ส่วนที่ 1: การลดลงที่เกี่ยวข้องกับอายุในเสียงการยับยั้งเยื่อหุ้มสมองช่วยเสริมความจำของมอเตอร์

ติดต่อ: Audrey Hu Whatsapp/hp: 0086 13880143964 อีเมล:audrey.hu@wecistanche.com

Pierre Petiteta,b,1,∗, Gershon Spitza,c,1, Uzay E. Emird,e, Heidi Johansen-Berga, Jacinta O'Sheaa,f

Wellcome Center for Integrative Neuroimaging, FMRIB Centre, Nuffield Department of Clinical Neurosciences (NDCN), John Radcliffe Hospital, Headington, Oxford, สหราชอาณาจักร

b Center de Recherche en Neurosciences de Lyon, Equipe Trajectoires, Inserm UMR-S 1028, CNRS UMR 5292, Université Lyon 1, Bron, ฝรั่งเศส

ค Turner Institute for Brain and Mental Health, Monash University, Melbourne, Australia

d School of Health Sciences, Purdue University, West Lafayette, Indiana, USA

e Weldon School of Biomedical Engineering, Purdue University, West Lafayette, Indiana, USA

f Wellcome Center for Integrative Neuroimaging, Oxford Center for Human Brain Activity (OHBA), University of Oxford Department of Psychiatry, โรงพยาบาล Warneford, Warneford Lane, Oxford, สหราชอาณาจักร

a b s t r a c t:

การแก่ชราจะขัดขวางความสมดุลของการกระตุ้น/การยับยั้ง (E:I) ที่ปรับแต่งอย่างละเอียดทั่วทั้งคอร์เทกซ์ผ่านการลดลงตามธรรมชาติของโทนเสียงที่ยับยั้ง (-aminobutyric acid, GABA) ทำให้การทำงานลดลง อย่างไรก็ตาม ในผู้ใหญ่วัยหนุ่มสาว การทดลองลด GABA ในคอร์เทกซ์ประสาทสัมผัสจะช่วยเพิ่มโดเมนเฉพาะของฟังก์ชันเซ็นเซอร์: การปรับตัวหน่วยความจำ. ในที่นี้ เราทดสอบสมมติฐานที่ว่าเมื่อ GABA เยื่อหุ้มสมองอักเสบจากเยื่อหุ้มสมองลดลงตามธรรมชาติตามอายุ การปรับตัวหน่วยความจำจะเพิ่มขึ้นและอดีตจะอธิบายอย่างหลัง ผลลัพธ์ยืนยันการคาดการณ์นี้ เพื่อพิสูจน์ความเป็นเวรกรรม เราใช้การกระตุ้นสมองเพื่อลดระดับ GABA ของเยื่อหุ้มสมองจากเซ็นเซอร์โมเตอร์ในระหว่างการปรับตัว ในแต่ละบุคคล การกระตุ้นเปลี่ยนหน่วยความจำขึ้นอยู่กับ sensorimotor cortical E:I อย่างไร ในผู้ที่มี E:I ต่ำ การกระตุ้นเพิ่มขึ้นหน่วยความจำ; ในผู้ที่มีการกระตุ้น E:I สูงลดลงหน่วยความจำ. ดังนั้น เราจึงระบุรูปแบบของหน่วยความจำยนต์ที่เสริมสร้างตามธรรมชาติตามอายุ ขึ้นอยู่กับสาเหตุจากประสาทเคมีในเยื่อหุ้มสมองจากเซนเซอร์ และอาจเป็นเป้าหมายที่มีศักยภาพสำหรับกลยุทธ์การรักษาทักษะยนต์ในการสูงวัยอย่างมีสุขภาพดีและการฟื้นฟูระบบประสาท

Cistanche ช่วยเพิ่มความจำ

1. บทนำ

ความสามารถของมอเตอร์ลดลงตามอายุ (Hunter et al., 2016; Krampe, 2002) เมื่อสมองและร่างกายมีอายุมากขึ้น การเคลื่อนไหวจะสูญเสียความเร็ว (Bedard et al., 2002; Jiménez-Jiménez et al., 2011) ความแข็งแกร่ง (Frontera et al., 2000) และการประสานงาน (Serrien et al., 2000) การสูญเสียการทำงานตามธรรมชาตินี้เกิดขึ้นจากความผิดปกติของมอเตอร์ที่เพิ่มขึ้นอย่างรวดเร็วตามอายุ (เช่น โรคหลอดเลือดสมอง sarcopenia โรคพาร์กินสัน) เมื่อประชากรสูงอายุเพิ่มขึ้น (Leeson, 2018) จำเป็นต้องมีกลยุทธ์ในการรับมือและชดเชยการเสื่อมถอยของการเคลื่อนไหวตามอายุ

ในช่วงอายุมากขึ้น ระบบมอเตอร์ต้องปรับตัวอย่างต่อเนื่องกับการเปลี่ยนแปลงของระบบประสาทและกล้ามเนื้ออย่างต่อเนื่อง ความยืดหยุ่นของสมองทำให้เกิดสิ่งนี้ ความเป็นพลาสติกเป็นสิ่งสำคัญในการเรียนรู้ทักษะการเคลื่อนไหวใหม่ๆ ปรับตัวและรักษาทักษะเดิมที่มีอยู่ และเพื่อฟื้นฟูการทำงานที่บกพร่องจากโรค (Dayan and Cohen, 2011; Sampaio-Baptista et al., 2018) ดังนั้นความเป็นพลาสติกจึงมีบทบาทสำคัญในการบรรเทาความเสื่อมของอวัยวะตามอายุ (McNeil and Rice, 2018; Rozycka and Liguz-Lecznar, 2017)

น่าเสียดายที่ความเป็นพลาสติกก็ลดลงตามอายุ (Burke and Barnes, 2006) โดยเฉพาะอย่างยิ่งในโดเมนยานยนต์ (Bhandari et al., 2016; Freitas et al., 2013; Rogasch et al., 2009) สาเหตุหลักคือความไม่สมดุลของความสมดุลระหว่างการกระตุ้นและการยับยั้งของเยื่อหุ้มสมอง (E:I) (Rozycka และ Liguz-Lecznar, 2017) ข้ามคอร์เทกซ์ E:I ถูกรบกวนเนื่องจาก -aminobutyric acid (GABA) ซึ่งเป็นสารสื่อประสาทที่ยับยั้งการออกฤทธิ์หลัก มีรายงานว่าลดลงตามอายุ 2018) ความสามารถในการระงับการตอบสนองอัตโนมัติบกพร่อง (Hermans et al., 2018a) และช้าลง การเรียนรู้ลำดับมอเตอร์ (King et al., 2020)

ในทางตรงกันข้าม ในที่นี้ เราได้ทดสอบสมมติฐานที่ว่า เมื่อ M1 GABA ลดลงตามอายุ รูปแบบเฉพาะของการทำงานของมอเตอร์รยางค์บน – การปรับตัวหน่วยความจำ- จะเพิ่มขึ้น ตลอดอายุขัย การปรับตัวคือคุณสมบัติของระบบเซ็นเซอร์ที่ช่วยให้บุคคลสามารถรับมือกับการรบกวนโดยการปรับการเคลื่อนไหวของพวกเขา และรักษาประสิทธิภาพของมอเตอร์ให้ประสบความสำเร็จ (Franklin and Wolpert, 2011; Wolpert et al., 2011) หลังจากรูปแบบการเรียนรู้นี้เกิดขึ้นและขจัดความยุ่งยากออกไปแล้ว การปรับตัวหน่วยความจำแสดงเป็น After-effect (AE) – ความเอนเอียงของการเคลื่อนไหวในทิศทางตรงข้ามกับการก่อกวน ความแข็งแกร่งของการปรับตัวหน่วยความจำได้รับการจัดทำดัชนีโดยความคงอยู่ในช่วงเวลาของ AE นี้ มีหลักฐานมากมายที่แสดงว่าผู้สูงอายุมักจะแสดงข้อบกพร่องในระหว่างการสัมผัสกับการรบกวนของเซ็นเซอร์ (เช่น การลดข้อผิดพลาดช้าลง; Anguera et al., 2011; Bock, 2005; Buch et al., 2003; Fernández-Ruiz et al., 2000; Huang and Ahmed, 2014; Panouillères et al., 2015; Vandevoorde and Orban de Xivry, 2019) หลังจากการขจัดสิ่งรบกวนที่ AE ได้รับการเก็บรักษาไว้ (Bock, 2005; Buch et al., 2003; Hegele and Heuer, 2008 ; Panouillères et al., 2015; Roller et al., 2002; Vandevoorde and Orban de Xivry, 2019) หรือเพิ่มขึ้นด้วยซ้ำ (Fernández- Ruiz et al., 2000; Nemanich and Earhart, 2015; Wolpe et al., 2020) เปรียบเทียบ ถึงผู้ใหญ่ที่อายุน้อยกว่า (ดู: Malone and Bastian, 2016) จากและข้อห้ามด้านความปลอดภัยสำหรับการวัด MRS และ tDCS การตรวจคัดกรองดำเนินการโดยหนึ่งในผู้ทดลอง และประวัติการรักษาของผู้เข้าร่วมจะถูกกำหนดโดยการรายงานตนเอง ผู้เข้าร่วมทุกคนได้รับความยินยอมเป็นลายลักษณ์อักษร การศึกษาได้รับการอนุมัติโดยคณะกรรมการจริยธรรมการวิจัย NHS ของสหราชอาณาจักร (Oxford A; REC หมายเลขอ้างอิง: 13/SC/0163) ในการทดลองที่ 1 ผู้เข้าร่วมทั้งหมด (=32) ดำเนินการปรับปริซึม (PA) และทดสอบระยะเวลาสั้น (10-นาที) และระยะยาว (24-ชั่วโมง) ตัวอย่างย่อยได้รับการสแกน MRS เพื่อวัด neurochemistry ในสมองส่วนซีกซ้าย (= 22) และในปริมาตรควบคุมทางกายวิภาคในเปลือกนอกท้ายทอย (=20; รูปที่ S2) ตัวอย่างย่อยที่ยินยอมให้เข้าร่วมในการทดลองที่ 2 (= 25) ซึ่งประกอบด้วยเซสชัน PA สองช่วงต่อสัปดาห์รวมกับ anodal/sham tDCS ถึง M1 รายละเอียดทั้งหมดของการวัดที่ได้รับสำหรับแต่ละบุคคลอยู่ในตาราง S1

ในการทดลองที่ 1 ขนาดตัวอย่าง (=32) ถูกกำหนดโดยอิงจากการดำเนินการวิเคราะห์กำลังใน G∗Power (Faul et al., 2007) (เวอร์ชัน 3.1.9.2) ซึ่งเกิดขึ้นจากการสอบสวนก่อนหน้านี้ของสมาคม ระหว่างพฤติกรรมและการเปลี่ยนแปลง GABA ที่เกี่ยวข้องกับอายุภายในโดเมนยนต์ (Heise et al., 2013; Hermans et al., 2018a) ขนาดผลโดยเฉลี่ยในการศึกษาเหล่านี้คือ ||=0.52. ในการตรวจจับขนาดของขนาดนี้ ต้องใช้ตัวอย่างขั้นต่ำ=19 ที่มีความน่าจะเป็นของข้อผิดพลาด Type I=0.05 และกำลัง (1 − )=0.80 (ขึ้นอยู่กับ การวิเคราะห์สหสัมพันธ์แบบด้านเดียว) มุมมองทางประสาทเคมี งานก่อนหน้านี้แสดงให้เห็นว่าการลดระดับการยับยั้ง M1 ระหว่างการปรับตัวผ่านการกระตุ้นสมองไม่มีผลต่ออัตราการปรับตัว แต่เพิ่มความคงอยู่ของ AE ในคนหนุ่มสาว (Galea et al., 2010; O'Shea et al. , 2017). ในที่นี้ เราให้เหตุผลว่าหากการคงอยู่ของ AE ขึ้นอยู่กับโทนเสียงที่ยับยั้ง M1 อย่างเป็นเหตุ รูปแบบของ . นี้หน่วยความจำอาจเพิ่มขึ้นตามธรรมชาติตามอายุเนื่องจากการลดลง M1 GABA ที่เกี่ยวข้องกับอายุ

สมมติฐานนี้ได้รับการยืนยันในการศึกษาแบบภาคตัดขวางของผู้สูงอายุที่มีสุขภาพดี 32 คน (อายุเฉลี่ย: 67.46 ปี, sd: 8.07) การใช้สเปกโทรสโกปีเรโซแนนซ์แม่เหล็ก (MRS) เพื่อหาปริมาณทางประสาทเคมี เราพบว่า M1 GABA ลดลงตามอายุ การใช้การปรับปริซึม (PA; von Helmholtz, 1867) เราพบว่าการคงอยู่เพิ่มขึ้นตามอายุ อา

