- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT05910762
Apprentissage humain de nouvelles informations structurées à travers le temps et le sommeil
Apprendre une nouvelle structure à travers le temps et le sommeil
Agir de manière adaptative nécessite de saisir rapidement la structure de l'environnement et de stocker les connaissances acquises pour une utilisation future efficace. Les théories dominantes de l'hippocampe se sont concentrées sur sa capacité à encoder des instantanés individuels d'expérience, mais les enquêteurs et d'autres ont trouvé des preuves qu'il est également crucial pour trouver une structure à travers les expériences. Les mécanismes de cette forme essentielle d'apprentissage ne sont pas établis. Les chercheurs ont développé un modèle de réseau neuronal de l'hippocampe instanciant la théorie selon laquelle l'un de ses sous-champs peut rapidement coder la structure à l'aide de représentations distribuées, une forme puissante de représentation dans laquelle les populations de neurones deviennent sensibles à de multiples caractéristiques connexes de l'environnement.
Le premier objectif de ce projet est de tester les prédictions de ce modèle en utilisant l'imagerie par résonance magnétique fonctionnelle (IRMf) à haute résolution dans des paradigmes nécessitant l'intégration d'informations à travers les expériences. Les résultats clarifieront les mécanismes fondamentaux de la façon dont les humains apprennent une nouvelle structure, en arbitrant entre les modèles existants de ce processus et en informant le développement ultérieur de modèles. Il existe également des théories concurrentes quant au sort éventuel des nouvelles représentations hippocampiques. Un point de vue postule que pendant le sommeil, l'hippocampe rejoue les informations récentes pour construire des représentations distribuées à plus long terme dans le néocortex. Un autre point de vue prétend que les souvenirs sont directement et indépendamment formés et consolidés dans l'hippocampe et le néocortex.
Le deuxième objectif de ce projet est de tester entre ces théories. Les enquêteurs évalueront les changements dans les représentations hippocampiques et corticales au fil du temps en re-scannant les participants et en suivant les changements dans la mémoire avec un délai d'une semaine. Cependant, tout changement observé dans le cerveau et le comportement au fil du temps peut être dû à des effets génériques du temps ou à un traitement actif pendant le sommeil.
Le troisième objectif est donc d'évaluer les contributions causales spécifiques du sommeil à la consolidation des informations structurées. Les chercheurs utiliseront l'électroencéphalographie du sommeil en temps réel pour jouer des signaux sonores afin de biaiser la réactivation de la mémoire. Les chercheurs s'attendent à ce que ce travail clarifie les substrats anatomiques et, surtout, la nature des représentations qui soutiennent l'encodage et la consolidation de la nouvelle structure dans l'environnement.
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Type d'étude
Inscription (Estimé)
Phase
- N'est pas applicable
Contacts et emplacements
Coordonnées de l'étude
- Nom: Anna C Schapiro, PhD
- Numéro de téléphone: 6177974555
- E-mail: aschapir@sas.upenn.edu
Sauvegarde des contacts de l'étude
- Nom: Rishi Krishnamurthy, BA
- Numéro de téléphone: 4255050841
- E-mail: rishikr@sas.upenn.edu
Lieux d'étude
-
-
Pennsylvania
-
Philadelphia, Pennsylvania, États-Unis, 19104
- Recrutement
- University of Pennsylvania
-
Contact:
- Rishi Krishnamurthy, BA
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Adulte
Accepte les volontaires sains
La description
Critère d'intégration:
- Entre 18 et 35 ans (tous objectifs)
- Ne pas faire partie d'une population vulnérable (tous objectifs)
- Vision normale ou corrigée à la normale (tous objectifs)
- Audition normale (tous objectifs)
- Capable de parler anglais couramment (tous objectifs)
- Aucun antécédent de troubles psychiatriques ou neurologiques majeurs (Objectifs 1 et 2 ; spécifique à l'IRM)
- Ne prend actuellement aucun antidépresseur ou sédatif (Objectifs 1 et 2 ; spécifique à l'IRM)
- Aucun trouble neurologique connu (objectif 3 ; spécifique à l'EEG)
Critère d'exclusion:
- Les enquêteurs excluront les personnes présentant des contre-indications à l'IRM telles que des dispositifs biomédicaux non amovibles ou du métal dans ou sur le corps (objectifs 1 et 2 ; spécifiques à l'IRM)
- Claustrophobie (Objectifs 1 et 2 ; spécifique à l'IRM)
- Les femmes enceintes seront également exclues de la neuroimagerie, car les effets de la RM sur la grossesse ne sont pas entièrement compris (Objectifs 1 et 2 ; spécifiques à l'IRM)
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Objectif principal: Science basique
- Répartition: Randomisé
- Modèle interventionnel: Affectation parallèle
- Masquage: Seul
Armes et Interventions
Groupe de participants / Bras |
Intervention / Traitement |
---|---|
Expérimental: Apprentissage et consolidation en inférence associative
L'étude d'imagerie par résonance magnétique fonctionnelle proposée évalue les représentations neurales contribuant à la capacité des humains à associer des objets à l'appui d'inférences simples et de généralisation.
Tous les participants subiront la même procédure.
Les participants apprendront les paires d'objets et seront ensuite invités à faire des jugements et des inférences sur les relations entre les objets.
L'ordre de présentation des objets sera manipulé au sein des sujets, car différentes théories d'apprentissage font différentes prédictions sur la façon dont l'apprentissage se déroulera sous différents ordres.
