Using multivariate partial least squares on fNIRS data to examine load-dependent brain-behaviour relationships in aging
Notice bibliographique
Résumé
Researchers implementing non-invasive neuroimaging have reported distinct load-dependent brain activity patterns in older adults compared with younger adults. Although findings are mixed, these age-related patterns are often associated with compensatory mechanisms of cognitive decline even in the absence of direct comparisons between brain activity and cognitive performance. This study investigated the effects of cognitive load on brain-behavior relationships in younger and older adults using a data-driven, multivariate partial least squares (PLS) analysis of functional near-infrared spectroscopy (fNIRS) data. We measured bilateral prefrontal brain activity in 31 older and 27 younger adults while they performed single and dual 2-back tasks. Behavioral PLS analysis was used to determine relationships between performance metrics (reaction time and error rate) and brain oxygenation (HbO) and deoxygenation (HbR) patterns across groups and task loads. Results revealed significant age-group differences in brain-behavior relationships. In younger adults, increased brain activity (i.e., increased HbO and decreased HbR) was associated with faster reaction times and better accuracy in the single task, indicating sufficient neural capacity. Conversely, older adults showed a negative correlation between HbR and error rates in the single task; however, in the dual task, they demonstrated a positive relationship between HbO and performance, indicative of compensatory mechanisms under the higher cognitive load. Overall, older adults' showed relationships with either HbR or HbO, but not both, indicating that the robustness of the relationship between brain activity and behavior varies across task load conditions. Our PLS approach revealed distinct load-dependent brain activity between age groups, providing further insight into neurocognitive aging patterns, such as compensatory mechanisms, by emphasizing the variability and complexity of brain-behavior relationships. Our findings also highlight the importance of considering task complexity and cognitive demands in interpreting age-related brain activity patterns.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».