Förbättringar i kognitiva färdigheter hos äldre vuxna med hjälp av dynamisk visuell uppmärksamhetsträning

Målet med denna studie är att visa att neuroträning i mitten av rörelsens arbetsområde (PATH) som förbättrar kontrastkänsligheten för riktningsdiskriminering (dorsal strömaktivitet förbättrar avsevärt kognitiva färdigheter hos äldre vuxna mer än hos de som tränar för att förbättra orienteringen diskriminering: ventralströmsaktivitet (skenträning). Hjärnträning kommer att administreras i 20 minuter tre gånger i veckan under 12 veckor: Arm 1) PATH neuroträning och Arm 2) Sham träning. Utredarna förutspår att äldre vuxna som gör PATH neuroträning kommer att förbättra sina visuella och kognitiva färdigheter, förbättra uppmärksamhet, multitasking, bearbetningshastighet, läsflytande och arbetsminne, betydligt mer än de som gör skenträning. Denna förutsägelse kommer att utvärderas genom att mäta om äldre vuxna förbättras på standardiserade tester av kognitiva färdigheter efter PATH-neuroträning mer än äldre vuxna som tränar orienteringsdiskriminering för att förbättra bearbetningshastigheten och uppmärksamheten. MEG-hjärnavbildning kommer att användas för att visa att PATH-träning förbättrar rygg-, uppmärksamhets- och exekutiva kontrollnätverk, som tidigare funnits, mer än skenträning. Utredarna förutspår att dessa förbättringar kommer att finnas hos både friska vuxna och de med MCI.

Genomförbarheten av snabb, effektiv hjärnträning kommer att utvärderas genom att använda beteendemetoder för att åtgärda åldersrelaterad kognitiv försämring och för att behandla kognitiva störningar och/eller beteendesymtom som är förknippade med MCI, samt för att bromsa och/eller vända förloppet av kognitiv försämring eller för att förhindra den helt. PATH neurotraining tillhandahåller en datorbaserad produkt för att snabbt och effektivt åtgärda de visuella och kognitiva svårigheterna hos äldre vuxna. Den innovativa PATH-neuroträningen förbättrar mitten av arbetsområdet för rörelse, medan skenträningen förbättrar mitten av arbetsområdet för orienteringsdiskriminering. De två hjärnträningsgrupperna kommer att vara balanserade, vad gäller friska äldre vuxna och de med MCI. En försöksperson kommer att anses ha MCI om WAIS Working Memory Index-poäng är mindre än 50 procent och MOCA har en poäng på 19-25. Dessa grupper kommer också att balanseras vad gäller ålder och läshastighet, ett känsligt mått på bearbetningshastighet.

Hälften av de äldre kommer att genomföra PATH-neuroträningen i 12 veckor och hälften kommer att genomföra skenträning i 12 veckor. Ytterligare 12 veckor kommer att behövas för att utbilda personal, rekrytera försökspersoner och slutföra de standardiserade testerna och MEG-avbildningen. Valet av vilka vuxna som kommer att göra varje typ av hjärnträning kommer att randomiseras, att fastställas av studiestatistikern Prof. John Shelley-Tremblay. Efter inledande standardiserade tester kommer 12 vuxna som gör PATH-träning att väljas ut för före-post MEG-hjärnavbildning.

Exakta mätningar med pre- och poststandardiserade tester av kognitiva färdigheter kommer att användas för att validera den förbättrade visuella och kognitiva (uppmärksamhet, bearbetningshastighet och minne) som tidigare rapporterats hos äldre vuxna. Standardiserade tester och MEG-avbildning på en delmängd kommer att administreras av personal före och efter kognitiv träning för att utvärdera förbättringar i kognitiva färdigheter efter behandling (PATH neuroträning) och kontroll (skenträning) interventioner.

Att utvärdera förbättringar i kognitiva färdigheter hos äldre vuxna kommer att grupperas efter ämnestyp: om den vuxne är frisk eller har MCI för att avgöra vilken intervention som förbättrar kognitiva färdigheter mest. Utredarna förutspår att PATH-neuroträning signifikant kommer att förbättra (vid p ≤ 0,05) läshastighet, arbetsminne och uppmärksamhet (kognitiv flexibilitet) hos äldre vuxna mer än efter träning på skenträning. Detta kommer att utvärderas genom att både: 1) mäta om äldre vuxna förbättras på de standardiserade testerna ovan efter hjärnträning, och 2) MEG-hjärnkällasavbildning för att validera att dorsalström, uppmärksamhet och verkställande kontrollnätverk förbättras i funktion avsevärt efter PATH-neuroträning .

