Furman-2021-การเพิ่มโทนโดปามีนหน้าผาก E.pdf ตอนที่ 2

ที่สำคัญ การทดลองตามบริบทก่อน (CF) และบริบทสุดท้าย (CL) โดยไม่คำนึงว่าจะเป็นแบบเลือกหรือแบบทั่วโลก จะไม่แยกความแตกต่างจากปัจจัยอื่น ๆ เช่น ข้อขัดแย้งระหว่างการเลือกคำตอบ

ช่วงเวลาเลือกปฏิกิริยาหมายถึงเวลาในการคิดและการตัดสินใจที่เราต้องการเมื่อต้องเผชิญกับทางเลือกต่างๆ หน่วยความจำคือความสามารถของสมองของเราในการจัดเก็บและเรียกข้อมูลจากประสบการณ์และการเรียนรู้ในอดีต ทั้งสองอาจดูเหมือนไม่มีความเชื่อมโยงกันมากนัก แต่ก็มีความสัมพันธ์กันอย่างใกล้ชิด

ประการแรก ไม่ว่าระยะเวลาการเลือกคำตอบจะสั้นหรือยาว มักขึ้นอยู่กับความสามารถของเราในงานและปริมาณความรู้พื้นฐานที่เรามี เมื่อเราคุ้นเคยกับงานใดงานหนึ่งมากขึ้น เราจะพบว่าระยะเวลาในการเลือกคำตอบเมื่อปฏิบัติงานนี้สั้นลง เนื่องจากสมองของเราเก็บข้อมูลที่เกี่ยวข้องไว้ในความจำระยะยาวอยู่แล้ว และสามารถดึงข้อมูลและนำไปใช้ได้อย่างรวดเร็ว ในทางกลับกัน เมื่อเราเผชิญกับสิ่งใหม่ๆ ที่ไม่คุ้นเคย เราต้องใช้เวลาคิดนานขึ้นในการตัดสินใจ เนื่องจากเราต้องไตร่ตรองและเปรียบเทียบซ้ำๆ ในความจำระยะสั้น นอกจากนี้ยังส่งผลต่อความจำของเราด้วย เนื่องจากเราต้องจัดเก็บข้อมูลใหม่ไว้ในหน่วยความจำระยะสั้นแล้วแปลงเป็นหน่วยความจำระยะยาวซึ่งอาจใช้เวลานานและพลังงานมากขึ้น

ประการที่สอง เมื่อเราทำงานอย่างหนักเพื่อปรับปรุงความจำของเรา มันจะส่งผลทางอ้อมต่อระยะเวลาการเลือกคำตอบของเราด้วย เช่น เมื่อเรากระตือรือร้นเพิ่มพูนความรู้พื้นฐานและความสามารถด้านความจำโดยการอ่านหนังสือ เข้าคอร์ส และฝึกความจำ เราจะพบว่าเมื่อต้องเผชิญกับงานใหม่ๆ ระยะเวลาในการเลือกคำตอบจะสั้นลงเพราะเราสามารถดึงข้อมูลที่เกี่ยวข้องจาก หน่วยความจำระยะยาว สิ่งนี้ยังเสริมสร้างความมั่นใจของเราและปรับปรุงความสามารถในการควบคุมสภาวะทางปัญญาและอารมณ์ของเรา

โดยสรุปมีความสัมพันธ์ใกล้ชิดระหว่างช่วงการเลือกการตอบสนองและหน่วยความจำ แม้ว่าเราอาจใช้เวลานานกว่าในการตัดสินใจเมื่อต้องเผชิญกับสิ่งใหม่ๆ แต่การพัฒนาความจำของเราทำให้เราสามารถปรับปรุงประสิทธิภาพและความแม่นยำในการรับรู้ของเราได้ ทำให้เราตัดสินใจเลือกสิ่งที่ถูกต้องได้ง่ายขึ้น ดังนั้นเราจึงสนับสนุนให้ทุกคนเรียนรู้อย่างกระตือรือร้น อยากรู้อยากเห็น และสำรวจเพิ่มเติม ซึ่งจะช่วยปรับปรุงระยะเวลาและความจำในการเลือกคำตอบของเรา ทำให้เราเป็นเวอร์ชันที่ดีขึ้นของตัวเราเอง จะเห็นได้ว่าเราต้องปรับปรุงความจำ และ Cistanche Deserticola สามารถปรับปรุงความจำได้อย่างมีนัยสำคัญ เนื่องจาก Cistanche Deserticola มีฤทธิ์ต้านอนุมูลอิสระ ต้านการอักเสบ และต่อต้านวัย ซึ่งสามารถช่วยลดปฏิกิริยาออกซิเดชันและการอักเสบในสมอง จึงช่วยปกป้อง สุขภาพของระบบประสาท นอกจากนี้ Cistanche Deserticola ยังสามารถส่งเสริมการเจริญเติบโตและการซ่อมแซมเซลล์ประสาท ซึ่งจะช่วยปรับปรุงการเชื่อมต่อและการทำงานของโครงข่ายประสาทเทียม ผลกระทบเหล่านี้สามารถช่วยพัฒนาความจำ การเรียนรู้ และความเร็วในการคิด และยังอาจป้องกันการพัฒนาของความผิดปกติทางสติปัญญาและโรคเกี่ยวกับความเสื่อมของระบบประสาทอีกด้วย

คลิกรู้เพื่อปรับปรุงหน่วยความจำระยะสั้น

ตัวอย่างเช่น เงื่อนไข CF-G และ CL-G มีการตอบสนองที่ถูกต้องซึ่งประกอบด้วยสัญลักษณ์และตัวอักษรที่แสดงระหว่างการทดลอง นอกจากนี้ ตามที่ระบุไว้ก่อนหน้านี้ การทดลองระดับโลกบางรายการมีรายการเดียวกันทั้งในการตอบสนองเป้าหมายและฟอยล์เพื่อให้แน่ใจว่าผู้เข้าร่วมไม่สามารถมุ่งเน้นไปที่รายการเดียวมากกว่าทั้งสองรายการได้ การวิเคราะห์พฤติกรรม

เพื่อให้สอดคล้องกับการศึกษาก่อนหน้านี้ (Chatham & Badre, 2013; Chatham et al.,2014) เรามุ่งเน้นไปที่เวลาตอบสนอง (RT) เป็นหลักมากกว่าความแม่นยำ ความแม่นยำเป็นการวัดผลลัพธ์แบบไบนารี (ถูก/ผิด) ค่อนข้างไม่ไวต่อการเปลี่ยนแปลงประสิทธิภาพของงาน แม้ว่าความล้มเหลวในการบำรุงรักษาและการเกตติ้งที่แท้จริงอาจสะท้อนให้เห็นในการเปลี่ยนแปลงความแม่นยำ แต่ความไร้ประสิทธิภาพจะไม่เกิดขึ้น การตอบสนองก็จะช้าลงแทน

เพื่อตอบสมมติฐานที่ว่าโทลคาโปนควรลดจำนวนการทดลองที่ไม่มีประสิทธิภาพลงเป็นพิเศษ แม้ว่าสัดส่วนของการทดลองที่ถูกต้องในท้ายที่สุดยังคงไม่เปลี่ยนแปลง เราใช้การวัดที่ละเอียดอ่อนต่อการกระจายการตอบสนองในการทดลองต่างๆ และโดยเฉพาะอย่างยิ่งกับจำนวนการตอบสนองที่ไม่มีประสิทธิภาพ (RT ยาว) . Ofnote ในขณะที่ RT สะท้อนถึงการรวมกันของปัจจัย รวมถึงการประมวลผลด้วยภาพในระยะเริ่มต้นและการเตรียมมอเตอร์ ความต้องการในการประมวลผลด้วยภาพในช่วงแรกนั้นจะถูกจับคู่ทั่วทั้งงาน และงานก่อนหน้าของเราได้ยืนยันว่าโทลคาโปนไม่ได้เพิ่มความเร็วในการตอบสนองของมอเตอร์อย่างมีนัยสำคัญ (Furman etal., 2020; Kayser et al. ., 2012; เคย์เซอร์ และคณะ 2015)

ดังนั้น ความต้องการในการประมวลผลด้วยภาพและการเตรียมมอเตอร์ตั้งแต่เนิ่นๆ ไม่ควรแยกแยะเงื่อนไขของงานตามมาตรการที่เกี่ยวข้องกับ RT ข้อมูลพฤติกรรมทั้งหมดได้รับการประมวลผลล่วงหน้าก่อนการวิเคราะห์ เนื่องจากจุดสนใจหลักคือเวลาที่เกิดปฏิกิริยา ข้อมูลที่ส่งผลต่อการวัดค่า RT ที่เสถียรจึงถูกลบออก ตามที่ระบุไว้ก่อนหน้านี้ 3 ใน 11 วิชาที่ยกเว้นถูกคัดออกเนื่องจากไม่ตอบสนองด้วยความแม่นยำมากกว่าโอกาสในการทดลองทั้งหมด

สำหรับแต่ละวิชาจาก 49 วิชาที่เก็บไว้ การทดลอง 10 ครั้งแรกของแต่ละเซสชันจะถูกลบออกจากการวิเคราะห์ทั้งหมด นอกจากนี้ การทดลองที่ไม่ถูกต้องทั้งหมดและการทดลองใดๆ ที่มี RT มากกว่าค่าเบี่ยงเบนมาตรฐาน 5 ค่านอกค่าเฉลี่ย RT สำหรับวิชานั้นถูกแยกออกจากการวิเคราะห์ RT (Chatham & Badre, 2013; Chatham et al., 2014) เกณฑ์ค่าผิดปกตินี้ถูกเลือกเพื่อสร้างสมดุลระหว่างข้อกังวลสองประการ: ความปรารถนาที่จะหลีกเลี่ยงการเซ็นเซอร์ RT ที่ไม่มีประสิทธิภาพ แต่ยังมีเป้าหมายในการหลีกเลี่ยง RT ที่ยาวมากจนสับสนด้วยปัจจัยที่ไม่เกี่ยวข้องกับงาน (เช่น เนื่องจากความล้มเหลวในการเข้าร่วมหน้าจอคอมพิวเตอร์)

ในทุกวิชา มีเพียง 1 การทดลองเท่านั้นที่ถูกนำออกเนื่องจากอยู่นอกช่วง RT ที่ต้องการ แบบจำลองเอฟเฟกต์แบบผสมเชิงเส้นถูกนำมาใช้เพื่อจัดการกับการเปลี่ยนแปลงที่เกี่ยวข้องกับโทลคาโปนใน RT เฉลี่ย แบบจำลองนี้ถูกสร้างขึ้นเพิ่มเติมเพื่อทดสอบผลกระทบที่เกี่ยวข้องกับโทลคาโปนต่อการแจกแจง RT (ดูด้านล่าง) สำหรับแต่ละเงื่อนไขงาน (Chatham et al., 2014) เนื่องจากการวัดค่า RT เฉลี่ยไม่ได้แก้ไขการเปลี่ยนแปลงเล็กน้อยในการกระจายของ RT ทั่วทั้งการทดลอง . ตามแนวคิดแล้ว การเปลี่ยนแปลงในประสิทธิภาพของการบำรุงรักษาหรือการเกตอาจไม่สะท้อนให้เห็นในการทดลองที่กระบวนการเหล่านี้ได้รับการปรับให้เหมาะสมแล้ว

ตัวอย่างการทดลองกับ RT ที่เร็วมาก อาจสะท้อนถึงการบำรุงรักษาและกระบวนการ gating ที่แข็งแกร่ง ซึ่งการยักย้ายใด ๆ อาจมีผลประโยชน์ที่สังเกตได้เพียงเล็กน้อย ในทางตรงกันข้าม การทดลองที่มี RT ที่ช้ามากอาจสะท้อนถึงกระบวนการบำรุงรักษาและเกตติ้งที่ไม่มีประสิทธิภาพ ซึ่งอาจปรับปรุงด้วยยาได้ ในทำนองเดียวกัน iftolcapone ทำให้ประสิทธิภาพของ gating หรือการบำรุงรักษาแย่ลง ผลกระทบเหล่านี้อาจมองเห็นได้มากที่สุดที่จุดสิ้นสุดอย่างรวดเร็วของการกระจาย RT

ในการวัดผลกระทบดังกล่าว เราใช้แนวทางที่ใช้ก่อนหน้านี้กับงานนี้ (Chatham et al., 2014) เพื่อแบ่งข้อมูล RT สำหรับผู้เข้าร่วมแต่ละคนและกำหนดเงื่อนไขเป็น 10 เดซิล จัดเรียงตาม RT จากเร็วที่สุดไปช้าที่สุด และใช้ค่า RT ธีมต่อ decile เป็นตัวแปรตามในการวิเคราะห์ของเรา วิธีการนี้อนุญาตให้ประเมินการเปลี่ยนแปลงที่เกี่ยวข้องกับยาในความชันข้ามเดซิล ("ความชัน RT") เช่นเดียวกับการเปลี่ยนแปลงค่าเฉลี่ยใน RT

ในแบบจำลอง ปัจจัยรวมถึงยา (โทลคาโปนหรือยาหลอก; รหัสการรักษา), เงื่อนไขงาน (CF-S, CF-G, CL-S หรือ CL-G; รหัสผลรวม) และเดไซล์ (1-10; ลำดับ) ตลอดจนปฏิสัมพันธ์ทั้งหมด เพื่อพิจารณาถึงผลกระทบที่ไม่เป็นเชิงเส้นที่อาจเกิดขึ้นของโทลคาโปนต่อการแจกแจงแบบ RT จึงได้รวมชุดคำศัพท์โต้ตอบที่เปรียบเทียบกันได้สำหรับ decile2 ("decile squared") ในที่สุด การโต้ตอบกับลำดับเซสชันยา (ยามาก่อนหรือยาหลัง; รวมรหัส) ถูกรวมเป็นมาตรการควบคุม ในขั้นต้น โครงสร้างเอฟเฟกต์แบบสุ่มสูงสุดถูกสร้างขึ้นเพื่อลดข้อผิดพลาดประเภทที่ 1 ให้เหลือน้อยที่สุด (Barr, Levy, Scheepers, & Tily, 2013)

ผลกระทบแบบสุ่มรวมถึงการสกัดกั้นของวัตถุ เช่นเดียวกับความชันของยา เงื่อนไขของงาน และเดซิล/เดไซล์2 และปฏิสัมพันธ์ของพวกมัน และความสัมพันธ์ระหว่างความชันแบบสุ่มและการสกัดกั้นของวัตถุ โมเดลนี้ล้มเหลวในการบรรจบกัน ดังนั้นตามระเบียบการที่ระบุไว้ใน (Bates, Kliegl, Vasishth, & Baayen, 2015) จึงได้ลบความสัมพันธ์ระหว่างความลาดชันแบบสุ่มและจุดตัดกัน การทดสอบ F ถูกคำนวณเพื่อผลลัพธ์คงที่โดยใช้วิธี Satterthwaite เพื่อประมาณระดับความเป็นอิสระ การวิเคราะห์ดำเนินการโดยใช้ไลบรารี "lme4" (Bates et al., 2015) และ "afex" (Singmann et al., 2018) ใน R (R Core Team, 2017)

การประมาณค่าค่าเฉลี่ยและแนวโน้มส่วนเพิ่ม รวมถึงการทดสอบ z ที่ติดตามผลได้ดำเนินการโดยใช้แพ็คเกจ "ค่าเฉลี่ย" (Lenth, 2018) เพื่อความสมบูรณ์ จึงได้มีการวิเคราะห์ความแม่นยำในการทดลองด้วย

แบบจำลองเอฟเฟกต์แบบผสมทั่วไปแบบทวินามประกอบด้วยยาที่มีปัจจัยคงที่ สภาวะของงาน และอันตรกิริยาของพวกมัน หลังจากปล่อยเงื่อนไขเพื่อให้เกิดการบรรจบกันและหลีกเลี่ยงการพอดี โครงสร้างเอฟเฟกต์แบบสุ่มขั้นสุดท้ายจะรวมการสกัดกั้นแบบสุ่มสำหรับผู้รับการทดลองและความลาดเอียงแบบสุ่มของยาภายในผู้รับการทดลอง การทดสอบอัตราส่วนความน่าจะเป็นถูกนำมาใช้เพื่อกำหนดความสำคัญของเงื่อนไขผลกระทบคงที่

พารามิเตอร์ MRI การสแกนด้วย MRI ดำเนินการด้วยเครื่องสแกน Siemens MAGNETOM Trio 3T MR ที่ Henry H. Wheeler, Jr. Brain Imaging Center ที่มหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์

ภาพกายวิภาคประกอบด้วย 160 ชิ้นที่ได้มาจากการใช้โปรโตคอล MP-RAGE แบบถ่วงน้ำหนัก T1- (TR= 2300 ms, TE=2.98 ms, FOV=256 มม., ขนาดเมทริกซ์=256 x 256, ขนาดว็อกเซล=1 mm3) ได้รับภาพการทำงานในสถานะพักในขณะที่ผู้ถูกทดสอบนอนเงียบๆ โดยลืมตา และประกอบด้วย 35 ชิ้นที่ได้มาพร้อมกับโปรโตคอลการถ่ายภาพ echoplanar แบบไล่ระดับสี (TR=1900 ms, TE =24 ms, FOV=225 มม., ขนาดเมทริกซ์=96 x 96, ขนาดว็อกเซล=3.0 มม. x 3.0 มม. x 3.5 มม.). การประมวลผลล่วงหน้าของ fMRI การประมวลผลล่วงหน้า fMRI ดำเนินการโดยใช้ทั้งแพ็คเกจซอฟต์แวร์ AFNI (//afni.nimh.nih.gov) และ FSL (//www.fmrib.ox.ac.uk/fsl/) รูปภาพการทำงานในสถานะพักถูกแปลงเป็นรูปแบบ 4D NIfTI และแก้ไขสำหรับการแบ่งเวลาออฟเซ็ต
การแก้ไขการเคลื่อนไหวดำเนินการโดยใช้โปรแกรม AFNI 3dvolreg โดยตั้งค่าระดับเสียงอ้างอิงเป็นภาพเฉลี่ย การลงทะเบียนร่วมกับการสแกนทางกายวิภาคดำเนินการโดยใช้โปรแกรม AFNI 3dAllineate และภาพกายวิภาคได้รับการปรับให้เป็นปริมาตรมาตรฐาน (MNI_N27) โดยใช้โปรแกรม FSL ก่อน พารามิเตอร์การทำให้เป็นมาตรฐานเดียวกันนี้จะถูกนำไปใช้กับแผนที่ทางสถิติเนทีฟสเปซในภายหลังเพื่อสร้างแผนที่ทางสถิติแบบกลุ่ม

การวิเคราะห์การเชื่อมต่อสถานะการพัก ข้อมูลสถานะพักถูกปรับให้เรียบด้วยเคอร์เนล FWHMGaussian ขนาด 5 มม. ก่อนที่จะกรอง bandpass ชั่วคราวระหว่าง 0.009 Hz และ 0.08 Hz เพื่อลดอิทธิพลของสิ่งรบกวนเกี่ยวกับหัวใจและระบบทางเดินหายใจ (Fox et al., 2005) พารามิเตอร์การเคลื่อนไหวและสสารสีขาวและอนุกรมเวลาของกระเป๋าหน้าท้อง แต่ไม่ใช่สัญญาณเฉลี่ยโดยรวม ถูกรวมไว้เป็นตัวการถดถอยที่ไม่สนใจในระหว่างการประมวลผลล่วงหน้า โดยไม่ขึ้นอยู่กับการวิเคราะห์การเชื่อมต่อที่ตามมา จากนั้นจึงเลือกภูมิภาคที่น่าสนใจ (ROI) ภายในเยื่อหุ้มสมองส่วนหน้าส่วนหน้าด้านข้าง โดยพิจารณาจาก (ก) กิจกรรมที่เพิ่มขึ้นและบทบาทสำคัญในงานนี้และงานที่เกี่ยวข้อง (Badre, Kayser, &D'Esposito, 2010; Chatham et al., 2014) และ (b) สมมติฐานที่ว่าบริเวณโทลคาโปนเหล่านี้ โดยเฉพาะอย่างยิ่งบริเวณที่อยู่ใกล้กับการตอบสนองของมอเตอร์มากกว่า จะแสดงให้เห็นถึงการเชื่อมต่อที่เพิ่มขึ้นกับพื้นที่การมองเห็นในเยื่อหุ้มสมองส่วนหลัง

โดยเฉพาะอย่างยิ่ง บริเวณเหล่านี้ตั้งอยู่ในคอร์เทกซ์พรีมอเตอร์ด้านหลังซ้ายและขวา (PMd พร้อม MNI พิกัด ±30, -12, 66) และคอร์เทกซ์พรีมอเตอร์คอร์เทกซ์ซ้ายและขวา (pPMd พร้อม MNI พิกัด ±36, 8, 34) (Badre และคณะ, 2010; Chatham และคณะ, 2014)

ROI แต่ละรายการถูกกำหนดโดยชุดพิกัด MNI ซึ่งสร้างศูนย์กลางของทรงกลมที่มีรัศมี 8 มม. หลักสูตรเวลาที่กำหนดโดยการหาค่าเฉลี่ยของ voxels ในแต่ละภูมิภาคเหล่านี้มีความสัมพันธ์แยกกันกับ voxels อื่น ๆ ทั้งหมดในสมอง และค่าสัมประสิทธิ์สหสัมพันธ์ถูกแปลงฟิชเชอร์เพื่อให้สามารถประยุกต์การทดสอบทางสถิติแบบพาราเมตริกได้

แผนที่สมองส่วนบุคคลที่ได้นั้นถูกทำให้เป็นมาตรฐานตามเทมเพลต MNI ก่อนที่จะใช้สถิติกลุ่ม เพื่อตรวจสอบความสัมพันธ์ระหว่างผลกระทบของยาต่อประสิทธิภาพพฤติกรรมและการเปลี่ยนแปลงที่เกี่ยวข้องกับยาในการเชื่อมต่อเชิงฟังก์ชัน ขั้นแรกเราได้คำนวณความแตกต่างระหว่างแผนที่การเชื่อมต่อของยาหลอกและโทลคาโปนสำหรับผู้เข้าร่วมแต่ละรายและภูมิภาคของเมล็ดพันธุ์ จากนั้นจึงคำนวณความสัมพันธ์ระหว่างแผนที่ความแตกต่างเหล่านี้และตัวแปรเอฟเฟกต์แบบสุ่มที่สอดคล้องกับหัวเรื่อง - ผลของยาเดไซล์ที่ชาญฉลาด ("ความชัน RT โดยรวม") และยา x เดไซล์ x CF-G ×เอฟเฟกต์ (คำนวณเป็นผลเสริมของ "ยาเดไซล์" และ "ยาเดไซล์ x CF-G"; × ×ต่อไปนี้จะเรียกว่า " ความชัน RT สำหรับเงื่อนไข CF-G") โดยประมาณในแบบจำลองพฤติกรรมของเรา (ดูการวิเคราะห์พฤติกรรม)

นัยสำคัญตามแผนที่ (p < 0.001 แก้ไขสำหรับการเปรียบเทียบหลายรายการ) ถูกกำหนดโดยการใช้การแก้ไขขนาดคลัสเตอร์ (20 voxels) ที่ได้มาจากโปรแกรม AFNI 3dFWHMx และ 3dClustSim กับข้อมูลเริ่มต้นที่ขีดจำกัดที่ ค่า p < 0.0001 ไม่ได้รับการแก้ไข

ผลลัพธ์: ผู้เข้าร่วม 49 รายเสร็จสิ้นภารกิจการจำการทำงานแบบลำดับชั้น โดยที่พวกเขาต้องการใช้บริบทที่ระบุด้วยตัวเลข เพื่อจำสัญลักษณ์และ/หรือตัวอักษรตลอดระยะเวลาของการทดลอง (รูปที่ 1A-E) เพื่อให้สอดคล้องกับงานก่อนหน้า (Chatham et al., 2014) มีการประเมินเงื่อนไขงานสี่ประการ: บริบทมาก่อน คัดเลือก (CF-S); บริบทต้องมาก่อน ทั่วโลก (CF-G); บริบทสุดท้ายแบบเลือกสรร (CL-S); และบริบทสุดท้าย สากล (CL-G)

โดยเฉพาะอย่างยิ่ง แต่ละเงื่อนไขเหล่านี้วางความต้องการเชิงกลยุทธ์ที่แตกต่างกันในการป้อนข้อมูลเกต เกตเอาท์พุต และการบำรุงรักษา (วิธีการ และรูปที่ 1F) สำหรับเงื่อนไขเหล่านี้ เราประเมินทั้งค่าเฉลี่ย RT และการเปลี่ยนแปลงในการกระจายของ RT ในสิบเดซิลลำดับสำหรับแต่ละเงื่อนไขงาน (Chatham et al., 2014) ค่า "ความชัน RT" นี้สะท้อนการกระจายของเวลาตอบสนองสำหรับแต่ละเงื่อนไขได้ดีกว่า โดยเฉพาะอย่างยิ่ง โดยแยกความแตกต่างจาก RT เฉลี่ยหรือความแม่นยำ โดยเน้นถึงความเป็นไปได้ที่การเพิ่มโทนโดปามีนในคอร์ติคอลอาจไม่ปรับปรุงการบำรุงรักษาในการทดลองทั้งหมด แต่อาจปรับปรุงการบำรุงรักษาที่ไม่มีประสิทธิภาพเป็นพิเศษ หรือขัดขวางการบำรุงรักษาที่มีประสิทธิภาพในประเภทย่อยของการทดลอง (ดูวิธีการ)

แม้ว่าความแม่นยำจะแตกต่างกันไปตามเงื่อนไขของงาน (2(3)=174.23, p<0.0001), there was no significant effect of drug (  2 (1)=0.03, p=0.87), nor interaction of drug and condition (  2 (3)=1.83, p=0.61), on task accuracy (see Table 1). Our analysis of RT revealed a significant main effect of task condition on RT (F[3,114.79]=420.87, p < 0.0001), consistent with previous work using this paradigm (Chatham et al., 2014). Interactions of condition x decile (F[3,80.1]=26.19, p < 0.0001) and of condition x decile 2 (F[3,57.87]=17.07, p < 0.0001), and the hypothesized 3-way interactions of condition x decile x drug (F[3,59.65]=3.50, p = 0.02), and of condition x decile 2 x drug (F[3,83.22]=3.05, p = 0.03) were also identified (see Table 1). 

สิ่งที่น่าสังเกตคือ {{0}}ปฏิกิริยาระหว่างทางเหล่านี้ยังคงอยู่แม้จะมี 4-ปฏิสัมพันธ์ทางของสภาวะ x เดไซล์ x ยา x ลำดับเซสชัน (F[3,59.65]=2.96, p{ {7}}.04; คำว่า "เงื่อนไข x เดซิล2 x ยา x ลำดับเซสชัน" ไม่มีนัยสำคัญ F[3,83.22]=1.59, p=0.2 ). ไม่มีผลกระทบอย่างง่ายของยาต่อ RT(F[1,49.68]=0.03, p=0.86) และอันตรกิริยาของยา x เดไซล์ (F[1, 47.36]=0.34, p=0.56), ยา x เดไซล์2 (F[1,63.41]=1.36, p=0.25) และยา x สภาพ (F[3,76.84]=0.76, p=0.52) ไม่มีนัยสำคัญทั้งหมด ตามที่คาดไว้ ผลอย่างง่ายของเดไซล์ (F[1,58.43]=1078.76, p < 0.0001) และเดไซล์2 (F[1,44.22]=485.78, p < 0.0001) มีนัยสำคัญ แต่ผลกระทบเหล่านี้เป็นผลโดยตรงของการออกแบบการวิเคราะห์และไม่ได้สำรวจเพิ่มเติม

ค่าเฉลี่ยส่วนเพิ่มโดยประมาณสำหรับสภาวะ และแนวโน้มเฉพาะสภาวะระหว่างเดไซล์และเดไซล์2 สำหรับทั้งยาหลอกและโทลคาโปนแสดงไว้ในตารางที่ 1 การทดสอบ z ที่ติดตามผลระบุว่า 3- วิธีโต้ตอบที่น่าสนใจ (ยา x เงื่อนไข x decile) ถูกขับเคลื่อน อย่างน้อยก็ในบางส่วนโดยผลกระทบอย่างมีนัยสำคัญของโทลคาโปน (เทียบกับยาหลอก) ต่อความชัน RT สำหรับการทดลอง CF-G (การประมาณแนวโน้ม=-6.2, SE= 2.7, z { {11}}.3, p=0.02)

ผลกระทบต่อความชัน RT นี้เห็นได้ชัดในเงื่อนไข CF-G ในข้อมูลดิบ (รูปที่ 2B) และสอดคล้องกับสมมติฐานของเราที่ว่าผลของโทลคาโปนควรจะชัดเจนที่สุดเมื่อความต้องการในการบำรุงรักษาสูงและความต้องการเกต (เอาต์พุต) ต่ำ (รูปที่ 1F ).

นอกจากนี้ เนื่องจากการตอบสนองทางพฤติกรรมที่ได้รับการปรับปรุงควรมี RT ที่สั้นกว่า การลดลงของความชัน RT นี้สอดคล้องกับสมมติฐานที่ว่าโทลคาโปนควรปรับปรุงประสิทธิภาพของกระบวนการบำรุงรักษา โดยที่สัดส่วนของการทดลองที่มี RT ที่ยาวกว่าควรลดลง

For more information:1950477648nn@gmail.com