- ICH GCP
- Реестр клинических исследований США
- Клиническое испытание NCT05910762
Изучение человеком новой структурированной информации во времени и во сне
Изучение новой структуры во времени и во сне
Адаптивное действие требует быстрого понимания структуры окружающей среды и сохранения полученных знаний для эффективного использования в будущем. Доминирующие теории гиппокампа были сосредоточены на его способности кодировать отдельные снимки опыта, но исследователи и другие исследователи обнаружили доказательства того, что он также имеет решающее значение для поиска структуры между переживаниями. Механизмы этой важной формы обучения не установлены. Исследователи разработали модель нейронной сети гиппокампа, реализующую теорию о том, что одно из его подполей может быстро кодировать структуру, используя распределенные представления, мощную форму представления, в которой популяции нейронов реагируют на множество связанных характеристик окружающей среды.
Первая цель этого проекта — проверить прогнозы этой модели с использованием функциональной магнитно-резонансной томографии высокого разрешения (фМРТ) в парадигмах, требующих интеграции информации из опыта. Результаты прояснят фундаментальные механизмы того, как люди изучают новую структуру, выносят решения между существующими моделями этого процесса и информируют о дальнейшей разработке моделей. Существуют также конкурирующие теории относительно возможной судьбы новых репрезентаций гиппокампа. Одна точка зрения утверждает, что во время сна гиппокамп воспроизводит недавнюю информацию для создания долгосрочных распределенных представлений в неокортексе. Другая точка зрения утверждает, что воспоминания напрямую и независимо формируются и консолидируются в гиппокампе и неокортексе.
Второй целью этого проекта является проверка между этими теориями. Исследователи будут оценивать изменения в репрезентациях гиппокампа и коры с течением времени, повторно сканируя участников и отслеживая изменения в памяти с задержкой в одну неделю. Однако любые наблюдаемые изменения в мозге и поведении во времени могут быть связаны с общими эффектами времени или активной обработкой информации во время сна.
Таким образом, третья цель состоит в том, чтобы оценить специфический причинный вклад сна в консолидацию структурированной информации. Исследователи будут использовать электроэнцефалографию сна в режиме реального времени, чтобы воспроизводить звуковые сигналы для реактивации воспоминаний. Исследователи ожидают, что эта работа прояснит анатомические основы и, что особенно важно, природу представлений, которые поддерживают кодирование и консолидацию новой структуры в окружающей среде.
Обзор исследования
Статус
Условия
Вмешательство/лечение
Тип исследования
Регистрация (Действительный)
Фаза
- Непригодный
Контакты и местонахождение
Места учебы
-
-
Pennsylvania
-
Philadelphia, Pennsylvania, Соединенные Штаты, 19104
- University of Pennsylvania
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
- Взрослый
Принимает здоровых добровольцев
Описание
Критерии включения:
- Возраст от 18 до 35 лет (все цели)
- Не относится к уязвимому населению (все цели)
- Нормальное или скорректированное до нормального зрение (все цели)
- Нормальный слух (все цели)
- Свободное владение английским языком (все цели)
- Отсутствие в анамнезе серьезных психических или неврологических расстройств (цели 1 и 2; специфично для МРТ)
- В настоящее время не принимает никаких антидепрессантов или седативных средств (цели 1 и 2; специфично для МРТ)
- Нет известных неврологических расстройств (цель 3; специфично для ЭЭГ)
Критерий исключения:
- Исследователи будут исключать лиц с противопоказаниями к МРТ, такими как несъемные биомедицинские устройства или металл внутри или на теле (цели 1 и 2; специфично для МРТ).
- Клаустрофобия (цели 1 и 2; специфично для МРТ)
- Беременные женщины также будут исключены из нейровизуализации, так как влияние МРТ на беременность до конца не изучено (цели 1 и 2; специфично для МРТ).
Учебный план
Как устроено исследование?
Детали дизайна
- Основная цель: Фундаментальная наука
- Распределение: Рандомизированный
- Интервенционная модель: Параллельное назначение
- Маскировка: Одинокий
Оружие и интервенции
Группа участников / Армия |
Вмешательство/лечение |
|---|---|
|
Экспериментальный: Обучение и закрепление в ассоциативном выводе
Предлагаемое исследование функциональной магнитно-резонансной томографии оценивает нейронные представления, способствующие способности людей ассоциировать объекты в поддержку простых выводов и обобщений.
Все участники проходят одинаковую процедуру.
Участники узнают о парах объектов, а затем их попросят сделать суждения и выводы об отношениях между объектами.
Порядок представления объектов будет изменяться внутри предметов, поскольку разные теории обучения делают разные прогнозы о том, как обучение будет разворачиваться при различном порядке.
