MétaCan
Menu
Retour à la cohorte
Enregistrement W3183224351 · doi:10.20944/preprints202105.0517.v1

Effects of Neurofeedback in the Working Memory of Children with Learning Disorders: An EEG Power-Spectrum Analysis

2021· preprint· en· W3183224351 sur OpenAlexafffund
Benito Javier Martínez-Briones, Jorge Bosch‐Bayard, Rolando J. Biscay-Lirio, Lucero Albarrán-Cárdenas, Juan Silva‐Pereyra, Thalı́a Fernández

Notice bibliographique

RevuePreprints.org · 2021
Typepreprint
Langueen
DomaineEngineering
ThématiqueAnalog and Mixed-Signal Circuit Design
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesDirección General de Asuntos del Personal Académico, Universidad Nacional Autónoma de MéxicoCanada First Research Excellence FundConsejo Nacional de Ciencia y TecnologíaFondation Brain Canada
Mots-clésNeurofeedbackElectroencephalographyWorking memoryAudiologyPsychologyResting state fMRITask (project management)CognitionSensorimotor rhythmBeta RhythmDevelopmental psychologyNeuroscienceMedicine

Résumé

récupéré en direct d'OpenAlex

Learning disorders (LD) are diagnosed in children impaired in the academic skills of reading, writing and/or mathematics. Children with LD usually show a slower resting-state electroencephalogram (EEG), with EEG patterns corresponding to a neurodevelopmental lag. LD-children also show a consistent cognitive impairment in working memory (WM), including an abnormal task-related EEG with an overall slower EEG activity of more delta and theta power, and less gamma activity in posterior sites; task-related EEG patterns considered indices of an inefficient neural resource management. Neurofeedback (NFB) treatments aimed at normalizing the resting-state EEG of LD-children have shown improvements in cognitive-behavioral indices and diminished EEG abnormalities. Given the typical findings of a WM impairment in LD-children; we aimed to explore the effects of a NFB treatment in the WM of children with LD, by analyzing the WM-related EEG power-spectrum. We recruited 18 children with LD (8-10 years old). They performed a Sternberg-type WM-task synchronized with an EEG of 19 leads (10-20 system) twice in pre-post treatment conditions. They went through either 30 sessions of a NFB treatment (NFB-group, n= 10); or through 30 sessions of a placebo-sham treatment (Sham-group, n= 8). We analyzed the before-after treatment group differences for the behavioral performance and the WM-related power-spectrum. The NFB group showed faster response times in the WM-task post-treatment. They also showed an increased gamma power at posterior sites and a decreased beta power. We explain these findings in terms of NFB improving the maintenance of memory representations coupled with a reduction of anxiety.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,024
Tête enseignante GPT0,249
Écart entre enseignants0,225 · 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

Citations10
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetAnalog and Mixed-Signal Circuit DesignTravaux en français237 207