Furman-2021-Augmentation du tonus dopaminergique frontal E.pdf Partie 2

Il est important de noter que les essais contextuels d'abord (CF) et contextuels derniers (CL), qu'ils soient sélectifs ou globaux, ne se distinguent pas par d'autres facteurs, tels que les conflits lors de la sélection des réponses.

La période de sélection des réactions fait référence au temps de réflexion et de prise de décision dont nous avons besoin face à différents choix. La mémoire est la capacité de notre cerveau à stocker et à récupérer des informations issues d'expériences et d'apprentissages passés. Les deux ne semblent pas avoir beaucoup de liens, mais ils sont étroitement liés.

Premièrement, le fait que la période de sélection des réponses soit courte ou longue dépend souvent de notre compétence dans une tâche et de la quantité de connaissances de base dont nous disposons. Lorsque nous serons plus familiers avec une certaine tâche, nous constaterons que la période de sélection des réponses lors de l’exécution de cette tâche est plus courte. En effet, notre cerveau stocke déjà les informations pertinentes dans la mémoire à long terme et peut récupérer et appliquer ces informations rapidement. Au contraire, lorsque nous sommes confrontés à quelque chose de nouveau et d’inconnu, nous avons besoin d’un temps de réflexion plus long pour décider, car nous devons délibérer et comparer à plusieurs reprises dans la mémoire à court terme. Cela affecte également notre mémoire, car nous devons stocker de nouvelles informations dans la mémoire à court terme, puis les convertir en mémoire à long terme, ce qui peut prendre plus de temps et d'énergie.

Deuxièmement, lorsque nous travaillons dur pour améliorer notre mémoire, cela affecte aussi indirectement notre période de sélection de réponse. Par exemple, lorsque nous augmentons activement nos connaissances de base et nos capacités de mémoire en lisant des livres, en suivant des cours et en effectuant des entraînements de mémoire, nous constaterons que face à de nouvelles tâches, la période de sélection de réponse est plus courte car nous pouvons récupérer plus rapidement les informations pertinentes de memoire à long terme. Cela renforce également notre confiance et améliore notre capacité à contrôler nos états cognitifs et émotionnels.

En résumé, il existe une relation étroite entre la période de sélection des réponses et la mémoire. Même si la prise de décision peut prendre plus de temps face à de nouvelles choses, en travaillant à améliorer notre mémoire, nous pouvons améliorer notre efficacité et notre précision cognitives, ce qui nous permet de faire plus facilement les bons choix. Par conséquent, nous encourageons chacun à apprendre activement, à rester curieux et à explorer davantage, ce qui contribuera à améliorer notre période de sélection de réponses et notre mémoire, faisant de nous une meilleure version de nous-mêmes. On peut voir que nous devons améliorer la mémoire, et Cistanche deserticola peut améliorer considérablement la mémoire, car Cistanche deserticola a des effets antioxydants, anti-inflammatoires et anti-âge, qui peuvent aider à réduire l'oxydation et les réactions inflammatoires dans le cerveau, protégeant ainsi le santé du système nerveux. De plus, Cistanche deserticola peut également favoriser la croissance et la réparation des cellules nerveuses, améliorant ainsi la connectivité et le fonctionnement des réseaux neuronaux. Ces effets peuvent contribuer à améliorer la mémoire, l’apprentissage et la vitesse de réflexion, et peuvent également prévenir le développement de dysfonctionnements cognitifs et de maladies neurodégénératives.

Cliquez sur Connaître pour améliorer la mémoire à court terme

Par exemple, les conditions CF-G et CL-G incluent toutes deux une réponse correcte contenant le symbole et la lettre présentés lors de l'essai. De plus, comme indiqué précédemment, certains essais globaux contiennent le même élément dans les réponses cible et en feuille pour garantir que les sujets ne peuvent pas simplement se concentrer sur un élément plutôt que sur les deux. Analyse comportementale.

Conformément aux études précédentes (Chatham & Badre, 2013 ; Chatham et al., 2014), nous nous sommes concentrés principalement sur le temps de réponse (RT) plutôt que sur la précision. La précision, en tant que mesure binaire des résultats (bon/mauvais), est relativement insensible aux changements dans l'efficacité des tâches. Même si les véritables défaillances de maintenance et de déclenchement pourraient se traduire par des changements dans la précision, les inefficacités ne le seraient pas ; au lieu de cela, les réponses seraient simplement ralenties.

Pour répondre à l'hypothèse selon laquelle le tolcapone devrait préférentiellement réduire le nombre d'essais inefficaces, même si la proportion d'essais finalement corrects reste inchangée, nous avons utilisé une mesure sensible à la répartition des réponses entre les essais, et en particulier au nombre de réponses inefficaces (RT longue). . Il convient de noter que bien que la RT reflète une combinaison de facteurs, notamment le traitement visuel précoce et la préparation motrice, les demandes précoces de traitement visuel correspondent à l'ensemble de la tâche, et nos travaux antérieurs ont confirmé que le tolcapone n'accélère pas de manière significative les réponses motrices (Furman et al., 2020 ; Kayser et al. ., 2012 ; Kayser et al., 2015).

Ainsi, les demandes précoces de traitement visuel et de préparation motrice ne devraient pas distinguer les conditions de tâche basées sur des mesures liées à la RT. Toutes les données comportementales ont été prétraitées avant l'analyse. L’accent étant mis principalement sur les temps de réaction, les données ayant un impact sur les mesures de RT stables ont été supprimées. Comme indiqué précédemment, 3 des 11 sujets exclus ont été éliminés pour ne pas avoir répondu avec une précision supérieure au hasard dans tous les essais.

Pour chacun des 49 sujets retenus, les 10 premiers essais de chaque séance ont été retirés de toutes les analyses ; de plus, tous les essais incorrects et tous les essais avec des RT supérieurs à 5 écarts types en dehors de la RT moyenne pour ce sujet ont été exclus de l'analyse de la RT (Chatham & Badre, 2013 ; Chatham et al., 2014). Ce seuil aberrant a été choisi pour équilibrer deux préoccupations : le désir d'éviter de censurer les RT inefficaces, mais également l'objectif d'éviter les TR très longs perturbés par des facteurs sans rapport avec la tâche (par exemple en raison du manque d'attention à l'écran de l'ordinateur).

Chez tous les sujets, un seul essai a été retiré parce qu'il se situait en dehors de la plage de RT souhaitée. Un modèle linéaire à effets mixtes a été utilisé pour traiter les modifications de la RT moyenne liées au tolcapone. Le modèle a en outre été construit pour tester les effets liés au tolcapone sur la distribution des RT (voir ci-dessous) pour chaque condition de tâche (Chatham et al., 2014), car la mesure de la RT moyenne ne prend pas en compte les changements potentiellement plus subtils dans la distribution des RT à travers les manipulations expérimentales. . D'un point de vue conceptuel, les changements dans l'efficacité de la maintenance ou du contrôle peuvent ne pas être reflétés dans les essais pour lesquels ces processus sont déjà optimisés.

Les essais avec des RT très rapides, par exemple, peuvent refléter de forts processus de maintenance et de déclenchement pour lesquels toute manipulation peut avoir peu d'effet bénéfique observable. En revanche, les essais avec des RT très lentes peuvent refléter des processus de maintenance et de contrôle inefficaces qui pourraient s'améliorer avec le médicament. De même, l'iftolcapone a aggravé l'efficacité du déclenchement ou de la maintenance, ces effets pourraient être plus visibles à l'extrémité rapide de la distribution RT.

Pour mesurer de tels effets, nous avons adopté une approche utilisée précédemment avec cette tâche (Chatham et al., 2014) pour diviser les données RT pour chaque participant et condition en 10 déciles, triés par RT du plus rapide au plus lent, et pour utiliser les valeurs RT moyennes par décile comme variable dépendante dans notre analyse. Cette approche nous a permis d'évaluer les changements de pente liés au médicament à travers les déciles (« pente RT »), ainsi que le changement moyen de RT.

Dans le modèle, les facteurs comprenaient le médicament (tolcapone ou placebo ; traitement codé), la condition de tâche (CF-S, CF-G, CL-S ou CL-G ; somme codée) et le décile (1-10 ; ordinal) , ainsi que toutes les interactions. Pour tenir compte de l'effet non linéaire potentiel du tolcapone sur la distribution RT, un ensemble comparable de termes d'interaction a été inclus pour le décile2 (« décile au carré »). Enfin, les interactions avec l'ordre de la séance de traitement (médicament en premier ou médicament en dernier ; somme codée) ont été incluses comme mesure de contrôle. Initialement, une structure d'effets aléatoires maximale a été construite pour minimiser les erreurs de type I (Barr, Levy, Scheepers et Tily, 2013).

Les effets aléatoires comprenaient l'interception du sujet, ainsi que les pentes du médicament, la condition de la tâche et le décile/décile2 et leurs interactions, ainsi que la corrélation entre les pentes aléatoires et l'interception du sujet. Ce modèle n’a pas réussi à converger ; ainsi, en suivant le protocole décrit dans (Bates, Kliegl, Vasishth et Baayen, 2015), la corrélation entre les pentes aléatoires et les intersections a été supprimée. Les tests F ont été calculés pour les effets fixes en utilisant la méthode Satterthwaite pour approximer les degrés de liberté. Les analyses ont été réalisées à l'aide des bibliothèques « lme4 » (Bates et al., 2015) et « afex » (Singmann et al., 2018) dans R (R Core Team, 2017).

L'estimation des moyennes et des tendances marginales, ainsi que les tests z de suivi, ont été effectués à l'aide du package « moyennes » (Lenth, 2018). Par souci d'exhaustivité, l'exactitude des essais a également été analysée.

Un modèle binomial généralisé à effets mixtes comprenait le médicament à facteurs fixes, la condition de la tâche et leur interaction. Après avoir abandonné les termes pour permettre la convergence et éviter l'ajustement singulier, la structure finale des effets aléatoires comprenait des interceptions aléatoires pour le sujet et des pentes aléatoires de la drogue au sein du sujet. Des tests de rapport de vraisemblance ont été utilisés pour déterminer la signification des termes à effets fixes.

Paramètres IRM. L'IRM a été réalisée sur un scanner IRM Siemens MAGNETOM Trio 3T au Henry H. Wheeler, Jr. Brain Imaging Center de l'Université de Californie à Berkeley.

Les images anatomiques étaient constituées de 160 coupes acquises à l'aide d'un protocole MP-RAGE pondéré T1- (TR= 2300 ms, TE=2,98 ms, FOV=256 mm, taille de la matrice=256 x 256, taille du voxel=1 mm3). Des images fonctionnelles à l'état de repos ont été obtenues alors que les sujets étaient allongés tranquillement, les yeux ouverts, et consistaient en 35 coupes acquises avec un protocole d'imagerie échoplanaire à gradient (TR=1900 ms, TE =24 ms, FOV=225 mm, taille de la matrice=96 x 96, taille du voxel=3.0 mm x 3,0 mm x 3,5 mm).Prétraitement IRMf. Le prétraitement IRMf a été effectué à l'aide des progiciels AFNI (//afni.nimh.nih.gov) et FSL (//www.fmrib.ox.ac.uk/fsl/). Les images fonctionnelles à l'état de repos ont été converties au format 4D NIfTI et corrigées pour les décalages de synchronisation des tranches.
La correction du mouvement a été réalisée à l'aide du programme AFNI 3dvolreg, avec le volume de référence réglé sur l'image moyenne. Le co-enregistrement avec l'analyse anatomique a été effectué à l'aide du programme AFNI 3dAllineate, et les images anatomiques ont été normalisées à un volume standard (MNI_N27) en utilisant d'abord le programme FSL. Les mêmes paramètres de normalisation ont ensuite été appliqués aux cartes statistiques de l'espace natif pour générer des cartes statistiques de groupe.

Analyse de connectivité à l’état de repos. Les données à l'état de repos ont été lissées par un noyau FWHMGaussien de 5 mm avant un filtrage passe-bande temporel entre 0,009 Hz et 0,08 Hz afin de réduire l'influence des artefacts cardiaques et respiratoires (Fox et al., 2005). Les paramètres de mouvement et les séries temporelles de substance blanche et ventriculaire, mais pas le signal moyen global, ont été inclus comme régresseurs sans intérêt lors du prétraitement, indépendamment des analyses de connectivité ultérieures. Les régions d'intérêt (ROI) au sein du cortex préfrontal latéral ont ensuite été sélectionnées sur la base (a) de leur activité accrue et de leur rôle central dans cette tâche et dans d'autres tâches connexes (Badre, Kayser et D'Esposito, 2010 ; Chatham et al., 2014), et (b) l'hypothèse selon laquelle, sous tolcapone, ces régions, en particulier celles les plus proches de la réponse motrice, démontreraient une connectivité accrue avec les zones visuelles du cortex postérieur.

Plus précisément, ces régions étaient situées dans le cortex prémoteur dorsal gauche et droit (PMd, avec MNI, coordonnées ±30, -12, 66) et le cortex prémoteur gauche et droit (pPMd, avec MNI, coordonnées ±36, 8, 34) (Badre et coll., 2010 ; Chatham et coll., 2014).

Chaque ROI a été définie par un ensemble de coordonnées MNI qui formaient le centre d'une sphère d'un rayon de 8 mm. Les évolutions temporelles définies en faisant la moyenne des voxels dans chacune de ces régions ont ensuite été corrélées séparément avec tous les autres voxels du cerveau, et les coefficients de corrélation ont été transformés par Fisher pour permettre l'application de tests statistiques paramétriques.

Les cartes cérébrales individuelles résultantes ont été normalisées selon le modèle MNI avant l'application des statistiques de groupe. Pour examiner la relation entre les effets des médicaments sur les performances comportementales et les changements de connectivité fonctionnelle liés aux médicaments, nous avons d'abord calculé la différence entre les cartes de connectivité du placebo et du tolcapone pour chaque participant et région de départ, puis nous avons calculé la corrélation entre ces cartes de différences et les variables à effet aléatoire correspondant au sujet. -effet du décile du médicament (« pente globale RT ») et effet du médicament x décile x CF-G × (calculé comme l'effet additif du « décile du médicament » et du « décile du médicament x CF-G » ; × × ci-après dénommé « RT pente pour la condition CF-G") estimée dans notre modèle comportemental (voir Analyse comportementale).

La signification cartographique (p < 0.001, corrigé pour des comparaisons multiples) a été déterminée en appliquant une correction de taille de cluster (20 voxels) dérivée des programmes AFNI 3dFWHMx et 3dClustSim aux données initialement seuillées à une valeur de p < 0,0001, non corrigée.

Résultats : 49 sujets ont complété une tâche de mémoire de travail hiérarchique dans laquelle ils devaient utiliser des indices contextuels, indiqués par des chiffres, pour rappeler des symboles et/ou des lettres pendant la durée d'un essai (Figure 1A-E). Conformément aux travaux antérieurs (Chatham et al., 2014), quatre conditions de tâche ont été évaluées : le contexte d'abord, sélectif (CF-S) ; le contexte d’abord, global (CF-G) ; contextedernier, sélectif (CL-S) ; et le contexte enfin, global (CL-G).

