- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT05746299
El impacto de la reactivación durante el sueño en la consolidación de información abstracta en humanos
24 de junio de 2025 actualizado por: University of Pennsylvania
El surgimiento del conocimiento de la estructura abstracta a través del aprendizaje y el sueño
En cualquier dominio cognitivo dado, las representaciones de los elementos individuales no son independientes sino que están organizadas por medio de relaciones estructuradas.
Las representaciones de esta estructura subyacente son poderosas porque pueden permitir la generalización y la inferencia en entornos novedosos.
En el dominio semántico, la estructura captura asociaciones entre diferentes características o conceptos semánticos (por ejemplo, verde, alas, puede volar) y se sabe que influye en el desarrollo y deterioro del conocimiento semántico.
Recientemente descubrimos que a los humanos les resulta más fácil aprender categorías novedosas que contienen grupos de características que coexisten de manera confiable, lo que revela una influencia de la estructura en la formación de categorías novedosas.
Sin embargo, una incógnita crítica es si las representaciones aprendidas de la estructura están estrechamente ligadas a elementos específicos de la categoría, o si se vuelven abstractas hasta cierto punto, transformadas lejos de las características experimentadas.
Además, si surgen representaciones estructurales abstractas, el trabajo previo proporciona pistas intrigantes de que pueden requerir consolidación fuera de línea durante el descanso despierto o el sueño.
Hemos desarrollado un paradigma en el que estructuras gráficas cuidadosamente diseñadas gobiernan el patrón de co-ocurrencias de características dentro de categorías individuales.
Aquí implementamos una extensión de "transferencia de estructura" de este paradigma para determinar si el aprendizaje de una categoría estructurada facilita el aprendizaje de una segunda categoría idénticamente estructurada definida por un nuevo conjunto de características.
Esta facilitación proporcionaría evidencia de que las representaciones de estructuras son abstractas hasta cierto punto.
El Objetivo 1 utilizará estos métodos para evaluar si las representaciones estructurales abstractas emergen inmediatamente durante el aprendizaje.
El objetivo 2 determinará si estas representaciones persisten o emergen después de un retraso, y si es necesaria una consolidación basada en el sueño en particular.
El papel de la repetición de la experiencia reciente durante el sueño se evaluará mediante electroencefalografía (EEG) junto con la reactivación de la memoria dirigida (TMR) de circuito cerrado, una técnica que permite la influencia causal sobre la consolidación de la información aprendida recientemente en humanos.
Este trabajo informará y limitará las teorías del aprendizaje semántico, así como las teorías del aprendizaje estructural y la representación en general.
Descripción general del estudio
Estado
Terminado
Condiciones
Tipo de estudio
Intervencionista
Inscripción (Actual)
194
Fase
- No aplica
Contactos y Ubicaciones
Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.
Ubicaciones de estudio
-
-
Pennsylvania
-
Philadelphia, Pennsylvania, Estados Unidos, 19104
- University of Pennsylvania
-
-
Criterios de participación
Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.
Criterio de elegibilidad
Edades elegibles para estudiar
18 años a 35 años (Adulto)
Acepta Voluntarios Saludables
Sí
Descripción
Criterios de inclusión:
- Edades entre 18 y 35
Criterio de exclusión:
- Ninguna enfermedad médica o neurológica que pueda afectar el rendimiento experimental.
- No es miembro de una población vulnerable
Plan de estudios
Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.
¿Cómo está diseñado el estudio?
Detalles de diseño
- Propósito principal: Ciencia básica
- Asignación: Aleatorizado
- Modelo Intervencionista: Asignación paralela
- Enmascaramiento: Único
Armas e Intervenciones
Grupo de participantes/brazo |
Intervención / Tratamiento |
|---|---|
|
Experimental: Congruente inmediato
Los participantes aprenderán y serán evaluados en dos categorías semánticas diferentes con la misma estructura que dicta la co-ocurrencia de diferentes características.
|
La intervención Congruente versus Incongruente se relaciona con la estructura basada en características de las categorías novedosas (Modular o no modular) y si hay (Congruente) o no (Incongruente) una coincidencia entre lo que se aprendió previamente y la categoría objetivo final.