Les participants seront ramenés une semaine plus tard pour un deuxième scan, afin d'évaluer comment les substrats neuronaux de ces processus changent avec la consolidation.
|
Les participants s'engageront dans un paradigme d'inférence associative.
La mémoire sera évaluée sur le plan comportemental et les représentations neuronales seront évaluées à l'aide de l'imagerie par résonance magnétique fonctionnelle.
|
Expérimental: Apprentissage et consolidation dans la catégorie apprentissage
L'étude d'imagerie par résonance magnétique fonctionnelle proposée évalue les représentations neuronales contribuant à la capacité des humains à apprendre de nouvelles catégories d'objets.
Tous les participants subiront la même procédure.
Les participants découvriront de nouveaux objets, chacun avec plusieurs parties colorées.
Certaines parties sont uniques à des objets individuels et d'autres sont partagées entre les membres de la catégorie.
Les chercheurs évalueront comment différentes régions du cerveau contribuent à l'apprentissage et à la mémorisation de ces différents types de parties, et comment les représentations résultantes soutiennent la compréhension des catégories.
Les participants seront ramenés une semaine plus tard pour un deuxième scan, afin d'évaluer comment les substrats neuronaux de ces processus changent avec la consolidation.
|
Les participants s'engageront dans un paradigme d'apprentissage par catégorie.
La mémoire sera évaluée de manière comportementale (bras 2 et 3) et les représentations neuronales seront évaluées à l'aide de l'imagerie par résonance magnétique fonctionnelle (bras 2).
|
Expérimental: Manipulation de la relecture pendant le sommeil à l'aide de l'EEG en temps réel
Dans l'étude d'électroencéphalographie (EEG) proposée, tous les participants subiront la même procédure.
Les participants apprendront les caractéristiques visuelles et les noms parlés associés à trois catégories d'objets nouveaux.
La mémoire des participants pour ces objets et les parties d'objets sera testée avant et après une sieste.
Les enquêteurs surveilleront l'activité cérébrale pendant la sieste en temps réel et, aux moments optimaux, joueront tranquillement les noms parlés des objets pour encourager la réactivation d'objets particuliers dans des ordres particuliers.
Les chercheurs évalueront l'impact de cette manipulation sur la mémoire de ces objets.
|
Les participants s'engageront dans un paradigme d'apprentissage par catégorie.
La mémoire sera évaluée de manière comportementale (bras 2 et 3) et les représentations neuronales seront évaluées à l'aide de l'imagerie par résonance magnétique fonctionnelle (bras 2).
Les participants dormiront après s'être engagés dans un paradigme d'apprentissage de catégorie pendant que les données d'électroencéphalographie sont collectées, et la mémoire sera évaluée comportementale après le sommeil.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Changements dans les représentations multivariées
Délai: Au cours de la première session (d'une durée de 2 à 3 heures) et après environ une semaine de retard lors de la deuxième session (d'une durée de 1 à 2 heures)
|
Changements dans les corrélations spatiales entre le modèle MRI BOLD associé aux objets connexes au cours de l'apprentissage et au cours du délai d'une semaine.
|
Au cours de la première session (d'une durée de 2 à 3 heures) et après environ une semaine de retard lors de la deuxième session (d'une durée de 1 à 2 heures)
|
Corrélations cerveau-comportement
Délai: Au cours de la première session (d'une durée de 2 à 3 heures) et après environ une semaine de retard lors de la deuxième session (d'une durée de 1 à 2 heures)
|
Corrélations entre le signal BOLD dans le cerveau et le comportement des participants lors des jugements sur les objets.
|
Au cours de la première session (d'une durée de 2 à 3 heures) et après environ une semaine de retard lors de la deuxième session (d'une durée de 1 à 2 heures)
|
Corrélations entre l'activité dans les régions du cerveau
Délai: Au cours de la première session (d'une durée de 2 à 3 heures) et après environ une semaine de retard lors de la deuxième session (d'une durée de 1 à 2 heures)
|
Relations entre l'activité BOLD dans différentes régions du cerveau en fonction du type d'essai et du délai.
|
Au cours de la première session (d'une durée de 2 à 3 heures) et après environ une semaine de retard lors de la deuxième session (d'une durée de 1 à 2 heures)
|
Précision de la mémoire
Délai: Au cours d'une seule session d'étude (d'une durée de 4 à 5 heures)
|
Modification de la capacité de généralisation d'avant à après la sieste en fonction des différentes conditions de repérage d'objet pendant le sommeil.
|
Au cours d'une seule session d'étude (d'une durée de 4 à 5 heures)
|
Collaborateurs et enquêteurs
Parrainer
Collaborateurs
Les enquêteurs
- Chercheur principal: Anna C Schapiro, PhD, University of Pennsylvania
Publications et liens utiles
Publications générales
- 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.
- Zhou Z, Singh D, Tandoc MC, Schapiro AC. Building integrated representations through interleaved learning. J Exp Psychol Gen. 2023 May 25. doi: 10.1037/xge0001415. Online ahead of print.
- 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.
- 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. Erratum In: Nat Neurosci. 2019 Sep 11;:
- 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.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Estimé)
Achèvement de l'étude (Estimé)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Mots clés
Autres numéros d'identification d'étude
- 833228B
- R01MH129436 (Subvention/contrat des NIH des États-Unis)
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Délai de partage IPD
Critères d'accès au partage IPD
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
produit fabriqué et exporté des États-Unis.
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .