ความสัมพันธ์ระหว่างความสามารถในการทำหน้าที่ผู้บริหาร น้ำเปล่า และโครงสร้างจุลภาคของสสารสีขาวในวัยชราตอนต้น ตอนที่ 2

นอกจากนี้ การศึกษาที่มีอยู่ได้มุ่งเน้นไปที่กลุ่มตัวอย่างที่มีสัดส่วนของอาสาสมัครที่มี MCI และ/หรือ AD สูง และจะเป็นสิ่งสำคัญในการตรวจสอบว่าความสัมพันธ์เหล่านี้ยังคงมีอยู่หรือไม่เมื่อมุ่งเน้นไปที่กลุ่มตัวอย่างที่เป็นตัวแทนของประชากรมากขึ้น (กล่าวคือ อัตรา MCI ใกล้เคียงกับ 10–15 %) หรือเมื่อมุ่งความสนใจไปที่ผู้ใหญ่ปกติทางสติปัญญาเพียงอย่างเดียว

ป้องกันโรค ดังนั้นเราจึงควรมีส่วนร่วมในการออกกำลังกายทางร่างกายและสมองในรูปแบบต่างๆ เพื่อปรับปรุงความจำของเรา

ก่อนอื่น เพื่อปรับปรุงความจำ เราต้องมุ่งเน้นที่การพัฒนานิสัยการใช้ชีวิตที่ดีต่อสุขภาพก่อน การรักษาตารางการนอนหลับและการรับประทานอาหารอย่างสม่ำเสมอ และการปฏิเสธนิสัยที่ไม่ดี เช่น ความโลภและการนอนดึก สามารถช่วยให้เรารักษาสุขภาพที่ดี และปรับปรุงสมาธิและความจำได้

ประการที่สอง เราต้องเน้นการออกกำลังกายสม่ำเสมอและการออกกำลังกายในรูปแบบต่างๆ เช่น การวิ่งจ๊อกกิ้ง ปั่นจักรยาน ว่ายน้ำ ฯลฯ สามารถกระตุ้นสมอง ส่งเสริมการไหลเวียนโลหิต และปรับปรุงความจำได้อย่างมีประสิทธิภาพ นอกจากนี้ สมองยังต้องยอมรับความท้าทายและการกระตุ้นต่างๆ เช่น การไขปริศนา การเรียนรู้ภาษาใหม่ การทำโจทย์คณิตศาสตร์ ฯลฯ ซึ่งสามารถปรับปรุงความยืดหยุ่นและความคล่องตัวของสมอง จึงช่วยเพิ่มความจำ

สุดท้ายนี้ เราควรใส่ใจกับการรักษาอารมณ์ให้มีความสุขและหลีกเลี่ยงความเครียดและความวิตกกังวลที่มากเกินไป คนที่อารมณ์ดีมักจะรักษาความเฉียบคมของสมองและความจำมากกว่า ดังนั้นเราควรรักษาทัศนคติเชิงบวกและหลีกเลี่ยงอิทธิพลของอารมณ์เชิงลบ

โดยสรุป ความทรงจำของวัตถุมีความเกี่ยวข้องอย่างใกล้ชิดกับปัจจัยต่างๆ เช่น นิสัยการใช้ชีวิต การออกกำลังกาย และอารมณ์ ตราบใดที่เราสามารถมีส่วนร่วมในการออกกำลังกายและความท้าทายในรูปแบบต่างๆ รักษานิสัยการใช้ชีวิตที่ดีต่อสุขภาพ และมีทัศนคติในแง่ดี เราก็สามารถพัฒนาความจำของเราและเพลิดเพลินไปกับชีวิตที่สมบูรณ์และน่าตื่นเต้นยิ่งขึ้นได้ จะเห็นได้ว่าเราต้องปรับปรุงความจำ และ Cistanche Deserticola สามารถปรับปรุงความจำได้อย่างมาก เนื่องจาก Cistanche Deserticola ยังสามารถควบคุมความสมดุลของสารสื่อประสาท เช่น การเพิ่มระดับของอะเซทิลโคลีนและปัจจัยการเจริญเติบโต สารเหล่านี้มีความสำคัญมากต่อความจำและการเรียนรู้ นอกจากนี้ เนื้อสัตว์ยังช่วยเพิ่มการไหลเวียนของเลือดและส่งเสริมการส่งออกซิเจน ซึ่งช่วยให้สมองได้รับสารอาหารและพลังงานที่เพียงพอ ซึ่งจะช่วยปรับปรุงความมีชีวิตชีวาและความอดทนของสมอง

คลิกรู้ 10 วิธีปรับปรุงความจำ

ท้ายที่สุด เมื่อตรวจสอบรากฐานของระบบประสาทของ EF เราได้พิจารณาบทบาทของการสำรองการรับรู้ของผู้ใหญ่วัยหนุ่มสาว ซึ่งเรากำหนดให้เป็นทรัพยากรการรับรู้โดยรวมของแต่ละบุคคลในช่วงวัยผู้ใหญ่ตอนต้น (Kremen et al., 2022)

ทฤษฎีการสำรองการรับรู้แนะนำว่าบุคคลบางคนไม่แสดงอาการบกพร่องทางสติปัญญาหรือการทำงานที่คาดหวังจากพยาธิวิทยาของสมอง (Barulli and Stern, 2013; Stern, 2012,2013; Whalley, Deary, Appleton, & Starr, 2004) ซึ่งอาจแสดงออกถึงความสัมพันธ์ที่ลดลง ระหว่าง EF กับสารขาว (และ FW) ในบุคคลที่มีค่าสำรองสูง

เรามุ่งเน้นไปที่วัยผู้ใหญ่เป็นช่วงเวลาที่ผลกระทบของความชราจะไม่มีผลกระทบต่อความสามารถในการรับรู้ ในขณะที่การศึกษาบางชิ้นชี้ให้เห็นว่าการลดลงของความรู้ความเข้าใจใน EF นั้นไวต่อการสงวนความรู้ความเข้าใจ (McKenzie et al., 2020; O'Shea et al., 2015; Roldan-Tapia, Garcia, Canovas, & Leon, 2012) แต่มีงานวิจัยเพียงเล็กน้อยเท่านั้นที่ตรวจสอบว่าการสำรองความรู้ความเข้าใจหรือไม่ กลั่นกรองความสัมพันธ์ระหว่าง EF และสมอง (Krch et al., 2019)

ในการศึกษาก่อนหน้าของบุคคลในกลุ่มตัวอย่างเดียวกันกับการศึกษาปัจจุบัน ความสัมพันธ์ระหว่างปริมาตรฮิปโปแคมปัสและความจำฉากจะสูงกว่าในบุคคลที่มีระดับการสำรองการรับรู้ต่ำกว่า ผู้ที่มีกำลังสำรองสูงกว่าจะมีความยืดหยุ่นมากกว่าต่อผลกระทบที่อาจเป็นอันตรายจากการฝ่อของฮิปโปแคมปัส (Vuoksimaa et al., 2013)

อย่างไรก็ตาม การสำรองการรับรู้จะช่วยควบคุมความสัมพันธ์ระหว่าง EF ทั่วไปและโครงสร้างจุลภาคของสสารสีขาวหรือไม่นั้นยังไม่ได้รับการตรวจสอบ หาก EF มีความไวต่อการสงวนการรับรู้ ดังนั้น EFabilities ควรมีความเกี่ยวข้องอย่างมากกับการวัดระบบประสาทในบุคคลที่มีการสำรองต่ำ

การค้นพบดังกล่าวจะบ่งชี้ว่าบุคคลที่มีค่าสำรองสูงจะสามารถรักษาระดับ EFability ไว้ได้ดีกว่าเมื่อเผชิญกับภาวะเสื่อมของระบบประสาท เมื่อเทียบกับบุคคลที่มีการสำรองน้อย

5. การศึกษาในปัจจุบัน

ในการศึกษาปัจจุบัน เราใช้ข้อมูลจากคลื่นลูกที่สามของตัวอย่าง Vietnam Era Twin Study of Aging (VETSA) (อายุเฉลี่ย 68 ปี) เพื่อตรวจสอบความสัมพันธ์ระหว่าง EF และโครงสร้างจุลภาคของสสารสีขาวโดยใช้ 3 ตัวชี้วัด: FW, FAFWcorr และ MDFWcorr

เราคาดการณ์ว่า EF จะเชื่อมโยงอย่างพิเศษกับ FW ภายในสสารสีขาวในเยื่อหุ้มสมองหลายแห่ง ซึ่งสอดคล้องกับงานก่อนหน้านี้ (Archer et al., 2020) ยังไม่ค่อยมีใครรู้เกี่ยวกับความสัมพันธ์ระหว่างความสามารถเฉพาะของหน่วยความจำในการทำงานกับสสารสีขาว ดังนั้นการวิเคราะห์เหล่านี้จึงถือเป็นการสำรวจ

สุดท้าย เราตรวจสอบว่าความสัมพันธ์ระหว่าง EF และวัตถุสีขาวจะถูกลดทอนลงโดยการสงวนการรับรู้โดยพิจารณาจากความสามารถทางปัญญาทั่วไปที่ประเมินเมื่อผู้เข้าร่วมมีอายุประมาณ 20 ปี (มากกว่า 45 ปีก่อนการประเมิน EF และวัตถุสีขาวที่อธิบายไว้ที่นี่) (Kremen et al.,2022)

6. วิธีการ

6.1. วิชา

การวิเคราะห์ข้อมูลมุ่งเน้นไปที่ฝาแฝดชาย 489 คนที่เข้าร่วมในโครงการ VETSA ตามยาวคลื่นลูกที่สาม ผู้เข้าร่วม VETSA ได้รับการสุ่มเลือกจากการศึกษาก่อนหน้านี้ของสมาชิกของ VietnamEra Twin Registry (Tsuang, Bar, Harley, & Lyons, 2001)

บุคคลทั้งหมดรับราชการในกองทัพสหรัฐฯ ในช่วงระหว่างปี 1965 ถึง 1975 แต่เกือบ 80 % รายงานว่าไม่มีการสู้รบ คุณลักษณะตัวอย่างจะแสดงในตารางที่ 1 ควบคู่ไปกับสถิติเชิงพรรณนาสำหรับการทดสอบฟังก์ชันผู้บริหารและดัชนีการสำรองการรับรู้ของเรา

โดยทั่วไปผู้เข้าร่วมเป็นตัวแทนของชายอเมริกันในกลุ่มอายุที่เกี่ยวข้องกับสุขภาพ การศึกษา และลักษณะการดำเนินชีวิต (Kremen et al.,2011; Kremen et al., 2006; Schoenborn & Heyman, 2009)

ข้อมูล MRI คลื่น 3 ทั้งหมดถูกรวบรวมที่มหาวิทยาลัยแคลิฟอร์เนีย ซานดิเอโก (UCSD) ผู้เข้าร่วมทุกคนให้ความยินยอมเป็นลายลักษณ์อักษรก่อนเข้าร่วม และระเบียบการศึกษาได้รับการอนุมัติจากคณะกรรมการพิจารณาประจำสถาบันในสถาบันที่เข้าร่วมทุกแห่ง

6.2. มาตรการ

6.2.1. ฟังก์ชั่นผู้บริหาร

ความสามารถของ EF ถูกวัดด้วย 6 งานซึ่งครอบคลุมการยับยั้งการตอบสนองล่วงหน้า การสลับชุดงาน และโดเมนการขยายหน่วยความจำในการทำงาน การยับยั้งได้รับการประเมินด้วยงาน Stroop (Golden and Freshwater,2002; Stroop, 1935)

การประเมินการขยับโดยใช้ (a) การทดลองเปลี่ยน Trail MakingTest และ (b) การทดสอบย่อยการสลับหมวดหมู่สำหรับการใช้วาจาจาก Delis-Kaplan Executive Function System (D-KEFS) (DKEFS; Delis, Kaplan, & Kramer, 2001) การวัดผลการยับยั้งและการสับเปลี่ยนทั้งหมดถูกปรับสำหรับสภาวะพื้นฐานที่เหมาะสม ช่วงหน่วยความจำการทำงานได้รับการประเมินด้วยการเรียงลำดับหมายเลขตัวอักษรและการทดสอบย่อยช่วงตัวเลขของ Wechsler Memory Scale-III (Wechsler, 1997) และการทดสอบช่วงการอ่าน (Daneman และ Carpenter, 1980)

ก่อนการวิเคราะห์ คะแนนการรับรู้ทั้งหมดในการศึกษา VETSA wave 3 ฉบับเต็มได้รับการปรับสำหรับผลจากการฝึกฝน โดยใช้ประโยชน์จากข้อมูลจากผู้เข้าร่วมทดแทนการขัดสีที่ทำภารกิจแบตเตอรี่สำเร็จเป็นครั้งแรกที่คลื่น 2 หรือคลื่น 3 เพื่อประเมินประสิทธิภาพที่เพิ่มขึ้นที่คาดหวังจากผู้ที่กลับมาและผ่านการทดสอบครั้งที่ 2 หรือมากกว่านั้น (Elman et al., 2018)

แบบจำลอง EF ของเราได้รับการตรวจสอบเบื้องต้นในคลื่นที่ 1 และ 2 ของ VETSA(Gustavson et al., 2018a; Gustavson et al., 2018b) และประกอบด้วย 2 ปัจจัยแฝง: ปัจจัยแฝง "Common EF" (ขึ้นอยู่กับประสิทธิภาพของการทดสอบทั้ง 6 รายการ) และ ปัจจัย "การทำงานเฉพาะหน่วยความจำ" (ขึ้นอยู่กับความแปรปรวนเพิ่มเติมในการทดสอบช่วงหน่วยความจำการทำงาน 3 ครั้งที่ไม่ได้บันทึกโดยปัจจัยแฝง)

คลื่นก่อนหน้ายังทำการทดสอบเพิ่มเติม (การทดสอบประสิทธิภาพต่อเนื่องของ AX) แต่นี่ไม่รวมอยู่ในการประเมินคลื่น 3 เนื่องจากข้อจำกัดด้านเวลา การวิเคราะห์เบื้องต้นระบุว่าแบบจำลองปัจจัยแฝงของ EF ยังคงเหมาะสมกับข้อมูลในกลุ่มตัวอย่างย่อยของบุคคลที่เสร็จสิ้นการประเมิน MRI ที่คลื่น 3 ของ VETSA ดังนั้นเราจึงไม่เหมาะกับแบบจำลองยืนยันเพิ่มเติมใดๆ ของ EF

นอกจากนี้ แบบจำลองการยืนยัน EF ของเรายังได้รับการสนับสนุนจากการศึกษาล่าสุดที่เหมาะกับแบบจำลองการเติบโตแฝงของ EF ทั่วไปและปัจจัยเฉพาะหน่วยความจำในการทำงานใน VETSA ทั้ง 3 คลื่นในตัวอย่างเต็ม (Gustavsonet al., 2022b)

6.2.2. ความสามารถทางปัญญาทั่วไป (อายุ 20 ปี)

ความสามารถทางปัญญาทั่วไป - ดัชนีการสำรองทางปัญญาของเรา - ได้รับการประเมินในวัยผู้ใหญ่ตอนต้นเมื่อผู้เข้าร่วม VETSA ได้รับการบรรจุเข้ากองทัพเป็นครั้งแรก (อายุเฉลี่ย 20 ปี) ด้วยการทดสอบ 100-itemmultiple-choice Armed Forces Qualifications (AFQT; Bayroff andAnderson, 1963) .

AFQT แสดงให้เห็นความสัมพันธ์ที่แข็งแกร่ง (r=0.84) กับการวัดความฉลาด เช่น Wechsler Adult IntelligenceScale (Lyons et al., 2009) และประกอบด้วย 4 ระดับย่อยที่ประเมินคำศัพท์ ความสามารถทางคณิตศาสตร์ เครื่องมือ/ความรู้ทางกล และ การใช้เหตุผล และความสามารถด้านการมองเห็นและเชิงพื้นที่

คะแนน AFQT ยังมีความสัมพันธ์ในระดับปานกลางกับจำนวนปีการศึกษาที่รายงานด้วยตนเอง (r=0.31) แต่ที่นี่เราเน้นไปที่การมีดัชนีที่แม่นยำมากกว่าจำนวนปีการศึกษา กล่าวคือ การวัดโดยตรงของความสามารถทางปัญญาโดยรวมจาก วัยผู้ใหญ่ตอนต้น(Kremen et al., 2022) คะแนนเปอร์เซ็นไทล์ AFQT ถูกแปลงเป็นคะแนน ดังนั้น ค่าเฉลี่ย 0.34 (ดูตารางที่ 1) จึงมีค่าประมาณเท่ากับ IQ เท่ากับ 105

6.3. การได้มาของภาพ

รูปภาพได้มาด้วยสแกนเนอร์ GE 3 T Discovery 750 × สองตัว (GEHealthcare, Waukesha, WI, USA) พร้อม headcoils อาเรย์แปดช่องสัญญาณ โปรโตคอลการถ่ายภาพประกอบด้วยปริมาตรแบบถ่วงน้ำหนัก (T1w) แบบทัล 3D แบบเสียเร็ว (FSPGR) T1- ที่ปรับให้เหมาะสมสำหรับคอนทราสต์สีเทา/สีขาวสูงสุด (TE=3.164 มิลลิวินาที, TR=8.084 มิลลิวินาที, TI=600 มิลลิวินาที, พลิกมุม=8------, เมทริกซ์=256x192, ความละเอียดในระนาบ=1x1 มม., ความหนาชิ้น=1.2 มม., ชิ้น { {19}})

ข้อมูลการแพร่กระจายได้มาด้วยการสแกนแบบถ่วงน้ำหนักการแพร่กระจายแบบหลายเชลล์ (54-ทิศทาง, ค่า b=[0 (x3),666 (x6), 1333 (x15), 2666 (x15) ), 4000 (x15)] s/mm2, อินทิเกรตกับ apair ของ b=0 รูปภาพที่มีขั้วการเข้ารหัสเฟสตรงกันข้าม, TR=6600msec, TE=81.1 msec, เมทริกซ์ {{ 20}}x96, ความละเอียดในระนาบ=2.5x2.5 มม., ความหนาของชิ้น=2.5 มม., 54 ชิ้น)

6.4. การประมวลผลภาพ

ข้อมูลได้รับการประมวลผลล่วงหน้าโดยใช้ไปป์ไลน์ PreQual เพื่อแก้ไขการบิดเบือน/การเคลื่อนไหวและกระแสน้ำวน (Cai et al., 2021; Schilling et al.,2019) จากนั้นข้อมูลหลายเชลล์จะถูกสับเซ็ตเป็นเชลล์เดียว (b=1333) และป้อนลงใน DTIFIT เพื่อคำนวณ FA และ MD สำหรับผู้เข้าร่วมแต่ละราย ข้อมูลเชลล์เดี่ยวยังถูกป้อนลงในโค้ด MATLAB เพื่อคำนวณ FW, FAFWcorr และ MDFWcorr (Jenkinson et al., 2012; Pasternak et al., 2009)

กล่าวโดยสรุป โค้ดนี้ใช้ประโยชน์จากเฟรมเวิร์กเครือข่ายแบบแปรผันเพื่อแยกภาพที่แพร่กระจายออกเป็นโมเดลไบเทนเซอร์ โดยแบบหนึ่งคือการปนเปื้อน FW และอีกแบบคือช่องใส่ทิชชู่ ใหม่, FW-correctedmetrics (FAFWcorr, MDFWcorr) จากนั้นสามารถหาปริมาณได้ ที่สำคัญ ตัววัด FW เองก็สามารถนำไปใช้ประโยชน์ในการวิเคราะห์ได้เช่นกัน

การแสดงพื้นที่มาตรฐานสำหรับแผนที่ FW, FAFWcorr และ MDFWcorr ถูกสร้างขึ้นโดยการลงทะเบียนอิมเมจ FA ดิบที่ได้มาจาก DTIFIT แบบไม่เชิงเส้น และใช้การแปลงนี้กับแผนที่ที่แก้ไข FW (Avants, Epstein, Grossman, &Gee, 2008)

ตามมาตรฐาน ค่าเฉลี่ย FW, FAFWcorr และ MDFWcorr ถูกหาปริมาณภายในเทมเพลตระบบทางเดินวัตถุสีขาวที่ได้รับการยอมรับอย่างดีหลายรายการสำหรับแต่ละเซสชั่นการถ่ายภาพ (Archer et al., 2019; Archeret al., 2020; Brown et al., 2017)

เทมเพลตเหล่านี้ประกอบด้วย cingulumbundle, fornix, superior longitudinal fasciculus (SLF), inferior longitudinal fasciculus (ILF) และ uncinate fasciculus ตลอดจนการเชื่อมต่อแบบ homologoustranscallosal ของ inferior frontal gyrus (IFG) pars opercularis, IFG pars orbitalis, IFG pars triangularis, inferior รอยนูนขมับ รอยนูนหน้าผากตรงกลาง และรอยนูนหน้าผากตรงกลาง (ดูรูปที่ 1 เพื่อแสดงภาพทั้ง 11 ผืน)

เรามุ่งเน้นไปที่ชุดทางเดินสสารสีขาวในเยื่อหุ้มสมอง 11 ชุดซึ่งก่อนหน้านี้เชื่อมโยงกับการทำงานของผู้บริหารและการลดลงของการรับรู้เชิงอัตนัยในการศึกษาล่าสุด (Archer et al.,2021; Archer et al., 2020)

นอกจากนี้ เรายังรวมชุดมาตรการสุดท้ายในการจับภาพ FW, FAFWcorr และ MDFWcorr ทั่วทั้งพื้นที่สสารสีขาวในสมอง (รวมถึงทั้งเยื่อหุ้มสมองและทางเดินใต้คอร์เทกซ์) เพื่อจับภาพ FW ทั่วโลกและโครงสร้างจุลภาคของสสารสีขาว เนื่องจากงานล่าสุดของเราได้เน้นย้ำถึงอิทธิพลทางพันธุกรรมที่แข็งแกร่งที่แบ่งปันในสสารสีขาวทั้งหมด (กุสตาฟสัน และคณะ 2019)

6.5. การวิเคราะห์ข้อมูล

การวิเคราะห์สหสัมพันธ์และการถดถอยทางฟีโนไทป์ได้ดำเนินการใน Mplus เวอร์ชัน 8.3 (Muth´en และ Muth´en, 1998–2017) ซึ่งอธิบายถึงการสังเกตที่ขาดหายไปโดยใช้ข้อมูลทั้งหมดที่เป็นไปได้สูงสุด ความสำคัญของการประมาณค่าพารามิเตอร์แต่ละตัวถูกสร้างขึ้นด้วยช่วงความเชื่อมั่น 95 % ตามข้อผิดพลาดมาตรฐาน และยืนยันด้วยการทดสอบความแตกต่าง χ2 โดยการแก้ไขพารามิเตอร์นั้นเป็นศูนย์

ข้อผิดพลาดมาตรฐานและไคสแควร์ได้รับการปรับสำหรับการจัดกลุ่มภายในตระกูล (คู่คู่) และการทดสอบความแตกต่าง χ2 ได้รับการปรับขนาดอย่างเหมาะสมตามปัจจัยการปรับขนาดที่ให้ไว้ในเอาต์พุต Mplus (Satorra & Bentler, 2001)

ในการตรวจสอบความสัมพันธ์ระหว่าง EF และโครงสร้างจุลภาคของสสารสีขาว เราได้ติดตั้งแบบจำลองการถดถอยหลายชุด โดยที่ปัจจัย EF แฝงนั้นถูกถดถอยในการวัดสสารสีขาวของผู้สมัคร (หนึ่งแบบจำลองต่อการวัดสสารสีขาว)

ตัวแปรร่วมต่อไปนี้รวมอยู่ในการวิเคราะห์ทั้งหมด: อายุ (M=67.53, SD=2.63, ช่วง=61.37 ถึง 71.71), สถานะโรคเบาหวาน (22.3 % ใช่), สถานะความดันโลหิตสูง ( 55.6 % ใช่) ตัวแปรตรวจจับว่าบุคคลเป็นชาวสเปนและ/หรือไม่เป็นคนผิวขาว (11.7 % ใช่) และตัวแปรสองตัวที่จับภาพความแตกต่างของเครื่องสแกน (หนึ่งในซอฟต์แวร์ของเครื่องสแกนสองตัวได้รับการอัปเกรดในระหว่างการศึกษา ดังนั้นความแตกต่างในมุมฉากจึงถูกสร้างขึ้นเพื่อพิจารณาความแตกต่างที่อาจเกิดขึ้น ข้ามกลุ่ม threescanner/ซอฟต์แวร์)

สถานะโรคเบาหวานและความดันโลหิตสูงขึ้นอยู่กับว่าผู้เข้าร่วม (1) รายงานว่าได้รับการวินิจฉัยโดยแพทย์ (2) รายงานว่าพวกเขากำลังใช้ยารักษาโรคเบาหวานหรือความดันโลหิตสูง และ/หรือ (3) รายงานว่าพวกเขามีความดันโลหิตสูงหรือไม่ วันที่ตรวจ (เฉพาะความดันโลหิตสูง)

หลังจากระบุว่าการวัด FW และสารสีขาวใดที่เกี่ยวข้องกับปัจจัย EF เราก็ได้ปรับแบบจำลองการถดถอยเพิ่มเติม (หนึ่งตัวสำหรับแต่ละการวัด) โดยมีการเพิ่มความสามารถทางปัญญาทั่วไป (AFQT) ที่มีอายุ 20 ปีเข้าไปในแบบจำลอง

ปัจจัย EF ทั้งสองถูกถดถอยในคะแนน AFQT และมีการเพิ่มคำศัพท์โต้ตอบ (การวัด AFQT * การแพร่กระจาย) สำหรับปัจจัย EF ใดก็ตามที่เกี่ยวข้องกับการวัดนั้นในการวิเคราะห์ก่อนหน้า

For more information:1950477648nn@gmail.com