Inmediato, Despierto y Sueño se refieren a ningún descanso, 2,5 horas despierto o 2 horas dormido más un descanso de 30 minutos después de la siesta para tener en cuenta la inercia del sueño entre el aprendizaje y la categoría objetivo.
|
|
Experimental: Incongruente inmediato
Los participantes aprenderán y serán evaluados en dos categorías semánticas diferentes con diferentes estructuras que dictan la co-ocurrencia de diferentes características.
|
La intervención Congruente versus Incongruente se relaciona con la estructura basada en características de las categorías novedosas (Modular o no modular) y si hay (Congruente) o no (Incongruente) una coincidencia entre lo que se aprendió previamente y la categoría objetivo final.
Inmediato, Despierto y Sueño se refieren a ningún descanso, 2,5 horas despierto o 2 horas dormido más un descanso de 30 minutos después de la siesta para tener en cuenta la inercia del sueño entre el aprendizaje y la categoría objetivo.
|
|
Experimental: Despierto incongruente
Los participantes aprenderán dos categorías semánticas diferentes, ninguna de las cuales tiene una estructura Modular.
Después de un descanso de 2,5 horas, aprenderán y serán evaluados en una categoría semántica novedosa con una estructura modular.
|
La intervención Congruente versus Incongruente se relaciona con la estructura basada en características de las categorías novedosas (Modular o no modular) y si hay (Congruente) o no (Incongruente) una coincidencia entre lo que se aprendió previamente y la categoría objetivo final.
Inmediato, Despierto y Sueño se refieren a ningún descanso, 2,5 horas despierto o 2 horas dormido más un descanso de 30 minutos después de la siesta para tener en cuenta la inercia del sueño entre el aprendizaje y la categoría objetivo.
|
|
Experimental: Despierto congruente
Los participantes aprenderán dos categorías semánticas diferentes, una de las cuales tiene una estructura Modular.
Después de un descanso de 2,5 horas, aprenderán y serán evaluados en una categoría semántica novedosa con una estructura modular.
|
La intervención Congruente versus Incongruente se relaciona con la estructura basada en características de las categorías novedosas (Modular o no modular) y si hay (Congruente) o no (Incongruente) una coincidencia entre lo que se aprendió previamente y la categoría objetivo final.
Inmediato, Despierto y Sueño se refieren a ningún descanso, 2,5 horas despierto o 2 horas dormido más un descanso de 30 minutos después de la siesta para tener en cuenta la inercia del sueño entre el aprendizaje y la categoría objetivo.
|
|
Experimental: Sueño incongruente
Los participantes aprenderán dos categorías semánticas diferentes, una de las cuales tiene una estructura Modular.
Después de una oportunidad de siesta de 2 horas, durante la cual se utilizará TMR para reactivar la categoría no Modular, los participantes tomarán un descanso de 30 minutos.
Después del descanso, aprenderán y serán evaluados en una categoría semántica novedosa con una estructura Modular.
|
La intervención Congruente versus Incongruente se relaciona con la estructura basada en características de las categorías novedosas (Modular o no modular) y si hay (Congruente) o no (Incongruente) una coincidencia entre lo que se aprendió previamente y la categoría objetivo final.
Inmediato, Despierto y Sueño se refieren a ningún descanso, 2,5 horas despierto o 2 horas dormido más un descanso de 30 minutos después de la siesta para tener en cuenta la inercia del sueño entre el aprendizaje y la categoría objetivo.
La reactivación de la memoria dirigida (TMR) es la presentación sistemática de sonidos durante el sueño que se asociaron con ciertos estímulos durante el aprendizaje y se administrarán durante el sueño de onda lenta (SWS) o el sueño de movimiento ocular rápido (REM).
|
|
Experimental: Sueño Congruente (SWS)
Los participantes aprenderán dos categorías semánticas diferentes, una de las cuales tiene una estructura Modular.
Después de una oportunidad de siesta de 2 horas, durante la cual se utilizará TMR para reactivar la categoría Modular durante el sueño de ondas lentas (SWS), los participantes tomarán un descanso de 30 minutos.
Después del descanso, aprenderán y serán evaluados en una categoría semántica novedosa con una estructura Modular.
|
La intervención Congruente versus Incongruente se relaciona con la estructura basada en características de las categorías novedosas (Modular o no modular) y si hay (Congruente) o no (Incongruente) una coincidencia entre lo que se aprendió previamente y la categoría objetivo final.
Inmediato, Despierto y Sueño se refieren a ningún descanso, 2,5 horas despierto o 2 horas dormido más un descanso de 30 minutos después de la siesta para tener en cuenta la inercia del sueño entre el aprendizaje y la categoría objetivo.
La reactivación de la memoria dirigida (TMR) es la presentación sistemática de sonidos durante el sueño que se asociaron con ciertos estímulos durante el aprendizaje y se administrarán durante el sueño de onda lenta (SWS) o el sueño de movimiento ocular rápido (REM).
|
|
Experimental: Sueño Congruente (REM)
Los participantes aprenderán dos categorías semánticas diferentes, una de las cuales tiene una estructura Modular.
Después de una oportunidad de siesta de 2 horas, durante la cual se utilizará TMR para reactivar la categoría Modular durante el sueño de movimiento ocular rápido (REM), los participantes tomarán un descanso de 30 minutos.
Después del descanso, aprenderán y serán evaluados en una categoría semántica novedosa con una estructura Modular.
|
La intervención Congruente versus Incongruente se relaciona con la estructura basada en características de las categorías novedosas (Modular o no modular) y si hay (Congruente) o no (Incongruente) una coincidencia entre lo que se aprendió previamente y la categoría objetivo final.
Inmediato, Despierto y Sueño se refieren a ningún descanso, 2,5 horas despierto o 2 horas dormido más un descanso de 30 minutos después de la siesta para tener en cuenta la inercia del sueño entre el aprendizaje y la categoría objetivo.
La reactivación de la memoria dirigida (TMR) es la presentación sistemática de sonidos durante el sueño que se asociaron con ciertos estímulos durante el aprendizaje y se administrarán durante el sueño de onda lenta (SWS) o el sueño de movimiento ocular rápido (REM).
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Estructura de conocimiento para una nueva categoría modular en la etapa 2
Periodo de tiempo: En el AIM 1, la precisión se recopila en una tarea de característica faltante 25 min. En el experimento, tomando 25 min. En AIM 2, la precisión se recopila en una tarea de característica faltante durante 25 minutos en la etapa 2
|
Precisión (0-100%) en la tarea de características de comportamiento que faltan en la etapa 2, que requiere que los participantes usen su memoria de antes en el experimento para adivinar cómo completar las características faltantes de los ejemplos de categoría.
|
En el AIM 1, la precisión se recopila en una tarea de característica faltante 25 min. En el experimento, tomando 25 min. En AIM 2, la precisión se recopila en una tarea de característica faltante durante 25 minutos en la etapa 2
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Anna C Schapiro, PhD, University of Pennsylvania
Publicaciones y enlaces útiles
La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.
Publicaciones Generales
- Rasch B, Born J. About sleep's role in memory. Physiol Rev. 2013 Apr;93(2):681-766. doi: 10.1152/physrev.00032.2012.
- Monti JM, Monti D. Sleep disturbance in schizophrenia. Int Rev Psychiatry. 2005 Aug;17(4):247-53. doi: 10.1080/09540260500104516.
- Tsuno N, Besset A, Ritchie K. Sleep and depression. J Clin Psychiatry. 2005 Oct;66(10):1254-69. doi: 10.4088/jcp.v66n1008.
- Gentner, D.. Structure-mapping: A theoretical framework for analogy. Cognitive science. 1983;7(2): 155-170.
- Thibodeau PH, Flusberg SJ, Glick JJ, & Sternberg DA. An emergent approach to analogical inference. Connection Science. 2013; 25(1): 27-53.
- Collins AGE, Frank MJ. Neural signature of hierarchically structured expectations predicts clustering and transfer of rule sets in reinforcement learning. Cognition. 2016 Jul;152:160-169. doi: 10.1016/j.cognition.2016.04.002. Epub 2016 Apr 12.
- Baram AB, Muller TH, Nili H, Garvert MM, Behrens TEJ. Entorhinal and ventromedial prefrontal cortices abstract and generalize the structure of reinforcement learning problems. Neuron. 2021 Feb 17;109(4):713-723.e7. doi: 10.1016/j.neuron.2020.11.024. Epub 2020 Dec 22.
- TOLMAN EC. Cognitive maps in rats and men. Psychol Rev. 1948 Jul;55(4):189-208. doi: 10.1037/h0061626. No abstract available.
- Behrens TEJ, Muller TH, Whittington JCR, Mark S, Baram AB, Stachenfeld KL, Kurth-Nelson Z. What Is a Cognitive Map? Organizing Knowledge for Flexible Behavior. Neuron. 2018 Oct 24;100(2):490-509. doi: 10.1016/j.neuron.2018.10.002.
