Aprendizaje humano de nueva información estructurada a través del tiempo y el sueño
29 de julio de 2025 actualizado por: University of Pennsylvania
Aprendizaje de estructuras novedosas a través del tiempo y el sueño
Actuar de forma adaptativa requiere captar rápidamente la estructura del entorno y almacenar el conocimiento adquirido para su uso efectivo en el futuro. Las teorías dominantes del hipocampo se han centrado en su capacidad para codificar instantáneas individuales de la experiencia, pero los investigadores y otros han encontrado evidencia de que también es crucial para encontrar una estructura a través de las experiencias. Los mecanismos de esta forma esencial de aprendizaje no han sido establecidos. Los investigadores han desarrollado un modelo de red neuronal del hipocampo que ejemplifica la teoría de que uno de sus subcampos puede codificar rápidamente la estructura utilizando representaciones distribuidas, una poderosa forma de representación en la que las poblaciones de neuronas responden a múltiples características relacionadas del entorno.
El primer objetivo de este proyecto es probar las predicciones de este modelo utilizando imágenes de resonancia magnética funcional (fMRI) de alta resolución en paradigmas que requieren la integración de información a través de experiencias. Los resultados aclararán los mecanismos fundamentales de cómo los humanos aprenden estructuras novedosas, adjudicando entre los modelos existentes de este proceso e informando el desarrollo de modelos adicionales. También existen teorías en competencia sobre el destino final de las nuevas representaciones del hipocampo. Un punto de vista postula que durante el sueño, el hipocampo reproduce información reciente para construir representaciones distribuidas a más largo plazo en el neocórtex. Otro punto de vista afirma que los recuerdos se forman y consolidan directa e independientemente dentro del hipocampo y la neocorteza.
El segundo objetivo de este proyecto es contrastar entre estas teorías. Los investigadores evaluarán los cambios en las representaciones corticales y del hipocampo a lo largo del tiempo volviendo a escanear a los participantes y rastreando los cambios en la memoria con un retraso de una semana. Sin embargo, cualquier cambio observado en el cerebro y el comportamiento a lo largo del tiempo puede deberse a efectos genéricos del tiempo o al procesamiento activo durante el sueño.
El tercer objetivo es, por tanto, evaluar las contribuciones causales específicas del sueño a la consolidación de la información estructurada. Los investigadores utilizarán electroencefalografía del sueño en tiempo real para reproducir señales de sonido para sesgar la reactivación de la memoria. Los investigadores esperan que este trabajo aclare los sustratos anatómicos y, de manera crítica, la naturaleza de las representaciones que respaldan la codificación y consolidación de estructuras novedosas en el entorno.
Descripción general del estudio
Estado
Reclutamiento
Condiciones
Intervención / Tratamiento
Tipo de estudio
Intervencionista
Inscripción (Estimado)
105
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.
Estudio Contacto
- Nombre: Anna C Schapiro, PhD
- Número de teléfono: 6177974555
- Correo electrónico: aschapir@sas.upenn.edu
Copia de seguridad de contactos de estudio
- Nombre: Rishi Krishnamurthy, BA
- Número de teléfono: 4255050841
- Correo electrónico: rishikr@sas.upenn.edu
Ubicaciones de estudio
-
-
Pennsylvania
-
Philadelphia, Pennsylvania, Estados Unidos, 19104
- Reclutamiento
- University of Pennsylvania
-
Contacto:
- Rishi Krishnamurthy, BA
-
-
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
- Adulto
Acepta Voluntarios Saludables
Sí
Descripción
Criterios de inclusión:
- Entre 18 y 35 años (todos los objetivos)
- No pertenecer a una población vulnerable (todos los objetivos)
- Visión normal o corregida a normal (todos los objetivos)
- Audición normal (todos los objetivos)
- Capaz de hablar inglés con fluidez (todos los objetivos)
- Sin antecedentes de trastornos psiquiátricos o neurológicos importantes (Objetivos 1 y 2; específicos de RM)
- Actualmente no toma ningún antidepresivo o sedante (Objetivos 1 y 2; específico de MRI)
- Sin trastornos neurológicos conocidos (objetivo 3; específico de EEG)
Criterio de exclusión:
- Los investigadores excluirán a las personas con contraindicaciones para la RM, como dispositivos biomédicos no extraíbles o metal dentro o sobre el cuerpo (Objetivos 1 y 2; específicos de la RM)
- Claustrofobia (Objetivos 1 y 2; específicos de MRI)
- Las mujeres embarazadas también serán excluidas de las neuroimágenes, ya que los efectos de la RM en el embarazo no se comprenden completamente (Objetivos 1 y 2; específicos de la RM)
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: Aprendizaje y consolidación en Inferencia Asociativa
El estudio de imágenes de resonancia magnética funcional propuesto evalúa las representaciones neuronales que contribuyen a la capacidad de los humanos para asociar objetos en apoyo de inferencias y generalizaciones simples.
Todos los participantes se someterán al mismo procedimiento.
Los participantes aprenderán sobre pares de objetos y luego se les pedirá que hagan juicios e inferencias sobre las relaciones entre los objetos.
El orden de presentación de los objetos será manipulado dentro de los sujetos, ya que diferentes teorías de aprendizaje hacen predicciones diferentes sobre cómo se desarrollará el aprendizaje bajo diferentes órdenes.
Los participantes regresarán una semana más tarde para un segundo escaneo, para evaluar cómo cambian los sustratos neuronales de estos procesos con la consolidación.
|
Los participantes se involucrarán en un paradigma de inferencia asociativa.
La memoria se evaluará conductualmente y las representaciones neuronales se evaluarán utilizando imágenes de resonancia magnética funcional.
|
|
Experimental: Aprendizaje y consolidación en el aprendizaje de categorías
El estudio de imágenes de resonancia magnética funcional propuesto evalúa las representaciones neuronales que contribuyen a la capacidad de los humanos para aprender nuevas categorías de objetos.
Todos los participantes se someterán al mismo procedimiento.
Los participantes aprenderán sobre objetos novedosos, cada uno con varias partes coloreadas.
Algunas partes son exclusivas de objetos individuales y otras se comparten entre los miembros de la categoría.
Los investigadores evaluarán cómo las diferentes regiones del cerebro contribuyen a aprender y recordar estos diferentes tipos de partes, y cómo las representaciones resultantes respaldan la comprensión de categorías.
Los participantes regresarán una semana más tarde para un segundo escaneo, para evaluar cómo cambian los sustratos neuronales de estos procesos con la consolidación.
|
Los participantes participarán en un paradigma de aprendizaje por categorías.
La memoria se evaluará conductualmente (brazos 2 y 3), y las representaciones neuronales se evaluarán utilizando imágenes de resonancia magnética funcional (brazo 2).
|
|
Experimental: Manipulación de la reproducción durante el sueño usando EEG en tiempo real
En el estudio de electroencefalografía (EEG) propuesto, todos los participantes se someterán al mismo procedimiento.
Los participantes aprenderán las características visuales y los nombres hablados asociados con tres categorías de objetos novedosos.
La memoria de los participantes para estos objetos y las partes de los objetos se evaluará antes y después de una siesta.
Los investigadores monitorearán la actividad cerebral durante la siesta en tiempo real y, en momentos óptimos, reproducirán silenciosamente los nombres hablados de los objetos para alentar la reactivación de objetos particulares en órdenes particulares.
Los investigadores evaluarán cómo esta manipulación afecta la memoria de estos objetos.
|
Los participantes participarán en un paradigma de aprendizaje por categorías.
La memoria se evaluará conductualmente (brazos 2 y 3), y las representaciones neuronales se evaluarán utilizando imágenes de resonancia magnética funcional (brazo 2).
Los participantes dormirán después de participar en un paradigma de aprendizaje de categorías mientras se recopilan datos de electroencefalografía y la memoria se evaluará conductualmente después de dormir.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Cambios en las representaciones multivariantes
Periodo de tiempo: Dentro de la primera sesión (que abarca de 2 a 3 horas) y con aproximadamente una semana de retraso en la segunda sesión (que abarca de 1 a 2 horas)
|
Cambios en las correlaciones espaciales entre el patrón MRI BOLD asociado con objetos relacionados durante el curso del aprendizaje y durante el retraso de una semana.
|
Dentro de la primera sesión (que abarca de 2 a 3 horas) y con aproximadamente una semana de retraso en la segunda sesión (que abarca de 1 a 2 horas)
|
|
Correlaciones cerebro-comportamiento
Periodo de tiempo: Dentro de la primera sesión (que abarca de 2 a 3 horas) y con aproximadamente una semana de retraso en la segunda sesión (que abarca de 1 a 2 horas)
|
Correlaciones entre la señal BOLD en el cerebro y el comportamiento de los participantes durante los juicios sobre los objetos.
|
Dentro de la primera sesión (que abarca de 2 a 3 horas) y con aproximadamente una semana de retraso en la segunda sesión (que abarca de 1 a 2 horas)
|
|
Correlaciones entre la actividad a través de las regiones del cerebro
Periodo de tiempo: Dentro de la primera sesión (que abarca de 2 a 3 horas) y con aproximadamente una semana de retraso en la segunda sesión (que abarca de 1 a 2 horas)
|
Relaciones entre la actividad BOLD en diferentes regiones del cerebro en función del tipo de prueba y el retraso.
|
Dentro de la primera sesión (que abarca de 2 a 3 horas) y con aproximadamente una semana de retraso en la segunda sesión (que abarca de 1 a 2 horas)
|
|
Precisión de la memoria
Periodo de tiempo: Dentro de una sola sesión de estudio (que abarca 4-5 horas)
|
Cambio en la capacidad de generalización de antes a después de la siesta en función de las diferentes condiciones de indicación de objetos durante el sueño.
|
Dentro de una sola sesión de estudio (que abarca 4-5 horas)
|
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
- 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.
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)
5 de junio de 2023
Finalización primaria (Estimado)
1 de marzo de 2028
Finalización del estudio (Estimado)
1 de marzo de 2028
Fechas de registro del estudio
Enviado por primera vez
10 de mayo de 2023
Primero enviado que cumplió con los criterios de control de calidad
12 de junio de 2023
Publicado por primera vez (Actual)
20 de junio de 2023
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
1 de agosto de 2025
Última actualización enviada que cumplió con los criterios de control de calidad
29 de julio de 2025
Última verificación
1 de julio de 2025
Más información
Términos relacionados con este estudio
Palabras clave
Otros números de identificación del estudio
- 833228B
- R01MH129436 (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
producto fabricado y exportado desde los 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. .