- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT05910762
Mänskligt lärande av ny strukturerad information över tid och sömn
Att lära sig ny struktur över tid och sömn
Att agera adaptivt kräver att man snabbt tar upp strukturen i omgivningen och lagrar den inhämtade kunskapen för effektiv framtida användning. Dominerande teorier om hippocampus har fokuserat på dess förmåga att koda individuella ögonblicksbilder av erfarenhet, men utredarna och andra har hittat bevis på att det också är avgörande för att hitta struktur över upplevelser. Mekanismerna för denna väsentliga form av lärande har inte fastställts. Forskarna har utvecklat en neural nätverksmodell av hippocampus som instansierar teorin att ett av dess underfält snabbt kan koda struktur med hjälp av distribuerade representationer, en kraftfull form av representation där populationer av neuroner blir känsliga för flera relaterade egenskaper i miljön.
Det första syftet med detta projekt är att testa förutsägelser av denna modell med hjälp av högupplöst funktionell magnetisk resonanstomografi (fMRI) i paradigm som kräver integrering av information över upplevelser. Resultaten kommer att klargöra grundläggande mekanismer för hur människor lär sig nya strukturer, döma mellan befintliga modeller av denna process och informera om vidare modellutveckling. Det finns också konkurrerande teorier om det slutliga ödet för nya hippocampala representationer. En uppfattning hävdar att hippocampus under sömnen återupptar ny information för att bygga långsiktiga distribuerade representationer i neocortex. En annan uppfattning hävdar att minnen direkt och oberoende formas och konsolideras inom hippocampus och neocortex.
Det andra syftet med detta projekt är att testa mellan dessa teorier. Utredarna kommer att bedöma förändringar i hippocampus och kortikala representationer över tid genom att skanna om deltagarna och spåra förändringar i minnet med en veckas fördröjning. Eventuella observerade förändringar i hjärnan och beteende över tid kan dock bero på generiska effekter av tid eller på aktiv bearbetning under sömnen.
Det tredje målet är alltså att bedöma sömnens specifika orsaksbidrag till konsolideringen av strukturerad information. Utredarna kommer att använda sömnelektroencefalografi i realtid för att spela upp ljudsignaler för att påverka minnesreaktivering. Utredarna förväntar sig att detta arbete kommer att klargöra de anatomiska substraten och, kritiskt, arten av representationerna som stödjer kodning och konsolidering av nya strukturer i miljön.
Studieöversikt
Status
Betingelser
Intervention / Behandling
Studietyp
Inskrivning (Faktisk)
Fas
- Inte tillämpbar
Kontakter och platser
Studieorter
-
-
Pennsylvania
-
Philadelphia, Pennsylvania, Förenta staterna, 19104
- University of Pennsylvania
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
- Mellan 18 och 35 år (alla syften)
- Inte en medlem av en utsatt befolkning (alla syften)
- Normal eller korrigerad till normal syn (alla syften)
- Normal hörsel (alla syften)
- Kunna tala engelska flytande (alla syften)
- Ingen tidigare historia av allvarliga psykiatriska eller neurologiska störningar (Mål 1 och 2; MRT-specifik)
- Tar för närvarande inga antidepressiva eller lugnande medel (Syften 1 och 2; MRT-specifik)
- Inga kända neurologiska störningar (Syfte 3; EEG-specifik)
Exklusions kriterier:
- Utredarna kommer att utesluta individer med MR-kontraindikationer såsom icke-borttagbara biomedicinska apparater eller metall i eller på kroppen (Mål 1 och 2; MRT-specifika)
- Klaustrofobi (Mål 1 och 2; MRT-specifik)
- Gravida kvinnor kommer också att uteslutas från neuroimaging, eftersom effekterna av MR på graviditeten inte är helt klarlagda (Mål 1 och 2; MRT-specifik)
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Grundläggande vetenskap
- Tilldelning: Randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Enda
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Experimentell: Lärande och konsolidering i associativ slutledning
Den föreslagna studien av funktionell magnetisk resonanstomografi bedömer de neurala representationer som bidrar till människors förmåga att associera objekt till stöd för enkla slutsatser och generalisering.
Alla deltagare kommer att genomgå samma procedur.
Deltagarna kommer att lära sig om par av objekt och sedan uppmanas att göra bedömningar och slutsatser om relationerna mellan objekten.
Ordningen för presentationen av objekten kommer att manipuleras inom ämnen, eftersom olika lärandeteorier gör olika förutsägelser om hur lärande kommer att utvecklas under olika ordningar.
Deltagarna kommer att tas tillbaka en vecka senare för en andra skanning, för att utvärdera hur de neurala substraten för dessa processer förändras med konsolideringen.
|
Deltagarna kommer att engagera sig i ett associativt inferensparadigm.
Minnet kommer att bedömas beteendemässigt och neurala representationer kommer att bedömas med hjälp av funktionell magnetisk resonanstomografi.
|
|
Experimentell: Lärande och konsolidering i kategoriinlärning
Den föreslagna studien av funktionell magnetisk resonanstomografi bedömer de neurala representationer som bidrar till människors förmåga att lära sig nya kategorier av objekt.
Alla deltagare kommer att genomgå samma procedur.
Deltagarna kommer att lära sig om nya föremål, var och en med flera färgade delar.
Vissa delar är unika för enskilda objekt och andra delas mellan medlemmarna i kategorin.
Utredarna kommer att bedöma hur olika delar av hjärnan bidrar till att lära sig och komma ihåg dessa olika typer av delar, och hur de resulterande representationerna stödjer kategoriförståelse.
Deltagarna kommer att tas tillbaka en vecka senare för en andra skanning, för att utvärdera hur de neurala substraten för dessa processer förändras med konsolideringen.
|
Deltagarna kommer att engagera sig i ett kategoriinlärningsparadigm.
Minnet kommer att bedömas beteendemässigt (arm 2 och 3), och neurala representationer kommer att bedömas med hjälp av funktionell magnetisk resonanstomografi (arm 2).
|
|
Experimentell: Manipulera repris under sömn med hjälp av EEG i realtid
I den föreslagna elektroencefalografistudien (EEG) kommer alla deltagare att genomgå samma procedur.
Deltagarna kommer att lära sig de visuella egenskaperna och de talade namnen som är associerade med tre kategorier av nya föremål.
Deltagarnas minne för dessa föremål och föremålens delar kommer att testas före och efter en tupplur.
Utredarna kommer att övervaka hjärnaktiviteten under tuppluren i realtid och, vid optimala ögonblick, tyst spela upp de talade namnen på objekten för att uppmuntra reaktivering av särskilda objekt i särskilda beställningar.
Utredarna kommer att bedöma hur denna manipulation påverkar minnet för dessa objekt.
|
Deltagarna kommer att engagera sig i ett kategoriinlärningsparadigm.
Minnet kommer att bedömas beteendemässigt (arm 2 och 3), och neurala representationer kommer att bedömas med hjälp av funktionell magnetisk resonanstomografi (arm 2).
Deltagarna kommer att sova efter att ha engagerat sig i ett kategoriinlärningsparadigm medan elektroencefalografidata samlas in, och minnet kommer att bedömas beteendemässigt efter sömn.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Förändringar i multivariata representationer
Tidsram: Inom den första sessionen (som sträcker sig över 2-3 timmar) och med ungefär en veckas försening under den andra sessionen (som sträcker sig över 1-2 timmar.)
|
Förändringar i rumsliga korrelationer mellan MRI BOLD-mönstret associerat med relaterade objekt under inlärningsförloppet och över en veckas fördröjning.
|
Inom den första sessionen (som sträcker sig över 2-3 timmar) och med ungefär en veckas försening under den andra sessionen (som sträcker sig över 1-2 timmar.)
|
|
Hjärnans beteende korrelationer
Tidsram: Inom den första sessionen (som sträcker sig över 2-3 timmar) och med ungefär en veckas försening under den andra sessionen (som sträcker sig över 1-2 timmar.)
|
Korrelationer mellan FET-signal i hjärnan och deltagarnas beteende under bedömningar av föremål.
|
Inom den första sessionen (som sträcker sig över 2-3 timmar) och med ungefär en veckas försening under den andra sessionen (som sträcker sig över 1-2 timmar.)
|
|
Korrelationer mellan aktivitet över hjärnregioner
Tidsram: Inom den första sessionen (som sträcker sig över 2-3 timmar) och med ungefär en veckas försening under den andra sessionen (som sträcker sig över 1-2 timmar.)
|
Samband mellan BOLD-aktivitet över olika regioner av hjärnan som en funktion av försökstyp och fördröjning.
|
Inom den första sessionen (som sträcker sig över 2-3 timmar) och med ungefär en veckas försening under den andra sessionen (som sträcker sig över 1-2 timmar.)
|
|
Minnesnoggrannhet
Tidsram: Inom ett enda studietillfälle (som sträcker sig över 4-5 timmar.)
|
Förändring i generaliseringsförmåga från före till efter tuppluren som en funktion av de olika tillstånden för objektets cueing under sömnen.
|
Inom ett enda studietillfälle (som sträcker sig över 4-5 timmar.)
|
Samarbetspartners och utredare
Sponsor
Samarbetspartners
Utredare
- Huvudutredare: Anna C Schapiro, PhD, University of Pennsylvania
Publikationer och användbara länkar
Allmänna publikationer
- 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.
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Faktisk)
Avslutad studie (Faktisk)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- 833228B
- R01MH129436 (U.S.S. NIH-anslag/kontrakt)
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
IPD-planbeskrivning
Tidsram för IPD-delning
Kriterier för IPD Sharing Access
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
produkt tillverkad i och exporterad från U.S.A.
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .