- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT05910762
Menschliches Lernen neuer strukturierter Informationen über Zeit und Schlaf hinweg
Lernen neuartiger Strukturen über Zeit und Schlaf hinweg
Adaptives Handeln erfordert ein schnelles Erfassen der Struktur in der Umgebung und das Speichern des erworbenen Wissens für eine effektive zukünftige Nutzung. Die vorherrschenden Theorien des Hippocampus konzentrieren sich auf seine Fähigkeit, individuelle Momentaufnahmen von Erfahrungen zu kodieren, aber die Forscher und andere haben Beweise dafür gefunden, dass er auch für die Strukturierung von Erfahrungen entscheidend ist. Die Mechanismen dieser wesentlichen Form des Lernens sind nicht geklärt. Die Forscher haben ein neuronales Netzwerkmodell des Hippocampus entwickelt, das die Theorie konkretisiert, dass eines seiner Unterfelder mithilfe verteilter Darstellungen schnell Strukturen kodieren kann, einer leistungsstarken Darstellungsform, bei der Neuronenpopulationen auf mehrere verwandte Merkmale der Umgebung reagieren.
Das erste Ziel dieses Projekts besteht darin, Vorhersagen dieses Modells mithilfe hochauflösender funktioneller Magnetresonanztomographie (fMRT) in Paradigmen zu testen, die die Integration von Informationen über Erfahrungen hinweg erfordern. Die Ergebnisse werden grundlegende Mechanismen klären, wie Menschen neue Strukturen erlernen, zwischen bestehenden Modellen dieses Prozesses urteilen und als Grundlage für die weitere Modellentwicklung dienen. Es gibt auch konkurrierende Theorien über das letztendliche Schicksal neuer Hippocampus-Repräsentationen. Eine Ansicht geht davon aus, dass der Hippocampus im Schlaf aktuelle Informationen wiedergibt, um längerfristige verteilte Darstellungen im Neokortex aufzubauen. Eine andere Ansicht besagt, dass Erinnerungen direkt und unabhängig im Hippocampus und Neocortex gebildet und gefestigt werden.
Das zweite Ziel dieses Projekts besteht darin, diese Theorien zu testen. Die Forscher werden Veränderungen im Hippocampus und in der kortikalen Darstellung im Laufe der Zeit beurteilen, indem sie die Teilnehmer erneut scannen und Veränderungen im Gedächtnis mit einer Verzögerung von einer Woche verfolgen. Alle beobachteten Veränderungen im Gehirn und im Verhalten im Laufe der Zeit können jedoch auf generische Effekte der Zeit oder auf aktive Verarbeitung während des Schlafs zurückzuführen sein.
Das dritte Ziel besteht daher darin, die spezifischen kausalen Beiträge des Schlafes zur Konsolidierung strukturierter Informationen zu bewerten. Die Forscher werden Echtzeit-Schlaf-Elektroenzephalographie verwenden, um Tonsignale abzuspielen, um die Reaktivierung des Gedächtnisses zu beeinflussen. Die Forscher erwarten, dass diese Arbeit die anatomischen Substrate und vor allem die Art der Darstellungen klären wird, die die Kodierung und Konsolidierung neuartiger Strukturen in der Umwelt unterstützen.
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Studientyp
Einschreibung (Geschätzt)
Phase
- Unzutreffend
Kontakte und Standorte
Studienkontakt
- Name: Anna C Schapiro, PhD
- Telefonnummer: 6177974555
- E-Mail: aschapir@sas.upenn.edu
Studieren Sie die Kontaktsicherung
- Name: Rishi Krishnamurthy, BA
- Telefonnummer: 4255050841
- E-Mail: rishikr@sas.upenn.edu
Studienorte
-
-
Pennsylvania
-
Philadelphia, Pennsylvania, Vereinigte Staaten, 19104
- Rekrutierung
- University of Pennsylvania
-
Kontakt:
- Rishi Krishnamurthy, BA
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
Akzeptiert gesunde Freiwillige
Beschreibung
Einschlusskriterien:
- Zwischen 18 und 35 Jahren (alle Ziele)
- Kein Mitglied einer gefährdeten Bevölkerungsgruppe (alle Ziele)
- Normales oder auf Normalsicht korrigiertes Sehvermögen (alle Ziele)
- Normales Hören (alle Ziele)
- Kann fließend Englisch sprechen (alle Ziele)
- Keine Vorgeschichte schwerwiegender psychiatrischer oder neurologischer Störungen (Ziele 1 und 2; MRT-spezifisch)
- Derzeit keine Antidepressiva oder Beruhigungsmittel einnehmen (Ziele 1 und 2; MRT-spezifisch)
- Keine bekannten neurologischen Störungen (Ziel 3; EEG-spezifisch)
Ausschlusskriterien:
- Die Forscher werden Personen mit MR-Kontraindikationen wie nicht entfernbaren biomedizinischen Geräten oder Metall im oder am Körper ausschließen (Ziele 1 und 2; MRT-spezifisch).
