Longitudinal changes in auditory and reward systems following receptive music-based intervention in older adults
Notice bibliographique
Résumé
Listening to pleasurable music is known to engage the brain's reward system. This has motivated many cognitive-behavioral interventions for healthy aging, but little is known about the effects of music-based intervention (MBI) on activity and connectivity of the brain's auditory and reward systems. Here we show preliminary evidence that brain network connectivity can change after receptive MBI in cognitively unimpaired older adults. Using a combination of whole-brain regression, seed-based connectivity analysis, and representational similarity analysis (RSA), we examined fMRI responses during music listening in older adults before and after an 8-week personalized MBI. Participants rated self-selected and researcher-selected musical excerpts on liking and familiarity. Parametric effects of liking, familiarity, and selection showed simultaneous activation in auditory, reward, and default mode network (DMN) areas. Functional connectivity within and between auditory and reward networks was modulated by participant liking and familiarity ratings. RSA showed significant representations of selection and novelty at both time-points, and an increase in striatal representation of musical stimuli following intervention. An exploratory seed-based connectivity analysis comparing pre- and post-intervention showed significant increase in functional connectivity between auditory regions and medial prefrontal cortex (mPFC). Taken together, results show how regular music listening can provide an auditory channel towards the mPFC, thus offering a potential neural mechanism for MBI supporting healthy aging.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».