Denna studie planerar att studera 40 äldre vuxna i åldrarna 55 till 75, 20 i varje grupp. Äldre vuxna kommer att rekryteras genom att publicera broschyrer, få remisser från Dr. James Brewer och Dr. Michael Lobatz, båda som arbetar med äldre vuxna med Alzheimers sjukdom.

Utbildningsrutiner. Hjärnträningsövningar kommer att genomföras på ett högtroget sätt, med hjälp av ett detaljerat skriftligt protokoll som alla forskningsassistenter (RA) är utbildade att följa noggrant, nya PATH-träningsfilmer och nya motivationsstrategier. Personal kommer att anställas vid UCSD efter intervjuer med studenter inom kognitiv vetenskap som svarade på en annons på Handshake, UCSD-portalen som annonserar om praktikplatser för UCSD-studenter. Anställning av RA för detta projekt och en Senior RA (SRA) för att övervaka studien kommer att göras av PI vid UCSD. Elva RA kommer att anställas för att administrera standardiserade tester och båda typerna av hjärnträning till äldre vuxna vid Perception Dynamics Institute (PDI) som har en klinik som är idealisk för att samla in data i lugna omgivningar med enkel åtkomst för äldre vuxna. Nya träningsvideor riktade till äldre vuxna kommer att utvecklas av Leslie Peters på Desert Bay Productions i Encinitas.

RA:erna kommer att se till att varje äldre vuxen har uppgiften och slutför PATH-neuroträningen (pathtoreading.com) utformad för att aktivera de dorsala hjärnbanorna och Sham-träning utformad för att aktivera de ventrala hjärnbanorna, och går vidare genom varje program i tid genom att undersöka deras data. PI, som har lång erfarenhet av att genomföra kontrollerade valideringsstudier, kommer att ansvara för att utbilda all personal, driva daglig verksamhet som kräver att övervaka standardiserade tester och administrera interventionerna.

Åtgärder för att utvärdera effektiviteten av träning för att förbättra visuella och kognitiva färdigheter.

Beteendemått: Standardiserad testning av kognitiva färdigheter kommer att genomföras vid PDI av UCSD-studenter i kognitiv vetenskap som utbildats av PI, som tidigare gjorts. Alla deltagare kommer att genomgå en genomgång av sin sjukdomshistoria och vardagliga aktiviteter som påverkas när de åldras med hjälp av ett frågeformulär med 9 punkter som beskrivs i Human Subjects. Eftersom dessa är tidsinställda tester med testobjekt som inte kan memoreras för framtida testning, minimeras övningseffekterna. Kognitiva bedömningar, som tar cirka en timme att administrera, kommer att utvärderas före och efter träning genom standardiserade tester för vuxna att mäta:

1. Uppmärksamhet med Delis-Kaplan Executive Function System (D-KEFS) färg-ord-interferenstest (10 minuter).
2. Läshastighet med hjälp av datorbaserad läshastighetsuppgift (läser 6 ord text på skärmen) från intressant berättelse med ökande hastigheter för att mäta 2 läshastighetströsklar med en dubbeltrappa, efter att ha tränats genom att titta på ReadingRate-filmen. (5 minuter).
3. Bearbetningshastighetsindex (Wechsler Adult Intelligence Scale (WAIS)-4 deltest för kodning och symbolsökning) och arbetsminnesindex (WAIS-4-siffriga spännvidd och undertest av bokstavsnummersekvens), (10 minuter).
4. Visuellt arbetsminne (VWM) med test av informationsbehandlingsfärdigheter, med två distraktionsuppgifter, en räkneuppgift och upprepa en kort mening, med djurnamn i slutet av testet (10 minuter).

Biomarkörmått: MEG Imaging kommer att användas för att tillhandahålla en biomarkör för att visa att endast förbättrad ryggströmsfunktion förbättrar kognitiva färdigheter hos äldre vuxna. För att fastställa genomförbarheten av PATH-neuroträning för att förbättra kognitiv funktion hos äldre vuxna, kommer Prof. Ming-Xiong Huang att spela in voxelvisa MEG-källstorleksbilder, från 12 äldre vuxna för att fastställa de kortikala områdena som förbättras i funktion efter PATH-neuroträning och efter skenträning . MEG-hjärnavbildning, med hjälp av Fast-VESTAL-proceduren (Huang et al. 2016, 2017, 2018), visade att denna rörelsediskriminerande träning förbättrade tidslåst aktivitet i ryggströmmen, uppmärksamhet och exekutiva kontrollnätverk. MEG-bilder som täcker hela hjärnan, för varje frekvensband, enligt Fast-VESTAL-proceduren, för att mäta tidslåsta signaler under en arbetsminnes N-back-uppgift kommer att användas för att utvärdera förbättringar i hjärnans funktion. N-back-uppgiften är ett av de mest använda WM-paradigmen (Gevins och Cutillo, 1993) för att undersöka den neurala grunden för WM-processer. Två MEG-prov kommer att utföras för varje deltagare, en före och en efter PATH- eller skenutbildningen.

N-back Working Memory Task. Deltagarna kommer att genomgå MEG-inspelningar medan de utför en N-back WM-uppgift. Uppgiften innebär on-line övervakning, uppdatering och manipulering av ihågkommen information. Under uppgiften måste deltagaren övervaka en serie bokstäver (både versaler och gemener) som presenteras i 500 ms mitt på skärmen. Ett fixeringskors presenteras under interstimulusintervallet på 3000 ms. Deltagaren uppmanas att svara endast när ett brev presenteras som matchar (dvs. mål) den som presenterades n försök tidigare, samtidigt som den inte reagerar på de omatchade stimuli (icke-mål). Två belastningsförhållanden kommer att användas (1-back och 2-back), vilket ställer ökande krav på WM-processer. Cirka 50 försök per lasttillstånd kommer att samlas in för varje deltagare. Prestanda kommer att spelas in med en MEG-kompatibel svarsplatta, där pekfingret blockerar och avblockerar en laserstråle. Utdata från svarsplattan inklusive reaktionstider kommer att registreras i MEG-filen. Procentandelen korrekta svar på mål- och icke-målstimuli kommer att mätas.

Till skillnad från den konventionella MEG-metoden där sensorvågformer beräknas med avseende på början av stimuli, kommer sensorkovariansmatriserna för individuella försök att beräknas. Sedan kommer en total sensor-vågform kovariansmatris för måltillståndet att beräknas genom att medelvärde över kovariansmatriserna från individuella försök för målstimuli. Sedan beräknas kovariansmatriserna över försöken. Med hjälp av den totala kovariansmatrisen kommer voxelvisa MEG-källstorleksbilder som täcker hela hjärnan att erhållas för varje individ och varje frekvensband, enligt Fast-VESTAL-proceduren, se Metod i (Huang et al., 2014) och Appendix i (Huang et al., 2016), mäter tidslåsta signaler under en arbetsminnes N-back-uppgift för att utvärdera förbättringar i hjärnans funktion. En objektiv förvitningsmetod kommer att tillämpas för att ta bort korrelerat omgivningsbrus och objektivt välja de dominerande egenmoden för sensor-vågforms kovariansmatris (Huang et al., 2014).

Ett annat mål är att studera neuronala korrelat av potentiella kognitiva dysfunktioner som observerats med hjälp av beteendemått hos äldre vuxna. Voxel-mässiga korrelationsanalyser kommer också att utföras för att undersöka sambandet mellan N-back-källbilder och neuropsykologiska poäng. Alla ämnen kommer att kombineras för korrelationsanalyserna. I varje frekvensband kommer MEG-källbilderna i MNI-152-utrymmet (efter den rumsliga utjämningen och logaritmtransformationen) att formas till tre 4D-datauppsättningar: Dimensionerna 1-3 representerar x-, y- och z-koordinaterna, och den fjärde dimensionen representerar alla ämnen. Totalt åtta datamängder kommer att skapas för 1- och 2-backsförhållanden och för fyra frekvensband. Därefter, längs den fjärde dimensionen, kommer voxelvisa upprepade mätkorrelationsanalyser (Bakdash och Marusich, 2017) att utföras mellan MEG-källbilder och var och en av de neuropsykologiska poängen. För varje frekvensband kommer 1- och 2-backsförhållandena att behandlas som upprepade mått i sådana analyser. I denna studie kommer vi endast att undersöka de neuropsykologiska poängen som visar statistiska gruppskillnader. Korrelationsanalyserna med upprepade mått skapar r-värdeskorrelationskartor och klusteranalys som kommer att användas för att kontrollera för familjemässiga fel på en korrigerad p<0,01-nivå för r-värdeskartorna, liknande korrigeringsproceduren för F-värdet Kartor.