- Whittington JCR, Muller TH, Mark S, Chen G, Barry C, Burgess N, Behrens TEJ. The Tolman-Eichenbaum Machine: Unifying Space and Relational Memory through Generalization in the Hippocampal Formation. Cell. 2020 Nov 25;183(5):1249-1263.e23. doi: 10.1016/j.cell.2020.10.024. Epub 2020 Nov 11.
- McClelland JL, Rogers TT. The parallel distributed processing approach to semantic cognition. Nat Rev Neurosci. 2003 Apr;4(4):310-22. doi: 10.1038/nrn1076. No abstract available.
- Bahdanau D, Murty S, Noukhovitch M, Nguyen TH, de Vries H, Courville A. Systematic generalization: what is required and can it be learned?. arXiv preprint. 2018.
- Mark S, Moran R, Parr T, Kennerley SW, Behrens TEJ. Transferring structural knowledge across cognitive maps in humans and models. Nat Commun. 2020 Sep 22;11(1):4783. doi: 10.1038/s41467-020-18254-6.
- Durrant SJ, Cairney SA, Lewis PA. Cross-modal transfer of statistical information benefits from sleep. Cortex. 2016 May;78:85-99. doi: 10.1016/j.cortex.2016.02.011. Epub 2016 Feb 27.
- Tamminen J, Lambon Ralph MA, Lewis PA. Targeted memory reactivation of newly learned words during sleep triggers REM-mediated integration of new memories and existing knowledge. Neurobiol Learn Mem. 2017 Jan;137:77-82. doi: 10.1016/j.nlm.2016.11.012. Epub 2016 Nov 15.
- Wang B, Antony JW, Lurie S, Brooks PP, Paller KA, Norman KA. Targeted Memory Reactivation during Sleep Elicits Neural Signals Related to Learning Content. J Neurosci. 2019 Aug 21;39(34):6728-6736. doi: 10.1523/JNEUROSCI.2798-18.2019. Epub 2019 Jun 24.
- 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.
- Weickert TW, Goldberg TE, Callicott JH, Chen Q, Apud JA, Das S, Zoltick BJ, Egan MF, Meeter M, Myers C, Gluck MA, Weinberger DR, Mattay VS. Neural correlates of probabilistic category learning in patients with schizophrenia. J Neurosci. 2009 Jan 28;29(4):1244-54. doi: 10.1523/JNEUROSCI.4341-08.2009.
- Riemann D, Berger M, Voderholzer U. Sleep and depression--results from psychobiological studies: an overview. Biol Psychol. 2001 Jul-Aug;57(1-3):67-103. doi: 10.1016/s0301-0511(01)00090-4.
- Nutt D, Wilson S, Paterson L. Sleep disorders as core symptoms of depression. Dialogues Clin Neurosci. 2008;10(3):329-36. doi: 10.31887/DCNS.2008.10.3/dnutt.
- Karuza EA, Kahn AE, Bassett DS. Human sensitivity to community structure is robust to topological variation. Complexity. 2019.
- Karuza EA, Kahn AE, Thompson-Schill SL, Bassett DS. Process reveals structure: How a network is traversed mediates expectations about its architecture. Sci Rep. 2017 Oct 6;7(1):12733. doi: 10.1038/s41598-017-12876-5.
- Karuza EA, Thompson-Schill SL, Bassett DS. Local Patterns to Global Architectures: Influences of Network Topology on Human Learning. Trends Cogn Sci. 2016 Aug;20(8):629-640. doi: 10.1016/j.tics.2016.06.003. Epub 2016 Jun 29.
- Lynn CW, Bassett DS. How humans learn and represent networks. Proc Natl Acad Sci U S A. 2020 Nov 24;117(47):29407-29415. doi: 10.1073/pnas.1912328117.
- 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.
- Kahn AE, Karuza EA, Vettel JM, Bassett DS. Network constraints on learnability of probabilistic motor sequences. Nat Hum Behav. 2018 Dec;2(12):936-947. doi: 10.1038/s41562-018-0463-8. Epub 2018 Nov 5.
- Kakaei E, Aleshin S, Braun J. Visual object recognition is facilitated by temporal community structure. Learn Mem. 2021 Apr 15;28(5):148-152. doi: 10.1101/lm.053306.120. Print 2021 May.
- Eichenbaum H. Time cells in the hippocampus: a new dimension for mapping memories. Nat Rev Neurosci. 2014 Nov;15(11):732-44. doi: 10.1038/nrn3827. Epub 2014 Oct 1.
- Moser MB, Rowland DC, Moser EI. Place cells, grid cells, and memory. Cold Spring Harb Perspect Biol. 2015 Feb 2;7(2):a021808. doi: 10.1101/cshperspect.a021808.
- Maguire EA, Spiers HJ, Good CD, Hartley T, Frackowiak RS, Burgess N. Navigation expertise and the human hippocampus: a structural brain imaging analysis. Hippocampus. 2003;13(2):250-9. doi: 10.1002/hipo.10087.
- 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.
- Cohen N., Eichenbaum H. Memory, amnesia, and the hippocampal system. MIT press. 1993.
- Belal S, Cousins J, El-Deredy W, Parkes L, Schneider J, Tsujimura H, Zoumpoulaki A, Perapoch M, Santamaria L, Lewis P. Identification of memory reactivation during sleep by EEG classification. Neuroimage. 2018 Aug 1;176:203-214. doi: 10.1016/j.neuroimage.2018.04.029. Epub 2018 Apr 17.
- Stickgold R. Sleep-dependent memory consolidation. Nature. 2005 Oct 27;437(7063):1272-8. doi: 10.1038/nature04286.
- Wagner U, Gais S, Haider H, Verleger R, Born J. Sleep inspires insight. Nature. 2004 Jan 22;427(6972):352-5. doi: 10.1038/nature02223.
- Ellenbogen JM, Hu PT, Payne JD, Titone D, Walker MP. Human relational memory requires time and sleep. Proc Natl Acad Sci U S A. 2007 May 1;104(18):7723-8. doi: 10.1073/pnas.0700094104. Epub 2007 Apr 20.
- 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.
- Lewis PA, Knoblich G, Poe G. How Memory Replay in Sleep Boosts Creative Problem-Solving. Trends Cogn Sci. 2018 Jun;22(6):491-503. doi: 10.1016/j.tics.2018.03.009.
- Feld GB, Bernard M, Rawson AB, Spiers HJ. Sleep targets highly connected global and local nodes to aid consolidation of learned graph networks. Sci Rep. 2022 Sep 5;12(1):15086. doi: 10.1038/s41598-022-17747-2.
- 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.
- Marshall L, Born J. The contribution of sleep to hippocampus-dependent memory consolidation. Trends Cogn Sci. 2007 Oct;11(10):442-50. doi: 10.1016/j.tics.2007.09.001. Epub 2007 Oct 1.
- Davidson TJ, Kloosterman F, Wilson MA. Hippocampal replay of extended experience. Neuron. 2009 Aug 27;63(4):497-507. doi: 10.1016/j.neuron.2009.07.027.
- 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.
- Cairney SA, Durrant SJ, Hulleman J, Lewis PA. Targeted memory reactivation during slow wave sleep facilitates emotional memory consolidation. Sleep. 2014 Apr 1;37(4):701-7, 707A. doi: 10.5665/sleep.3572.
- Batterink LJ, Paller KA. Sleep-based memory processing facilitates grammatical generalization: Evidence from targeted memory reactivation. Brain Lang. 2017 Apr;167:83-93. doi: 10.1016/j.bandl.2015.09.003. Epub 2015 Oct 9.
- 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.
- Ngo HV, Martinetz T, Born J, Molle M. Auditory closed-loop stimulation of the sleep slow oscillation enhances memory. Neuron. 2013 May 8;78(3):545-53. doi: 10.1016/j.neuron.2013.03.006. Epub 2013 Apr 11.
- Ngo HV, Miedema A, Faude I, Martinetz T, Molle M, Born J. Driving sleep slow oscillations by auditory closed-loop stimulation-a self-limiting process. J Neurosci. 2015 Apr 29;35(17):6630-8. doi: 10.1523/JNEUROSCI.3133-14.2015.
- Navarrete M, Schneider J, Ngo HV, Valderrama M, Casson AJ, Lewis PA. Examining the optimal timing for closed-loop auditory stimulation of slow-wave sleep in young and older adults. Sleep. 2020 Jun 15;43(6):zsz315. doi: 10.1093/sleep/zsz315.
- Solomon SH, Medaglia JD, Thompson-Schill SL. Implementing a concept network model. Behav Res Methods. 2019 Aug;51(4):1717-1736. doi: 10.3758/s13428-019-01217-1.
- Collins AM, Loftus EF. A spreading-activation theory of semantic processing. Psychological review. 1975; 82(6): 407.
- De Deyne S, Navarro DJ, Perfors A, Storms G. Structure at every scale: A semantic network account of the similarities between unrelated concepts. J Exp Psychol Gen. 2016 Sep;145(9):1228-54. doi: 10.1037/xge0000192.
- McRae K, de Sa VR, Seidenberg MS. On the nature and scope of featural representations of word meaning. J Exp Psychol Gen. 1997 Jun;126(2):99-130. doi: 10.1037//0096-3445.126.2.99.
- Tyler LK, Moss HE, Durrant-Peatfield MR, Levy JP. Conceptual structure and the structure of concepts: a distributed account of category-specific deficits. Brain Lang. 2000 Nov;75(2):195-231. doi: 10.1006/brln.2000.2353.
- Saffran JR, Johnson EK, Aslin RN, Newport EL. Statistical learning of tone sequences by human infants and adults. Cognition. 1999 Feb 1;70(1):27-52. doi: 10.1016/s0010-0277(98)00075-4.
- Saffran JR. The use of predictive dependencies in language learning. Journal of Memory and Language. 2001; 44(4): 493-515.
- Fiser J, Aslin RN. Statistical learning of new visual feature combinations by infants. Proc Natl Acad Sci U S A. 2002 Nov 26;99(24):15822-6. doi: 10.1073/pnas.232472899. Epub 2002 Nov 12.
- Kirkham NZ, Slemmer JA, Johnson SP. Visual statistical learning in infancy: evidence for a domain general learning mechanism. Cognition. 2002 Mar;83(2):B35-42. doi: 10.1016/s0010-0277(02)00004-5.
- Pearce MT, Ruiz MH, Kapasi S, Wiggins GA, Bhattacharya J. Unsupervised statistical learning underpins computational, behavioural, and neural manifestations of musical expectation. Neuroimage. 2010 Mar;50(1):302-13. doi: 10.1016/j.neuroimage.2009.12.019. Epub 2009 Dec 11.
- Turk-Browne NB, Junge J, Scholl BJ. The automaticity of visual statistical learning. J Exp Psychol Gen. 2005 Nov;134(4):552-64. doi: 10.1037/0096-3445.134.4.552.
- O'Keefe J, Nadel L. The hippocampus as a cognitive map. Oxford university press. 1978.
- Hafting T, Fyhn M, Molden S, Moser MB, Moser EI. Microstructure of a spatial map in the entorhinal cortex. Nature. 2005 Aug 11;436(7052):801-6. doi: 10.1038/nature03721. Epub 2005 Jun 19.
- Javadi AH, Emo B, Howard LR, Zisch FE, Yu Y, Knight R, Pinelo Silva J, Spiers HJ. Hippocampal and prefrontal processing of network topology to simulate the future. Nat Commun. 2017 Mar 21;8:14652. doi: 10.1038/ncomms14652.
- Killian NJ, Buffalo EA. Grid cells map the visual world. Nat Neurosci. 2018 Feb;21(2):161-162. doi: 10.1038/s41593-017-0062-4. No abstract available.
- Epstein RA, Patai EZ, Julian JB, Spiers HJ. The cognitive map in humans: spatial navigation and beyond. Nat Neurosci. 2017 Oct 26;20(11):1504-1513. doi: 10.1038/nn.4656.
- Erickson JE, Chin-Parker S, Ross BH. Inference and classification learning of abstract coherent categories. J Exp Psychol Learn Mem Cogn. 2005 Jan;31(1):86-99. doi: 10.1037/0278-7393.31.1.86.
- Park SA, Miller DS, Boorman ED. Inferences on a multidimensional social hierarchy use a grid-like code. Nat Neurosci. 2021 Sep;24(9):1292-1301. doi: 10.1038/s41593-021-00916-3. Epub 2021 Aug 31.
- Tavares RM, Mendelsohn A, Grossman Y, Williams CH, Shapiro M, Trope Y, Schiller D. A Map for Social Navigation in the Human Brain. Neuron. 2015 Jul 1;87(1):231-43. doi: 10.1016/j.neuron.2015.06.011.
