Neural fatigue due to intensive learning is reversed by a nap but not by quiet waking
Notice bibliographique
Résumé
Do brain circuits become fatigued due to intensive neural activity or plasticity? Is sleep necessary for recovery? Well-rested subjects trained extensively in a visuo-motor rotation learning task (ROT) or a visuo-motor task without rotation learning (MOT), followed by sleep or quiet wake. High-density electroencephalography showed that ROT training led to broad increases in EEG power over a frontal cluster of electrodes, with peaks in the theta (mean ± SE: 24% ± 6%, p = 0.0013) and beta ranges (10% ± 3%, p = 0.01). These traces persisted in the spontaneous EEG (sEEG) between sessions (theta: 42% ± 8%, p = 0.0001; beta: 35% ± 7%, p = 0.002) and were accompanied by increased errors in a motor test with kinematic characteristics and neural substrates similar to ROT (81.8% ± 0.8% vs. 68.2% ± 2.3%; two-tailed paired t-test: p = 0.00001; Cohen's d = 1.58), as well as by score increases of subjective task-specific fatigue (4.00 ± 0.39 vs. 5.36 ± 0.39; p = 0.0007; Cohen's d = 0.60). Intensive practice with MOT did not affect theta sEEG or the motor test. A nap, but not quiet wake, induced a local sEEG decrease of theta power by 33% (SE: 8%, p = 0.02), renormalized test performance (70.9% ± 2.9% vs 79.1% ± 2.7%, p = 0.018, Cohen's d = 0.85), and improved learning ability in ROT (adaptation rate: 71.2 ± 1.2 vs. 73.4 ± 0.9, p = 0.024; Cohen's d = 0.60). Thus, sleep is necessary to restore plasticity-induced fatigue and performance.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».