스키마 관련 메모리의 하룻밤 수면이 제공하는 이점은 하루만 지속될 수 있습니다. 2부
Jan 17, 2024
연구 프로토콜
참가자들은 수면 그룹이나 활동적인 각성 그룹에 무작위로 할당되었습니다. 참가자들은 1단계를 완료하여 스키마를 학습한 후 10-분간 휴식을 취한 후 2단계의 학습 블록을 완료하여 스키마 관련 및 새로운 계층 구조를 학습했습니다.
그렇다면 능동적 각성이란 무엇인가? 능동적 각성이란 주변 환경의 변화를 인지하는 능력, 주도성, 사물을 이해하고 대응하는 능력을 말한다. 사람이 고도로 각성된 상태에 있을 때, 그의 얼굴 생김새는 더욱 선명해지고, 사고는 더욱 민첩해지며, 사물을 인식하고 이해하는 능력은 더욱 강해진다.
그리고 이러한 높은 수준의 각성은 우리의 기억력을 더 잘 향상시키는 데에도 도움이 될 수 있습니다. 높은 각성 상태에서 사람은 자신이 배운 지식에 더 집중할 수 있고, 배운 내용을 뇌에 더 잘 유지할 수 있습니다. 동시에 높은 각성 상태는 사람들의 사고 활력을 자극하고 기억의 깊이와 효과를 향상시킬 수 있습니다.
그러므로 우리는 일련의 방법을 통해 인식과 기억력을 향상시켜야 한다. 우선, 과도한 피로로 인해 우리의 지각과 이해에 영향을 미치지 않도록 적절한 수면 시간을 유지하는 데 주의가 필요합니다. 둘째, 독서, 사고 등을 통해 뇌를 정기적으로 활성화하고 사고력을 키워야 합니다. 마지막으로 우리 생활 속에서도 주변 환경의 변화에 더 주의를 기울이고, 새로운 것을 많이 배우고 노출해야 합니다. 우리의 각성 및 기억 능력을 향상시키기 위해 가능한 한 많은 일을 합니다.
간단히 말해서, 능동적 각성과 기억 사이의 관계는 밀접하고 필수 불가결합니다. 우리는 긍정적인 태도를 갖고, 좋은 생활 습관을 유지해야 하며, 각성 및 기억 능력을 향상시키고 삶의 도전과 기회에 더 잘 대응할 수 있도록 끊임없이 운동하고 도전해야 합니다. 기억력 향상이 필요하다고 볼 수 있는데, Cistanche Deserticola는 아세틸콜린 수치와 성장인자 수치를 높이는 등 신경전달물질의 균형도 조절할 수 있기 때문에 기억력을 크게 향상시킬 수 있습니다. 이 물질은 기억과 학습에 매우 중요합니다. 또한 고기는 혈류를 개선하고 산소 전달을 촉진하여 뇌에 충분한 영양분과 에너지를 공급하여 뇌의 활력과 지구력을 향상시킬 수 있습니다.
12-시간(수면-기상) 간격 후에 테스트되었으며, 초기 인코딩 세션 24시간 후 두 번째 테스트가 이어졌습니다. 수면다원검사(PSG)와 액티그래피(그림 1)를 모두 사용하여 수면을 모니터링했습니다.
스키마 학습 패러다임
수십 년간의 연구와 조직화된 정보의 프레임워크 연구에 대한 신경과학계의 최근 새로운 관심에도 불구하고 무엇이 무스키마의 자격이 되는지에 대한 합의가 없는 것 같습니다. 이는 문헌의 이질성에 기여했습니다.
스키마의 작업 정의에는 다음 세 가지 기능을 갖는 "겹치고 조직화된 지식 표현"이 포함된다는 것이 제안되었습니다: 메모리 성능 향상; 일치하지 않는 새로운 항목에 의해 도전을 받을 때 역동적이고 적응 가능한 성격을 갖고, 직접 학습된 내용을 일반화하는 새로운 추론을 촉진합니다[28].
이러한 필수 기능을 포함하는 전이적 추론을 기반으로 한 스키마 기반 학습 패러다임이 현재 연구 [26]에 활용되었습니다. 이 패러다임은 이전 연구[29-31]에서 사용되었습니다.
주요 패러다임은 그림 2에 나와 있고 아래에 자세히 설명된 것처럼 두 가지 주요 단계로 구성됩니다. 일부 연구에서는 학습 중 명시적 강화가 전이적 추론에 대한 수면 의존적 이점에 필수적인 요소라는 것을 입증했기 때문에 우리는 학습 블록 전반에 걸쳐 명시적 강화로 능동적 피드백을 포함시켰습니다[15]. 주요 패러다임은 그림 2와 같이 세 가지 주요 단계로 구성되었으며 아래에 자세히 설명되어 있습니다.
프로토콜 개요
초기 스키마 형성은 10-분 휴식 간격을 갖는 두 부분으로 구성됩니다: (1단계) 초기 스키마를 형성하고, (2단계): 스키마 관련 메모리 통합 및 스키마 없음 조건 학습. 2단계를 마친 후 참가자들은 수면-활성 각성 포함 12시간 후 즉시 및 지연 테스트 세션을 거쳤고, 초기 인코딩 후 24시간 후에 최종 테스트를 거쳤습니다(그림 1).
1단계: 기준에 대한 스키마 학습
참가자들은 은하계의 연령 계층과 관련된 7-항목 세트에서 항목의 올바른 순서를 배워야 했습니다. 학습 프로세스에는 참가자가 85% 이상의 정확도 기준을 달성할 때까지 학습 블록과 테스트 블록을 번갈아 가며 적극적인 피드백과 함께 시행착오가 포함되었습니다.
학습 블록 동안 참가자들은 계층 구조에서 두 개의 인접한 은하(B–C, F–E, A–B, D–C 등)를 3초 동안 보여주고 "어떤 은하가 더 오래되었나요?"라는 질문을 받았습니다. 참가자들은 학습에 적극적으로 참여하고 답변을 제공하도록 권장되었습니다.
응답 여부에 관계없이 정답은 녹색으로 강조 표시되었습니다. 학습 중에는 인접하지 않은 쌍(B–D, C–E, B–E 등)이 제시되지 않았습니다.
모든 학습 블록은 참가자에게 한 쌍의 은하계를 보여주고 어떤 항목이 더 오래되었는지 나타내는 해당 테스트 블록으로 이어졌습니다. 학습 중에 발견되지 않은 인접하지 않은 항목(추론 쌍)뿐만 아니라 학습된 인접 쌍도 표시되었습니다(그림 2A-B).
피드백이 제공되지 않았습니다. 이러한 질문에 정확하게 대답하기 위해 참가자들은 전이적 추론을 했습니다(즉, A > B 및 B > C이면 A > C).
이 단계는 85% 정확도에 도달하면 종료되었습니다. 파일럿 실험과 이전 작업을 기반으로 우리는 85%의 정확도를 달성하기 위해 최대 20개의 학습 및 테스트 블록을 프로비저닝했습니다. 기준(M=9.6, SD=3.9)에 도달하려면 평균 약 10개의 학습 블록이 필요했습니다.
2단계: 스키마 관련 메모리 통합 및 비스키마 조건 학습
이 단계에는 획득한 스키마(스키마 조건)를 활용하거나 이전에 전혀 볼 수 없었던 항목(스키마 없음 조건)을 포함하는 새로운 은하 계층 구조에 대한 학습이 포함되었습니다. 스키마 조건에서 참가자는 동일한 순위를 유지하면서 1단계에서 은하계가 삽입된 새로운 계층을 학습해야 했습니다. 스키마 없는 조건에서 참가자에게는 완전히 새로운 계층 구조가 제시되었습니다. 스키마 세트와 스키마 세트가 없는 세트 모두에 대한 테스트는 1단계와 유사한 인접 쌍과 추론 쌍으로 구성되었습니다. 결정적으로 추론 테스트 시도는 두 계층 모두에 대해 새로운 은하로만 구성되었습니다.
절차는 이전 단계와 동일했으며 참가자는 인터리브 순서로 제시된 스키마 세트와 스키마 없는 세트 모두에 대해 6개의 교대 학습 및 테스트 블록을 겪었습니다. 모든 항목, 화면의 오른쪽/왼쪽 표시, 인터리브 순서 및 쌍 표시 순서는 모든 단계에서 무작위화되고 균형을 이루었습니다(그림 2A-B).
자유회상을 테스트하기 위한 척도인 계층적 회상 테스트
마지막으로, 참가자들에게는 무작위 배열로 혼합된 스키마/비스키마 세트의 은하 이미지가 포함된 두 개의 봉투가 제공되었으며 테이블의 왼쪽에서 오른쪽으로 가장 어린 것부터 가장 오래된 것까지 각 계층 내에서 은하의 정확한 순서를 재구성하는 임무를 받았습니다.
컴퓨터 테스트의 계층 구조 회상 테스트와 유사하게 번호가 매겨진 봉투와 먼저 열 수 있는 지침을 통해 균형을 맞추었습니다.
참가자의 성과는 올바른 위치에서 벗어난 항목과 관련하여 항목의 잘못된 배치를 처벌하는 방법을 사용하여 은하계를 재정렬할 때 발생한 총 오류 수를 기준으로 평가되었습니다[32].
소프트웨어 및 이미지 소스
은하 이미지는 허블사이트 갤러리(https://hubblesite.org/images)에서 얻을 수 있습니다. 자극은 E-Prime 2.0 소프트웨어(Psychology SoftwareTools, Inc., Sharpsburg, PA)를 사용하여 생성되었습니다.
PSG 데이터 수집 및 분석
뇌파검사(EEG)는 반대편 유양 돌기(A1, A2)에 관한 두 개의 중앙 채널 C3 및 C4에서 SOMNOtouch 레코더(SOMNOmedics GmbH, 독일 Randersacker)를 사용하여 수행되었으며 Cz 및 Fpz는 국제 10– 20 시스템.
턱 근육의 전기 안구 검사(EOG) 및 근전도 검사(EMG)도 수면 단계에 대해 기록되었습니다. 녹음을 시작하기 전에 임피던스는 5kΩ 미만으로 유지되었습니다.
PSG 데이터는 먼저 시각적으로 검사된 후 Z3Score 알고리즘(https://z3score.com)을 사용하여 자동으로 채점되었습니다. 이는 이전에 검증되었으며 전문 득점자와 비교할 수 있음이 입증되었습니다. 또한 FASST EEG 도구 상자(http://www.montefiore.ulg.ac.be/~phillips/FASST.html)가 활용되었습니다[33].
수면 단계(N1, N2, N3, REM 및 WASO)는 미국 수면 의학 학회 매뉴얼(AASM)[34]에 설명된 기준을 사용하여 30-두 번째 시대를 기준으로 점수가 매겨졌습니다. 10% 이상의 아티팩트가 포함된 두 개의 기록 최종 분석에서 제외되었습니다.
제외 이유에는 장치에 의한 기록의 조기 종료 또는 밤 동안 전극이 떨어져서 수면 단계에 대한 데이터 품질이 부적절하다는 것이 포함되었습니다. 델타 대역(0.5-4Hz)의 통합 전력인 서파 활동(SWA)과 서파 에너지는 이전에 발표된 방법을 사용하여 계산되었습니다[35, 36].
스핀들 감지
검증된 알고리즘을 사용한 자동 스핀들 감지에는 Wonambi Python 패키지 v5.24(https://wonambi-python.github.io)가 사용되었습니다[35]. 스핀들은 느린(9~12Hz) 또는 빠른(12~15Hz)로 분류되었으며[35] N2 및 N3 수면 단계 모두에서 감지되었습니다. 스핀들 수와 스핀들 밀도(분당 수)가 주요 스핀들 지표로 사용되었습니다[37]. 자동 감지의 충실도를 확인하기 위해 10명의 참가자 샘플을 수동으로 확인했습니다(자세한 내용은 보충 자료 참조).
통계 분석
메모리 성능은 항목별 측정(정확도)에 의한 컴퓨터 테스트와 계층 회상 테스트의 회상 오류 수를 통해 평가되었습니다. 두 그룹의 각 단계에 대해 우리는 참여자 내 요소인 스키마 학습(스키마, 비스키마) 및 테스트 세션(즉시, 지연: 12시간/24시간)을 통한 기억의 통합을 조사하기 위해 혼합 ANOVA를 사용하여 기억 성능을 평가했습니다. 참가자 간 요인으로 통합 조건(수면, 기상).
12-시간 간격(수면-기상)에 따른 기억의 변화도 스키마(스키마, 비스키마) 및 쌍 유형(인접, 추론)의 참여자 내 요인과 혼합 ANOVA를 사용하여 조사되었습니다. 참가자 간 강화 요인(수면-각성).
즉시 및 지연 12-시간/24-시간 테스트 결과를 사후 독립 표본 및 대응 t-검정과 비교했습니다. 우리는 Spearman의 상관 분석을 사용하여 야간 세션 후 테스트에서 수면 단계 및 스핀들 측정값과 메모리 성능, 스키마 기반 메모리 혜택의 크기(Schema-No-schema) 및 회상 오류의 변화와 연관성을 조사했습니다.
0.05 미만의 P-값은 통계적으로 유의한 것으로 간주되었습니다. 데이터 전처리 및 통계 분석은 MATLAB 버전 R2017b(The MathWorks, Inc., Natick, MA) 및 SPSS 25.0(IBM Corp., Armonk, New York)을 사용하여 수행되었습니다.
결과
1단계의 초기 스키마 학습 및 수면 및 웨이크 그룹에 대한 2단계의 성능
1단계에서 스키마의 초기 학습은 수면 그룹과 기상 그룹 간에 비교 가능했습니다. 독립표본 t-검정에서는 수면의 1단계 기준에 도달하는 데 필요한 시행 횟수(M= 9.3, SD=4.7)가 각성 그룹(M{5}}.7)과 큰 차이가 없는 것으로 나타났습니다. {7}}.9, SD=3.1), t(51)=1.42, p=0.158. ]
1단계에서 비추론 쌍과 추론 쌍의 성능에는 큰 차이가 없었습니다(t 1.59 이하, p 0.12 이상). 2단계의 테스트 블록 전반에 걸친 성능을 위해 참가자 내 요인으로 스키마 학습(스키마, 무스키마) 및 블록(6개 수준)을 사용한 반복 측정 ANOVA와 참가자 간 요인으로 통합 조건(수면, 각성)을 찾았습니다. 스키마 F(1,51)=50.66, p < 0.001, eta p2=0.49 및 블록 F(의 중요한 주효과 5,255)=14.03, p < 0.001, eta p2=0.21, 그러나 압밀 조건의 유의미한 영향은 없음, F(1,51)=0.27, p {{30} }.60; 스키마 조건의 향상된 성능과 수면 및 깨우기 그룹 모두에 대한 학습 블록 전반의 개선을 나타냅니다.
비판적으로, 2단계의 스키마 및 no-schema 세트의 초기 학습은 절전 및 절전 모드 그룹 간에 유사했으며, 2단계의 블록 전체에 걸쳐 두 스키마 세트 모두에서 비슷한 성능을 보였습니다. F(1,51)=0.27, p=0.6{{10}} 및 최종 블록,t(51) 0.67 이하, p 0.51 이상.
마찬가지로, 두 그룹 모두 후속 즉시 테스트인 t(51)=1.207, p=0.233에서 비슷한 성능을 보였습니다. 두 그룹의 2단계 학습 궤적 및 블록 수준 성능에 대한 추가 정보는 보충 그림 4를 참조하십시오.
For more information:1950477648nn@gmail.com
