Fast sensorimotor learning in middle-aged adults
Notice bibliographique
Résumé
Abstract Cognitive training offers a potential approach for the prevention of cognitive decline in later life. Repetition of targeted exercises may improve, or at least preserve, both specific domain and general cognitive abilities by strengthening neural connections and promoting neuroprotective processes within brain networks. Importantly, middle-aged adults have been omitted from the cognitive training literature. In this experiment, we investigated short-term training (1 session) on a perceptual-cognitive-motor task in middle-aged adults. Furthermore, we examined the functional and structural neural correlates of this training. Twenty-one healthy middle-aged adults between the age of 40 and 50 years underwent one scanning session during which they learned and performed the perceptual-cognitive-motor task. We compared performance and functional imaging on the Early and Late Learning phases of the task. We used diffusion MRI to examine baseline microstructural variation in the brain in relation to training outcome. The diffusion indices included fractional anisotropy (FA), mean diffusivity (MD), neurite density index (NDI), and orientation dispersion index (ODI). We found a significant improvement in performance following training on the task. There were also significant training-induced changes in functional activity in cortical and subcortical brain regions. Furthermore, significant correlations were found between the diffusion indices of FA, MD, and ODI and training outcome. These results show fast neuroplasticity in the middle-aged brain, and that variation in brain microstructure underpins fast motor learning.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».