Notamment, chacune de ces conditions impose des exigences stratégiques différentes en matière de contrôle des entrées, de sortie et de maintenance (méthodes et figure 1F). Pour ces conditions, nous avons évalué à la fois les RT moyens et le changement dans la distribution des RT sur dix déciles ordonnés pour chaque condition de tâche (Chatham et al., 2014). Cette valeur de « pente RT » reflète mieux la distribution des temps de réaction pour chaque condition. Plus précisément, contrairement à la RT moyenne ou à la précision, il aborde la possibilité que l'amélioration du tonus dopaminergique cortical n'améliore pas la maintenance dans tous les essais, mais puisse plutôt améliorer la maintenance inefficace, ou perturber la maintenance efficace, dans tous les sous-types d'essais (voir Méthodes).

Bien que la précision variait selon la condition de la tâche (2(3)=174.23, p<0.0001), there was no significant effect of drug (  2 (1)=0.03, p=0.87), nor interaction of drug and condition (  2 (3)=1.83, p=0.61), on task accuracy (see Table 1). Our analysis of RT revealed a significant main effect of task condition on RT (F[3,114.79]=420.87, p < 0.0001), consistent with previous work using this paradigm (Chatham et al., 2014). Interactions of condition x decile (F[3,80.1]=26.19, p < 0.0001) and of condition x decile 2 (F[3,57.87]=17.07, p < 0.0001), and the hypothesized 3-way interactions of condition x decile x drug (F[3,59.65]=3.50, p = 0.02), and of condition x decile 2 x drug (F[3,83.22]=3.05, p = 0.03) were also identified (see Table 1). 

Il convient de noter que ces interactions {{0}}way ont persisté malgré une interaction 4-way de condition x décile x médicament x ordre de session (F[3,59.65]=2.96, p{ {7}}.04 ; le terme comparable « condition x décile2 x médicament x ordre de séance » n'était pas significatif, F[3,83.22]=1.59, p=0.2 ). Il n'y avait pas d'effet simple du médicament sur la RT (F[1,49.68]=0.03, p=0.86), ni sur les interactions médicament x décile (F[1, 47.36]=0.34, p=0.56), drugx décile2 (F[1,63.41]=1.36, p=0.25) et drogue x la condition (F[3,76.84]=0.76, p=0.52) étaient toutes insignifiantes. Comme prévu, les effets simples du décile (F[1,58.43]=1078.76, p < 0,0001) et du décile2 (F[1,44.22]=485.78, p < 0,0001) étaient significatifs, mais ces effets sont une conséquence directe de la conception de l’analyse et n’ont pas été explorés davantage.

Les moyennes marginales estimées pour la condition et les tendances spécifiques à la condition dans le décile et le décile2, pour les séances de placebo et de tolcapone, sont fournies dans le tableau 1. Les tests z de suivi ont déterminé que l'interaction 3- d'intérêt (médicament x condition x décile) était dû, au moins en partie, à un effet significatif du tolcapone (par rapport au placebo) sur la pente RT pour les essais CF-G (estimation de la tendance=-6,2, SE= 2,7, z { {11}}.3, p=0.02).

Cet effet sur la pente RT était également évident dans la condition CF-G dans les données brutes (Figure 2B) et est cohérent avec notre hypothèse selon laquelle l'effet du tolcapone devrait être plus évident lorsque les demandes de maintenance sont élevées et que les demandes de déclenchement (de sortie) sont faibles (Figure 1F). ).

De plus, étant donné que les réponses comportementales optimisées devraient avoir des RT plus courtes, cette réduction de la pente de RT est cohérente avec l'hypothèse selon laquelle le tolcapone devrait améliorer l'efficacité des processus de maintenance de telle sorte que la proportion d'essais avec des RT plus longs devrait diminuer.

For more information:1950477648nn@gmail.com