- Klaustrophobie (Ziele 1 und 2; MRT-spezifisch)
- Auch schwangere Frauen werden von der Neurobildgebung ausgeschlossen, da die Auswirkungen der MRT auf die Schwangerschaft nicht vollständig geklärt sind (Ziele 1 und 2; MRT-spezifisch).
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Grundlegende Wissenschaft
- Zuteilung: Zufällig
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Single
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
|---|---|
|
Experimental: Lernen und Festigung in assoziativer Inferenz
Die vorgeschlagene Studie zur funktionellen Magnetresonanztomographie bewertet die neuronalen Repräsentationen, die zur Fähigkeit des Menschen beitragen, Objekte zu assoziieren, um einfache Schlussfolgerungen und Verallgemeinerungen zu unterstützen.
Alle Teilnehmer durchlaufen das gleiche Verfahren.
Die Teilnehmer lernen etwas über Objektpaare und werden dann gebeten, Urteile und Schlussfolgerungen über die Beziehungen zwischen den Objekten zu fällen.
Die Reihenfolge der Präsentation der Objekte wird innerhalb der Subjekte manipuliert, da unterschiedliche Lerntheorien unterschiedliche Vorhersagen darüber treffen, wie sich das Lernen bei unterschiedlichen Reihenfolgen entwickeln wird.
Die Teilnehmer werden eine Woche später zu einem zweiten Scan zurückgebracht, um zu bewerten, wie sich die neuronalen Substrate dieser Prozesse mit der Konsolidierung verändern.
|
Die Teilnehmer beschäftigen sich mit einem assoziativen Inferenzparadigma.
Das Gedächtnis wird verhaltensbezogen beurteilt und neuronale Darstellungen werden mittels funktioneller Magnetresonanztomographie beurteilt.
|
|
Experimental: Lernen und Konsolidierung im Kategorienlernen
Die vorgeschlagene Studie zur funktionellen Magnetresonanztomographie bewertet die neuronalen Repräsentationen, die zur Fähigkeit des Menschen beitragen, neue Kategorien von Objekten zu lernen.
Alle Teilnehmer durchlaufen das gleiche Verfahren.
Die Teilnehmer lernen neuartige Objekte kennen, die jeweils aus mehreren farbigen Teilen bestehen.
Einige Teile gelten nur für einzelne Objekte, andere werden von den Mitgliedern der Kategorie gemeinsam genutzt.
Die Forscher werden untersuchen, wie verschiedene Regionen des Gehirns zum Lernen und Erinnern dieser verschiedenen Arten von Teilen beitragen und wie die resultierenden Darstellungen das Kategorienverständnis unterstützen.
Die Teilnehmer werden eine Woche später zu einem zweiten Scan zurückgebracht, um zu bewerten, wie sich die neuronalen Substrate dieser Prozesse mit der Konsolidierung verändern.
|
Die Teilnehmer beschäftigen sich mit einem Kategorien-Lernparadigma.
Das Gedächtnis wird verhaltensbezogen beurteilt (Arme 2 und 3) und neuronale Darstellungen werden mittels funktioneller Magnetresonanztomographie beurteilt (Arm 2).
|
|
Experimental: Manipulation der Wiedergabe während des Schlafs mithilfe von Echtzeit-EEG
In der vorgeschlagenen Elektroenzephalographie (EEG)-Studie werden alle Teilnehmer dem gleichen Verfahren unterzogen.
