Onderzoek naar associaties van vertragingsdiscontering met hersenstructuur, werkgeheugen en episodisch geheugen Deel 2

Relatie tussen structurele voorspellers en DD

We hebben getest op associaties tussen de relevante variabelen (subcorticale volumes, componenten van grijze stof en witte stof, EM, WM) en DD met lineaire modellen en niet-parametrische permutatietests zoals geïmplementeerd in FSL's PALM-softwareversie 1.11 (Winkler et al. 2014;Winkler, Webster, et al. al. 2016b) draait op MATLABR2017b.

Door de verbetering van de levensstandaard van mensen en de toenemende leeftijd hebben geheugenproblemen de afgelopen jaren steeds meer aandacht gekregen. Sommige mensen hebben hun hersenen echter actief geoefend, maar hebben nog steeds last van geheugenproblemen. Op dit moment kunnen we overwegen om niet-parametrische arrangementen te gebruiken om het geheugen te verbeteren.

Dus, wat is een niet-parametrische permutatie? Niet-parametrische rangschikking is een statistische methode die een reeks gegevens volgens bepaalde regels rangschikt zonder numerieke vergelijking. Vergeleken met parametrische permutatie heeft niet-parametrische permutatie een breder scala aan toepassingen en worden er niet al te veel aannames gedaan over de distributie en discretie van de gegevens.

En hoe gebruik je niet-parametrische arrangementen om het geheugen te verbeteren? Allereerst weten we dat het menselijk brein verschillende informatie, zoals afbeeldingen, audio, tekst, enz., kan analyseren, onthouden en oproepen, zodat we niet-parametrische arrangementen kunnen gebruiken om de verwerkings- en geheugencapaciteiten van onze hersenen voor verschillende informatie te verbeteren.

Door middel van enkele oefeningen, zoals het oefenen van het geheugen en het terugroepen van kleuren, getallen, woorden en andere informatie, en vervolgens de niet-parametrische rangschikking van verschillende informatie, wordt een meer regelmatige structuur in de hersenen gevormd, waardoor het geheugenvermogen van de hersenen wordt vergroot.

Bovendien kunnen niet-parametrische permutaties worden gebruikt om onder andere de mentale flexibiliteit te verbeteren en angst en stress te verminderen. Door de hersenen te oefenen, kunnen de hersenen flexibeler en gezonder werken, waardoor onnodige depressies, angstgevoelens en andere negatieve emoties worden verminderd en het leven en werk positiever worden geconfronteerd.

Kortom, een niet-parametrische opstelling is een haalbare en effectieve methode om het hersengeheugen en de denkflexibiliteit te verbeteren. Door voortdurende oefening en oefening kunnen het geheugen en de verwerkingscapaciteiten van de hersenen effectief worden verbeterd, waardoor we gezonder en positiever in het leven kunnen staan ​​en kunnen werken. Het is duidelijk dat we ons geheugen moeten verbeteren. Cistanche deserticola kan het geheugen aanzienlijk verbeteren, omdat Cistanche deserticola ook de balans van neurotransmitters kan reguleren, zoals het verhogen van de niveaus van acetylcholine en groeifactoren. Deze stoffen zijn erg belangrijk voor het geheugen en het leren. Bovendien kan vlees ook de bloedstroom verbeteren en de zuurstoftoevoer bevorderen, wat ervoor kan zorgen dat de hersenen voldoende voedingsstoffen en energie krijgen, waardoor de vitaliteit en het uithoudingsvermogen van de hersenen worden verbeterd.

Klik op manieren kennen om de hersenfunctie te verbeteren

We gebruikten 10,000 permutaties, waarbij we de staart van de permutatieverdeling van P-waarden modelleerden met een Pareto-verdeling (Winkler, Ridgway, et al. 2016a), en Family-wise Error Rate (FWER)-controle voor meerdere tests met behulp van de verdeling van de maximale statistiek (Westfalland Young 1993). De HCP-dataset bevat proefpersonen die samen met hun broers en zussen (meestal hun tweelingen) zijn bemonsterd, wat betekent dat de metingen niet als onafhankelijk kunnen worden beschouwd.

Om te testen op associaties tussen interessante variabelen en daarbij rekening te houden met de gezinsstructuur in de dataset, hebben we blokpermutatietesten op meerdere niveaus gebruikt (Winkler et al. 2015). Deze associaties werden gecorrigeerd voor lineaire en kwadratische termen, geslacht, opleiding, inkomen en de samengestelde score voor cognitieve functies van de NIH Toolbox ("CogTotalComp_Unadj"), een maatstaf voor algemene intelligentie. We rapporteerden 2-staartige P-waarden voor de geteste associaties.

Vertex- en voxel-gewijze analyses

Ter vergelijking hebben we ook afzonderlijke univariatevertex-gewijze (corticale dikte, oppervlakte) en voxelgewijze (GMV, FA, MD) analyses uitgevoerd om te testen op associaties met DD. Deze analyses werden uitgevoerd met behulp van niet-parametrische permutatietests zoals geïmplementeerd in de PALM-software van FSL, met 2,000 permutaties en drempelvrije clusterverbetering (Smith en Nichols 2009). Net als in de vorige analyses hebben we de staart van de permutatieverdeling van P-waarden gemodelleerd met een Pareto-verdeling, FWER-controle toegepast voor meerdere tests met behulp van de verdeling van de maximale statistiek, en rekening gehouden met de gezinsstructuur met blokpermutatietests op meerdere niveaus. Net als hierboven werden deze analyses gecontroleerd op lineaire en kwadratische termen, geslacht, opleiding, inkomen en algemene intelligentie.

Resultaten

We hebben proefpersonen uitgesloten met onvolledige antwoorden in de DD-taken (3), die kozen voor altijd onmiddellijke of uitgestelde antwoorden (9), of voor wie de posterieure waarschijnlijkheid dat de pseudo-R2-statistiek (Camerer en Ho 1999) boven nul lag, lager was dan {{5} }.95, dwz proefpersonen waarvoor het model beter paste bij de antwoorden dan een kansmodel (166). Deze criteria leidden tot de uitsluiting van 178 proefpersonen uit de beroepsbeoefenaar in de gezondheidszorg. Tabel 1 geeft demografische informatie weer over de monsters en het aantal geldige observaties voor de verschillende cognitieve taken en beeldvormingsmodaliteiten die over DD zijn geanalyseerd. De subjectieve waarde van beloningen bedroeg na een maand gemiddeld 79% van hun nominale waarde en na een jaar 23%. Geslachtsverschillen bij DD waren niet significant (man (n=473) > vrouw (n=545):t=0.27, P=0.80).

Relatie tussen DD en grijze massa

Na correctie voor lineaire en kwadratische leeftijdstermen, geslacht en totaal intracraniaal volume, was de discontovoet niet geassocieerd met het totale corticale volume of het volume van een van de onderzochte subcorticale structuren. Tabel 2 geeft de statistieken voor deze associaties weer.

Corticale dikte, oppervlakte en GMV-kaarten werden samen met gekoppelde ICA ontleed in 50 componenten, waarbij elk van hen een ruimtelijke kaart definieerde die de regio's weerspiegelde waar de structuur van de grijze stof sterk varieerde tussen deelnemers en individuele scores die de omvang van de bijdrage van de component aangaven . De scores van een van de grijze stofcomponenten waren significant negatief geassocieerd met DD (Fig. 2A, r =−0,172, Pcorr < 1e−4, gecorrigeerd voor de 50 geteste componenten, n=946).

Van de drie grijze stofmodaliteiten woog deze component het zwaarst (62%) op GMV (Fig. 2B), en de grootste ladingen bevonden zich in de temporale pool en precuneus (Fig. 2C en D). Omdat ICA lijdt aan tekenonbepaaldheid, moeten de scores van een component worden geïnterpreteerd met betrekking tot zijn belastingen (waarvan de anatomische verdeling wordt weergegeven door de overeenkomstige ruimtelijke kaart), dwz een negatieve associatie met de scores van één component weerspiegelt een (gedeeltelijk) negatieve correlatie met metingen van de grijze stofstructuur. in de gebieden waar de waarden van de ladingen positief zijn. Deze associaties werden gecorrigeerd voor lineaire en kwadratische leeftijdstermen, geslacht, opleiding en inkomen.

Bij het ontleden van de gegevens in 100 componenten, was op vergelijkbare wijze slechts één component significant geassocieerd met DD, wat een patroon laat zien dat sterk lijkt op het patroon dat is opgehaald met de 50-componentontleding (Fig. 2E–G, r {{3 }} −0,158,Pcorr=5e−4, gecorrigeerd voor de 100 geteste componenten,n=946). De univariate voxel-gewijze analyse onthulde ook een negatief significant verband tussen GMV en DD in bilaterale temporale grijze stofgebieden na controle voor lineaire en kwadratische leeftijdstermen, geslacht, opleiding en inkomen (aanvullende figuur 2).

Deze gebieden kwamen nauw overeen met het ruimtelijke patroon voor de geïdentificeerde grijze stofcomponent (Fig. 2C en G). Er was geen corticaal gebied waar de associatie tussen DD en corticale dikte of gebied significant was na FWER-correctie voor meerdere tests in de op het oppervlak gebaseerde vertex-gewijze analyse voor deze metingen.

Om er zeker van te zijn dat de associatie met scores voor grijze stof specifiek was voor DD en niet alleen maar de algemene cognitieve functie weerspiegelde, herhaalden we deze analyses en voegden een maatstaf voor algemene intelligentie toe aan de reeks covariabelen die niet van belang waren. Dezelfde component was nog steeds de enige die significant geassocieerd was met DD ({{0}}componentdecomposition: r=−0.145, Pcorr=0.001; { {6}}componentdecompositie: r=−0.138, Pcorr=0.123), en het resultaat van de univariate voxel-gewijze analyse bleef grotendeels onveranderd (aanvullende figuur 2).

Relatie tussen DD en witte stof

We hebben de FA- en MD-gegevens gezamenlijk ontleed in 50 componenten. Geen van de componenten was geassocieerd met de discontovoet na controle voor meerdere tests en variatie voor lineaire en kwadratische leeftijdstermen, geslacht, opleiding en inkomen. Het gebruik van 100 componenten of het aanvullend controleren op algemene intelligentie leverde vergelijkbare resultaten op. Dienovereenkomstig was er geen regio waar de associatie tussen DD en FA of MD significant was na FWER-correctie voor meerdere tests in de voxel-gewijze analyse.

Discussie

Na onderzoek van gedrags- en neuroimaging-gegevens van een grote steekproef van gezonde volwassenen, laten onze bevindingen zien dat grotere DD werd voorspeld door kleinere anterieure temporale GMV. De omvang van de HCP-dataset, groter dan die uit de meeste eerdere onderzoeken naar het verband tussen DD en de hersenstructuur, gaf ons de mogelijkheid om op betrouwbare wijze effecten van een kleine omvang vast te leggen. In tegenstelling tot eerdere rapporten hebben we echter geen bewijs gevonden voor een betrouwbaar verband tussen DD en corticaal volume, subcorticale volumes, microstructurele organisatie van de witte stof en scores bij WM- of EM-taken.

Grotere kortingen waren geassocieerd met kleinere GMV in anterieure temporale gebieden. Dit resultaat was robuust om het aantal gekoppelde ICA-componenten te veranderen en te controleren voor een zekere mate van algemene intelligentie. Owenset al. (2017) analyseerden het corticale volume uit T1-gewogen scans in de HCP-dataset en rapporteerden associaties tussen corticaal volume en DD in temporele gebieden die overeenkomen met de gebieden in de grijze stofcomponent die door onze analyse werden geïdentificeerd.

De associatie met anteriortemporale grijze stof wordt verwacht (omdat we dezelfde dataset hebben gebruikt), maar onze studie breidt de vorige uit door ook de corticale dikte en oppervlakte en GMV voor subcorticale gebieden te onderzoeken, evenals metingen van de structuur van de witte stof. Naast het feit dat we een meer grondige reeks structurele metingen hebben opgenomen, hebben we de familiestructuur van de gegevens gerespecteerd bij het berekenen van de associaties tussen metingen van de hersenstructuur en DD om vertekende schattingen te voorkomen die kunnen voortkomen uit het ten onrechte aannemen van de onafhankelijkheid van de observaties (Winkleret al. 2015).

We hebben ook een strengere selectie van onderwerpen uitgevoerd, met uitzondering van degenen die bij toeval presteerden, en de gegevens ontleed in structurele covariantienetwerken (Pehlivanova et al. 2018), een methode die een grotere gevoeligheid biedt voor het detecteren van associaties met DD door samen het gemiddelde te nemen (in een gewogen manier)waarden van de structurele beelden over hersengebieden heen en het combineren van verschillende modaliteiten om robuustere schattingen te produceren. Een belangrijk voordeel van het gebruik van ICA om beeldgegevens in covariantienetwerken te ontleden via een voxel-gewijze benadering voor de analyse van structurele gegevens is dat het scores oplevert die minder ruis zouden moeten hebben dan op voxel gebaseerde waarden, omdat ze worden verkregen als een gewogen gemiddelde van het signaal in alle voxels in de hersenen, waarbij dimensionaliteitsreductie wordt geïmplementeerd die het risico op type II-fouten kan verminderen, zij het ten koste van een vage anatomische afbakening.

anatomische afbakening. In tegenstelling tot de studie van Owens et al. (2017) was in onze analyse de relatie tussen corticaal volume en DD niet significant. Deze divergentie is waarschijnlijk het product van onze strengere analysekeuzes (verwijdering van proefpersonen die willekeurig reageren, niet-parametrische tests die rekening houden met de gegevensfamiliestructuur, striktere controle op verwarring) en geeft aan dat de eerder gerapporteerde associatie tussen corticaal volume en DD mogelijk eerder overeenkomt met een valse dan robuuste vondst. Het lijkt plausibel dat een associatie van DD met een maatstaf voor het globale corticale volume gemedieerd zou moeten worden door variabelen die meer algemene aspecten van cognitie weerspiegelen dan DD.

Ondanks de grote steekproefomvang van de HCP-dataset hebben we geen bewijs gevonden voor een significante associatie tussen de structuur van de witte stof en DD. Eerdere studies die tractografische reconstructies in kleinere monsters lieten zien, hebben negatieve associaties gerapporteerd tussen DD en structurele connectiviteitssterktemetingen (bijv. aantal stroomlijnen) in specifieke witte stofkanalen naar de PFC (van den Bos et al. 2015; Hänggi et al. 2016; Hamptonet al. 2017) .

In tegenstelling tot de onderzoeken naar de sterkte van connectiviteit, hebben we FA-kaarten geanalyseerd die zijn verwerkt met TBSS, een techniek die een brede analyse van witte stofgebieden mogelijk maakt en geschikter is voor verkennende analyse van grootschalige datasets, vanwege de reken- en arbeidskosten die hiermee gepaard gaan. het uitvoeren van uitgebreide tractografische kaarten op een groot aantal onderwerpen. Voor zover wij weten is de steekproef in onze analyse substantieel groter dan in eerdere onderzoeken waarin witte stof werd gekoppeld aan verdiscontering. We merken echter op dat een recent onderzoek waarbij TBSS werd toegepast bij 302 oudere proefpersonen zonder dementie (Han et al. 2018) (gemiddelde leeftijd=81,38 jaar, SD=7,57 jaar, 75,5% vrouwen) wijdverspreide negatieve associaties tussen temporele discontering en FA in bilaterale frontale, frontostriatale en temporoparietale kanalen. Het niet eens zijn met onze resultaten kan een gevolg zijn van demografische verschillen in de steekproeven.

Gezien de uitgebreide aard van hun associaties zouden hun bevindingen een weerspiegeling kunnen zijn van verouderingsgerelateerde degeneratieve mechanismen, in tegenstelling tot het meer beperkte patroon dat zou worden verwacht voor een specifieke maatregel zoals DD. Trouwens, Han et al. geen controle voor het inkomensniveau. Toen we in onze analyse alleen het voer en het geslacht aanpasten, identificeerden we verdere grijze en witte stofcomponenten waarvan de scores significant correleerden met de discontopercentages (zie aanvullend materiaal). Hoewel grote steekproeven kleinere effecten kunnen detecteren, is er ook een groter risico op het detecteren van associaties die louter worden veroorzaakt door verstorende variabelen, waardoor het van cruciaal belang is om aan te passen voor de juiste covariaten.

Recent werk (Marek et al. 2022) heeft het belang benadrukt van het gebruik van grote steekproeven in hersenbrede associatiestudies tussen hersenen en gedrag en heeft aangetoond dat typische steekproefomvang voor deze onderzoeken zou moeten leiden tot niet-reproduceerbare effecten en opgeblazen effectgroottes. Ervan uitgaande dat het werkelijke effect ongeveer 0,15 bedraagt ​​(vergelijkbaar met de effectgrootte voor de grijze stofcomponent, die we hebben geïdentificeerd en compatibel is met de resultaten van Marek et al. 2022), zouden er meer dan 250 proefpersonen nodig zijn om een ​​kracht van 80% te bereiken. De meeste eerdere onderzoeken op het gebied van DD hebben dus te weinig power, wat de in Hoofdstuk 1 genoemde inconsistenties in de literatuur verklaart. Houd er rekening mee dat deze conclusie alleen van toepassing is op hersengedragsassociaties en niet op al te functionele hersenkarteringsonderzoeken naar DD, waarvoor kleinere steekproeven nodig zouden moeten zijn om echte effecten te kunnen detecteren. en daarom is er geen tegenspraak tussen onze resultaten en bevindingen uit die onderzoeken.

We konden geen verband vinden tussen een voorkeur voor onmiddellijke beloningen en een van de WM-tests (LSWMT en 2-terug). Op dezelfde manier was er in de HCP-gegevens geen verband tussen DD en verbale of non-verbale EM. Deze resultaten komen overeen met een recent onderzoek (Yeh et al. 2021), dat we aanvullen door de 2-back-taak en een striktere statistische behandeling op te nemen voor de analyse van structurele gegevens van de hersenen. Hoewel Shamosh et al. (2008) een verband rapporteerden tussen lagere WM en een voorkeur voor onmiddellijke beloningen, was deze correlatie niet specifiek voor WM, omdat dit vermogen in hun gegevens de variantie in DD niet verklaarde buiten wat door algemene intelligentie werd verklaard. Wanneer alleen de associaties voor leeftijd en geslacht werden gecorrigeerd, was DD significant negatief gecorreleerd met LSWMT-, 2-rug- en verbale EM-scores (zie aanvullend materiaal), maar deze correlatie was niet langer significant bij het corrigeren voor sociaal-economische statusvariabelen (die al gedeeltelijk rekening zouden moeten houden met algemene cognitieve functie). Onze bovenstaande overwegingen met betrekking tot valse associaties als gevolg van hinderlijke variabelen en niet-reproduceerbare bevindingen bij het gebruik van kleine steekproeven zijn dus ook van toepassing op deze analyses.

Een beperking van ons onderzoek is dat onze analyses niet vooraf waren geregistreerd en dat de gerapporteerde associaties daarom niet als bevestigend kunnen worden beschouwd. Niettemin zijn wij van mening dat een belangrijke bijdrage van deze resultaten bestaat uit het verschaffen van nauwkeurigere schattingen van de effectgrootte voor relaties tussen cognitieve metingen, structurele beeldvorming en intertemporele keuzes, vanwege de aanzienlijk grotere steekproefomvang van eerdere onderzoeken. Een andere beperking is de lage betrouwbaarheid van de discontovoeten. Taakparameters zijn bekritiseerd vanwege hun lage test-hertestbetrouwbaarheid (Enkavi et al. 2019) en, in het gerelateerde domein van risicovoorkeuren, vanwege het gebrek aan consistentie tussen experimentele paradigma's (Pedroni et al. 2017). Deze redenen kunnen gedeeltelijk het gebrek aan associaties met de hersenstructuur die we hebben gevonden en de lage reproduceerbaarheid van bevindingen uit verschillende onderzoeken verklaren. Een cruciale toekomstige weg zou dan het ontwerpen van nieuwe paradigma’s moeten zijn om DD met verbeterde betrouwbaarheid te meten. Een mogelijke oplossing zou kunnen liggen in het afleiden van samenvattende scores die verschillende taakparameters combineren om een ​​hogere betrouwbaarheid te bereiken en het gebruik van multivariate methoden om de kans op het vinden van verbanden tussen hersengedrag te vergroten (Moutoussis et al.2021).

Gezien het belang van DD in de studie van psychopathologie, is het van fundamenteel belang om de onderliggende neurobiologische basis ervan robuust te bepalen. Door gebruik te maken van een grote dataset voor neuroimaging, helpt de huidige studie de verschillen in de literatuur over grijze en witte stofcorrelaties van DD met elkaar te verzoenen. Dit gedragskenmerk was negatief geassocieerd met GMV in de voorste temporale gebieden en, belangrijker nog, het geïdentificeerde structurele effect was klein, zodat het onwaarschijnlijk is dat het zou worden gedetecteerd in monsters met een omvang die vergelijkbaar is met die gevonden in veel gerelateerde onderzoeken. Al met al kunnen de associaties met cognitieve vaardigheden en hersenstructuur zwakker zijn dan eerdere rapporten suggereren. Onze resultaten vragen om de ontwikkeling van robuustere metingen van DD en de implementatie van neuroimaging-onderzoeken met grotere steekproeven dan wat in het veld gebruikelijk is, evenals passende controle op mogelijke verstorende factoren.

Dankbetuigingen

Wij danken Mats Erikson en Kajsa Burström voor het verzamelen van de gegevens. We zijn dankbaar voor de open-access dataset geleverd door het Human Connectome Project, WU-Minn Consortium (hoofdonderzoekers: David Van Essen en Kamil Ugurbil; 1U54MH091657).

Aanvullend materiaal

Aanvullend materiaal is beschikbaar op Cerebral Cortexonline.

Financiering

Dit werk werd ondersteund door de Zweedse Onderzoeksraad (subsidienummer VR521-2013-2589 aan MG-M), een Alexander von Humboldt Research Award (LB) en een donatie van de AF Jochnick Foundation (LB).

Verklaring van belangenverstrengeling: Dr. Zeb Kurth-Nelson is in dienst van DeepMind. De overige auteurs verklaren geen belangenverstrengeling.

Referenties

1. Addis DR, Wong AT, Schacter DL. Het verleden herinneren en de toekomst voorstellen: gemeenschappelijke en verschillende neurale substraten tijdens de constructie en uitwerking van evenementen. Neuropsychologie. 2007: 45: 1363–1377.

2. Ahn WY, Rass O, Fridberg DJ, Bishara AJ, Forsyth JK, Breier A, Busemeyer JR, Hetrick WP, Bolbecker AR, O'Donnell BF. Tijdelijke korting op beloningen bij patiënten met een bipolaire stoornis en schizofrenie. J Abnormaal Psychol. 2011: 120: 911–921.

3. Amlung M, Vedelago L, Acker J, Balodis I, MacKillop J. Steile vertragingskorting en verslavend gedrag: een meta-analyse van continue associaties. Verslaving. 2017: 112: 51–62.

4. Asbrander J, Friston KJ. Voxel-gebaseerde morfometrie: The Methods.NeuroImage. 2000: 821: 805–821.

5.Barch DM, Burgess GC, Harms MP, Petersen SE, Schlaggar BL, Corbetta M, Glasser MF, Curtiss S, Dixit S, Feldt C, et al. Functie in het menselijke connectoom: taak-fMRI en individuele verschillen in gedrag. NeuroAfbeelding. 2013: 80: 169–189.

For more information:1950477648nn@gmail.com