MétaCan
Menu
Retour à la cohorte
Enregistrement W4284973599 · doi:10.1186/s40359-022-00877-7

Mechanisms of processing speed training and transfer effects across the adult lifespan: protocol of a multi-site cognitive training study

2022· article· en· W4284973599 sur OpenAlexafffund
Claudia C. von Bastian, Alice Reinhartz, Robert Udale, Stéphanie Grégoire, Mehdi Essounni, Sylvie Belleville, Tilo Strobach

Notice bibliographique

RevueBMC Psychology · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueCognitive Abilities and Testing
Établissements canadiensUniversité de MontréalInstitut Universitaire de Gériatrie de Montréal
Organismes subventionnairesEconomic and Social Research CouncilSocial Sciences and Humanities Research Council of CanadaDeutsche ForschungsgemeinschaftUK Research and Innovation
Mots-clésTraining (meteorology)PsychologyTransfer of trainingCognitionProtocol (science)Cognitive psychologyPsychological researchCognitive trainingApplied psychologyNeuroscienceSocial psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In recent years, cognitive training has gained popularity as a cost-effective and accessible intervention aiming at compensating for or even counteracting age-related cognitive declines during adulthood. Whereas the evidence for the effectiveness of cognitive training in general is inconsistent, processing speed training has been a notable successful exception, showing promising generalized benefits in untrained tasks and everyday cognitive functioning. The goal of this study is to investigate why and when processing speed training can lead to transfer across the adult lifespan. Specifically, we will test (1) whether training-induced changes in the rate of evidence accumulation underpin transfer to cognitive performance in untrained contexts, and (2) whether these transfer effects increase with stronger attentional control demands of the training tasks. METHODS: We will employ a multi-site, longitudinal, double-blinded and actively controlled study design with a target sample size of N = 400 adult participants between 18 and 85 years old. Participants will be randomly assigned to one of three processing speed training interventions with varying attentional control demands (choice reaction time, switching, or dual tasks) which will be compared to an active control group training simple reaction time tasks with minimal attentional control demands. All groups will complete 10 home-based training sessions comprising three tasks. Training gains, near transfer to the untrained tasks of the other groups, and far transfer to working memory, inhibitory control, reasoning, and everyday cognitive functioning will be assessed in the laboratory directly before, immediately after, and three months after training (i.e., pretest, posttest, and follow-up, respectively). We will estimate the rate of evidence accumulation (drift rate) with diffusion modeling and conduct latent-change score modeling for hypothesis testing. DISCUSSION: This study will contribute to identifying the cognitive processes that change when training speeded tasks with varying attentional control demands across the adult lifespan. A better understanding of how processing speed training affects specific cognitive mechanisms will enable researchers to maximize the effectiveness of cognitive training in producing broad transfer to psychologically meaningful everyday life outcomes. Trial registration Open Science Framework Registries, registration https://doi.org/10.17605/OSF.IO/J5G7E ; date of registration: 9 May 2022.

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)0,009
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,006
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0010,001
Science ouverte0,0030,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,003

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 Opus0,112
Tête enseignante GPT0,418
Écart entre enseignants0,306 · 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'étudeSans objet
Domainenon disponible
GenreProtocole

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

En bref

Citations33
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC PsychologyMême sujetCognitive Abilities and TestingTravaux en français237 207