailukelpoista uni- ja valveillaoloryhmien välillä. Riippumattomien näytteiden t-testit eivät paljastaneet merkittäviä eroja kokeiden määrässä, jotka vaadittiin kriteerin saavuttamiseksi vaiheessa 1 unessa (M=9.3, SD=4.7), valveilla olleeseen ryhmään (M { {7}}.9, SD=3.1), t(51)=1.42, p=0.158. ]

Ei-päättely- ja päättelyparien suorituskyvyssä ei ollut merkittävää eroa vaiheessa 1 (t pienempi tai yhtä suuri kuin 1,59, p suurempi tai yhtä suuri kuin 0,12). Vaiheen 2 testilohkojen suorituskyvyn saavuttamiseksi toistuva mittaa ANOVA:n, jossa skeeman oppiminen (skeema, ei-skeema) ja lohko (kuusi tasoa) ovat osallistujien sisäisiä tekijöitä ja konsolidointiolosuhteet (uni, hereillä) havaittu osallistujien välinen tekijä. skeeman merkittävät päävaikutukset, F(1,51)=50.66, p < 0.001, η p2=0.49,ja lohko, F( 5 255)=14,03, p < 0,001, η p2=0,21, mutta ei merkittävää konsolidointiehdon vaikutusta, F(1,51)=0.27, p {{30} },60; osoittavat parantuneen suorituskyvyn skeeman tilassa ja parannuksia oppimislohkoissa sekä uni- että valveillaryhmissä.

Kriittisen näkökulmasta on se, että skeeman ja ei-skeema-asetuksen vaihe 2 oppiminen olivat vertailukelpoisia nukkumis- ja valveillaoloryhmien välillä, ja molemmissa skeemajoukoissa suorituskyky oli vertailukelpoinen vaiheen 2 lohkojen välillä, F(1,51)=0.27, p=0.6{{10}} sekä viimeinen lohko,t(51) Pienempi tai yhtä suuri kuin 0,67, p Suurempi tai yhtä suuri kuin 0,51.

Samoin molemmat ryhmät suoriutuivat vertailukelpoisesti seuraavassa välittömässä testissä, t(51)=1.207, p=0.233. Lisätietoja oppimispolusta vaiheen 2 aikana ja lohkotason suorituskyvystä molemmissa ryhmissä, katso lisäkuva 4.

For more information:1950477648nn@gmail.com