การวิเคราะห์การไกล่เกลี่ยได้ยืนยันในเวลาต่อมาว่าเมื่อ GABA ลดลงตามอายุ การปรับตัวหน่วยความจำเพิ่มขึ้นและอดีตอธิบายอย่างหลัง เพื่อแสดงความเป็นเวรกรรม เราได้ทำการทดลองด้วยการกระตุ้นกระแสไฟตรงผ่านกะโหลก anodal anodal (a-tDCS) – เพื่อพยายามและลดระดับ M1 GABA (Antonenko et al., 2017; Kim et al., 2014; Stagg et al., 2009) และ จึงเพิ่มการปรับตัวต่อไปหน่วยความจำ. โดยเฉลี่ยแล้ว การกระตุ้นไม่เพิ่มขึ้นหน่วยความจำในกลุ่มอายุนี้ แต่การวิเคราะห์อย่างพอประมาณพบว่าการกระตุ้นเปลี่ยนแปลงไปอย่างไรหน่วยความจำขึ้นอยู่กับเยื่อหุ้มสมอง E:I ของแต่ละบุคคล การกระตุ้นเพิ่มความคงตัวในบุคคลที่มี E:I ต่ำ แต่ลดการคงอยู่ของบุคคลที่มี E:I สูง

โดยสรุป เราได้ระบุโดเมนเฉพาะของความยืดหยุ่นในการทำงานของมอเตอร์ซึ่งดีขึ้นตามอายุ ซึ่งเป็นผลมาจากการที่การยับยั้งการหดตัวของเยื่อหุ้มสมองสั่งการโดยธรรมชาติ การทำงานของหน่วยความจำนี้สามารถปรับปรุงเพิ่มเติมได้โดยการกระตุ้นระบบประสาท แต่เฉพาะในบุคคลที่ได้รับผลกระทบน้อยที่สุดโดยการควบคุมความผิดปกติของมอเตอร์คอร์เทกซ์ E:I ที่เกี่ยวข้องกับอายุน้อยที่สุด การค้นพบนี้ท้าทายมุมมองที่แพร่หลายของการสูงวัยว่าการทำงานลดลงอย่างหลีกเลี่ยงไม่ได้ ในขณะที่การเรียนรู้ทักษะยนต์ใหม่อาจลดลง ความสามารถในการคงไว้ซึ่งการปรับตัวของทักษะที่มีอยู่จะดีขึ้นตามธรรมชาติตามอายุ การปรับตัวนั้นหน่วยความจำได้รับการปรับปรุงอย่างเป็นธรรมชาติตามอายุบ่งชี้ว่าอาจมีศักยภาพที่ยังไม่ได้ใช้เป็นเป้าหมายสำหรับกลยุทธ์การฝึกอบรมที่มุ่งรักษา ปรับปรุง หรือฟื้นฟูการทำงานของมอเตอร์ในวัยที่มีสุขภาพดีหรือตามอายุทางพยาธิวิทยา (เช่น การบำบัดด้วยปริซึมสำหรับการฟื้นฟูสมรรถภาพการละเลยการมองเห็น; O'Shea et al., 2017; Rossetti et al., 1998).

2. วัสดุและวิธีการ

2.1. ผู้เข้าร่วม

ชายมือขวา 32 คนอายุระหว่าง 49 ถึง 81 ปี (อายุเฉลี่ย: 67.5 ปี, sd: 8.1) เข้าร่วมในการศึกษานี้ ทั้งหมดได้รับการคัดเลือกเพื่อตัดทอนประวัติส่วนตัวหรือประวัติครอบครัวของขนาดตัวอย่างโรคทางระบบประสาทหรือทางจิตเวช (=32 สำหรับการวิเคราะห์พฤติกรรม;=20 สำหรับการวิเคราะห์ทางประสาทเคมี) ดังนั้นจึงมีอำนาจเพียงพอ ในการทดลองที่ 2 ขนาดกลุ่มตัวอย่างถูกกำหนดโดยอาศัยการวิเคราะห์กำลังที่เปรียบเทียบกันได้ซึ่งได้รับแจ้งจากขนาดของการกระตุ้นที่รายงานในงานก่อนหน้าของเรา (O'Shea et al., 2017) ในการศึกษานั้น M1 a-tDCS ที่เหลือได้เพิ่มการคงอยู่ในระยะยาวสูงสุดสี่วันหลังจากการปรับตัว โดยมีขนาดที่เหมาะสมคือ=0.73 ขนาดตัวอย่างขั้นต่ำที่จำเป็นในการตรวจจับ effect ของ=0.73 ที่มีความน่าจะเป็นของข้อผิดพลาด Type I=0.05 และกำลัง (1 − )=0.80 คือ {{24 }} (ขึ้นอยู่กับความแตกต่างด้านเดียวของสองวิธีขึ้นอยู่กับ) เพื่อให้สามารถออกกลางคันได้ จึงมีการคัดเลือกผู้เข้าร่วม 26 คน ผู้เข้าร่วมรายหนึ่งสูญเสียการติดตามผลการรักษา ดังนั้นจึงไม่รวมอยู่ในตัวอย่างสุดท้ายของ=25

2.2. โปรโตคอลการปรับปริซึม

ในการทดลองทั้งสองแบบ PA ถูกดำเนินการโดยใช้อุปกรณ์อัตโนมัติที่สร้างขึ้นตามวัตถุประสงค์ (รูปที่ S1a) ผู้เข้าร่วมนั่งโดยให้ศีรษะชิดกับพนักพิง มองจอสัมผัสแนวนอน 32-นิ้วผ่านชัตเตอร์ Liquid Crystal Display (LCD) (ฟิล์มกระจายแสง เทคโนโลยีคริสตัลเหลว โอไฮโอ สหรัฐอเมริกา) หน้าจอสัมผัสใช้เพื่อนำเสนอเป้าหมายที่มองเห็นได้และบันทึกจุดสิ้นสุดการเข้าถึง และใช้ชัตเตอร์ LCD เพื่อควบคุมการตอบสนองด้วยภาพของหน้าจอและแขนขา ติดกระดุมที่เสาของที่พักคางและทำหน้าที่เป็นตำแหน่งเริ่มต้นสำหรับการเคลื่อนไหวที่ชี้ทั้งหมด ผู้เข้าร่วมได้รับคำสั่งให้กดปุ่มตลอดเวลา และปล่อยเมื่อเริ่มต้นการเคลื่อนไหวเอื้อมไปยังเป้าหมายเท่านั้น ในการทดลองถ่ายแบบ After-effect (AE) เท่านั้น การกดปุ่มจะทำให้ชัตเตอร์ LCD กลายเป็นทึบแสง ดังนั้นจึงบดบังการสะท้อนกลับของความแม่นยำของจุดสิ้นสุด นอกจากนี้ ชัตเตอร์คงที่ยังป้องกันไม่ให้ผู้เข้าร่วมมองเห็นแขนขาที่ตำแหน่งเริ่มต้นและในช่วงที่สามของวิถีการเอื้อมถึง ผู้เข้าร่วมได้รับคำสั่งไม่ให้เลื่อนนิ้วผ่านพื้นผิวของหน้าจอสัมผัส แต่ให้สัมผัสหน้าจอเฉพาะเมื่อสิ้นสุดการเคลื่อนไหวที่เอื้อมมือเท่านั้น ข้อผิดพลาดในการชี้คำนวณจากมุมที่เกิดขึ้นระหว่างเส้นตรงที่เชื่อมตำแหน่งเริ่มต้นกับเป้าหมาย และเส้นตรงที่เชื่อมกับตำแหน่งเริ่มต้นและตำแหน่งลงจอดที่บันทึกไว้ ตามแบบแผน ข้อผิดพลาดในทิศทางของการเลื่อนปริซึม (ไปทางขวา/ตามเข็มนาฬิกา) ถูกเข้ารหัสเป็นค่าบวก ในขณะที่ข้อผิดพลาดในทิศทางตรงกันข้าม (ซ้าย/ทวนเข็มนาฬิกา) ถูกเข้ารหัสเป็นค่าลบ งานได้รับการตั้งโปรแกรมใน MATLAB เวอร์ชัน 2014b (MathWorks; https://uk.mathworks.com) โดยใช้ Psychtool-box (Kleiner et al., 2007) เวอร์ชัน 3 ที่ทำงานบนแล็ปท็อป MacBook Pro ในการทดลองแต่ละครั้ง การบันทึกเสียงจะแนะนำให้ผู้เข้าร่วมเอื้อมมือและชี้นิ้วชี้ขวาไปที่เป้าหมายที่แสดงบนหน้าจอสัมผัส เป้าหมายอาจอยู่ที่กึ่งกลางของหน้าจอ (การทดลองแบบวงเปิด) หรือ 10 ซม. ทางซ้ายหรือขวา (การทดลองแบบวงปิด) ระยะห่างระหว่างดวงตาของผู้เข้าร่วมกับเป้าหมายตรงกลางคือ 57 ซม.

ระหว่างผู้เข้าร่วม PA สลับไปมาระหว่างบล็อกงานสองประเภท: ชี้วงปิด (CLP) และชี้วงเปิด (OLP) ในการทดลองแบบลูปปิด ผู้เข้าร่วมจะสวมแว่นตาปริซึมแบบเลื่อนไปทางขวา 10◦ (แว่นตากลาเซียร์: Julbo, Longchaumois, ฝรั่งเศส; เลนส์: OptiquePeter, Lyon, ฝรั่งเศส) และได้รับคำสั่งให้ทำการเคลื่อนไหวอย่างรวดเร็ว (ระยะเวลาการเคลื่อนไหวเฉลี่ย: 452 ms, sd : 119 ms) ไปยังเป้าหมายด้านซ้ายหรือด้านขวาในลำดับสุ่มหลอก ผู้เข้าร่วมได้รับการฝึกฝนให้วางนิ้วไว้ที่ตำแหน่งลงจอดและแก้ไขการเคลื่อนไหวในการทดลองครั้งต่อไปตามความจำเป็น เพื่อจำกัดการปรับเชิงกลยุทธ์และการแก้ไขข้อผิดพลาด "ในเชิงลึก" (Redding and Wallace, 1996; 2001) ข้อเสนอแนะด้วยภาพของการหลอกลวง) ระหว่างการทดสอบพฤติกรรม ซึ่งทำได้โดยใช้รหัสที่ทำให้ไม่เห็น ("โหมดการศึกษา" ของเครื่องกระตุ้น) ที่จัดทำโดยนักวิจัยที่ไม่ได้เกี่ยวข้องกับการทดสอบพฤติกรรม ไม่มีการปกปิดเกิดขึ้นในขั้นตอนการวิเคราะห์ทางสถิติ เมื่อการรวบรวมข้อมูลเสร็จสิ้น

ในการทดลองที่ 2 ผู้เข้าร่วมดำเนินการ PA บวก tDCS สองครั้ง (anodal/sham, order counter-balanced) แต่ละเซสชันแยกจากกันอย่างน้อยหนึ่งสัปดาห์ (ช่วงเวลาเฉลี่ย: 10 วัน, sd: 6 วัน) ช่วงเวลานี้ได้รับเลือกเพื่อให้ทั้งผลของ DCS ต่อความตื่นตัวของเยื่อหุ้มสมอง (Nitsche et al., 2003; Nitsche and Paulus, 2000) และ AE ถูกชะล้างออกไป (O'Shea et al., 2017) เพื่อให้แน่ใจว่าจะกลับมา พฤติกรรมการชี้พื้นฐานและความตื่นเต้นง่ายของเยื่อหุ้มสมองเมื่อเริ่มช่วงการทดลองอื่นๆ เหตุผลในการกระตุ้นระหว่าง PA – ตรงข้ามกับก่อนหรือหลัง – คือการโต้ตอบที่สามแรกของการเคลื่อนไหวเอื้อมมือแต่ละครั้งถูกปิดด้วยชัตเตอร์คงที่เช่นเดียวกับในงานก่อนหน้า (Inoue et al., 2015; O'Shea et al., 2017; 2014). เมื่อสิ้นสุดการทดลองใช้ทุกครั้ง การแสดงภาพสะท้อนกลับของตำแหน่งลงจอดจะคงอยู่นาน 500 มิลลิวินาทีหลังจากบันทึกการสัมผัส หลังจากเวลานี้ ชัตเตอร์ LCD จะทึบแสง และผู้เข้าร่วมต้องกลับไปที่ตำแหน่งเริ่มต้น (เช่น กดปุ่มค้างไว้) โดยไม่เห็นการสะท้อนกลับจากมือ ขั้นตอนนี้จำกัดการเปิดรับปริซึมต่อการเคลื่อนที่ที่เอื้อมถึงเมื่อเทียบกับการเคลื่อนที่กลับ ในการทดลองแบบ open-loop ปริซึมจะถูกลบออกและผู้เข้าร่วมได้รับคำสั่งให้ชี้ไปที่เป้าหมายกลาง เน้นความแม่นยำมากกว่าความเร็ว (ระยะเวลาการเคลื่อนที่เฉลี่ย: 799 ms, sd: 135 ms) การแสดงข้อมูลย้อนกลับด้วยภาพถูกนำเสนอในการทดลองแต่ละครั้งโดยชัตเตอร์ LCD จะเปลี่ยนเป็นทึบแสงเมื่อถึงระยะเอื้อม ดังนั้นจึงบดบังการมองเห็นของเป้าหมาย ข้อผิดพลาดในการเข้าถึงและจุดสิ้นสุด และการเคลื่อนไหวย้อนกลับ วิธีนี้ทำให้สามารถวัด AE ด้านซ้ายโดยที่ผู้เข้าร่วมไม่ปรับเปลี่ยนเพื่อตอบสนองต่อข้อเสนอแนะข้อผิดพลาดด้านภาพ

ในการทดลองทั้งสองครั้ง แต่ละเซสชัน PA วัดความแม่นยำในการชี้ระหว่างการตรวจวัดพื้นฐาน การปรับตัว ระยะสั้น (10-นาที) และการรักษาระยะยาว (24-ชั่วโมง; รูปที่ S1) ความแม่นยำในการชี้แบบลูปปิดและแบบเปิดพื้นฐานถูกวัดในสองช่วงตึกจาก 20 และ 30 การทดลองตามลำดับ การปรับเปลี่ยนประกอบด้วยคู่ที่สลับกันของบล็อกชี้ตำแหน่งวงปิดและวงเปิด หกคู่ในการทดลองที่ 1 และเจ็ดในการทดลองที่ 2 (รูปที่ S1) การเก็บรักษา AE ถูกวัด 10-นาทีและ 24-ชั่วโมงหลังจากสิ้นสุด PA โดยใช้การทดลองแบบ open-loop 45 บล็อกเดียว ในการทดลองที่ 2 รักษาเวลา 10-นาทีตามด้วยระยะชะล้างซึ่งผู้เข้าร่วมชี้โดยไม่ต้องสวมปริซึม สังเกตข้อผิดพลาดทางด้านซ้าย ดังนั้นจึงไม่ปรับตัว Washout ประกอบด้วยการทดลองแบบ Closed-loop 40 รายการและการทดลองแบบ open-loop 45 รายการซึ่งกระจายอยู่ในบล็อก interleaved หกชุด (รูปที่ S1b) จุดประสงค์ของการชะล้างคือสองเท่า ประการแรก ช่วยให้เราสามารถตรวจสอบว่าในสภาพที่หลอกลวง อายุที่มากขึ้นเกี่ยวข้องกับความล้มเหลวในการปรับเปลี่ยนซึ่งอาจอธิบาย AE ที่รุนแรงขึ้นได้ในภายหลังหรือไม่ (ดูผลลัพธ์เพิ่มเติม) ประการที่สอง เราให้เหตุผลว่าถ้าหน่วยความจำการก่อตัวรุนแรงขึ้นโดยการกระตุ้นระหว่าง PA จากนั้นการชะล้างมีแนวโน้มที่จะรบกวนการคงอยู่ในระยะยาวในสภาพหลอกๆ มากกว่าในสภาวะที่ขั้วบวก ซึ่งอาจเพิ่มความไวต่อการตรวจจับผลของการกระตุ้นที่ 24-ชั่วโมง

2.3. การกระตุ้นกระแสไฟตรงผ่านกะโหลก

ในการทดลองที่ 2 tDCS ถูกส่งโดยเครื่องกระตุ้นกระแสตรงที่ขับเคลื่อนด้วยแบตเตอรี่ (Neuroconn GmbH, Ilmenau, เยอรมนี) ที่เชื่อมต่อกับอิเล็กโทรดฟองน้ำขนาด 7 × 5 ซม. สองอันที่แช่ในน้ำเกลือ 0 .9 เปอร์เซ็นต์ อิเล็กโทรดขั้วบวกอยู่กึ่งกลางเหนือ C3 (ด้านข้าง 5 ซม. ถึง Cz) ซึ่งสอดคล้องกับเยื่อหุ้มสมองหลักด้านซ้ายตามระบบอิเล็กโทรด 10–20 ระหว่างประเทศ (Herwig et al., 2003) แคโทดถูกวางไว้เหนือสันเหนือออร์บิทัลด้านขวา ในช่วง anodal tDCS การกระตุ้นถูกนำไปใช้ที่ 1 mA เป็นเวลา 20 นาที ตลอดระยะการปรับตัวทั้งหมด เช่นเดียวกับในงานก่อนหน้าของเรา (O'Shea et al., 2017) อิมพีแดนซ์ถูกตรวจสอบทางออนไลน์และเก็บไว้ที่ 10 kOhm ตลอดเวลาในระหว่างการกระตุ้น กระแสน้ำเพิ่มขึ้นและลดลงในช่วง 10 วินาทีเมื่อเริ่มมีอาการกระตุ้นและหยุดทำงาน ระหว่างหลอก tDCS ขั้นตอนเหมือนกันยกเว้นว่าไม่มีการกระตุ้นในระหว่าง 20 นาที แต่กลับเป็นพัลส์กระแสไฟฟ้าขนาดเล็ก (110 A มากกว่า 15 มิลลิวินาที) เกิดขึ้นทุกๆ 550 มิลลิวินาที เพื่อจำลองความรู้สึกเสียวซ่าชั่วคราวที่เกี่ยวข้องกับการกระตุ้นจริง ทั้งผู้ทดลองและผู้เข้าร่วมการทดลองต่างมองไม่เห็นสภาวะของการกระตุ้น (anodal หรือ with .)หน่วยความจำกระบวนการก่อตัวที่เกิดขึ้นระหว่างการเปิดรับการเปลี่ยนแปลงทางสายตา ซึ่งทราบกันดีว่าเกี่ยวข้องกับการคงอยู่ในระยะยาว (Inoue et al., 2015; Joiner and Smith, 2008; Kording et al., 2007; Smith et al., 2006) เราแสดงให้เห็นก่อนหน้านี้ว่า M1 a-tDCS ใช้ก่อนหน้านี้ – เมื่อเทียบกับระหว่าง – PA ไม่มีผลต่อการปรับตัวหน่วยความจำแสดงให้เห็นถึงความสำคัญของปฏิสัมพันธ์ระหว่างการกระตุ้นประสาทและสถานะความรู้ความเข้าใจพร้อมกัน (O'Shea et al., 2017).

2.4. โปรโตคอลการรับ MRS

ข้อมูล MRS ได้มาที่ Oxford Center for Clinical Magnetic Resonance Research (OCMR, University of Oxford) บนเครื่องสแกน MR แบบทั้งตัวของ Tesla {0}}Tesla และใช้ 32-channel coil . ความละเอียดสูง T1-ภาพ MR โครงสร้างแบบถ่วงน้ำหนัก (MPRAGE; 224 × 1 มม. ชิ้นในแนวแกน TR/TE=3000/4.71 ms; flip มุม=8◦; FOV=256; ขนาด voxel=1 มม. isotropic เวลาสแกน=528 วินาที) ได้มาเพื่อวัตถุประสงค์ในการจัดวางและการลงทะเบียน MRS voxel ข้อมูล MRS ได้มาจากความสนใจสองเล่ม (VOI; ขนาด voxel=2 ×2 ×2 cm3) ในการซื้อกิจการสองครั้งติดต่อกัน VOI แรกมีศูนย์กลางอยู่ที่ปุ่มควบคุมมอเตอร์ด้านซ้าย (Yousry et al., 1997) และรวมส่วนต่างๆ ของวงแหวนก่อนและหลังส่วนกลาง (รูปที่ S2c) VOI ที่สอง (การควบคุมทางกายวิภาค) มีศูนย์กลางอยู่ที่ calcarine sulcus ในกลีบท้ายทอย (visual cortex) (Engel et al., 1997; Ip et al., 2017; Lunghi et al., 2015) (รูปที่ S2c) ). พื้นที่ควบคุมนี้ได้รับเลือกเนื่องจากความรู้ของเราไม่มีส่วนเกี่ยวข้องกับการพัฒนาและ/หรือการเก็บรักษา AE ของปริซึม (สำหรับการทบทวน ดู: Panico et al., 2020; Petitet et al., 2017) ทำการชิม B0 โดยใช้ GRESHAM (ชิ้นในแนวแกน 64 × 4.2 มม., TR=862.56 ms, TE1/2=4.80/9.60 ms, flip angle=12◦ , FOV {{ 40}} ระยะเวลาการสแกน=63 วินาที) ข้อมูลสเปกโตรสโกปี MR (สเปกตรัม) ได้มาโดยใช้การโลคัลไลเซชันแบบกึ่งอะเดียแบติกโดยลำดับการโฟกัสแบบเลือกโฟกัสแบบอะเดียแบติก (กึ่งเลเซอร์) (TR/TE=4000/28 มิลลิวินาที, ค่าเฉลี่ยการสแกน 64 ครั้ง, เวลาสแกน=264 วินาที) ด้วยพัลส์คลื่นความถี่วิทยุกำลังแปรผันพร้อมการหน่วงเวลาการผ่อนคลายที่เหมาะสมที่สุด (VAPOR) การปราบปรามน้ำ และความอิ่มตัวของปริมาตรภายนอก (Deelchand et al., 2015; Öz and Tkáč, 2011) นอกจากนี้ สเปกตรัมน้ำที่ไม่ถูกบีบอัดนั้นได้มาจาก VOI เดียวกันเพื่อกำจัดกระแสไหลวนที่เหลือ และสร้างสเปกตรัมอาร์เรย์แบบแบ่งเฟสขึ้นใหม่ (Natt et al., 2005) การเข้าซื้อกิจการแบบนัดเดียวได้รับการบันทึกแยกจากกัน (โหมดการรับภาพครั้งเดียว) จากนั้นความถี่และการแก้ไขเฟสก่อนทำการสแกนเฉลี่ยมากกว่า 64 ครั้ง

2.5. การวิเคราะห์ข้อมูล MRS

เมตาโบไลต์ถูกหาปริมาณโดยใช้ LCModel (Provencher, 2012; 1993; 2001) ดำเนินการกับสเปกตรัมทั้งหมดภายในช่วงการเปลี่ยนแปลงทางเคมี 0.5 ถึง 4.2 ppm สเปกตรัมของแบบจำลองถูกสร้างขึ้นตามการเปลี่ยนแปลงทางเคมีและค่าคงที่ของคัปปลิ้งที่รายงานก่อนหน้านี้โดย Vespa Project (การกระตุ้นอเนกประสงค์ พัลส์ และการวิเคราะห์) สัญญาณน้ำที่ไม่ถูกระงับที่ได้มาจากปริมาตรของดอกเบี้ยถูกใช้เพื่อขจัดกระแสไหลวนและสร้างสเปกตรัมอาร์เรย์แบบแบ่งเฟสขึ้นใหม่ (Natt et al., 2005) สเปกตรัมการสแกนเดี่ยวได้รับการแก้ไขสำหรับความถี่และความแปรผันของเฟสที่เกิดจากการเคลื่อนไหวของวัตถุก่อนการรวม กลูตามิก (Glx) ถูกใช้ในการศึกษาปัจจุบันเนื่องจากไม่สามารถแยกแยะระหว่างกลูตาเมตและกลูตามีนโดยใช้เครื่องสแกน 3T MRI เพื่อหลีกเลี่ยงการให้น้ำหนักตัวอย่างต่อการประมาณความเข้มข้นสูง และคำนวณ Cramér-Rao Lower Bound (CRLB) ที่เกี่ยวข้องกันสำหรับชุดข้อมูลแต่ละชุดโดยให้ค่าประมาณความเข้มข้นและสมมติว่ามีระดับเสียงคงที่ตลอดการวัดทั้งหมด (ดูข้อมูลเพิ่มเติมสำหรับวิธีการโดยละเอียด) ชุดข้อมูลที่ Pearson ตกค้างระหว่าง CRLB สัมพัทธ์ที่คาดไว้และที่สังเกตพบมีค่าเกิน 2 ถูกแยกออกจากการวิเคราะห์ที่ตามมา การใช้เกณฑ์การกรองคุณภาพสำหรับ -Aminobutyric acid (GABA ที่ติดฉลาก), Glutamix (Glutamine plus Gutamate, labeled Glx) และ Creatine ทั้งหมด (Creatine plus Phosphocreatine, labeled TCR) ชุดข้อมูล V1 MRS สี่ชุดถูกละทิ้งและไม่มีชุดข้อมูล M1 MRS ถูกละทิ้ง

การแก้ไขเนื้อเยื่อเป็นขั้นตอนสำคัญในการวิเคราะห์ข้อมูล MRS โดยเฉพาะอย่างยิ่งในผู้สูงอายุเนื่องจากสมองลีบ ซึ่งได้รับการเสนอให้สอดคล้องกับตัวเลือกเริ่มต้นของฟังก์ชัน "tab_model" ของแพ็คเกจ sjPlot ใน R (Lüdecke , 2021). เราเปรียบเทียบพารามิเตอร์แบบจำลอง LMM โดยตรงเพื่อสร้างความเฉพาะเจาะจงทางประสาทกายวิภาคและเคมีทางประสาท พารามิเตอร์แบบจำลองถูกเปรียบเทียบโดยใช้การทดสอบสมมติฐานเชิงเส้นทั่วไปโดยใช้แพ็คเกจ multi-comp ใน R (Hothorn et al., 2008) เพื่อวัตถุประสงค์ในการมองเห็น รูปที่ 1b, 3 และ 6 b แสดงข้อมูลเฉลี่ยแบบบล็อกเป็นการวัดการคงอยู่ แต่การวิเคราะห์ทางสถิติดำเนินการกับข้อมูลการทดลองแต่ละรายการที่มีการสกัดกั้นแบบสุ่มและความชัน การวัดขนาดเท่ากันคือ

รายงานสำหรับการวิเคราะห์ที่สำคัญทั้งหมดโดยใช้แพ็คเกจ effectsize (Ben- Shachar et al., 2020) ใน R. Cohen's d ใช้เพื่อคำนวณขนาด effect สำหรับการทดสอบ t ตัวอย่างหนึ่งตัวอย่างกับศูนย์สำหรับการเก็บรักษาในระยะสั้นและระยะยาวใน จากอดีตสู่บัญชี อย่างน้อยก็ในบางส่วน สำหรับการลดลงของระดับ GABA ที่เกี่ยวข้องกับอายุที่สังเกตพบบ่อย (Maes et al., 2018; Porges et al., 2017b) LCmodel แสดงความเข้มข้นของเมตาโบไลต์สำหรับปริมาตรที่น่าสนใจทั้งหมด ดังนั้นหากเศษส่วนของเนื้อเยื่อประสาทภายในปริมาตรที่สนใจมีน้อย เนื่องจากการเสื่อมตามอายุ (Good et al., 2001) การประมาณความเข้มข้นของเมตาโบไลต์ก็ย่อมจะต่ำกว่าเช่นกัน มีการเสนอเทคนิคการแก้ไขเนื้อเยื่อหลายอย่างเพื่ออธิบายถึงความสับสนที่อาจเกิดขึ้น โดยในปัจจุบันยังไม่มีฉันทามติในวรรณกรรม (Harris et al., 2015; Maes et al., 2018; Porges et al., 2017b) เทคนิคเหล่านี้ส่วนใหญ่ตั้งสมมติฐานเกี่ยวกับการกระจายตัวของเมตาโบไลต์ที่น่าสนใจภายในช่องเนื้อเยื่อต่างๆ อย่างไรก็ตาม ข้อสันนิษฐานดังกล่าวอาจไม่คงอยู่ตลอดอายุขัย เนื่องจากกระบวนการชราภาพตามปกติอาจส่งผลกระทบต่อส่วนต่างๆ มากกว่าส่วนอื่นๆ ดังนั้น การวิเคราะห์ทั้งหมดที่รายงานในบทความนี้จึงใช้การประมาณความเข้มข้นที่ไม่ได้รับการแก้ไขของเนื้อเยื่อ และแทนที่จะรวมเปอร์เซ็นต์ของสสารสีเทา (GM) และสสารสีขาว (WM) ไว้ใน MRS voxel เป็นตัวแปรรบกวนที่ไม่มีความสนใจ (เช่นใน Scholl et al., 2560). เนื่องจากวิธีการแก้ไขปริมาตรบางส่วนนี้ไม่มีสมมติฐานเกี่ยวกับการกระจายของ GABA และ Glx ภายในเนื้อเยื่อประเภทต่างๆ จึงเหมาะอย่างยิ่งสำหรับการศึกษาในปัจจุบัน (ซึ่งผู้เข้าร่วมมีอายุระหว่าง 49 ถึง 81 ปี) และด้วยเหตุนี้จึงควบคุมการฝ่อในขณะที่เหลือ ไม่เชื่อเรื่องพระเจ้าเกี่ยวกับผลกระทบที่แตกต่างกันของการแก่ชราต่อประเภทของเนื้อเยื่อ เปอร์เซ็นต์ของสารสีเทา สารสีขาว และไขสันหลังที่มีอยู่ใน VOI คำนวณโดยใช้เครื่องมือการแบ่งส่วนอัตโนมัติของ FMRIB (Zhang et al., 2001) รายงานพร้อมกับเมตริกคุณภาพข้อมูล MRS ในตาราง S2

ในแต่ละบุคคล การประมาณความเข้มข้นของครีเอทีนทั้งหมด (TCR) มีความสัมพันธ์เชิงลบกับอายุใน M1 voxel ( (21)=−0.46,=0.04 ) แม้ว่าจะไม่ได้อยู่ใน V1 voxel ( (17)=−0.06,=0.81; Fig. S2b) เนื่องด้วยอายุที่สับสนนี้ TCR จึงไม่สามารถใช้เป็นข้อมูลอ้างอิงภายในที่ถูกต้องสำหรับการประมาณค่าเมตาโบไลต์ ดังนั้น ตลอดงานนี้ เราจึงใช้การประมาณความเข้มข้นสัมบูรณ์สำหรับ GABA และ Glx แทนที่จะแสดงข้อมูลเป็นอัตราส่วนของ TCR

2.6. การวิเคราะห์ทางสถิติ

วิเคราะห์พฤติกรรมทางสถิติใน R (R Core Team, 2017) เพื่อควบคุมความแตกต่างระหว่างแต่ละบุคคลในความแม่นยำในการชี้ตำแหน่งก่อนการปรับ ในทุกข้อมูลข้อผิดพลาดของปลายทางการทดลองทั้งหมด ถูกทำให้เป็นมาตรฐานโดยการลบข้อผิดพลาดการชี้เฉลี่ยที่เส้นฐาน (ข้ามเป้าหมายซ้าย/ขวาสำหรับบล็อกวงปิด เป้าหมายกลางสำหรับบล็อกแบบวงเปิด ). การทดสอบทางสถิติทั้งหมดเป็นแบบสองด้าน เว้นแต่จะระบุไว้เป็นอย่างอื่น วิเคราะห์โดยใช้การถดถอยเชิงเส้นและรวมการตรวจสอบสมมติฐานต่อไปนี้: 1) ลิเนียริตี 2) ความเป็นเนื้อเดียวกันของความแปรปรวน และ 3) ความปกติของเศษเหลือ สมมติฐานเหล่านี้ได้รับการตรวจสอบด้วยสายตาโดยใช้แผนภาพของค่าที่เหลือเทียบกับค่าที่สังเกตได้ (ความเป็นเส้นตรง) ค่าที่พอดีเทียบกับค่าส่วนที่เหลือ (ความเป็นเนื้อเดียวกันของความแปรปรวน) และการกระจายของค่าคงเหลือ แบบจำลองผลผสมเชิงเส้น (LMM) ถูกใช้สำหรับการวิเคราะห์ด้วยองค์ประกอบตามยาว/การวัดซ้ำ (เช่น การปรับตัว การคงอยู่) โดยการรวมจุดตัดและความชันเป็นผลลัพธ์แบบสุ่มของผู้เข้าร่วม แนวทางนี้มีข้อดีสองประการเมื่อเปรียบเทียบกับการวิเคราะห์ความแปรปรวน (ANOVAs) ที่วัดซ้ำแล้วซ้ำอีก ซึ่งทำให้เรา 1) ยังพิจารณาพลวัตเชิงพฤติกรรมภายในบล็อก แทนที่จะบล็อกเฉพาะข้อผิดพลาดโดยเฉลี่ย และ 2) แยกแหล่งที่มาแบบสุ่มของความแปรปรวนระหว่างบุคคลออกจาก คนที่มีความหมาย ข้อมูลจำเพาะของรุ่นทั้งหมดถูกรายงานในตารางเสริม ค่า P ถูกประมาณโดยใช้การทดสอบ Wald ซึ่งทำการทดลองที่ 1 และสำหรับการทดสอบ t-tests แบบคู่ของตัวอย่างที่จับคู่กับการกระตุ้นแบบ anodal ในการคงอยู่ระยะสั้นและระยะยาวในการทดลองที่ 2 ค่า eta-squared บางส่วนโดยประมาณ () สำหรับการผสมเชิงเส้น วิเคราะห์การถดถอยเพื่อสรุปสัดส่วนของความแปรปรวนที่เกี่ยวข้องกับผลคงที่เฉพาะ มีการเสนอกฎง่ายๆ ในการตีความขนาดต่างๆ บรรทัดฐานเหล่านี้สำหรับโคเฮนคือ: เล็ก=[0.2{{30}}; 0.49]; สื่อ=[0.5; 0.79]; ใหญ่ มากกว่าหรือเท่ากับ 0.8. บรรทัดฐานคือ: เล็ก=[0.01; 0.05]; สื่อ=[0.06; 0.13]; large มากกว่าหรือเท่ากับ 0.14 (Cohen, 2013).

ในการทดลองที่ 2 ความแม่นยำของค่าเฉลี่ย OLP และ CLP พื้นฐานได้รับการวิเคราะห์ในสองวิธี ขั้นแรก เพื่อตรวจสอบการไม่มีคำสั่ง effect (PA เซสชัน 1 เทียบกับ PA เซสชัน 2 โดยใช้การทดสอบแบบคู่) ประการที่สอง เพื่อตรวจสอบว่าไม่มีเงื่อนไขการกระตุ้นเกิดขึ้นหรือไม่ (เซสชัน anodal tDCS เทียบกับเซสชัน sham tDCS โดยใช้การทดสอบ t แบบคู่กับข้อมูลเดียวกันที่จัดลำดับใหม่โดยเงื่อนไขการกระตุ้นระบบประสาท) การวิเคราะห์ก่อนหน้านี้ทำให้มั่นใจได้ว่าช่วงเวลาการชะล้างหนึ่งสัปดาห์นั้นมีประสิทธิภาพ (เช่น ผลกระทบเชิงพฤติกรรมของเซสชันที่ 1 หายไปโดยการเริ่มต้นของเซสชันที่ 2) และแบบหลังทำให้แน่ใจได้ว่าความแตกต่างในประสิทธิภาพระหว่างเงื่อนไข anodal และ sham tDCS อาจเกิดจาก neurostimulation effect เมื่อเทียบกับความแตกต่างของระบบแบบสุ่มที่มีอยู่แล้วที่การตรวจวัดพื้นฐาน เพื่อหาปริมาณหลักฐานทางสถิติที่ไม่ต้องการความแตกต่าง (เช่น สิ่งที่เรามุ่งหมายเพื่อให้บรรลุ) Bayes Factor (01) ถูกคำนวณสำหรับการวิเคราะห์การควบคุมคุณภาพเหล่านี้ A 01 > 3 ถือเป็นหลักฐานสำคัญสำหรับการไม่มีความแตกต่าง ซึ่งสอดคล้องกับการชะล้างที่เหมาะสมระหว่างช่วงการทดลองทั้งสองช่วง

เนื่องจาก GABA ถูกสังเคราะห์จากกลูตาเมต ความเข้มข้นของสารสื่อประสาททั้งสองนี้จึงมักมีความสัมพันธ์ในทางบวกในสมอง (Jocham et al. (2012); Stagg et al. (2011a); ในชุดข้อมูลของเรา M1 GABA × M1 Glx: (20)=0.34,=0. 13; V1 GABA × V1 Glx: (14)=0. 16,=0.55) ดังนั้น เมื่อวิเคราะห์ความสัมพันธ์ระหว่างความเข้มข้นสัมบูรณ์ใน GABA หรือ Glx ภายในว็อกเซลและผลลัพธ์ ความเข้มข้นของสารสื่อประสาทอื่นๆ (GABA หรือ Glx) ก็รวมอยู่ในแบบจำลองด้วย นอกจากนี้ ความเข้มข้นของสสารสีเทาและสีขาวยังถูกรวมเป็นโควาเรียตที่ไม่สนใจในแบบจำลองทั้งหมดที่รวมข้อมูลทางประสาทเคมีด้วย

การวิเคราะห์การไกล่เกลี่ยถูกใช้เพื่ออธิบายลักษณะการเชื่อมโยง "กลไก" ที่อยู่ภายใต้ความสัมพันธ์ที่สังเกตได้ระหว่างอายุ ประสาทเคมี และการคงอยู่ สิ่งนี้ดำเนินการโดยใช้การไกล่เกลี่ยแพ็คเกจ R สำหรับการวิเคราะห์การไกล่เกลี่ยเชิงสาเหตุ (Imai et al., 2010) การไกล่เกลี่ยดำเนินการโดยใช้การถดถอยด้วยการบูตสแตรปแบบไม่อิงพารามิเตอร์ (10,000 การสุ่มตัวอย่าง) เพื่อตรวจสอบว่าโทนเสียงการยับยั้ง M1 มีส่วนสัมพันธ์ระหว่างอายุและการคงอยู่ในระยะยาวหรือไม่ โมเดลนี้รวม: อายุเป็นตัวแปรอิสระ (X); ความเข้มข้นสัมบูรณ์ของ M1 GABA และ Glx เป็นตัวกลางไกล่เกลี่ย (M1, M2); การเก็บรักษาเฉลี่ยบล็อกที่ 24-ชั่วโมงเป็นตัวแปรตาม (Y) (ข้อผิดพลาดค่าเฉลี่ยของบล็อกที่ถูกทำให้เป็นมาตรฐานโดยค่าพื้นฐานสำหรับแต่ละบุคคล) และควบคุมเศษส่วนของ GM และ WM ใน M1 voxel (C1, C2) เปอร์เซ็นต์การไกล่เกลี่ย () คำนวณเป็นเศษส่วนของ effect ทั้งหมด (c) ที่คำนวณโดย effect ทางอ้อม (ab1 หรือ ab2)