Участники будут возвращены через неделю для второго сканирования, чтобы оценить, как нейронные субстраты этих процессов меняются при консолидации.
|
Участники будут участвовать в парадигме ассоциативного вывода.
Память будет оцениваться поведенчески, а нейронные представления будут оцениваться с помощью функциональной магнитно-резонансной томографии.
|
|
Экспериментальный: Обучение и закрепление в обучении по категориям
Предлагаемое исследование функциональной магнитно-резонансной томографии оценивает нейронные представления, способствующие способности людей изучать новые категории объектов.
Все участники проходят одинаковую процедуру.
Участники узнают о новых объектах, каждый из которых состоит из нескольких цветных частей.
Некоторые части уникальны для отдельных объектов, а другие являются общими для членов категории.
Исследователи оценят, как различные области мозга способствуют обучению и запоминанию этих различных частей, и как полученные представления поддерживают понимание категорий.
Участники будут возвращены через неделю для второго сканирования, чтобы оценить, как нейронные субстраты этих процессов меняются при консолидации.
|
Участники будут участвовать в парадигме обучения категории.
Память будет оцениваться поведенчески (группы 2 и 3), а нейронные представления будут оцениваться с помощью функциональной магнитно-резонансной томографии (группа 2).
|
|
Экспериментальный: Управление воспроизведением во время сна с использованием ЭЭГ в реальном времени
В предлагаемом исследовании электроэнцефалографии (ЭЭГ) все участники пройдут одну и ту же процедуру.
Участники изучат визуальные особенности и произносимые названия, связанные с тремя категориями новых объектов.
Память участников на эти объекты и их части будет проверяться до и после сна.
Исследователи будут отслеживать активность мозга во время сна в режиме реального времени и в оптимальные моменты тихо проигрывать произнесенные названия объектов, чтобы стимулировать повторную активацию определенных объектов в определенном порядке.
Исследователи оценят, как эта манипуляция влияет на память этих объектов.
|
Участники будут участвовать в парадигме обучения категории.
Память будет оцениваться поведенчески (группы 2 и 3), а нейронные представления будут оцениваться с помощью функциональной магнитно-резонансной томографии (группа 2).
Участники будут спать после участия в парадигме обучения категории, пока будут собираться данные электроэнцефалографии, а память будет оцениваться поведенчески после сна.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Изменения в многомерных представлениях
Временное ограничение: В течение первого сеанса (длительностью 2-3 часа) и примерно с недельной задержкой второго сеанса (длительностью 1-2 часа)
|
Изменения в пространственных корреляциях между образцом MRI BOLD, связанным со связанными объектами, в ходе обучения и в течение недельной задержки.
|
В течение первого сеанса (длительностью 2-3 часа) и примерно с недельной задержкой второго сеанса (длительностью 1-2 часа)
|
|
Корреляции между мозгом и поведением
Временное ограничение: В течение первого сеанса (длительностью 2-3 часа) и примерно с недельной задержкой второго сеанса (длительностью 1-2 часа)
|
Корреляции между ЖИРНЫМ сигналом в мозгу и поведением участников во время суждений об объектах.
|
В течение первого сеанса (длительностью 2-3 часа) и примерно с недельной задержкой второго сеанса (длительностью 1-2 часа)
|
|
Корреляции между активностью в разных областях мозга
Временное ограничение: В течение первого сеанса (длительностью 2-3 часа) и примерно с недельной задержкой второго сеанса (длительностью 1-2 часа)
|
Взаимосвязь между активностью BOLD в различных областях мозга в зависимости от типа пробы и задержки.
|
В течение первого сеанса (длительностью 2-3 часа) и примерно с недельной задержкой второго сеанса (длительностью 1-2 часа)
|
|
Точность памяти
Временное ограничение: В рамках одной учебной сессии (длительностью 4-5 часов)
|
Изменение способности к обобщению до и после сна в зависимости от различных условий объектных сигналов во время сна.
|
В рамках одной учебной сессии (длительностью 4-5 часов)
|
Соавторы и исследователи
Спонсор
Следователи
- Главный следователь: Anna C Schapiro, PhD, University of Pennsylvania
Публикации и полезные ссылки
Общие публикации
- 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.
Даты записи исследования
Изучение основных дат
Начало исследования (Действительный)
Первичное завершение (Действительный)
Завершение исследования (Действительный)
Даты регистрации исследования
Первый отправленный
Впервые представлено, что соответствует критериям контроля качества
Первый опубликованный (Действительный)
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
Последнее отправленное обновление, отвечающее критериям контроля качества
Последняя проверка
Дополнительная информация
Термины, связанные с этим исследованием
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- 833228B
- R01MH129436 (Грант/контракт NIH США)
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
Описание плана IPD
Сроки обмена IPD
Критерии совместного доступа к IPD
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
продукт, произведенный в США и экспортированный из США.
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .