- ICH GCP
- Registro degli studi clinici negli Stati Uniti
- Sperimentazione clinica NCT05910762
Apprendimento umano di nuove informazioni strutturate attraverso il tempo e il sonno
Imparare una nuova struttura attraverso il tempo e il sonno
Agire in modo adattivo richiede di cogliere rapidamente la struttura nell'ambiente e di archiviare le conoscenze acquisite per un uso futuro efficace. Le teorie dominanti dell'ippocampo si sono concentrate sulla sua capacità di codificare istantanee individuali dell'esperienza, ma i ricercatori e altri hanno trovato prove che è anche cruciale per trovare la struttura attraverso le esperienze. I meccanismi di questa forma essenziale di apprendimento non sono stati stabiliti. I ricercatori hanno sviluppato un modello di rete neurale dell'ippocampo che istanzia la teoria secondo cui uno dei suoi sottocampi può codificare rapidamente la struttura utilizzando rappresentazioni distribuite, una potente forma di rappresentazione in cui le popolazioni di neuroni diventano sensibili a molteplici caratteristiche correlate dell'ambiente.
Il primo obiettivo di questo progetto è testare le previsioni di questo modello utilizzando la risonanza magnetica funzionale ad alta risoluzione (fMRI) in paradigmi che richiedono l'integrazione di informazioni attraverso le esperienze. I risultati chiariranno i meccanismi fondamentali del modo in cui gli esseri umani apprendono nuove strutture, giudicando tra i modelli esistenti di questo processo e informando l'ulteriore sviluppo del modello. Esistono anche teorie contrastanti sul destino finale delle nuove rappresentazioni ippocampali. Un punto di vista postula che durante il sonno, l'ippocampo riproduce informazioni recenti per costruire rappresentazioni distribuite a lungo termine nella neocorteccia. Un altro punto di vista afferma che i ricordi sono formati e consolidati direttamente e indipendentemente all'interno dell'ippocampo e della neocorteccia.
Il secondo obiettivo di questo progetto è testare tra queste teorie. Gli investigatori valuteranno i cambiamenti nelle rappresentazioni ippocampali e corticali nel tempo ri-scansionando i partecipanti e monitorando i cambiamenti nella memoria con un ritardo di una settimana. Qualsiasi cambiamento osservato nel cervello e nel comportamento nel tempo, tuttavia, può essere dovuto a effetti generici del tempo o all'elaborazione attiva durante il sonno.
Il terzo obiettivo è quindi valutare i contributi causali specifici del sonno al consolidamento dell'informazione strutturata. Gli investigatori useranno l'elettroencefalografia del sonno in tempo reale per riprodurre segnali sonori per influenzare la riattivazione della memoria. I ricercatori si aspettano che questo lavoro chiarisca i substrati anatomici e, in modo critico, la natura delle rappresentazioni che supportano la codifica e il consolidamento di nuove strutture nell'ambiente.
Panoramica dello studio
Stato
Condizioni
Intervento / Trattamento
Tipo di studio
Iscrizione (Stimato)
Fase
- Non applicabile
Contatti e Sedi
Contatto studio
- Nome: Anna C Schapiro, PhD
- Numero di telefono: 6177974555
- Email: aschapir@sas.upenn.edu
Backup dei contatti dello studio
- Nome: Rishi Krishnamurthy, BA
- Numero di telefono: 4255050841
- Email: rishikr@sas.upenn.edu
Luoghi di studio
-
-
Pennsylvania
-
Philadelphia, Pennsylvania, Stati Uniti, 19104
- Reclutamento
- University of Pennsylvania
-
Contatto:
- Rishi Krishnamurthy, BA
-
-
Criteri di partecipazione
Criteri di ammissibilità
Età idonea allo studio
- Adulto
Accetta volontari sani
Descrizione
Criterio di inclusione:
- Età compresa tra i 18 e i 35 anni (tutti gli scopi)
- Non un membro di una popolazione vulnerabile (tutti gli obiettivi)
- Visione normale o da corretta a normale (tutti gli obiettivi)
- Udito normale (tutti gli scopi)
- In grado di parlare inglese fluentemente (tutti gli obiettivi)
- Nessuna storia precedente di disturbi psichiatrici o neurologici maggiori (obiettivi 1 e 2; specifici per la risonanza magnetica)
- Attualmente non sta assumendo antidepressivi o sedativi (obiettivi 1 e 2; specifico per la risonanza magnetica)
- Nessun disturbo neurologico noto (Obiettivo 3; EEG-specifico)
Criteri di esclusione:
- Gli investigatori escluderanno le persone con controindicazioni alla MR come dispositivi biomedici non rimovibili o metallo nel o sul corpo (obiettivi 1 e 2; specifici per la risonanza magnetica)
- Claustrofobia (obiettivi 1 e 2; specifico per la risonanza magnetica)
- Anche le donne in gravidanza saranno escluse dal neuroimaging, poiché gli effetti della RM sulla gravidanza non sono completamente compresi (obiettivi 1 e 2; specifici per la RM)
Piano di studio
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: Apprendimento e consolidamento nell'inferenza associativa
Lo studio di risonanza magnetica funzionale proposto valuta le rappresentazioni neurali che contribuiscono alla capacità degli esseri umani di associare oggetti a supporto di semplici inferenze e generalizzazioni.
Tutti i partecipanti saranno sottoposti alla stessa procedura.
I partecipanti impareranno a conoscere le coppie di oggetti e poi verrà loro chiesto di formulare giudizi e deduzioni sulle relazioni tra gli oggetti.
L'ordine di presentazione degli oggetti sarà manipolato all'interno dei soggetti, poiché diverse teorie dell'apprendimento fanno previsioni diverse su come l'apprendimento si svilupperà in diversi ordinamenti.
I partecipanti verranno riportati una settimana dopo per una seconda scansione, per valutare come cambiano i substrati neurali di questi processi con il consolidamento.
|
I partecipanti si impegneranno in un paradigma di inferenza associativa.
La memoria sarà valutata dal punto di vista comportamentale e le rappresentazioni neurali saranno valutate mediante risonanza magnetica funzionale.
|
Sperimentale: Apprendimento e consolidamento nell'apprendimento di categoria
Lo studio di risonanza magnetica funzionale proposto valuta le rappresentazioni neurali che contribuiscono alla capacità degli esseri umani di apprendere nuove categorie di oggetti.
Tutti i partecipanti saranno sottoposti alla stessa procedura.
I partecipanti impareranno a conoscere nuovi oggetti, ciascuno con diverse parti colorate.
Alcune parti sono uniche per i singoli oggetti e altre sono condivise tra i membri della categoria.
I ricercatori valuteranno in che modo le diverse regioni del cervello contribuiscono all'apprendimento e alla memorizzazione di questi diversi tipi di parti e in che modo le rappresentazioni risultanti supportano la comprensione delle categorie.
I partecipanti verranno riportati una settimana dopo per una seconda scansione, per valutare come cambiano i substrati neurali di questi processi con il consolidamento.
|
I partecipanti si impegneranno in un paradigma di apprendimento di categoria.
La memoria sarà valutata dal punto di vista comportamentale (Arms 2 e 3) e le rappresentazioni neurali saranno valutate utilizzando la risonanza magnetica funzionale (Arm 2).
|
Sperimentale: Manipolare la riproduzione durante il sonno utilizzando l'EEG in tempo reale
Nello studio proposto di elettroencefalografia (EEG), tutti i partecipanti saranno sottoposti alla stessa procedura.
I partecipanti impareranno le caratteristiche visive e i nomi vocali associati a tre categorie di nuovi oggetti.
La memoria dei partecipanti per questi oggetti e le parti degli oggetti saranno testate prima e dopo un pisolino.
Gli investigatori monitoreranno l'attività cerebrale durante il pisolino in tempo reale e, nei momenti ottimali, suoneranno silenziosamente i nomi pronunciati degli oggetti per incoraggiare la riattivazione di oggetti particolari in ordini particolari.
Gli investigatori valuteranno in che modo questa manipolazione influisce sulla memoria di questi oggetti.
|
I partecipanti si impegneranno in un paradigma di apprendimento di categoria.
La memoria sarà valutata dal punto di vista comportamentale (Arms 2 e 3) e le rappresentazioni neurali saranno valutate utilizzando la risonanza magnetica funzionale (Arm 2).
I partecipanti dormiranno dopo essersi impegnati in un paradigma di apprendimento di categoria mentre i dati dell'elettroencefalografia vengono raccolti e la memoria verrà valutata dal punto di vista comportamentale dopo il sonno.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
---|---|---|
Cambiamenti nelle rappresentazioni multivariate
Lasso di tempo: Entro la prima sessione (durata 2-3 ore) e con circa una settimana di ritardo nella seconda sessione (durata 1-2 ore)
|
Cambiamenti nelle correlazioni spaziali tra il modello MRI BOLD associato a oggetti correlati nel corso dell'apprendimento e durante il ritardo di una settimana.
|
Entro la prima sessione (durata 2-3 ore) e con circa una settimana di ritardo nella seconda sessione (durata 1-2 ore)
|
Correlazioni cervello-comportamento
Lasso di tempo: Entro la prima sessione (durata 2-3 ore) e con circa una settimana di ritardo nella seconda sessione (durata 1-2 ore)
|
Correlazioni tra il segnale BOLD nel cervello e il comportamento dei partecipanti durante i giudizi sugli oggetti.
|
Entro la prima sessione (durata 2-3 ore) e con circa una settimana di ritardo nella seconda sessione (durata 1-2 ore)
|
Correlazioni tra l'attività attraverso le regioni del cervello
Lasso di tempo: Entro la prima sessione (durata 2-3 ore) e con circa una settimana di ritardo nella seconda sessione (durata 1-2 ore)
|
Relazioni tra l'attività BOLD in diverse regioni del cervello in funzione del tipo di prova e del ritardo.
|
Entro la prima sessione (durata 2-3 ore) e con circa una settimana di ritardo nella seconda sessione (durata 1-2 ore)
|
Accuratezza della memoria
Lasso di tempo: All'interno di una singola sessione di studio (durata 4-5 ore)
|
Cambiamento nella capacità di generalizzazione da prima a dopo il pisolino in funzione delle diverse condizioni di indicazione dell'oggetto durante il sonno.
|
All'interno di una singola sessione di studio (durata 4-5 ore)
|
Collaboratori e investigatori
Sponsor
Collaboratori
Investigatori
- Investigatore principale: Anna C Schapiro, PhD, University of Pennsylvania
Pubblicazioni e link utili
Pubblicazioni generali
- 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.
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Completamento primario (Stimato)
Completamento dello studio (Stimato)
Date di iscrizione allo studio
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Altri numeri di identificazione dello studio
- 833228B
- R01MH129436 (Sovvenzione/contratto NIH degli Stati Uniti)
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Descrizione del piano IPD
Periodo di condivisione IPD
Criteri di accesso alla condivisione IPD
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
prodotto fabbricato ed esportato dagli Stati Uniti
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 .