MétaCan
Menu
Retour à la cohorte
Enregistrement W3007323729 · doi:10.3389/fnagi.2020.00022

Memory Function and Brain Functional Connectivity Adaptations Following Multiple-Modality Exercise and Mind–Motor Training in Older Adults at Risk of Dementia: An Exploratory Sub-Study

2020· article· en· W3007323729 sur OpenAlexafffund
Nárlon Cássio Boa Sorte Silva, Lindsay S. Nagamatsu, Dawn P. Gill, Adrian M. Owen, Robert J. Petrella

Notice bibliographique

RevueFrontiers in Aging Neuroscience · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensUniversity of British ColumbiaWestern UniversityCentre for Family Medicine
Organismes subventionnairesRobarts Research InstituteCanadian Institutes of Health ResearchMitacsLawson Health Research Institute
Mots-clésPsychologyFunctional magnetic resonance imagingCognitionPhysical medicine and rehabilitationModality (human–computer interaction)Memory spanDementiaAudiologyWorking memoryMedicineNeuroscienceInternal medicineArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Background: Multiple-modality exercise improves brain function. However, whether task-based brain functional connectivity (FC) following exercise suggests adaptations in preferential brain regions is unclear. The objective of this study was to explore task-related FC changes following multiple-modality exercise and mind-motor training in a subsample of older adults with subjective cognitive impairment. Methods: This was an exploratory sub-study involving a sample of participants (n = 9, mean age 67.8 [8.8] years, 8 women) who received 45 minutes of multiple-modality exercise with additional 15 minutes of mind-motor training and completed baseline and follow-up task-based fMRI assessment. Four computer-based memory tasks from the Cambridge Brain Sciences cognitive battery (i.e., Monkey Ladder, Spatial Span, Digit Span, Paired Associates) were employed and participants underwent 5 minutes of continuous fMRI data collection while completing the tasks. All fMRI data were analyzed using group-level independent component denoising and dual regression procedures, correcting for voxel-wise comparisons. All behavioural data were compared using paired samples t-tests. Results: Dual regression revealed significant decreased FC co-activation in the right precentral/postcentral gyri after the exercise program during the Spatial Span task (corrected p = 0.008), although there was no change in the behavioural task performance. Only trends for changes in FC were found for the other tasks (all corrected p < 0.09). In addition, for the Paired Associates task, there was a trend for improvements in the behavioural task performance, which was coupled with trends for increased co-activation in the right temporal lobe (Brodmann Area = 38, corrected p = 0.07), and left middle frontal temporal gyrus (corrected p = 0.06). Post-hoc analysis exploring voxel FC within each group-spatial map confirmed FC activation trends observed from dual regression. Conclusions: Our findings suggest that multiple modality, mind motor exercise resulted in divergent FC adaptations including significant decreased co-activation in the precentral/postcentral gyri during the Spatial Span task. Of particular interest, borderline significant changes during the Paired Associates tasks in FC and behavioural data provide insight into the potential of our intervention to promote improvements in visuospatial memory as well as impart FC adaptations in brain regions relevant to Alzheimer’s disease risk.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,251
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Aging NeuroscienceMême sujetFunctional Brain Connectivity StudiesTravaux en français237 207