The role of phasic and tonic rapid eye movement sleep in implicit memory consolidation
Notice bibliographique
Résumé
STUDY OBJECTIVES: Sleep is essential for memory consolidation, yet its role in implicit visuomotor memory remains poorly understood. Rapid eye movement (REM) sleep, particularly its Phasic and Tonic sub-states, may contribute to this process. This study revisits data from Viczko et al. (2018) to examine Phasic and Tonic REM characteristics and electroencephalography activity in implicit visuomotor memory consolidation using the Serial Reaction Time Task. METHODS: Participants trained on an implicit visuomotor sequence and were tested post-training, after a sleep/wake interval, and 1 week later. Polysomnography was used to analyze sleep architecture, focusing on REM sub-states. Electroencephalography data during REM were assessed for theta power (~4-8 Hz) using event-related spectral perturbation. Eye movements were categorized into Phasic or Tonic REM, with task-specific regional activity examined over frontal (Fz) and motor areas (C4). RESULTS: Increases in total REM sleep and Tonic REM sleep duration were observed during the experimental compared to the control night. Changes in Tonic REM sleep correlated with motor representation speed post-sleep. Event-related spectral perturbation analysis revealed enhanced theta power time-locked to Phasic and Tonic REM eye movements, with regionally specific task-related increases over Fz and C4 (but not contralaterally). CONCLUSIONS: Findings suggest Tonic REM stabilizes visuomotor memory, with theta oscillations serving as electrophysiological markers of consolidation. Task-specific theta increases highlight regional specificity of memory processing during sleep. This study underscores the roles of REM sub-states in implicit visuomotor memory consolidation and the need to further explore sleep sub-states.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».