- Constantinescu AO, O'Reilly JX, Behrens TEJ. Organizing conceptual knowledge in humans with a gridlike code. Science. 2016 Jun 17;352(6292):1464-1468. doi: 10.1126/science.aaf0941. Epub 2016 Jun 16.
- Hassabis D, Kumaran D, Vann SD, Maguire EA. Patients with hippocampal amnesia cannot imagine new experiences. Proc Natl Acad Sci U S A. 2007 Jan 30;104(5):1726-31. doi: 10.1073/pnas.0610561104. Epub 2007 Jan 17.
- Franklin NT, Frank MJ. Compositional clustering in task structure learning. PLoS Comput Biol. 2018 Apr 19;14(4):e1006116. doi: 10.1371/journal.pcbi.1006116. eCollection 2018 Apr.
- Schuck NW, Cai MB, Wilson RC, Niv Y. Human Orbitofrontal Cortex Represents a Cognitive Map of State Space. Neuron. 2016 Sep 21;91(6):1402-1412. doi: 10.1016/j.neuron.2016.08.019.
- Theves S, Fernandez G, Doeller CF. The Hippocampus Encodes Distances in Multidimensional Feature Space. Curr Biol. 2019 Apr 1;29(7):1226-1231.e3. doi: 10.1016/j.cub.2019.02.035. Epub 2019 Mar 21.
- 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.
- Yamauchi T, Markman AB. Category learning by inference and classification. Journal of Memory and language. 1998; 39(1): 124-148.
- Anderson AL, Ross BH, Chin-Parker S. A further investigation of category learning by inference. Mem Cognit. 2002 Jan;30(1):119-28. doi: 10.3758/bf03195271.
- Chin-Parker S, Ross BH. The effect of category learning on sensitivity to within-category correlations. Mem Cognit. 2002 Apr;30(3):353-62. doi: 10.3758/bf03194936.
- Chin-Parker S, Ross BH. Diagnosticity and prototypicality in category learning: a comparison of inference learning and classification learning. J Exp Psychol Learn Mem Cogn. 2004 Jan;30(1):216-26. doi: 10.1037/0278-7393.30.1.216.
- Markman AB, Ross BH. Category use and category learning. Psychol Bull. 2003 Jul;129(4):592-613. doi: 10.1037/0033-2909.129.4.592.
- Cousins JN, El-Deredy W, Parkes LM, Hennies N, Lewis PA. Cued Reactivation of Motor Learning during Sleep Leads to Overnight Changes in Functional Brain Activity and Connectivity. PLoS Biol. 2016 May 3;14(5):e1002451. doi: 10.1371/journal.pbio.1002451. eCollection 2016 May.
- 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.
- Solomon SH, Schapiro AC. Structure shapes the representation of a novel category. J Exp Psychol Learn Mem Cogn. 2024 Mar;50(3):458-483. doi: 10.1037/xlm0001257. Epub 2023 Jun 15.
- Stachenfeld KL, Botvinick MM, Gershman SJ. The hippocampus as a predictive map. Nat Neurosci. 2017 Nov;20(11):1643-1653. doi: 10.1038/nn.4650. Epub 2017 Oct 2.
Fechas de registro del estudio
Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.
Fechas importantes del estudio
Inicio del estudio (Actual)
29 de marzo de 2023
Finalización primaria (Actual)
30 de junio de 2024
Finalización del estudio (Actual)
30 de junio de 2024
Fechas de registro del estudio
Enviado por primera vez
14 de febrero de 2023
Primero enviado que cumplió con los criterios de control de calidad
14 de febrero de 2023
Publicado por primera vez (Actual)
27 de febrero de 2023
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
14 de julio de 2025
Última actualización enviada que cumplió con los criterios de control de calidad
24 de junio de 2025
Última verificación
1 de junio de 2025
Más información
Términos relacionados con este estudio
Palabras clave
Otros números de identificación del estudio
- 833228A
- 1R21MH128788-01A1 (Subvención/contrato del NIH de EE. UU.)
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
SÍ
Descripción del plan IPD
Todos los IPD que subyacen a los resultados en una publicación.
Marco de tiempo para compartir IPD
La IPD estará disponible en el momento de la publicación del estudio.
Criterios de acceso compartido de IPD
IPD estará disponible públicamente sin restricciones.
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
No
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
No
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .