An acute bout of high‐intensity exercise affects nocturnal sleep and sleep‐dependent memory consolidation
Notice bibliographique
Résumé
Acute exercise has been shown to affect long-term memory and sleep. However, it is unclear whether exercise-induced changes in sleep architecture are associated with enhanced memory. Recently, it has been shown that exercise followed by a nap improved declarative memory. Whether these effects transfer to night sleep and other memory domains has not yet been studied. Here, we investigate the influence of exercise on nocturnal sleep architecture and associations with sleep-dependent procedural and declarative memory consolidation. Nineteen subjects (23.68 ± 3.97 years) were tested in a balanced cross-over design. In two evening sessions, participants either exercised (high-intensity interval training) or rested immediately after encoding two memory tasks: (1) a finger tapping task and (2) a paired-associate learning task. Subsequent nocturnal sleep was recorded by polysomnography. Retrieval was conducted the following morning. High-intensity interval training lead to an increased declarative memory retention (p = 0.047, d = 0.40) along with a decrease in REM sleep (p = 0.012, d = 0.75). Neither procedural memory nor NREM sleep were significantly affected. Exercise-induced changes in N2 showed a positive correlation with procedural memory retention which did not withstand multiple comparison correction. Exploratory analyses on sleep spindles and slow wave activity did not reveal significant effects. The present findings suggest an exercise-induced enhancement of declarative memory which aligns with changes in nocturnal sleep architecture. This gives additional support for the idea of a potential link between exercise-induced sleep modifications and memory formation which requires further investigation in larger scaled studies.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».