Functional Brain Changes Following Cognitive and Motor Skills Training
Notice bibliographique
Résumé
BACKGROUND: Functional neuroimaging is increasingly used in rehabilitation research to map the neural mechanisms subserving training targets. These data can inform intervention design and improve evaluation of treatment outcomes. Reliable neural markers may provide standard metrics of treatment impact and allow consideration of behavioral outcomes in the context of functional brain changes. OBJECTIVE: To identify common patterns of functional brain changes associated with training across a diverse range of intervention protocols. Reliable brain changes could inform development of candidate neural markers to guide intervention research. METHODS: Taking a quantitative meta-analytic approach, we review the functional neuroimaging studies of cognitive and motor skills training interventions in healthy young adults (N = 38). RESULTS: Reliable decreases in functional brain activity from pretraining to posttraining were observed in brain regions commonly associated with cognitive control processes, including lateral prefrontal, left anterior inferior parietal lobule, and dorsal anterior cingulate cortex. Training-related increases were observed in the medial prefrontal cortex and posterior cingulate and angular gyrus, core regions of the default network. Activity within the subcortical striatum also showed reliable increases pretraining to posttraining. CONCLUSIONS: These data suggest that altered engagement of large-scale, spatially distributed cortical brain networks and subcortical striatal brain regions may serve as candidate neural markers of training interventions. The development of reliable metrics based on activity and functional connectivity among large-scale brain networks may prove fruitful in identifying interactions between domain-general and -specific changes in brain activity that affect behavioral outcomes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».