La variabilidad intraindividual en el desempeño de tareas después del entrenamiento cognitivo se asocia con resultados a largo plazo en los niños, parte 2

2.7.2 Estudio del desarrollo cognitivo y del cerebro de los adolescentes (ABCD)

El estudio ABCD (https://abcdstudy.org, publicación de datos versión 3.0) es un estudio longitudinal y multicéntrico del desarrollo cognitivo y neurobiológico de los niños a partir de los 10 años, con datos de 11.878 niños. Este estudio incluye una amplia gama de cuestionarios y entrevistas estandarizados que cubren tanto el bienestar general como las medidas clínicas. Además, los participantes realizan varias tareas cognitivas, incluida una tarea Nback (Casey et al., 2018). Probamos si la variabilidad intraindividual, una vez más cuantificada como el coeficiente de variación en los tiempos de respuesta, durante la tarea N-Back se asociaba con las puntuaciones en la Child Behavioral Checklist (CBCL, Achenbach, 1991).

La tarea N-Back es una tarea que se utiliza ampliamente para probar y entrenar la memoria de trabajo. En la tarea N-Back, los participantes deben recordar el estímulo anterior para responder correctamente a la pregunta en la tarea siguiente. En los últimos años, muchos estudios han demostrado una estrecha relación entre este tipo de tareas y la función de la memoria.

El estudio encontró que después del entrenamiento con tareas N-Back, la capacidad de la memoria de trabajo de los participantes mejorará. La memoria de trabajo juega un papel muy importante en la vida diaria. Puede ayudarnos a procesar información y tomar mejores decisiones y, al mismo tiempo, ayudarnos a comprender mejor información compleja y resolver mejor problemas.

Además, la tarea N-Back ayuda a mejorar la atención y la flexibilidad cognitiva. Al entrenar la memoria de trabajo, los cerebros de los participantes pueden adaptarse mejor a entornos y tareas cambiantes y afrontar mejor los problemas complejos y el estrés.

En general, la relación entre la tarea N-Back y la memoria es muy estrecha. Así como necesitamos ejercitar nuestro cuerpo para mantener una buena salud, también necesitamos entrenar nuestro cerebro para mantener excelentes funciones cognitivas y de memoria. Al participar activamente en la tarea N-Back, podemos mejorar nuestra memoria de trabajo, mejorar nuestra atención y flexibilidad y, por lo tanto, mejorar nuestras capacidades cognitivas y de pensamiento. Por lo tanto, debemos participar activamente en las tareas de N-Back para mantener un cerebro sano y una función cognitiva excelente. Se puede ver que necesitamos mejorar nuestra memoria. Cistanche deserticola puede mejorar significativamente la memoria, porque Cistanche deserticola también puede regular el equilibrio de los neurotransmisores, como aumentar los niveles de acetilcolina y factores de crecimiento. Estas sustancias son muy importantes para la memoria y el aprendizaje. Además, la carne también puede mejorar el flujo sanguíneo y promover el suministro de oxígeno, lo que puede garantizar que el cerebro reciba suficientes nutrientes y energía, mejorando así la vitalidad y la resistencia del cerebro.

Haz clic en conocer 10 formas de mejorar la memoria

The CBCL is a measure of current behavioral and psychopathological symptoms with high correspondence to the SDQ when both scales are applied to the same individuals. The ABCD study includes the CBCL, but not SDQ. We also tested for potential relationships between intra-individual variability and body mass index (BMI) scores. We chose BMI as an additional translational measure because it is robustly associated with physical, cognitive, and socioeconomic well-being. We used only those participants whose performance in the N-Back task was deemed adequate by the ABCD study's established QA procedure (overall response accuracy for 0-back or 2-back >60%) en los tres momentos disponibles actualmente, y cuyo IMC cayó entre el percentil 1 y el 99 (percentiles de IMC=13.3 y 35,0, respectivamente). Restringimos el rango del IMC porque había una pequeña minoría (<2%) of children with extremely low or high BMI values; however, robustness checks including all BMI values yielded similar results. The final sample size for our analyses was 8,522 children.

3 RESULTADOS

3.1 Resultados de comportamiento

Los niños en el WMT no difirieron de los del CMP al inicio del estudio. Antes del inicio de cualquier programa de entrenamiento, todos los participantes fueron evaluados mediante una batería de pruebas que incluían inteligencia general (una versión modificada de las Matrices de Raven), memoria de trabajo (visual, espacial), inhibición (tarea Go-NoGo), rendimiento escolar ( incluyendo lectura, aritmética, geometría, etc.) y medidas de detección de bienestar psicológico (SDQ). Las comparaciones estadísticas entre los dos grupos muestran que no difirieron en ninguna de estas medidas iniciales (Tabla S1). Si bien los dos grupos no mostraron diferencias en ninguna medida al inicio del estudio, incluidas las tareas cognitivas que miden la memoria de trabajo y las habilidades de atención, no tenemos medidas de referencia en las tareas N-Back y Flanker que se informan en la siguiente sección.

3.2 Hallazgos sobre la variabilidad de la precisión y el tiempo de respuesta

En general, el grupo de niños asignados al azar para someterse a WMT adaptativo se desempeñó con mayor precisión y con menos variabilidad de prueba a prueba en los tiempos de respuesta durante las tareas N-Back y Flanker que aquellos en el CMP (consulte las Tablas complementarias S2 y S3 para obtener información completa). conjunto de estadísticas descriptivas y resultados). El grupo WMT respondió con mayor precisión en la tarea Flanker tanto en las pruebas congruentes como en las incongruentes. En la tarea N-Back, los niños del grupo WMT fueron más precisos que los del CMP en las pruebas de memoria de trabajo baja (0-1 atrás), pero los dos grupos no difirieron significativamente en las pruebas de memoria de trabajo alta ({{ 7}} atrás).

Además de una mayor precisión, los niños que recibieron WMT adaptativo también mostraron menos variabilidad intraindividual en los tiempos de respuesta que los niños en el grupo CMP (Tablas complementarias S2 y S3). Calculamos el ICV intra-individual como la desviación estándar del RT intraindividual/la media del RT intraindividual. Los niños del grupo WMT utilizaron ratones externos durante la intervención de entrenamiento en lugar de la caja de botones compatible con MRI utilizada durante las tareas Flanker y N-back y, por lo tanto, la familiaridad con el dispositivo de respuesta no puede ser una fuente de diferencias en el ICV entre los grupos.

3.3 Análisis del modelo de decisión de difusión

Ajustamos un modelo DDM al comportamiento de los niños en la tarea Flanker para determinar los mecanismos que conducen a diferencias en la variabilidad del tiempo de respuesta entre los grupos de tratamiento. Usando el DDM, podemos determinar si la variabilidad del tiempo de respuesta está impulsada por (1) diferencias en el tiempo de no decisión; (2) diferencias en el límite o umbral que determina cuándo hay evidencia suficiente para hacer una respuesta versus la otra (a menudo interpretado como respuesta cautelosa); y/o (3) las tasas de deriva (es decir, con qué rapidez y solidez se acumula evidencia). Separamos la tasa de deriva en dos componentes para medir la sensibilidad de los niños a la información relevante del objetivo en comparación con la información irrelevante de los flancos. Los ajustes se resumen en la Tabla 3 y muestran que los niños del grupo WMT eran más sensibles a la información transportada por el pez objetivo (es decir, su dirección) en relación con el pez distractor (probabilidad posterior=0.992) y utilizado. un umbral de respuesta más alto (probabilidad posterior=0.952) que los niños en el CMP. Estos resultados de DDM son consistentes con una mejor atención a las características relevantes para las tareas después de WMT.

También simulamos respuestas del modelo de decisión de difusión ajustado para probar si podía reproducir los patrones de variabilidad del tiempo de respuesta observados en la tarea Flanker. Para generar respuestas simuladas en la tarea Flanker, utilizamos los parámetros DDM que mejor se ajustan a cada participante. Luego comparamos los tiempos de respuesta simulados entre los grupos y descubrimos que los RT eran menos variables para los agentes simulados que usaban parámetros de los participantes de WMT que para los agentes simulados basados ​​en los parámetros de los niños de CMP (Tabla S4). Por lo tanto, el DDM ajustado puede explicar y generar diferentes niveles de variabilidad del tiempo de respuesta en los dos grupos.

Además de ajustar el DDM, también realizamos una prueba post hoc ajustando la distribución ex gaussiana a los tiempos de respuesta de cada niño. Aunque el modelo ex gaussiano no permite el mismo tipo de inferencias mecanicistas que el DDM, lo ajustamos y lo informamos para facilitar la comparación con artículos publicados anteriormente que utilizan este método para cuantificar la variabilidad intraindividual en RT. Estos resultados ex-gaussianos son consistentes con los resultados de ICV y DDM e indicaron que los parámetros de desviación estándar (sigma) y exponencial (tau) diferían entre la memoria de trabajo entrenada y CMP, pero no hubo diferencias significativas en las medias (mu) de las distribuciones de tiempo de respuesta (Tabla S5). En otras palabras, los individuos más variables no fueron más rápidos o más lentos para responder en general. Más bien fueron más inconsistentes en la forma en que ejecutaron sus respuestas. La variabilidad intraindividual estuvo altamente correlacionada entre las tareas N-Back y Flanker (r=0.65, p {{10}}.0008, IC del 95 % [0,32, 0,84]).

En conjunto, el patrón de resultados conductuales en las tareas cognitivas y varias formas complementarias del análisis sugieren que la intervención adaptativa WMT puede haber aumentado la capacidad de los niños para captar y mantener la atención en información relevante para la tarea de manera general poco después de las cinco semanas. de entrenamiento estaban completos.

3.4 resultados de resonancia magnética funcional

Además de una mayor precisión, el grupo WMT mostró una mayor activación en comparación con el CMP en regiones del cerebro que forman parte de las redes de atención y control durante las pruebas de baja memoria de trabajo. Estos incluían porciones de los sistemas talámico-estriatal frontal, como el caudado derecho, el putamen, el pálido, el tálamo, las circunvoluciones frontales media inferior y superior, el cingulado anterior dorsal y la corteza motora suplementaria (Tabla S6, Figura 1). De acuerdo con los hallazgos conductuales de precisión similar en la condición de memoria de trabajo alta, no hubo diferencias significativas en la señal BOLD entre los grupos durante las pruebas de memoria de trabajo alta. No detectamos diferencias significativas en la actividad en función de WMT durante la tarea Flanker.

Además, encontramos que los niveles de señal BOLD relacionados con la tarea en las regiones que mostraron una mayor actividad en el grupo (ver Figura S2) también se correlacionaban con los coeficientes de variación y/o precisión intraindividuales en la tarea N-back en todos los participantes ( Figura 1, fila inferior). Es de esperar cierta relación con la precisión y el ICV intra-individual en estas regiones, dado que existen diferencias grupales en la variabilidad intraindividual. Sin embargo, la actividad en el ROI funcional dorsal estriatal, que abarca el caudado dorsal y el putamen, se asoció significativamente con la variabilidad intraindividual incluso después de tener en cuenta los efectos de la condición WMT (coef=−0.25, p= 0.004; Tabla 4). Hubo tendencias similares, aunque no significativas, en la corteza prefrontal dorsolateral (dlPFC) para la variabilidad intraindividual, y en la corteza cingulada anterior/área motora suplementaria para la precisión (Tabla 4).

3.5 Asociaciones entre el desempeño de tareas cognitivas posteriores al entrenamiento y las medidas de seguimiento en la muestra de fMRI

La variabilidad del tiempo de respuesta explicó una variación adicional significativa en las puntuaciones futuras del SDQ (coef. estandarizado {{0}}.32 ± 0.14), geometría (coef. estandarizado=−{{7 }}.66 ± {{10}}.23), y lectura (coef. estandarizado=−0,32 ± 0,14), después de tener en cuenta las puntuaciones iniciales en esas medidas y el coeficiente intelectual (Tabla S7) . Por lo tanto, la variabilidad del tiempo de respuesta después de 5 semanas de capacitación se asoció con mejoras futuras en los puntajes del SDQ y las habilidades académicas que aún no eran evidentes en pruebas directas de esas habilidades en el mismo momento. Por el contrario, el desempeño de tareas cognitivas post-entrenamiento o las medidas iniciales no se asociaron significativamente con puntuaciones aritméticas futuras. Por lo tanto, en nuestra muestra, la variabilidad intraindividual en los tiempos de respuesta medidos inmediatamente después de la intervención se correlacionó con el desempeño futuro en los mismos dominios académicos que Berger y sus colegas encontraron previamente que mejoraban un año después del WMT en una muestra independiente.

3.6 Replicación conceptual de la asociación entre ICV post-entrenamiento y medidas de seguimiento en la muestra BFHSW

De acuerdo con nuestros resultados en la muestra de fMRI, los cambios en ICV (posterior versus preintervención) durante la tarea Go/Nogo también se asociaron con una mejora en la geometría y las habilidades de lectura 1 año después de WMT en la muestra independiente BFHSW (Tablas 1 y 2). , aunque el efecto de lectura no sobrevive a la corrección de Bonferroni para comparaciones múltiples. Tenga en cuenta que nuestra especificación de regresión incluye regresores para el ICV Go/Nogo tanto inicial (W1) como post-entrenamiento (W2), y en esta especificación, el coeficiente para W2 Go/Nogo ICV representa el efecto del cambio en el rendimiento entre W1 y W2. . Lo mismo se aplica al uso de puntuaciones de habilidades académicas futuras como variable dependiente cuando se incluye la puntuación inicial como variable independiente en la regresión.

Curiosamente, mientras que el ICV N-back fue significativamente diferente entre los grupos WMT y de control justo después del entrenamiento, las diferencias significativas en el ICV Go/Nogo no aparecieron hasta 12 meses después del entrenamiento (Tabla 2). Este retraso en la aparición de mejoras significativas en Go/Nogo ICV es consistente con el retraso en la aparición de mejoras en la precisión de Go/Nogo informado por Berger et al. (2020). Aunque todavía no diferían significativamente entre los tratamientos, los cambios en el ICV Go/Nogo desde el inicio hasta el post-entrenamiento aún predijeron mejoras futuras en el rendimiento. Una cuestión relevante para futuras investigaciones es determinar qué tipos de tareas cognitivas (p. ej., memoria de trabajo, inhibición de respuestas, etc.) son las más adecuadas para evaluar la variabilidad intraindividual en el tiempo de respuesta o la precisión para pronosticar la aparición de beneficios de transferencia lejana después de trabajar. memoria u otros regímenes de entrenamiento.

3.7 La asociación entre ICV y medidas de bienestar se generaliza al estudio ABCD

Utilizamos datos de las tres primeras oleadas del estudio longitudinal ABCD para probar si la relación que observamos en nuestra muestra de resonancia magnética funcional entre la variabilidad del tiempo de respuesta durante la tarea N-back y las medidas de bienestar se generalizó a un conjunto independiente y más grande de niños. Utilizamos los datos sobre el IMC y las puntuaciones de la Lista de verificación del comportamiento infantil (CBCL) como nuestras medidas de bienestar en el estudio ABCD. A diferencia de nuestros estudios fMRI y BFHSW, el estudio ABCD no incluye una intervención WMT. Por lo tanto, utilizamos los datos ABCD para probar si había una asociación significativa entre N-back ICV y el bienestar actual y, de ser así, si esta relación se mantiene durante el primer y segundo año de seguimiento en este estudio longitudinal.

We fit and compared Hierarchical Bayesian regression models that assumed the association between N-back ICV at baseline and BMI, or CBCL, at baseline, 1- and 2-year follow-up was either stable or decreased over time. Concretely, we tested whether regression models allowing for an interaction between baseline N-back ICV values and assessment wave (i.e., the explanatory power of ICV could decrease or increase) were better than models assuming a fixed association between baseline N-back ICV values and well-being at all waves. The baseline coefficients were the same in both the fixed and interaction models (Table 5) and indicated that greater variability in response times during the N-back at baseline was associated with decreased well-being in terms of both baseline BMI (standardized coefficient = 0.02, posterior probability >0.999) and CBCL (standardized coefficient = 0.03, posterior probability >0.999), consistente con los hallazgos en la muestra de fMRI.

Comparamos los modelos fijo y de interacción utilizando validación cruzada de dejar uno fuera con muestreo de importancia suavizado por Pareto (PSISLOO, Vehtari et al., 2017). Las comparaciones de modelos favorecieron modestamente el modelo fijo más simple sin interacciones de ondas de seguimiento al explicar tanto el IMC (diferencia en la densidad predictiva logarítmica puntual esperada (elpd) para el modelo de interacción=−2,3, error estándar (SE) de la diferencia=1.6) y CBCL (diferencia de elpd=−2.6, SE = 1.9). Además, ninguno de los modelos de interacción sugirió una disminución en el poder explicativo del N-back ICV inicial para el bienestar en las visitas de seguimiento de 1- o 2-años en relación con el valor inicial. En todo caso, hubo un ligero aumento en el coeficiente de regresión para ICV entre el inicio y el año 2 al intentar explicar el IMC. Por lo tanto, los resultados de los datos ABCD muestran que la relación entre N-back ICV y el bienestar de los niños se generaliza a través de medidas de bienestar (SDQ, CBCL, BMI), y el poder explicativo de N-back ICV persiste durante al menos 2 años de experiencia y desarrollo en ausencia de cualquier intervención de entrenamiento cognitivo.

4. DISCUSIÓN

El presente estudio examinó cómo los mecanismos neurocognitivos subyacentes al impacto a corto plazo del WMT adaptativo en niños de escuela primaria se relacionan con los beneficios del entrenamiento que surgen meses o años después del entrenamiento. En general, nuestros resultados sugieren que, además de la memoria de trabajo en sí, puede haber beneficios simultáneos para la atención selectiva y sostenida durante o directamente después de cinco semanas de entrenamiento. Mostramos que la variabilidad intraindividual en los tiempos de respuesta durante varias tareas cognitivas diferentes puede usarse para detectar efectos del entrenamiento a corto plazo en niños y que tales medidas pueden ser indicativas de la persistencia y/o aparición de beneficios de transferencia lejana meses o años después. Se completa la formación.

Nuestros hallazgos indican que una mejor atención se encuentra entre los resultados inmediatos de la WMT adaptativa. Se cree que los procesos de memoria de trabajo y atención están estrechamente vinculados y son interdependientes (Astle & Scerif, 2011; D'Esposito & Postle, 2015; Engle, 2018; Eriksson et al., 2015; Gazzaley & Nobre, 2012; Unsworth & Robison, 2017 ; Wass et al., 2012). Aunque tienen diferentes objetivos principales, las tareas Flanker, Go/Nogo y N-Back requieren la capacidad de mantener el foco de atención durante toda la tarea (atención sostenida) y de identificar los estímulos objetivo y filtrar o inhibir respuestas a estímulos no objetivo. estímulos (atención selectiva). A nivel neuronal, se encontraron diferencias entre los grupos WMT y CMP en el cuerpo estriado, así como en las cortezas prefrontal lateral y medial, que son regiones del cerebro que, entre otras cosas, apoyan funciones de atención selectiva y sostenida (Frank et al., 2001). ; Mcnab y Klingberg, 2008; Zanto et al., 2011).

Estas diferencias neuronales estuvieron acompañadas de un mejor rendimiento de detección de señales (es decir, mayor d-prime), una variabilidad intraindividual reducida en los tiempos de respuesta y una acumulación más eficiente de información relevante (es decir, mayores tasas de deriva de DDM) en niños que recibieron WMT adaptativo. Todas estas medidas de comportamiento están relacionadas y dependen de la atención. Por lo tanto, en conjunto, nuestros resultados neuronales y conductuales sugieren que los beneficios del programa utilizado en este estudio están mediados al menos parcialmente por procesos de atención más efectivos que conducen a respuestas consistentes y efectivas a la información relevante para la tarea y a un procesamiento reducido de estímulos irrelevantes y que distraen. .

Estos resultados respaldan aún más las teorías sobre los mecanismos que subyacen a los beneficios de la capacitación. Un metaanálisis de estudios de entrenamiento previos concluyó que el programa WMT adaptativo Cogmed-RM tiene efectos sobre la atención en la vida diaria (Spencer-Smith y Klingberg, 2015). Los procesos de atención más efectivos que detectamos al final del entrenamiento también son consistentes con resultados y teorías anteriores sobre la base de los efectos de transferencia lejana después del entrenamiento cognitivo (Dahlin et al., 2008; Greenwood & Parasuraman, 2016; Morrison & Chein , 2011). Específicamente, estos beneficios de transferencia lejana ocurren cuando las habilidades entrenadas y transferidas comparten procesos cognitivos fundamentales comunes. Dado el importante papel de la atención como requisito previo para muchos procesos cognitivos, podría servir como base para los efectos de transferencia lejana posteriores a la WMT.

Recientemente, se ha demostrado que los beneficios del WMT adaptativo en niños en edad escolar, en relación con la instrucción estándar en el aula, surgen a lo largo de 6 a 12 meses (Berger et al., 2020). Las mejoras iniciales en la atención pueden servir como andamio para cambios posteriores en procesos cognitivos superiores que faciliten un mejor desempeño escolar. Nuestros resultados actuales sugieren que las funciones de atención podrían estar entre las primeras en mejorar con este tipo de capacitación y que los beneficios emergentes posteriores para las habilidades académicas y el bienestar general están asociados con mejoras inmediatas en los procesos de atención. No es sorprendente que WMT también influya en el control de la atención (p. ej., atención selectiva, atención sostenida o reasignación de atención dirigida a objetivos), dado que se postula que estos procesos son requisitos previos para la implementación exitosa de la memoria de trabajo (Astle & Scerif, 2011; D'Esposito & Postle, 2015; Eriksson et al., 2015; Gazzaley & Nobre, 2012; Unsworth & Robison, 2017; Wass et al., 2012).

También hay evidencia de que las asociaciones entre la capacidad de la memoria de trabajo y diversas habilidades cognitivas y académicas están parcialmente mediadas por una dependencia común del control de la atención (Engle, 2018; Fukuda & Vogel, 2011; Unsworth & Robison, 2017). Dado el papel aparente de los procesos de atención en la mediación de la transferencia lejana de los efectos del entrenamiento, es importante medir estos procesos al evaluar la eficacia de ofWMT y otras formas de entrenamiento cognitivo. También será importante que estudios futuros comparen directamente la WMT adaptativa con intervenciones que utilizan mecanismos adaptativos para entrenar la atención, la inhibición u otras habilidades cognitivas. Nuestros resultados actuales indican que las métricas que cuantifican la variabilidad intraindividual en el tiempo de respuesta serán útiles para determinar la eficacia relativa a corto y largo plazo de diferentes regímenes de entrenamiento.

La capacidad de las métricas de variabilidad intraindividual para detectar diferencias individuales en el control de la atención podría explicar la asociación que encontramos entre ICV y la futura aparición de beneficios para las habilidades académicas y el bienestar general después del WMT. Las métricas de variabilidad del tiempo de respuesta intraindividual son medidas sensibles y confiables de las diferencias individuales en los procesos de control de la atención (MacDonald et al., 2009; Saville et al., 2011). A menudo se utilizan como índice de la eficiencia en la asignación de la atención de un individuo o del grado de fluctuación en el control de la atención durante la realización de una tarea (Bellgrove et al., 2004; Isbell et al., 2018; Kelly et al., 2008; Stuss et al., 2003; Unsworth, 2015). La variabilidad intraindividual se ha relacionado con medidas de control cognitivo en niños y adultos sanos, y la variabilidad en los tiempos de respuesta medidos en una tarea se correlaciona con la memoria de trabajo y a largo plazo o la inteligencia medida en tareas separadas (Bellgrove et al., 2004; Isbell et al., 2018; Larson & Saccuzzo, 1989; Montez et al., 2017; van Belle et al., 2015). También difiere entre individuos sanos y aquellos con trastorno por déficit de atención con hiperactividad (TDAH) (Castellanos et al., 2005; Geurts et al., 2008; Karalunas et al., 2014; Kofler et al., 2013; van Belle et al. , 2015). Sin embargo, la mayor variabilidad del tiempo de respuesta no es exclusiva del TDAH y se observa en diversos trastornos psiquiátricos y neurológicos (p. ej., lesión cerebral traumática, demencia y esquizofrenia), en los que los déficits de atención pueden desempeñar un papel importante, aunque menos destacado (Geurts et al. al., 2008; Haynes et al., 2017; Ilg et al., 2018; Kofler et al., 2013; MacDonald et al., 2006).

Se observa comúnmente una mayor variabilidad intraindividual tanto en familiares no afectados como en pacientes, lo que indica que puede capturar factores de riesgo genéticos o ambientales compartidos para psicopatologías actuales y futuras (Adleman et al., 2014; Ilg et al., 2018; Karalunas et al., 2014; Kuntsi et al., 2010; Stuss et al., 2003). Una revisión reciente de Haynes et al. Destaca varios estudios longitudinales en adultos mayores que han demostrado que la variabilidad intraindividual en los tiempos de respuesta se asocia con niveles futuros de deterioro cognitivo y mortalidad (Haynes et al., 2017). Por lo tanto, nuestros resultados actuales, junto con el conjunto de trabajos existentes, indican que las medidas de variabilidad intraindividual son sensibles no solo a la función cognitiva y neurológica actual, sino que también están asociadas con la estabilidad, mejora o disminución futura de esas funciones.

Descubrimos que las métricas de variabilidad intraindividual pueden detectar la eficacia a corto plazo y son indicativas de la aparición de beneficios a largo plazo de las intervenciones de memoria de trabajo destinadas a mejorar las habilidades cognitivas y el rendimiento académico en los niños. Pudimos detectar diferencias significativas entre grupos entrenados y no entrenados en la variabilidad del tiempo de respuesta intraindividual durante tareas cognitivas que exploran la memoria de trabajo y la atención (N-Back y Flanker) directamente después de cinco semanas de WMT, mientras que mejoras significativas en la variabilidad durante una tarea de inhibición de respuesta (Go/ Nogo) no surgió hasta meses después. Sin embargo, en consonancia con su capacidad para pronosticar el deterioro cognitivo en las personas mayores, encontramos que las medidas de la variabilidad intraindividual en las tareas N-back y Go/Nogo calculadas al final del entrenamiento se asociaron con mejoras en las habilidades académicas y el bienestar general. -Estar en niños hasta 1 año después del entrenamiento. En ambas tareas, una menor variabilidad posterior al entrenamiento se relacionó con mejores puntuaciones futuras en pruebas de habilidades académicas y fortalezas/debilidades en el aula y comportamiento social. Los resultados de los datos ABCD también son consistentes con la idea de que las medidas de variabilidad del desempeño están asociadas con el bienestar tanto actual como futuro, específicamente los problemas de conducta y el IMC.

Nuestros resultados sugieren que las medidas de variabilidad intraindividual son útiles para evaluar la eficacia de la intervención. Sin embargo, aún es necesario abordar varias cuestiones importantes. Por ejemplo, ¿podemos utilizar métricas de variabilidad intraindividual para determinar cuándo un individuo ha recibido una dosis suficiente de la intervención de entrenamiento? Si es así, entonces podríamos adaptar la cantidad de capacitación a cada persona para mejorar las compensaciones costo-beneficio inherentes a cualquier programa de capacitación. Otra pregunta clave que plantean nuestros hallazgos es qué tipos de tareas (por ejemplo, aquellas dirigidas a la memoria de trabajo, la atención, el cambio de tareas, etc.) y las medidas de variabilidad intraindividual son las más adecuadas para evaluar los resultados a corto y largo plazo del entrenamiento cognitivo. . Trabajos anteriores han cuantificado la variabilidad intraindividual en los tiempos de respuesta de varias maneras diferentes (Geurts et al., 2008; Karalunas et al., 2014; van Ravenzwaaij et al., 2011). Encontramos diferencias significativas en la variabilidad del tiempo de respuesta entre los grupos de entrenamiento en tareas de atención selectiva (Flanker), memoria de trabajo (N-Back) y tareas de inhibición de respuesta (Go/Nogo) utilizando varias medidas complementarias de variabilidad. Sin embargo, puede haber diferencias en qué tan bien las diferentes medidas de variabilidad y/o diseños de tareas predicen el surgimiento de beneficios en áreas específicas del desempeño académico o el bienestar general a largo plazo. Será importante abordar esta pregunta en estudios futuros que recopilen y calculen múltiples medidas longitudinales en grandes muestras de participantes.

Observamos algunas limitaciones potenciales de este trabajo. Una posible limitación es que la familiaridad con el uso de dispositivos informáticos puede ser la base de las diferencias en la variabilidad del tiempo de respuesta entre los grupos de control y de entrenamiento. Sin embargo, creemos que esto es poco probable dado que en el estudio de resonancia magnética funcional, el grupo de entrenamiento implementó las respuestas durante el entrenamiento con un mouse, mientras que dentro del escáner los niños respondieron usando una caja de botones adaptada a la resonancia magnética. Además, las mejoras significativas en la variabilidad del rendimiento en la tarea Go/Nogo no surgieron hasta meses después del entrenamiento, lo que sugiere que la diferencia se debió a un mayor desarrollo de las habilidades cognitivas en lugar de una simple familiaridad con la acción o habilidades motoras. En segundo lugar, nuestro estudio inicial de resonancia magnética funcional no incluyó NBack o Flanker al inicio del estudio, por lo que no pudimos controlar el rendimiento inicial en esas tareas exactas.

La falta de diferencias entre grupos en cualquier otra medida previa a la intervención de la memoria de trabajo o la atención sugiere que la probabilidad de que los fallos de aleatorización conduzcan a diferencias independientes del entrenamiento en la memoria de trabajo o la atención es muy baja. El hecho de que podamos replicar nuestros resultados de la muestra de resonancia magnética funcional en la muestra de BFHSW utilizando una tarea Go/Nogo medida al inicio y después de la intervención indica además que el fracaso de la aleatorización es una causa poco probable de nuestros resultados originales. Por último, una limitación importante es que nuestros datos actuales no pueden decirnos si estos efectos son específicos del WMT adaptativo per se o si otras formas de entrenamiento cognitivo podrían generar beneficios similares. Nuestros resultados sobre la variabilidad del RT sugieren que algunos de los beneficios del entrenamiento inicial están mediados por mejoras en el control de la atención. Si bien el control de la atención y la memoria de trabajo están interrelacionados, debería ser posible entrenar el control de la atención mediante tareas cognitivas que exijan poco a la memoria de trabajo para distinguir mejor entre las dos habilidades. Determinar los mejores tipos y formas de entrenamiento cognitivo y, potencialmente, cómo personalizar el entrenamiento para individuos de diferentes edades o habilidades es un objetivo importante para futuras investigaciones.

5. CONCLUSIÓN

Los medios eficaces para mejorar las capacidades cognitivas han sido un objetivo de larga data en muchas disciplinas. Nuestro trabajo actual se suma a la evidencia existente de que la WMT adaptativa puede beneficiar significativamente a los niños en edad escolar (Berger et al., 2020; Jones et al., 2020; Karbach et al., 2015; Titz & Karbach, 2014; Wass et al., 2012). Además, proporciona información adicional sobre los mecanismos subyacentes a estos beneficios. Junto con los recientes hallazgos de Berger et al. (2020), también destaca la importancia de incluir seguimientos a largo plazo en cualquier evaluación de la eficacia del entrenamiento. Además de los datos de seguimiento a largo plazo, demostramos la utilidad de utilizar métricas de variabilidad del tiempo de respuesta como indicador inmediato del éxito de la intervención. No se debe pasar por alto la relevancia práctica de una herramienta de evaluación inmediata de este tipo, ya que podría permitir adaptar las intervenciones de capacitación en términos de duración o contenido sin necesidad de esperar años para obtener datos de seguimiento que determinen si surgirán beneficios a largo plazo.

REFERENCIAS

1. Achenbach, TM (1991) Manual para la lista de verificación de comportamiento infantil/4-18 y perfil de 1991. Departamento de Psiquiatría, Universidad de Vermont.

2.Adleman, NE, Yi, JY, Deveney, CM, Guyer, AE, Leibenluft, E. y Brotman, MA (2014). Aumento de la variabilidad intrasujeto en el tiempo de respuesta en niños en edad preescolar no afectados con riesgo familiar de trastorno bipolar. Investigación en psiquiatría, 30, 219(3), 687–689.

3. Ali, S., Macoun, SJ, Bedir, B. y MacDonald, SWS (2019). La variabilidad intraindividual en los niños está relacionada con las calificaciones de atención y función ejecutiva de los informantes. Revista de neuropsicología clínica y experimental, 41 (7), 740–748.

4. Astle, DE, Barnes, JJ, Baker, K., Colclough, GL y Woolrich, MW (2015). El entrenamiento cognitivo mejora la conectividad cerebral intrínseca en la infancia. The Journal of Neuroscience: revista oficial de la Sociedad de Neurociencia, 35(16), 6277–6283.

5. Astle, DE y Scerif, G. (2011). Interacciones entre la atención y la memoria visual a corto plazo (VSTM): ¿Qué se puede aprender de las diferencias individuales y de desarrollo? Neuropsicología, 49(6), 1435-1445.

6.Au, J., Sheehan, E., Tsai, N., Duncan, GJ, Buschkuehl, M. y Jaeggi, SM (2015). Mejora de la inteligencia fluida con entrenamiento en la memoria de trabajo: un metanálisis. Boletín y revisión psiconómica, 22 (2), 366–377.

6.Baddeley, A. (1996). El fraccionamiento de la memoria de trabajo. Actas de la Academia Nacional de Ciencias de los Estados Unidos de América, 93(24), 13468–13472.

7.Baddeley, A. (2010). Memoria de trabajo. Biología actual, 20 (4), R136 – R140.

8.Bellgrove, MA, Hester, R. y Garavan, H. (2004). Los correlatos neuroanatómicos funcionales de la variabilidad de la respuesta: evidencia de una tarea de inhibición de la respuesta. Neuropsicología, 42(14), 1910-1916.

9.Berger, EM, Fehr, E., Hermes, H., Schunk, D. y Winkel, K. El impacto del entrenamiento de la memoria de trabajo en las habilidades cognitivas y no cognitivas de los niños. Revista Electrónica SSRN, https://doi.org/10.2139/ssrn.3622985

10.Bogg, T. y Lasecki, L. (2014). ¿Ganancias confiables? Evidencia de diseños sustancialmente insuficientes en estudios sobre la transferencia del entrenamiento de la memoria de trabajo a la inteligencia fluida. Fronteras en Psicología, 5, 1589.

For more information:1950477648nn@gmail.com