Die Teilnehmer lernen die visuellen Merkmale und gesprochenen Namen kennen, die mit drei Kategorien neuartiger Objekte verbunden sind.
Das Gedächtnis der Teilnehmer für diese Objekte und deren Teile wird vor und nach einem Nickerchen getestet.
Die Forscher überwachen die Gehirnaktivität während des Nickerchens in Echtzeit und spielen in optimalen Momenten leise die gesprochenen Namen der Objekte ab, um die Reaktivierung bestimmter Objekte in bestimmten Reihenfolgen zu fördern.
Die Forscher werden beurteilen, wie sich diese Manipulation auf das Gedächtnis dieser Objekte auswirkt.
|
Die Teilnehmer beschäftigen sich mit einem Kategorien-Lernparadigma.
Das Gedächtnis wird verhaltensbezogen beurteilt (Arme 2 und 3) und neuronale Darstellungen werden mittels funktioneller Magnetresonanztomographie beurteilt (Arm 2).
Die Teilnehmer schlafen, nachdem sie sich mit einem Kategorien-Lernparadigma beschäftigt haben, während Elektroenzephalographiedaten gesammelt werden und das Gedächtnis nach dem Schlafen verhaltensmäßig beurteilt wird.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Änderungen in multivariaten Darstellungen
Zeitfenster: Innerhalb der ersten Sitzung (über 2-3 Stunden) und mit etwa einer Woche Verzögerung in der zweiten Sitzung (über 1-2 Stunden)
|
Änderungen der räumlichen Korrelationen zwischen dem MRT-BOLD-Muster in Verbindung mit verwandten Objekten im Verlauf des Lernens und über die einwöchige Verzögerung hinweg.
|
Innerhalb der ersten Sitzung (über 2-3 Stunden) und mit etwa einer Woche Verzögerung in der zweiten Sitzung (über 1-2 Stunden)
|
|
Korrelationen zwischen Gehirn und Verhalten
Zeitfenster: Innerhalb der ersten Sitzung (über 2-3 Stunden) und mit etwa einer Woche Verzögerung in der zweiten Sitzung (über 1-2 Stunden)
|
Korrelationen zwischen dem BOLD-Signal im Gehirn und dem Verhalten der Teilnehmer bei der Beurteilung von Objekten.
|
Innerhalb der ersten Sitzung (über 2-3 Stunden) und mit etwa einer Woche Verzögerung in der zweiten Sitzung (über 1-2 Stunden)
|
|
Korrelationen zwischen der Aktivität verschiedener Gehirnregionen
Zeitfenster: Innerhalb der ersten Sitzung (über 2-3 Stunden) und mit etwa einer Woche Verzögerung in der zweiten Sitzung (über 1-2 Stunden)
|
Beziehungen zwischen der BOLD-Aktivität in verschiedenen Regionen des Gehirns als Funktion von Versuchstyp und Verzögerung.
|
Innerhalb der ersten Sitzung (über 2-3 Stunden) und mit etwa einer Woche Verzögerung in der zweiten Sitzung (über 1-2 Stunden)
|
|
Speichergenauigkeit
Zeitfenster: Innerhalb einer einzigen Lernsitzung (über 4-5 Stunden)
|
Veränderung der Generalisierungsfähigkeit von vor bis nach dem Nickerchen als Funktion der unterschiedlichen Bedingungen des Objekt-Cueings während des Schlafs.
|
Innerhalb einer einzigen Lernsitzung (über 4-5 Stunden)
|
Mitarbeiter und Ermittler
Sponsor
Mitarbeiter
Ermittler
- Hauptermittler: Anna C Schapiro, PhD, University of Pennsylvania
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Kriegeskorte N, Mur M, Bandettini P. Representational similarity analysis - connecting the branches of systems neuroscience. Front Syst Neurosci. 2008 Nov 24;2:4. doi: 10.3389/neuro.06.004.2008. eCollection 2008.
- Schapiro AC, Turk-Browne NB, Norman KA, Botvinick MM. Statistical learning of temporal community structure in the hippocampus. Hippocampus. 2016 Jan;26(1):3-8. doi: 10.1002/hipo.22523. Epub 2015 Oct 13.
- Mack ML, Love BC, Preston AR. Building concepts one episode at a time: The hippocampus and concept formation. Neurosci Lett. 2018 Jul 27;680:31-38. doi: 10.1016/j.neulet.2017.07.061. Epub 2017 Aug 8.
- Schapiro AC, Rogers TT, Cordova NI, Turk-Browne NB, Botvinick MM. Neural representations of events arise from temporal community structure. Nat Neurosci. 2013 Apr;16(4):486-92. doi: 10.1038/nn.3331. Epub 2013 Feb 17.
- Kumaran D, McClelland JL. Generalization through the recurrent interaction of episodic memories: a model of the hippocampal system. Psychol Rev. 2012 Jul;119(3):573-616. doi: 10.1037/a0028681.
- Schapiro AC, McDevitt EA, Chen L, Norman KA, Mednick SC, Rogers TT. Sleep Benefits Memory for Semantic Category Structure While Preserving Exemplar-Specific Information. Sci Rep. 2017 Nov 1;7(1):14869. doi: 10.1038/s41598-017-12884-5.
- McClelland JL, McNaughton BL, O'Reilly RC. Why there are complementary learning systems in the hippocampus and neocortex: insights from the successes and failures of connectionist models of learning and memory. Psychol Rev. 1995 Jul;102(3):419-457. doi: 10.1037/0033-295X.102.3.419.
- Schapiro AC, McDevitt EA, Rogers TT, Mednick SC, Norman KA. Human hippocampal replay during rest prioritizes weakly learned information and predicts memory performance. Nat Commun. 2018 Sep 25;9(1):3920. doi: 10.1038/s41467-018-06213-1.
- Goldi M, van Poppel EAM, Rasch B, Schreiner T. Increased neuronal signatures of targeted memory reactivation during slow-wave up states. Sci Rep. 2019 Feb 25;9(1):2715. doi: 10.1038/s41598-019-39178-2.
- Hu X, Cheng LY, Chiu MH, Paller KA. Promoting memory consolidation during sleep: A meta-analysis of targeted memory reactivation. Psychol Bull. 2020 Mar;146(3):218-244. doi: 10.1037/bul0000223.
- Cairney SA, Guttesen AAV, El Marj N, Staresina BP. Memory Consolidation Is Linked to Spindle-Mediated Information Processing during Sleep. Curr Biol. 2018 Mar 19;28(6):948-954.e4. doi: 10.1016/j.cub.2018.01.087. Epub 2018 Mar 8.
- Eichenbaum H. Prefrontal-hippocampal interactions in episodic memory. Nat Rev Neurosci. 2017 Sep;18(9):547-558. doi: 10.1038/nrn.2017.74. Epub 2017 Jun 29.
- Schapiro AC, Kustner LV, Turk-Browne NB. Shaping of object representations in the human medial temporal lobe based on temporal regularities. Curr Biol. 2012 Sep 11;22(17):1622-7. doi: 10.1016/j.cub.2012.06.056. Epub 2012 Aug 9.
- Schapiro AC, Gregory E, Landau B, McCloskey M, Turk-Browne NB. The necessity of the medial temporal lobe for statistical learning. J Cogn Neurosci. 2014 Aug;26(8):1736-47. doi: 10.1162/jocn_a_00578. Epub 2014 Jan 23.
- Covington NV, Brown-Schmidt S, Duff MC. The Necessity of the Hippocampus for Statistical Learning. J Cogn Neurosci. 2018 May;30(5):680-697. doi: 10.1162/jocn_a_01228. Epub 2018 Jan 8.
- Schlichting ML, Preston AR. Memory integration: neural mechanisms and implications for behavior. Curr Opin Behav Sci. 2015 Feb;1:1-8. doi: 10.1016/j.cobeha.2014.07.005.
- Hinton, GE. Distributed representations. Technical Report CMU-CS-84-157. 1984.
- Schapiro AC, Turk-Browne NB, Botvinick MM, Norman KA. Complementary learning systems within the hippocampus: a neural network modelling approach to reconciling episodic memory with statistical learning. Philos Trans R Soc Lond B Biol Sci. 2017 Jan 5;372(1711):20160049. doi: 10.1098/rstb.2016.0049.
- Norman KA, O'Reilly RC. Modeling hippocampal and neocortical contributions to recognition memory: a complementary-learning-systems approach. Psychol Rev. 2003 Oct;110(4):611-46. doi: 10.1037/0033-295X.110.4.611.
- Yonelinas AP, Ranganath C, Ekstrom AD, Wiltgen BJ. A contextual binding theory of episodic memory: systems consolidation reconsidered. Nat Rev Neurosci. 2019 Jun;20(6):364-375. doi: 10.1038/s41583-019-0150-4.
- Singh D, Norman KA, Schapiro AC. A model of autonomous interactions between hippocampus and neocortex driving sleep-dependent memory consolidation. Proc Natl Acad Sci U S A. 2022 Nov;119(44):e2123432119. doi: 10.1073/pnas.2123432119. Epub 2022 Oct 24.
- Hassabis D, Kumaran D, Summerfield C, Botvinick M. Neuroscience-Inspired Artificial Intelligence. Neuron. 2017 Jul 19;95(2):245-258. doi: 10.1016/j.neuron.2017.06.011.
- McCloskey M, Cohen NJ. Catastrophic interference in connectionist networks: The sequential learning problem. Psychology of Learning and Motivation. 1989; 24: 109-165.
- Daw ND, Niv Y, Dayan P. Uncertainty-based competition between prefrontal and dorsolateral striatal systems for behavioral control. Nat Neurosci. 2005 Dec;8(12):1704-11. doi: 10.1038/nn1560. Epub 2005 Nov 6.
- Leutgeb S, Leutgeb JK, Treves A, Moser MB, Moser EI. Distinct ensemble codes in hippocampal areas CA3 and CA1. Science. 2004 Aug 27;305(5688):1295-8. doi: 10.1126/science.1100265. Epub 2004 Jul 22.
- Leutgeb JK, Leutgeb S, Moser MB, Moser EI. Pattern separation in the dentate gyrus and CA3 of the hippocampus. Science. 2007 Feb 16;315(5814):961-6. doi: 10.1126/science.1135801.
- Nakashiba T, Young JZ, McHugh TJ, Buhl DL, Tonegawa S. Transgenic inhibition of synaptic transmission reveals role of CA3 output in hippocampal learning. Science. 2008 Feb 29;319(5867):1260-4. doi: 10.1126/science.1151120. Epub 2008 Jan 24.
- Schlichting ML, Preston AR. Hippocampal-medial prefrontal circuit supports memory updating during learning and post-encoding rest. Neurobiol Learn Mem. 2016 Oct;134 Pt A(Pt A):91-106. doi: 10.1016/j.nlm.2015.11.005. Epub 2015 Nov 25.
- Guise KG, Shapiro ML. Medial Prefrontal Cortex Reduces Memory Interference by Modifying Hippocampal Encoding. Neuron. 2017 Apr 5;94(1):183-192.e8. doi: 10.1016/j.neuron.2017.03.011. Epub 2017 Mar 23.
- Barker GR, Banks PJ, Scott H, Ralph GS, Mitrophanous KA, Wong LF, Bashir ZI, Uney JB, Warburton EC. Separate elements of episodic memory subserved by distinct hippocampal-prefrontal connections. Nat Neurosci. 2017 Feb;20(2):242-250. doi: 10.1038/nn.4472. Epub 2017 Jan 9.
- Wimmer GE, Daw ND, Shohamy D. Generalization of value in reinforcement learning by humans. Eur J Neurosci. 2012 Apr;35(7):1092-104. doi: 10.1111/j.1460-9568.2012.08017.x.
- Tompary A, Davachi L. Consolidation Promotes the Emergence of Representational Overlap in the Hippocampus and Medial Prefrontal Cortex. Neuron. 2020 Jan 8;105(1):199-200. doi: 10.1016/j.neuron.2019.12.020. No abstract available.
- Antony JW, Schapiro AC. Active and effective replay: systems consolidation reconsidered again. Nat Rev Neurosci. 2019 Aug;20(8):506-507. doi: 10.1038/s41583-019-0191-8. No abstract available.
- Paller KA. Sleeping in a Brave New World: Opportunities for Improving Learning and Clinical Outcomes through Targeted Memory Reactivation. Curr Dir Psychol Sci. 2017 Dec;26(6):532-537. doi: 10.1177/0963721417716928. Epub 2017 Nov 1.
- Armstrong K, Kose S, Williams L, Woolard A, Heckers S. Impaired associative inference in patients with schizophrenia. Schizophr Bull. 2012 May;38(3):622-9. doi: 10.1093/schbul/sbq145. Epub 2010 Dec 6.
- Molitor RJ, Sherrill KR, Morton NW, Miller AA, Preston AR. Memory Reactivation during Learning Simultaneously Promotes Dentate Gyrus/CA2,3 Pattern Differentiation and CA1 Memory Integration. J Neurosci. 2021 Jan 27;41(4):726-738. doi: 10.1523/JNEUROSCI.0394-20.2020. Epub 2020 Nov 25.
- Dimsdale-Zucker HR, Ritchey M, Ekstrom AD, Yonelinas AP, Ranganath C. CA1 and CA3 differentially support spontaneous retrieval of episodic contexts within human hippocampal subfields. Nat Commun. 2018 Jan 18;9(1):294. doi: 10.1038/s41467-017-02752-1.
- Schlichting ML, Zeithamova D, Preston AR. CA1 subfield contributions to memory integration and inference. Hippocampus. 2014 Oct;24(10):1248-60. doi: 10.1002/hipo.22310. Epub 2014 Jun 11.
- Shohamy D, Wagner AD. Integrating memories in the human brain: hippocampal-midbrain encoding of overlapping events. Neuron. 2008 Oct 23;60(2):378-89. doi: 10.1016/j.neuron.2008.09.023.
- Zeithamova D, Schlichting ML, Preston AR. The hippocampus and inferential reasoning: building memories to navigate future decisions. Front Hum Neurosci. 2012 Mar 26;6:70. doi: 10.3389/fnhum.2012.00070. eCollection 2012.
- Schlichting ML, Mumford JA, Preston AR. Learning-related representational changes reveal dissociable integration and separation signatures in the hippocampus and prefrontal cortex. Nat Commun. 2015 Aug 25;6:8151. doi: 10.1038/ncomms9151.
- Tompary A, Al-Aidroos N, Turk-Browne NB. Attending to What and Where: Background Connectivity Integrates Categorical and Spatial Attention. J Cogn Neurosci. 2018 Sep;30(9):1281-1297. doi: 10.1162/jocn_a_01284. Epub 2018 May 23.
- Carr VA, Rissman J, Wagner AD. Imaging the human medial temporal lobe with high-resolution fMRI. Neuron. 2010 Feb 11;65(3):298-308. doi: 10.1016/j.neuron.2009.12.022.
- Poppenk J, Evensmoen HR, Moscovitch M, Nadel L. Long-axis specialization of the human hippocampus. Trends Cogn Sci. 2013 May;17(5):230-40. doi: 10.1016/j.tics.2013.03.005. Epub 2013 Apr 16.
- Chanales AJH, Tremblay-McGaw AG, Drascher ML, Kuhl BA. Adaptive Repulsion of Long-Term Memory Representations Is Triggered by Event Similarity. Psychol Sci. 2021 May;32(5):705-720. doi: 10.1177/0956797620972490. Epub 2021 Apr 21.
- Miner AE, Schurgin MW, Brady TF. Is working memory inherently more "precise" than long-term memory? Extremely high fidelity visual long-term memories for frequently encountered objects. J Exp Psychol Hum Percept Perform. 2020 Aug;46(8):813-830. doi: 10.1037/xhp0000748. Epub 2020 Apr 23.
- Zhao Y, Chanales AJH, Kuhl BA. Adaptive Memory Distortions Are Predicted by Feature Representations in Parietal Cortex. J Neurosci. 2021 Mar 31;41(13):3014-3024. doi: 10.1523/JNEUROSCI.2875-20.2021. Epub 2021 Feb 22.
- Ashby FG, Maddox WT. Human category learning 2.0. Ann N Y Acad Sci. 2011 Apr;1224:147-161. doi: 10.1111/j.1749-6632.2010.05874.x. Epub 2010 Dec 23.
- Bowman CR, Iwashita T, Zeithamova D. Tracking prototype and exemplar representations in the brain across learning. Elife. 2020 Nov 26;9:e59360. doi: 10.7554/eLife.59360.
- Margalit E, Biederman I, Tjan BS, Shah MP. What Is Actually Affected by the Scrambling of Objects When Localizing the Lateral Occipital Complex? J Cogn Neurosci. 2017 Sep;29(9):1595-1604. doi: 10.1162/jocn_a_01144. Epub 2017 May 11.
- Rogers TT, Hocking J, Noppeney U, Mechelli A, Gorno-Tempini ML, Patterson K, Price CJ. Anterior temporal cortex and semantic memory: reconciling findings from neuropsychology and functional imaging. Cogn Affect Behav Neurosci. 2006 Sep;6(3):201-13. doi: 10.3758/cabn.6.3.201.
- Landmann N, Kuhn M, Piosczyk H, Feige B, Baglioni C, Spiegelhalder K, Frase L, Riemann D, Sterr A, Nissen C. The reorganisation of memory during sleep. Sleep Med Rev. 2014 Dec;18(6):531-41. doi: 10.1016/j.smrv.2014.03.005. Epub 2014 Mar 18.
- Whitmore NW, Bassard AM, Paller KA. Targeted memory reactivation of face-name learning depends on ample and undisturbed slow-wave sleep. NPJ Sci Learn. 2022 Jan 12;7(1):1. doi: 10.1038/s41539-021-00119-2.
- Norman KA, Newman EL, Perotte AJ. Methods for reducing interference in the Complementary Learning Systems model: oscillating inhibition and autonomous memory rehearsal. Neural Netw. 2005 Nov;18(9):1212-28. doi: 10.1016/j.neunet.2005.08.010. Epub 2005 Nov 2.
- Zhou Z, Singh D, Tandoc MC, Schapiro AC. Building integrated representations through interleaved learning. J Exp Psychol Gen. 2023 Sep;152(9):2666-2684. doi: 10.1037/xge0001415. Epub 2023 May 25.
- Klinzing JG, Niethard N, Born J. Mechanisms of systems memory consolidation during sleep. Nat Neurosci. 2019 Oct;22(10):1598-1610. doi: 10.1038/s41593-019-0467-3. Epub 2019 Aug 26.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Geschätzt)
Studienabschluss (Geschätzt)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Andere Studien-ID-Nummern
- 833228B
- R01MH129436 (US NIH Stipendium/Vertrag)
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Beschreibung des IPD-Plans
IPD-Sharing-Zeitrahmen
IPD-Sharing-Zugriffskriterien
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Produkt, das in den USA hergestellt und aus den USA exportiert wird
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .
Klinische Studien zur Schlafen
-
Haseki Training and Research HospitalNoch keine RekrutierungRichards-Campbell Sleep-Fragebogen (RCSQ)
-
ElsanEuropean Clinical Trial Experts Network; Polyclinique PoitiersAbgeschlossenObstruktives Schlafapnoe-Syndrom | Hypnose | Drug Induce Sleep EndoscopyFrankreich
-
Brigham and Women's HospitalCharite University, Berlin, Germany; Stanford UniversityBeendetSchlafstörungen, intrinsisch | Schlaf-Wach-Störungen | Schlafstörungen, zirkadianer Rhythmus | Fortgeschrittenes Schlafphasensyndrom (ASPS) | Verzögertes Schlafphasensyndrom | Schichtarbeits-Schlafstörung | Verzögerte Schlafphase | Nicht-24-Stunden-Schlaf-Wach-Störung | Fortgeschrittenes Schlafphasensyndrom und andere BedingungenVereinigte Staaten