Une spécificité réduite et une surgénéralité accrue de la mémoire autobiographique persistent alors que les vulnérabilités cognitives dans la dépression majeure rémittente : une méta-analyse, partie 2

2.3|Extraction et traitement des données

Deux assistants de recherche qualifiés (co-auteurs/et/) ont effectué des recherches séparément.

Discipline et mémoire sont indissociables. Une personne bien formée a généralement une meilleure mémoire, peut apprendre de nouvelles choses plus rapidement et traite les informations plus facilement.

Entraîner le corps peut nous aider à améliorer notre mémoire. La recherche montre que l’entraînement physique peut augmenter la densité des connexions neuronales dans le cerveau et le flux sanguin cérébral, favorisant ainsi la santé cérébrale et les capacités d’apprentissage. De plus, les personnes bien entraînées ont généralement une meilleure santé mentale et plus d’émotions positives ainsi qu’une bonne santé physique, ce qui contribue à améliorer la mémoire.

En plus de l’entraînement physique, nous pouvons également améliorer la mémoire en faisant travailler notre cerveau. Certaines méthodes incluent : la pratique de jeux de mémoire, la résolution de problèmes mathématiques, la lecture et l'écriture, etc. Ces activités peuvent nous aider à exercer notre cerveau et à améliorer notre attention, notre concentration et nos capacités de réflexion.

Enfin, le sommeil est un facteur important pour améliorer la mémoire. Le sommeil nous aide à consolider ce que nous avons appris et à éliminer le désordre dans notre cerveau. En maintenant de bonnes habitudes de sommeil, nous pouvons rendre notre cerveau plus clair et plus énergique.

En résumé, un bon entraînement peut favoriser l’amélioration de la mémoire, et les activités impliquées sont positives et bénéfiques pour la santé physique et mentale. En faisant travailler notre cerveau et en maintenant de bonnes habitudes de sommeil, nous pouvons améliorer notre mémoire et apprendre de nouvelles choses plus efficacement. On voit que nous devons améliorer la mémoire, et Cistanche deserticola peut améliorer considérablement la mémoire, car Cistanche deserticola peut également réguler l'équilibre des neurotransmetteurs, comme en augmentant les niveaux d'acétylcholine et de facteurs de croissance. Ces substances sont très importantes pour la mémoire et l'apprentissage. En outre, la viande peut également améliorer la circulation sanguine et favoriser l'apport d'oxygène, ce qui peut garantir que le cerveau reçoive suffisamment de nutriments et d'énergie, améliorant ainsi sa vitalité et son endurance.

Cliquez sur Connaître pour améliorer la mémoire à court terme

Un assistant de recherche a ensuite extrait toutes les données dans un premier temps, et le deuxième assistant de recherche a extrait à nouveau toutes les données en vérifiant les divergences. Le premier auteur (/) a ensuite vérifié les données et les éventuelles disparités restantes ont été résolues par discussion.

Nous avons extrait le nombre de participants dans chaque groupe au sein d'une étude donnée, leur âge moyen, la proportion de femmes et l'outil de diagnostic utilisé pour évaluer la dépression majeure, une mesure de la gravité des symptômes dépressifs, le nombre d'épisodes de dépression antérieurs, le nombre d'indices utilisés, l'indice. valence et durée de la réponse au signal. Lorsqu'une étude rendait explicitement compte des niveaux d'éducation et de l'origine ethnique des participants, ceux-ci étaient également extraits.

Les scores moyens et d'écart type pour les groupes cliniques et témoins pour la mesure de la gravité des symptômes de dépression utilisés dans chaque étude ont été extraits.

Bien que les études aient été sélectionnées sur la base du fait qu'aucun des groupes de participants comparés ne souffrait de dépression clinique, il peut néanmoins y avoir eu des différences dans les symptômes dépressifs qui pourraient expliquer les différences entre les groupes en termes de souvenirs spécifiques ou généraux.

Par conséquent, une différence moyenne standardisée pour les scores de gravité entre les groupes pour chaque étude a été calculée, et cette variable a été évaluée comme modérateur potentiel par méta-régression.

Nous avons extrait la moyenne et l'écart type du nombre ou de la proportion de souvenirs spécifiques et généraux récupérés à travers les signaux de l'AMT. Lorsque ces informations étaient disponibles pour différentes valences de signaux, elles ont également été extraites afin de pouvoir les analyser séparément.

Nous avons également extrait la durée pendant laquelle les participants devaient se souvenir de chaque souvenir après la présentation des indices, si les réponses pouvaient être données verbalement ou autrement et le nombre d'indices donnés aux participants.

2.4|Stratégie analytique

Des méta-analyses à effets aléatoires avec des estimateurs du maximum de vraisemblance ont été réalisées à l'aide du méta-package (Balduzzi et al., 2019) du logiciel Rstatistical 4.0.3 (R Core Team (2020), 2020) pour les mémoires spécifiques et trop générales séparément. , en utilisant le g de Hedges comme taille d'effet.

Des parcelles forestières ont été utilisées pour représenter graphiquement l'ampleur globale de l'effet, l'intervalle de confiance à 95 % et l'intervalle de prédiction, ainsi que les estimations ponctuelles de l'étude individuelle et les intervalles de confiance à 95 %. L'hétérogénéité de la taille de l'effet entre les études a été rapportée en termes de Q, τ2 et I2. La statistique Q indique que des facteurs extérieurs à l'erreur d'échantillonnage expliquent la variation de l'estimation de la taille de l'effet (Lipsey et Wilson, 2001).

La statistique τ2 indique la valeur absolue de la vraie variance. La puissance de la statistique Q à détecter des différences statistiquement significatives repose sur le nombre d'études utilisées dans la méta-analyse.

En revanche, l'indice I2 ne repose pas sur la signification statistique et représente plutôt un pourcentage de la variation totale d'un ensemble de tailles d'effet qui est dû à l'hétérogénéité entre les études plutôt qu'au hasard (Higgins et Thompson, 2002). Ces analyses ont été menées pour l'ampleur globale de l'effet pour tous les types d'indices et pour chaque valence d'indice séparément.

En ce qui concerne les modérateurs potentiels de toute hétérogénéité observée, nous avons testé les différences de gravité des symptômes dépressifs entre les groupes en utilisant la taille de l'effet estimée à partir des moyennes et des écarts-types, l'âge, la proportion de femmes (pour évaluer l'influence du sexe), le nombre d'indices utilisés dans l'AMT, la durée accordée pour la récupération sur l'AMT, l'année de publication et la taille de l'échantillon.

Étant donné que les scores extrêmes pourraient influencer indûment un effet global, nous avons identifié des valeurs aberrantes comme toute étude pour laquelle ses intervalles de confiance ne chevauchaient pas l'intervalle de confiance de la taille de l'effet groupé. Des analyses de sensibilité ont été réalisées en supprimant ces études, puis en effectuant à nouveau les analyses pour évaluer les changements dans l'effet global.

2.5|Risque de biais

Pour évaluer les biais, nous avons utilisé plusieurs méthodes différentes. Au niveau de l'étude, les sources de biais ont été évaluées en vérifiant si (1) l'étude impliquait une randomisation entre et au sein des tâches de l'étude (par exemple, des mots d'avertissement étaient présentés dans un ordre fixe ou aléatoire), (2) la répartition des groupes des participants leur était cachée, ( 3) les participants et le personnel étaient aveugles à la nature de l'étude, (4) les codeurs pour la tâche de mémoire autobiographique étaient aveugles à la désignation du groupe des participants et à la nature de l'étude lors du codage, (5) il y avait des preuves d'un rapport incomplet des résultats ou au contraire, comme avec la pré-inscription, (5) des participants particuliers ont été inclus dans l'étude, mais ont été omis des analyses pour des raisons peu claires, et (6) les scores pour des mesures particulières ont été inclus dans l'étude, mais ont été sélectivement omis du rapport final.

Si ces sources potentielles de biais étaient observées, alors un risque élevé de biais était noté. Si l'étude n'incluait pas suffisamment d'informations pour évaluer clairement s'il s'agissait d'une source potentielle de biais, certaines préoccupations ont été notées.

Si l’étude notait explicitement les mesures prises pour gérer le biais mentionné, alors un faible risque de biais était noté. Pour évaluer le biais de publication dans l'échantillon d'études, nous avons généré des diagrammes en entonnoir sur lesquels les estimations de la taille de l'effet ont été tracées sur l'axe des x et l'inverse de leur erreur standard sur l'axe des y. Les tracés ressemblent à un entonnoir, avec des estimations moins précises à la base de l'entonnoir et des estimations avec les plus petites erreurs types en haut.

S’il n’y a pas de biais de publication, le tracé en entonnoir sera, hypothétiquement, symétrique. Cependant, les études manquantes supprimées par biais de publication peuvent entraîner une asymétrie notable dans un graphique en entonnoir. Le test d'Egger (Egger et al., 1997) a été utilisé comme test statistique pour l'asymétrie des tracés en entonnoir, avec une valeur p significative indiquant une asymétrie des tracés en entonnoir et donc un biais de publication.

La procédure de découpage et de remplissage a été menée, qui estime les « études manquantes » jusqu'à ce qu'il y ait une symétrie de tracé en entonnoir et produise une taille d'effet ajustée. Notamment, cette procédure peut ne pas produire de résultats fiables dans des circonstances où il existe une hétérogénéité notable entre les études.

Une analyse de courbe p a également été utilisée pour évaluer le potentiel du p-piratage, c'est-à-dire la présentation ou l'analyse sélective de données motivées pour atteindre une valeur p inférieure à l'analpha de 0,05 (Simonsohn et al., 2014).

L'hypothèse est que lorsque la distribution des valeurs p inférieures à 0,05 est asymétrique à gauche, cela indique un biais en faveur de résultats qui ne sont que marginalement statistiquement significatifs par rapport à ceux qui sont clairement inférieurs à un alpha de 0,05.

Cela peut être interprété comme indiquant que le p-hacking a biaisé l’effet métaanalytique global. Dans cette analyse, une estimation de la puissance statistique est fournie, une puissance plus élevée augmentant la probabilité d'observer une valeur p plus petite et un « véritable effet ».

3|RÉSULTATS

3.1|Sélection des études et caractéristiques des études

La recherche a abouti à 17 études éligibles (voir Figure 1). Les caractéristiques des échantillons des 17 articles inclus dans la méta-analyse sont fournies dans le tableau 1. Quinze tailles d'effet ont été calculées pour les études rapportant la spécificité comme indice des réponses AMT, avec neuf tailles d'effet calculées pour les souvenirs surgénéraux. Sept études ont rapporté à la fois la spécificité et la mémoire générale comme indice des réponses AMT (Crane et al., 2007 ; Gupta et Kar, 2012 ; Haddad et al., 2014 ; Jermannet al., 2013 ; Mackinger et al., 2000 ; Matsumoto et al., 2022).

Les neuf études qui ont rapporté des souvenirs surgénéraux en réponse à l'AMT ont présenté le nombre ou la proportion de souvenirs catégoriels comme un indice de mémoire surgénérale, tandis que seulement deux études ont rapporté les réponses surgénérales possibles restantes (c'est-à-dire les souvenirs étendus ou les associés sémantiques [mots qui pourraient être thématiquement liés, mais ne représentant pas un souvenir en soi, par exemple j'aime les fleurs]).

Compte tenu de cela, ainsi que des preuves antérieures selon lesquelles les différences entre les personnes souffrant et non de dépression peuvent être expliquées par des mémoires générales de type catégorique et de type sans texte (Mark et al., 1992), les mémoires catégorielles ont été utilisées comme indice de mémoire trop générale. dans toutes les analyses.

La taille des échantillons variait de neuf à 275 participants (plage de 9 à 164 pour la dépression en rémission ; plage de 10 à 275 contrôles). Les études de cette revue ont été publiées entre 2000 et 2016, à l'exception d'une prépublication publiée en 2021. L'âge moyen des participants était de 20,9 ans (plage de 11 à 86 ans), les échantillons de cas et de contrôle dans toutes les études ayant des moyennes d'âge à peu près égales.

La proportion moyenne de femmes dans les études était de 78,18 % (groupe de dépression en rémission = 82,7 %, groupe témoin=73,7 %). Toutes les études ont utilisé des entretiens pour évaluer les diagnostics de dépression ou exclure des antécédents de dépression, et toutes sauf deux ont utilisé des outils d'entretien de diagnostic structurés et standardisés.

Plusieurs mesures différentes de la gravité de la dépression ont été utilisées dans les échantillons ; cependant, le plus fréquemment utilisé était le BeckDepression Inventory-II (BDI-II ; n=8 ; 44,4 % ; Beck et al., 1996).

Des dizaines d'études ont fourni des informations sur le nombre d'épisodes passés dans le groupe de dépression en rémission ; cependant, les moyennes et les écarts types n’ont pu être extraits ou calculés qu’à partir de neuf. Barnhofer et al. (2007) ont fourni des valeurs médianes et des intervalles qui ont été converties en moyennes et écarts types à l'aide de la méthode Box-Cox (McGrathet al., 2020).

Haddad et coll. (2014) ont fourni la moyenne et la plage, cette dernière étant utilisée pour estimer l'écart type (Hozoet al., 2005). Pour Haringsma et coll. (2010), la moyenne et l'écart type ont été estimés à l'aide de données présentées indiquant que 26 participants n'avaient vécu qu'un seul épisode précédent et que les 37 participants restants, qui avaient déclaré avoir eu deux épisodes antérieurs ou plus, ont été codés de manière prudente comme ayant eu deux épisodes.

Pour Spinhoven et al. (2006), la moyenne et l'écart type ont pu être estimés à partir des données fournies, bien que les participants qui avaient signalé six épisodes antérieurs ou plus aient été codés de manière prudente comme ayant vécu six épisodes.

Comme requis, toutes les études ont mesuré la spécificité ou la surgénéralité de la mémoire à l'aide de l'AMT (Williams et Broadbent, 1986). De plus, toutes les études demandaient des réponses verbalement, à l'exception d'une étude qui s'écartait de ce format et nécessitait une réponse écrite (Wesselet al., 2001). Le nombre d'indices fournis afin de susciter des souvenirs spécifiques dans l'AMT variait selon les études (plage = 10–40).

Les valences positives et négatives étaient les valences les plus fréquemment signalées. Trop peu d'études ont rapporté une valence neutre pour évaluer séparément ces réponses à ces signaux. La moitié des études ont attribué un temps de réponse de 30- s aux signaux AMT, tandis que les autres ont utilisé des temps de réponse différents (plage de = 20 à 120 s).

3.2|Risque de biais dans les études

Il a été constaté que toutes les études comportaient au moins certaines inquiétudes concernant le risque de biais (voir les informations complémentaires pour le codage complet des études). Comme l'indique le tableau 2, au sein de chaque catégorie de source possible de biais, les études ont été principalement codées comme étant préoccupantes. Dans la plupart des études, il n'y avait aucune préoccupation claire quant au fait que les données étaient rapportées de manière incomplète.

Aucune étude n’était pré-enregistrée, le risque de déclaration sélective ne pouvait donc être exclu. Ces résultats suggèrent que les études menées dans ce domaine sont susceptibles d'avoir une, voire plusieurs, sources possibles de biais et doivent être interprétées en conséquence et dans le contexte d'indicateurs de biais de publication.

3.3|Résultats de synthèses : Mémorisation spécifique

Il y avait un effet global négatif faible à modéré pour les comparaisons de souvenirs spécifiques entre les personnes souffrant de dépression en rémission et les personnes qui n'avaient jamais été déprimées (k {{0}} ; g=0.314 , IC à 95 % [ 0,543 ; 0,085], z=2,69, p=,007), ce qui suggère que les personnes en rémission se souvenaient de moins de souvenirs spécifiques. En ce qui concerne l'hétérogénéité, il y avait des preuves d'une variance inexpliquée entre les tailles d'effet de l'étude (Q[14]=43,41, p < ,001 ; I2=67,7 %, τ2=,12). , indiquant une base de test des modérateurs qui pourrait expliquer cet écart.

Voir la figure 2 pour un graphique forestier des tailles d'effet, y compris un intervalle de prédiction. L'intervalle de prédiction indiquait que l'ampleur de l'effet pourrait être aussi faible que 1,12 dans certaines populations dans les études futures et aussi élevée que +0,54 dans d'autres. De plus, il existe également certaines populations pour lesquelles l’ampleur de l’effet pourrait être nulle. L'analyse des valeurs aberrantes a indiqué qu'il y avait une taille d'effet aberrant (Gupta & Kar, 2012 ; SMD=1,69).

En omettant cette valeur aberrante et en réexécutant l'analyse, les résultats n'ont pas été modifiés de manière substantielle et ont toujours montré un effet significatif, faible à modéré (k=14 ; g=0.262, 95 % CI[ 0.477 ; 0.046], z=2,38, p=.017). Il y avait également encore des preuves d'une variance entre les effets de l'étude (Q[14]=35,42, p < 0,001 ; I2=63,4 %, τ2=0,09).

For more information:1950477648nn@gmail.com