The Effect of Exercise on Neural Activation and Cognition: A Review of Task-Based fMRI Studies
Notice bibliographique
Résumé
Numerous studies have stressed the importance of exercise in promoting physical and mental health and for aiding in cognition. Encouragingly, physical exercise has been shown to reduce the risk of developing Alzheimer's disease and to mitigate hemiparesis experienced by stroke patients. Additionally, today where over 1.9 billion are overweight, physical exercise is imperative to save lives and to mitigate the burden on the healthcare system. Although the benefits of physical exercise have been explored, the underlying mechanisms to enact these benefits have not been well-characterized. Here we review exercise-induced changes in regional brain activation and modulation. Paradigms differing in intensity, duration, and type of motor movement have been used to assess exercise effects on memory, cognition, and disease mitigation in youth and elderly populations. To evaluate exercise-induced changes in neural activity, the noninvasive imaging technique, functional magnetic resonance imaging (fMRI), is employed. fMRI is recorded either during or after exercise intervention. Post-exercise fMRI is often paired with in-bore tests of cognition to provide insight into the associated brain regions. Whereas, during intervention, fMRI is used to detail muscle-associated neural activation profiles. Characterization of the region and magnitude of brain activation has been used to perform comparative studies and identify specific characteristics from individuals with varying motor and cognitive abilities. Further fMRI and exercise research, with the use of these metrics, could facilitate the development of tools for disease diagnosis or to assess level of dysfunction or progression.
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 | 0,002 | 0,245 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 | 0,000 |
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 ».