- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT05746299
L'impatto della riattivazione durante il sonno sul consolidamento delle informazioni astratte negli esseri umani
17 aprile 2024 aggiornato da: University of Pennsylvania
L'emergere della conoscenza della struttura astratta attraverso l'apprendimento e il sonno
In ogni dato dominio cognitivo, le rappresentazioni dei singoli elementi non sono indipendenti ma sono organizzate per mezzo di relazioni strutturate.
Le rappresentazioni di questa struttura sottostante sono potenti perché possono consentire la generalizzazione e l'inferenza in nuovi ambienti.
Nel dominio semantico, la struttura cattura associazioni tra diverse caratteristiche o concetti semantici (ad esempio, verde, ali, può volare) ed è noto che influenza lo sviluppo e il deterioramento della conoscenza semantica.
Recentemente abbiamo scoperto che gli esseri umani trovano più facile apprendere nuove categorie che contengono gruppi di caratteristiche ricorrenti in modo affidabile, rivelando un'influenza della struttura sulla formazione di nuove categorie.
Tuttavia, un'incognita critica è se le rappresentazioni apprese della struttura siano strettamente legate a elementi specifici della categoria o se diventino astratte in una certa misura, trasformate lontano dalle caratteristiche sperimentate.
Inoltre, se emergono rappresentazioni strutturali astratte, il lavoro precedente fornisce intriganti indizi che potrebbero richiedere un consolidamento offline durante il riposo da svegli o il sonno.
Abbiamo sviluppato un paradigma in cui le strutture grafiche attentamente progettate governano il modello delle co-occorrenze delle caratteristiche all'interno delle singole categorie.
Qui implementiamo un'estensione di "trasferimento di struttura" di questo paradigma al fine di determinare se l'apprendimento di una categoria strutturata facilita l'apprendimento di una seconda categoria identicamente strutturata definita da un nuovo insieme di caratteristiche.
Questa facilitazione fornirebbe la prova che le rappresentazioni della struttura sono in una certa misura astratte.
Obiettivo 1 utilizzerà questi metodi per valutare se le rappresentazioni strutturali astratte emergono immediatamente durante l'apprendimento.
L'obiettivo 2 determinerà se queste rappresentazioni persistono, o emergono, con un ritardo e se è necessario un consolidamento basato sul sonno in particolare.
Il ruolo della riproduzione di esperienze recenti durante il sonno sarà valutato utilizzando l'elettroencefalografia (EEG) abbinata alla riattivazione della memoria mirata a circuito chiuso (TMR), una tecnica che consente un'influenza causale sul consolidamento delle informazioni apprese di recente negli esseri umani.
Questo lavoro informerà e limiterà le teorie dell'apprendimento semantico così come le teorie dell'apprendimento strutturale e della rappresentazione più in generale.
Panoramica dello studio
Stato
Reclutamento
Condizioni
Tipo di studio
Interventistico
Iscrizione (Stimato)
250
Fase
- Non applicabile
Contatti e Sedi
Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.
Contatto studio
- Nome: Anna C Schapiro, PhD
- Numero di telefono: 6177974555
- Email: aschapir@sas.upenn.edu
Backup dei contatti dello studio
- Nome: Sarah H Solomon, PhD
- Numero di telefono: 9144340164
- Email: sarahsol@sas.upenn.edu
Luoghi di studio
-
-
Pennsylvania
-
Philadelphia, Pennsylvania, Stati Uniti, 19104
- Reclutamento
- University of Pennsylvania
-
Contatto:
- Rishi Krishnamurthy, BA
- Numero di telefono: 425-505-0841
- Email: rishikr@sas.upenn.edu
-
-
Criteri di partecipazione
I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.
Criteri di ammissibilità
Età idonea allo studio
Da 18 anni a 35 anni (Adulto)
Accetta volontari sani
Sì
Descrizione
Criterio di inclusione:
- Età compresa tra i 18 e i 35 anni
Criteri di esclusione:
- Nessuna malattia medica o neurologica che possa influire sulle prestazioni sperimentali
- Non un membro di una popolazione vulnerabile
Piano di studio
Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.
Come è strutturato lo studio?
Dettagli di progettazione
- Scopo principale: Scienza basilare
- Assegnazione: Randomizzato
- Modello interventistico: Assegnazione parallela
- Mascheramento: Separare
Armi e interventi
Gruppo di partecipanti / Arm |
Intervento / Trattamento |
---|---|
Sperimentale: Congruente immediato
I partecipanti impareranno e saranno testati su due diverse categorie semantiche con la stessa struttura che determina la co-occorrenza di caratteristiche diverse.
|
L'intervento Congruent vs. Incongruent si riferisce alla struttura basata sulle caratteristiche delle nuove categorie (Modular o non-Modular) e se esiste (Congruent) o non c'è (Incongruent) una corrispondenza tra ciò che è stato appreso in precedenza e la categoria target finale.
Immediato, Awake e Sleep si riferiscono a nessuna pausa, 2,5 ore di veglia o 2 ore di sonno più una pausa post-pisolino di 30 minuti per tenere conto dell'inerzia del sonno tra l'apprendimento e la categoria target.
|
Sperimentale: Immediato incongruente
I partecipanti impareranno e saranno testati su due diverse categorie semantiche con strutture diverse che determinano la co-occorrenza di caratteristiche diverse.
|
L'intervento Congruent vs. Incongruent si riferisce alla struttura basata sulle caratteristiche delle nuove categorie (Modular o non-Modular) e se esiste (Congruent) o non c'è (Incongruent) una corrispondenza tra ciò che è stato appreso in precedenza e la categoria target finale.
Immediato, Awake e Sleep si riferiscono a nessuna pausa, 2,5 ore di veglia o 2 ore di sonno più una pausa post-pisolino di 30 minuti per tenere conto dell'inerzia del sonno tra l'apprendimento e la categoria target.
|
Sperimentale: Awake Incongruente
I partecipanti impareranno due diverse categorie semantiche, nessuna delle quali ha una struttura modulare.
Dopo una pausa di 2,5 ore, impareranno e saranno testati su una nuova categoria semantica con una struttura modulare.
|
L'intervento Congruent vs. Incongruent si riferisce alla struttura basata sulle caratteristiche delle nuove categorie (Modular o non-Modular) e se esiste (Congruent) o non c'è (Incongruent) una corrispondenza tra ciò che è stato appreso in precedenza e la categoria target finale.
Immediato, Awake e Sleep si riferiscono a nessuna pausa, 2,5 ore di veglia o 2 ore di sonno più una pausa post-pisolino di 30 minuti per tenere conto dell'inerzia del sonno tra l'apprendimento e la categoria target.
|
Sperimentale: Awake Congruente
I partecipanti impareranno due diverse categorie semantiche, una delle quali ha una struttura modulare.
Dopo una pausa di 2,5 ore, impareranno e saranno testati su una nuova categoria semantica con una struttura modulare.
|
L'intervento Congruent vs. Incongruent si riferisce alla struttura basata sulle caratteristiche delle nuove categorie (Modular o non-Modular) e se esiste (Congruent) o non c'è (Incongruent) una corrispondenza tra ciò che è stato appreso in precedenza e la categoria target finale.
Immediato, Awake e Sleep si riferiscono a nessuna pausa, 2,5 ore di veglia o 2 ore di sonno più una pausa post-pisolino di 30 minuti per tenere conto dell'inerzia del sonno tra l'apprendimento e la categoria target.
|
Sperimentale: Sonno incongruente
I partecipanti impareranno due diverse categorie semantiche, una delle quali ha una struttura modulare.
Dopo un'opportunità di pisolino di 2 ore, durante la quale verrà utilizzato TMR per riattivare la categoria non modulare, i partecipanti si prenderanno una pausa di 30 minuti.
Dopo la pausa, impareranno e saranno testati su una nuova categoria semantica con una struttura modulare.
|
L'intervento Congruent vs. Incongruent si riferisce alla struttura basata sulle caratteristiche delle nuove categorie (Modular o non-Modular) e se esiste (Congruent) o non c'è (Incongruent) una corrispondenza tra ciò che è stato appreso in precedenza e la categoria target finale.
Immediato, Awake e Sleep si riferiscono a nessuna pausa, 2,5 ore di veglia o 2 ore di sonno più una pausa post-pisolino di 30 minuti per tenere conto dell'inerzia del sonno tra l'apprendimento e la categoria target.
La riattivazione della memoria mirata (TMR) è la presentazione sistematica dei suoni durante il sonno che sono stati associati a determinati stimoli durante l'apprendimento e saranno somministrati durante il sonno a onde lente (SWS) o il sonno REM (Rapid Eye Movement).
|
Sperimentale: Sonno congruente (SWS)
I partecipanti impareranno due diverse categorie semantiche, una delle quali ha una struttura modulare.
Dopo un'opportunità di pisolino di 2 ore, durante la quale TMR verrà utilizzato per riattivare la categoria modulare durante il sonno a onde lente (SWS), i partecipanti faranno una pausa di 30 minuti.
Dopo la pausa, impareranno e saranno testati su una nuova categoria semantica con una struttura modulare.
|
L'intervento Congruent vs. Incongruent si riferisce alla struttura basata sulle caratteristiche delle nuove categorie (Modular o non-Modular) e se esiste (Congruent) o non c'è (Incongruent) una corrispondenza tra ciò che è stato appreso in precedenza e la categoria target finale.
Immediato, Awake e Sleep si riferiscono a nessuna pausa, 2,5 ore di veglia o 2 ore di sonno più una pausa post-pisolino di 30 minuti per tenere conto dell'inerzia del sonno tra l'apprendimento e la categoria target.
La riattivazione della memoria mirata (TMR) è la presentazione sistematica dei suoni durante il sonno che sono stati associati a determinati stimoli durante l'apprendimento e saranno somministrati durante il sonno a onde lente (SWS) o il sonno REM (Rapid Eye Movement).
|
Sperimentale: Sonno congruente (REM)
I partecipanti impareranno due diverse categorie semantiche, una delle quali ha una struttura modulare.
Dopo un'opportunità di pisolino di 2 ore, durante la quale verrà utilizzata la TMR per riattivare la categoria modulare durante il sonno REM (movimento rapido degli occhi), i partecipanti faranno una pausa di 30 minuti.
Dopo la pausa, impareranno e saranno testati su una nuova categoria semantica con una struttura modulare.
|
L'intervento Congruent vs. Incongruent si riferisce alla struttura basata sulle caratteristiche delle nuove categorie (Modular o non-Modular) e se esiste (Congruent) o non c'è (Incongruent) una corrispondenza tra ciò che è stato appreso in precedenza e la categoria target finale.
Immediato, Awake e Sleep si riferiscono a nessuna pausa, 2,5 ore di veglia o 2 ore di sonno più una pausa post-pisolino di 30 minuti per tenere conto dell'inerzia del sonno tra l'apprendimento e la categoria target.
La riattivazione della memoria mirata (TMR) è la presentazione sistematica dei suoni durante il sonno che sono stati associati a determinati stimoli durante l'apprendimento e saranno somministrati durante il sonno a onde lente (SWS) o il sonno REM (Rapid Eye Movement).
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
Conoscenza della struttura per una nuova categoria modulare nella fase 2
Lasso di tempo: Nell'Obiettivo 1, l'accuratezza viene raccolta in un'attività caratteristica mancante 25 min. nell'esperimento, prendendo 25 min. Nell'obiettivo 2, l'accuratezza viene raccolta in un'attività caratteristica mancante nell'arco di 25 minuti nella fase 2
|
Precisione (0-100%) sull'attività caratteristica mancante nella Fase 2
|
Nell'Obiettivo 1, l'accuratezza viene raccolta in un'attività caratteristica mancante 25 min. nell'esperimento, prendendo 25 min. Nell'obiettivo 2, l'accuratezza viene raccolta in un'attività caratteristica mancante nell'arco di 25 minuti nella fase 2
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Sponsor
Collaboratori
Investigatori
- Investigatore principale: Anna C Schapiro, PhD, University of Pennsylvania
Pubblicazioni e link utili
La persona responsabile dell'inserimento delle informazioni sullo studio fornisce volontariamente queste pubblicazioni. Questi possono riguardare qualsiasi cosa relativa allo studio.
Pubblicazioni generali
- 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.
- 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. Erratum In: Nat Neurosci. 2018 Apr 25;:
- 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.
Studiare le date dei record
Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.
Studia le date principali
Inizio studio (Effettivo)
29 marzo 2023
Completamento primario (Stimato)
30 giugno 2024
Completamento dello studio (Stimato)
30 giugno 2024
Date di iscrizione allo studio
Primo inviato
14 febbraio 2023
Primo inviato che soddisfa i criteri di controllo qualità
14 febbraio 2023
Primo Inserito (Effettivo)
27 febbraio 2023
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
19 aprile 2024
Ultimo aggiornamento inviato che soddisfa i criteri QC
17 aprile 2024
Ultimo verificato
1 aprile 2024
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Altri numeri di identificazione dello studio
- 833228A
- 1R21MH128788-01A1 (Sovvenzione/contratto NIH degli Stati Uniti)
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
SÌ
Descrizione del piano IPD
Tutti gli IPD che sono alla base risultano in una pubblicazione.
Periodo di condivisione IPD
IPD sarà disponibile al momento della pubblicazione dello studio.
Criteri di accesso alla condivisione IPD
IPD sarà pubblicamente disponibile senza restrizioni.
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
No
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
No
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .
Prove cliniche su Congruente vs. Incongruente
-
Verastem, Inc.CompletatoCarcinoma polmonare non a piccole cellule | Mutazione attivante KRASStati Uniti, Spagna, Francia, Germania, Italia
-
Verastem, Inc.GOG Foundation; European Network of Gynaecological Oncological Trial Groups (ENGOT)Attivo, non reclutanteCancro ovarico | Adenocarcinoma sieroso ovarico di basso gradoSpagna, Stati Uniti, Belgio, Regno Unito, Francia, Canada, Italia
-
Weill Medical College of Cornell UniversityRitirato
-
Dr Jan Baekelandt, MDReclutamento
-
Texas A&M UniversityUniversity of ArkansasSconosciutoCarcinoma polmonare non a piccole celluleStati Uniti
-
Menoufia UniversityCompletatoERCP, cannulazione CBD difficileEgitto
-
Aarhus University Hospital SkejbySconosciutoSindrome del seno malato | Blocco AVDanimarca
-
VesalioCompletatoVasospasmo cerebraleStati Uniti
-
Verastem, Inc.Completato
-
Verastem, Inc.TerminatoCancro metastatico | Tumori non ematologiciStati Uniti