บทบาทของการนอนหลับและความตื่นตัวในการรับรู้ภาพทางอารมณ์ ตอนที่ 2
Sep 08, 2023
3|ผลลัพธ์
3.1|ตัวแปรทางประชากรศาสตร์
ไม่พบความแตกต่างที่มีนัยสำคัญในตัวแปรทางประชากรหรือจิตวิทยาระหว่างทั้งสองกลุ่ม (ตารางที่ 1)
3.2|เรตติ้งวาเลนซ์และความเร้าอารมณ์
The analysis of the Valence ratings (Figure 2a) showed only a significant Type main effect (F1,38 = 298.34, p < 0.001, η2 p = 0.89; BF10 = ∞), with higher Valence ratings for neutral than negative pictures. We also observed a significant Type Session interaction (F1,38 = 4.01,p = 0.009, η2 p = 0.096; BF10 = 0.014), with Valence for Negative items increasing from the Encoding to T2 (pholm = 0.003; Cohen's d = 0.347; BF10 = 108.96) and trending for T3 (pholm = 0.065; Cohen's d = 0.295; BF10 = 6.078), but not from Encoding to T1 (pholm = 0.912; Cohen's d = 0.134; BF10 = 0.631), and from T1 to T2 and T3 (both phone>{{0}}.372; โคเฮน d < 0.161; BF10 < 1.382) ไม่พบการเปลี่ยนแปลงในสิ่งเร้าที่เป็นกลาง (p ทั้งหมด > 0.999) ผลกระทบและการโต้ตอบอื่นๆ ทั้งหมดไม่มีนัยสำคัญ (p ทั้งหมด > 0.084)
โชคดีที่การวิจัยเมื่อเร็วๆ นี้แสดงให้เห็นว่าความจุของสิ่งเชิงลบไม่จำเป็นต้องส่งผลกระทบต่อความทรงจำของผู้คน
ความทรงจำเป็นส่วนสำคัญของสติปัญญาของมนุษย์ และคุณภาพของความทรงจำนั้นเกี่ยวข้องโดยตรงกับว่าเราสามารถเรียน ทำงาน และใช้ชีวิตอย่างมีประสิทธิภาพได้หรือไม่ ในการศึกษาและทำงานในแต่ละวัน เรามักจะต้องจำข้อมูลต่างๆ และข้อมูลนี้มักมีทั้งเนื้อหาเชิงบวกและเชิงลบ เป็นผลให้ผู้คนเริ่มกังวลว่าข้อมูลเชิงลบจะทำร้ายความทรงจำของพวกเขา
อย่างไรก็ตาม จากผลการวิจัยล่าสุด ความจุของรายการเชิงลบไม่จำเป็นต้องส่งผลกระทบต่อความทรงจำของผู้คน จากการทดลองของนักจิตวิทยาชาวอเมริกัน ความทรงจำของผู้คนเกี่ยวกับข้อมูลเชิงลบนั้นไม่ได้แข็งแกร่งไปกว่าข้อมูลเชิงบวก และในบางกรณี ข้อมูลเชิงลบอาจถูกลืมอย่างรวดเร็วด้วยซ้ำ ตัวอย่างเช่น ข้อมูลเชิงลบมักจะถูกลืมอย่างรวดเร็วเมื่อผู้คนจำเป็นต้องทำงานที่ทำให้เสียสมาธิ เนื่องจากความทรงจำของมนุษย์ได้รับผลกระทบจากอารมณ์และความสนใจ เมื่อผู้คนมุ่งเน้นไปที่การทำงานบางอย่างให้เสร็จสิ้น ความสนใจของพวกเขาจะมุ่งเน้นไปที่ข้อมูลที่เกี่ยวข้องกับงานมากขึ้น และข้อมูลเหล่านั้นที่ไม่เกี่ยวข้องหรือไม่เกี่ยวข้องกับงาน ข้อมูลสำคัญจะลดลงอย่างมาก
ดังนั้นเราจึงไม่ต้องกังวลกับข้อมูลเชิงลบที่ทำร้ายความทรงจำของเรา แต่เราสามารถพยายามมองข้อมูลเชิงลบในชีวิตของเราในแง่บวกมากขึ้น เพราะไม่เพียงแต่จะดีต่อสุขภาพจิตของเราเท่านั้น แต่ยังช่วยให้เราจัดการกับปัญหาและประสบความสำเร็จได้ดีขึ้นอีกด้วย จะเห็นได้ว่าเราต้องปรับปรุงความจำของเรา Cistanche Deserticola สามารถปรับปรุงความจำได้อย่างมาก เนื่องจาก Cistanche Deserticola เป็นยาแผนโบราณของจีนที่มีลักษณะพิเศษมากมาย หนึ่งในนั้นคือการปรับปรุงความจำ ประสิทธิภาพของเนื้อสับมาจากส่วนผสมออกฤทธิ์หลายชนิดในเนื้อสับ เช่น กรดคาร์บอกซิลิก โพลีแซ็กคาไรด์ ฟลาโวนอยด์ ฯลฯ ส่วนผสมเหล่านี้สามารถส่งเสริมสุขภาพสมองได้ผ่านช่องทางต่างๆ
คลิกรู้อาหารเสริมเพื่อเพิ่มความจำ
พบผลลัพธ์ที่คล้ายกันสำหรับการให้คะแนน Arousal (รูปที่ 2b) โดยมีผลกระทบหลักประเภทที่มีนัยสำคัญ (F1, 38=104.7 0, p < 0.001, η2 p {{7 }}.734; BF10=2.002e15) โดยมีเรตติ้งเร้าอารมณ์ที่สูงกว่าสำหรับภาพที่เป็นกลาง ผลกระทบและการโต้ตอบอื่นๆ ทั้งหมดไม่มีนัยสำคัญ (p ทั้งหมด > 0.130)
3.3|ดีไพรม์
ผลลัพธ์ของ Omnibus ANOVA ที่ตรวจสอบ d-ไพรม์ระหว่างเซสชันในทั้งสองแสดงให้เห็นผลกระทบของประเภทที่มีนัยสำคัญ (F1,38=19.13, p < 0.001 , η2 p=0.34; BF10=170.026; รูปที่ 3b) พร้อมประสิทธิภาพหน่วยความจำที่ดีขึ้นสำหรับรายการเชิงลบ นอกจากนี้เรายังสังเกตเห็นผลกระทบของเซสชันที่คาดหวัง (F1,76=47.31, p < 0.001, η2 p=0.56; BF10=9.621e15) โดยมีการลดลงเชิงเส้นใน d-prime จาก T1 ถึง T2 (pholm < 0.001; Cohen's d=0.939; BF10=6.345e6 ) และจาก T2 ถึง T3 (pholm=0.006; Cohen's d=0 .365; BF10=9.772) แม้ว่าผลกระทบแบบกลุ่มไม่มีนัยสำคัญ (F1,38=1.77, p=0.285, η2 p=0.03; BF10=0.405) เราสังเกตเห็น แนวโน้มสำหรับการโต้ตอบเซสชันกลุ่มที่สำคัญ (F1, 76=2.726, p=0.072, η2 p=0.07; BF10=1.008; รูปที่ 3a)
การเปรียบเทียบภายหลังเฉพาะกิจเชิงสำรวจของการโต้ตอบนี้ไม่พบความแตกต่างที่ T1 (uncorrected=0.882, pholm > 0.999; Cohen's d=0.0 25; BF10=0.312) และ T3 (uncorrected=0.701, pholm > 0.999; Cohen's d=0.105; BF10=0 328) และดีไพรม์ที่สูงกว่าใน SF ที่ T2 (uncorrected=0.024; Cohen's d=0.587; BF10=1.177) ผลลัพธ์หลังไม่มีนัยสำคัญเมื่อแก้ไขสำหรับการเปรียบเทียบหลายรายการ (การเปรียบเทียบ 16 รายการ ปัญหา=0.119) การเปรียบเทียบหรือการโต้ตอบหลักอื่นๆ ทั้งหมดไม่มีนัยสำคัญ (p ทั้งหมด > 0.487)
ANOVA เกี่ยวกับการเปลี่ยนแปลงใน d-ไพรม์จาก T1 ถึง T2 แสดงให้เห็นผลกระทบแบบกลุ่มที่มีนัยสำคัญ (F1,38=4.46, p=0.041, η2 p=0.11; BF{{ 11}}.666; รูปที่ 3c) โดยมีดีไพรม์สูงกว่าสำหรับ SF ทั้งเอฟเฟกต์ประเภท (F1,38=2.40, p=0.130, η2 p=0.06; BF10=0.657) และกลุ่มประเภทการโต้ตอบ (F1 ,38=1.09, p=0.302, η2 p=0.03; BF10=0.463) ไม่มีนัยสำคัญ
การวิเคราะห์ความแปรปรวนเกี่ยวกับการเปลี่ยนแปลงใน d-ไพรม์จาก T2 เป็น T3 แสดงผลกระทบแบบกลุ่มที่มีนัยสำคัญอีกครั้ง (F1,38=4.33, p=0.044, η2 p=0 .10; BF10=1.249; รูปที่ 3d) แต่คราวนี้การเปลี่ยนแปลงมีสูงขึ้นสำหรับ WF ขอย้ำอีกครั้งว่าทั้งเอฟเฟกต์ประเภท (F1,38=0.14, p=0.715, η2 p < 0.01; BF10=0.246) และกลุ่มประเภทการโต้ตอบ (F1,{{ 25}}.20, p=0.662, η2 p=0.01; BF10=0.323) ไม่มีนัยสำคัญ
3.4|อัตราการเข้าชม
การวิเคราะห์ความแปรปรวนของรถโดยสารใน HR แสดงผลกระทบประเภทที่มีนัยสำคัญ (F1,38=10.79, p=0.002, η2 p=0.22; BF10=26.743; รูปที่ 4b) พร้อมการรับรู้หน่วยความจำที่ดีกว่าสำหรับรายการเชิงลบ นอกจากนี้เรายังสังเกตเห็นผลกระทบของเซสชัน (F1,76=41.89, p < 0.001, η2 p=0.52; BF10=8.043e15 ) โดยมีการลดลงเชิงเส้นใน d-prime จาก T1 ถึง T2 และจาก T2 ถึง T3 (ทั้ง pholm < 0.001; Cohen's d > 0.556; BF10 > 422.439) เราสังเกตเห็นผลกระทบของกลุ่มหลัก (F1,38=4.23, p=0.047, η2 p=0.10; BF10=1.391) แต่กลุ่มวิกฤต การโต้ตอบของเซสชันไม่มีนัยสำคัญ (F1, 76=2.35, p=0.103, η2 p=0.06; BF 10=0.948; รูปที่ 4a) การเปรียบเทียบภายหลังเฉพาะกิจเชิงสำรวจของการโต้ตอบนี้ไม่พบความแตกต่างที่ T1 (uncorrected=0.498, pholm=0.996; Cohen's d=0.069; BF10=0.372) และ T3 (uncorrected=0.091, pholm=0.274; Cohen's d=0.604; BF10=0.995) และ HR ที่สูงขึ้นใน SF ที่ T2 (ไม่ได้แก้ไข=0.039; Cohen's d=0.617; BF10=1.810) ผลลัพธ์หลังไม่มีนัยสำคัญเมื่อแก้ไขสำหรับการเปรียบเทียบหลายรายการ (pholm=0.194) การเปรียบเทียบหรือการโต้ตอบหลักอื่นๆ ทั้งหมดไม่มีนัยสำคัญ (p ทั้งหมด > 0.318)
การวิเคราะห์ความแปรปรวนเกี่ยวกับการเปลี่ยนแปลง HR จาก T1 ถึง T2 แสดงให้เห็นผลกระทบแบบกลุ่มที่มีนัยสำคัญ (F1,38=4.31, p=0.045, η2 p=0.10; BF10=1.735; รูปที่ 4c) โดยมี HR สูงกว่าสำหรับ SF ทั้งเอฟเฟกต์ประเภท (F1,38=0.929, p=0.341, η2 p=0.02; BF10=0.331) และกลุ่มประเภทการโต้ตอบ (F1 ,38=0.03, p=0.875, η2 p < 0.01; BF10=0.303) ไม่มีนัยสำคัญ
ANOVA เกี่ยวกับการเปลี่ยนแปลง HR จาก T2 เป็น T3 ไม่พบกลุ่มที่มีนัยสำคัญ (F1,38=0.01, p=0.915, η2 p < 0.{{ 29}}1; BF10=0.421; รูปที่ 3d), ประเภท (F1,38=0.11, p=0.738, η2 p < 0.01; BF10=1 .594) หรือกลุ่มประเภท (F1,38=0.31, p=0.580, η2 p < 0.01; BF10=0.374)
3.5|อัตราการเตือนที่ผิดพลาด
การวิเคราะห์ความแปรปรวนของรถโดยสารบน FAR แสดงผลกระทบประเภทที่มีนัยสำคัญ (F1,38=8.06, p=0.007, η2 p {{6 }}.18; BF10=1.892; รูปที่ 5b) โดยมี FAR สูงกว่าสำหรับไอเทมเป็นกลาง นอกจากนี้เรายังสังเกตเห็นผลกระทบของเซสชัน (F1,76=4.61, p=0.013, η2 p=0.11; BF10=5.84{ {89}}) โดยเพิ่ม HR จาก T1 เป็น T2 (puncorrected=0.004, pholm=0.013; Cohen's d=0.585; BF{ {30}}.750) และจาก T1 ถึง T3 (puncorrected=0.021, pholm=0.041; Cohen's d=0.352; BF10=1.320) แต่ไม่ใช่จาก T2 ถึง T3 (puncorrected=0.541, pholm=0.541; Cohen's d=0.133; BF10=0.165) แม้ว่าเราจะไม่สังเกตเห็นผลกระทบของกลุ่มหลัก (F1,38=1.27, p=0.267, η2 p=0.03; BF10=0.374) การโต้ตอบเซสชันกลุ่มมีความสำคัญ (F1, 76=4.36, p=0.016, η2 p=0.10; BF 10=2.890; รูปที่ 5a) การเปรียบเทียบภายหลังไม่พบความแตกต่างที่ T1 (uncorrected=0.369, pholm > 0.999; Cohen's d=0.156; BF10=0.429) และ T2 (uncorrected=0 .263, pholm > 0.999; Cohen's d=0.250; BF10=0.441) แต่มีค่า FAR ที่สูงกว่าใน SF ที่ T3 (uncorrected=0.019; Cohen's d {{96 }}.642; BF10=3.043) ผลลัพธ์หลังไม่มีนัยสำคัญเมื่อแก้ไขสำหรับการเปรียบเทียบหลายรายการ (pholm=0.178) การเปรียบเทียบหรือการโต้ตอบหลักอื่นๆ ทั้งหมดไม่มีนัยสำคัญ (p ทั้งหมด > 0.318)
การวิเคราะห์ความแปรปรวนเกี่ยวกับการเปลี่ยนแปลงใน FAR จาก T1 ถึง T2 แสดงผลกระทบประเภทที่มีนัยสำคัญ (F1,38=4.77, p=0.035, η2 p=0.11; BF{{10} }.862; รูปที่ 5c) โดยมีการเปลี่ยนแปลงที่สูงขึ้นสำหรับภาพที่เป็นกลาง ทั้งเอฟเฟกต์กลุ่ม (F1,38=0.757, p=0.390, η2 p=0.02; BF10=0.395) และกลุ่มประเภทการโต้ตอบ (F1 ,38=1.68, p=0.203, η2 p=0.04; BF10=0.634) ไม่มีนัยสำคัญ
ANOVA เกี่ยวกับการเปลี่ยนแปลงใน FAR จาก T2 ถึง T3 แสดงแนวโน้มสำหรับผลกระทบแบบกลุ่ม (F1,38=3.94, p=0.054, η2 p=0.09; BF{{ 10}}.451; รูปที่ 5d) โดยมีการเปลี่ยนแปลงมากขึ้นสำหรับ SF แต่ไม่มีผลกระทบจากประเภทที่มีนัยสำคัญ (F1,38=0.281, p=0.599, η2 p=0 01; BF10=0.237) และเอฟเฟกต์กลุ่มประเภท (F1,38=0.311, p=0.580, η2 p=0.01; BF{{31} }.306)
3.6|รูปแบบการนอนในคืนทดลอง
ทั้งสองกลุ่มไม่แสดงความแตกต่างในรูปแบบการนอนหลับในระหว่างคืนทดลอง (ระหว่าง T1 และ T2 สำหรับ SF และระหว่าง T2 และ T3 สำหรับ WF; ตารางที่ 2) การสำรวจความสัมพันธ์ที่เป็นไปได้ระหว่างพารามิเตอร์การนอนหลับในช่วงคืนทดลองและการเปลี่ยนแปลงประสิทธิภาพใน SF พบว่าไม่มีความสัมพันธ์ที่มีนัยสำคัญ
3.7|ความสัมพันธ์ระหว่างการนอนหลับในคืนก่อนการเข้ารหัสและประสิทธิภาพในการเข้ารหัสใน WF
ทั้งสองกลุ่มไม่แสดงรูปแบบการนอนหลับที่แตกต่างกันในคืนก่อนวันทดลอง (ตารางที่ 3)
การสำรวจความสัมพันธ์ระหว่างพารามิเตอร์การนอนหลับในคืนก่อนการเข้ารหัสและประสิทธิภาพในการเข้ารหัสเฉพาะใน WF เท่านั้น สำหรับรายการเชิงลบเท่านั้น เราสังเกตเห็นความสัมพันธ์เชิงลบระหว่าง d-prime และ N2% (r={{3} }.566, p=0.009; BF10=6.523; รูปที่ 6a) และค่าบวกที่มี REM% (r=0.621, p=0.003 ; BF10=14.876; รูปที่ 6b) การเชื่อมโยงเหล่านี้ไม่ปรากฏสำหรับรายการที่เป็นกลาง
3.8|เอฟเฟกต์กลางคืนที่ปรับตัวได้
เพื่อควบคุมเอฟเฟกต์กลางคืนของการปรับตัวที่อาจเกิดขึ้น (เช่น การนอนด้วยอุปกรณ์ที่สวมใส่ได้) เราได้ดำเนินการ ANOVA แบบผสมหลายรุ่นพร้อมพารามิเตอร์การนอนหลับที่น่าสนใจเป็นตัวแปรตาม (ตารางที่ 2 และ 3) โดยมีกลางคืน (ครั้งแรก วินาที) เป็นภายใน - ปัจจัยวิชาและกลุ่มเป็นปัจจัยระหว่างวิชา การเปรียบเทียบที่สำคัญเพียงอย่างเดียวคือเอฟเฟกต์กลางคืนสำหรับ N3% (F1,38=4.98, p=0.032, η2 p=0.12; BF10=1.744) โดยผู้เข้าร่วมใช้เวลานอนหลับมากขึ้นใน N3 ในช่วงคืนที่สอง แต่กลุ่ม (F1,38=2.84, p=0.100, η2 p=0.07; BF{{25 }}.974) และการโต้ตอบแบบกลุ่มกลางคืนที่สำคัญไม่มีนัยสำคัญ (F1,38=1.72, p=0.198, η2 p=0.04; BF10=0 .649) การลดลงของ N3% ในคืนที่ 1 ถูกสมดุลโดยการเพิ่มขึ้นของ N2% (F1,38=3.66, p=0.063, η2 p=0.09; BF{{48 }}.176) แต่อีกครั้งคือกลุ่ม (F1,38=4.69, p=0.498, η2 p=0.01; BF10=0.363) และ การโต้ตอบแบบกลุ่มกลางคืนไม่มีนัยสำคัญ (F1,38=1.58, p=0.216, η2 p=0.04; BF10=0.680) การเปรียบเทียบอื่นๆ ทั้งหมดไม่มีนัยสำคัญ ผลลัพธ์เหล่านี้ชี้ให้เห็นว่าแม้ว่าคืนแรกจะสัมพันธ์กับสัดส่วนเวลาที่ใช้ใน N3 ที่ต่ำกว่าและมากกว่าใน N2 แต่ผลกระทบนี้ก็คล้ายคลึงกันสำหรับทั้งสองกลุ่ม
4|การอภิปราย
การศึกษาในปัจจุบันมีวัตถุประสงค์เพื่อศึกษาบทบาทที่แยกจากกันของการนอนหลับและความตื่นตัวต่อการรวมความทรงจำทางอารมณ์ โดยเฉพาะอย่างยิ่ง เรามุ่งที่จะตรวจสอบผลของการนอนหลับตอนกลางคืนโดยเปรียบเทียบกับระยะเวลาที่เท่ากันของการตื่นตัวในตอนกลางวันต่อปฏิกิริยาทางอารมณ์และประสิทธิภาพของความทรงจำสำหรับภาพที่เป็นกลางและเชิงลบ นอกจากนี้เรายังมุ่งเป้าที่จะประเมินผลของการรวมความทรงจำทางอารมณ์ที่ขึ้นอยู่กับการนอนหลับล่าช้า สุดท้ายนี้ เราได้สำรวจผลกระทบของการนอนหลับตอนกลางคืนต่อการเข้ารหัสข้อมูลทางอารมณ์
หลังจากการเข้ารหัสเป็นเวลา 12 ชั่วโมง เราสังเกตเห็นบทบาทที่เป็นประโยชน์อย่างชัดเจนของการนอนหลับหลังการเรียนรู้ เมื่อเทียบกับความตื่นตัวหลังการเรียนรู้ในเรื่องการรวมหน่วยความจำ อย่างไรก็ตาม ผลประโยชน์ของการนอนหลับนี้ไม่ได้เฉพาะเจาะจงกับภาพเชิงลบ โดยบอกว่าการนอนหลับหลังจากการเข้ารหัสข้อมูลภาพช่วยลดระดับการลืมในอีก 12 ชั่วโมงต่อมา โดยไม่คำนึงถึงความจุของสิ่งเร้า อย่างไรก็ตาม สิ่งเร้าเชิงลบจะถูกจดจำได้ดีกว่าในทั้งสองสภาวะ เมื่อเทียบกับภาพที่เป็นกลาง สิ่งที่น่าสนใจคือ 24 ชั่วโมงหลังการเข้ารหัส ประสิทธิภาพลดลงใน SF ซึ่งใช้เวลา 12 ชั่วโมงก่อนหน้านี้ตื่นตัว แต่ไม่ใช่ใน WF ซึ่งนอนหลับทั้งคืนใน 12 ชั่วโมงก่อนหน้า นอกจากนี้เรายังสังเกตเห็นความสัมพันธ์เชิงบวกระหว่างประสิทธิภาพของหน่วยความจำสำหรับรายการเชิงลบในการทดสอบทันทีและ REM% ในคืนก่อนการเข้ารหัส
ข้อมูลของเราไม่สนับสนุนอิทธิพลของการนอนหลับต่อความจุและความตื่นตัวโดยมุ่งเน้นไปที่ปฏิกิริยาทางอารมณ์แบบอัตนัย ตัวแปรเหล่านี้เทียบเคียงได้ใน WF และ SF และไม่มีการเปลี่ยนแปลงระหว่างเซสชันการทดสอบ นอกเหนือจากการเพิ่มขึ้นเล็กน้อยในระดับการรับรู้สำหรับรูปภาพเชิงลบจากการเข้ารหัสเป็น T2 ซึ่งอาจเนื่องมาจากผลกระทบที่ทำให้คุ้นเคย นอกจากนี้ คุณสมบัติการนอนหลับที่บันทึกไว้ในคืนหลังการเข้ารหัสดูเหมือนจะไม่มีความสัมพันธ์กับผลลัพธ์ประสิทธิภาพของหน่วยความจำหรือระดับความจุและความตื่นตัว
เกี่ยวกับบทบาทของการนอนหลับต่อการรวมหน่วยความจำ ข้อมูลของเราสอดคล้องกับวรรณกรรมที่มีอยู่ (Diekelmann & Born, 2010; Rasch & Born, 2013) ซึ่งยืนยันเพิ่มเติมถึงอิทธิพลเชิงบวกต่อประสิทธิภาพของหน่วยความจำ แท้จริงแล้ว เราสังเกตเห็นข้อดีของการนอนหลับเมื่อเทียบกับการตื่นตัว แม้ว่าความจำเสื่อมตามปกติเนื่องมาจากเวลาที่ผ่านไป ดังที่เห็นได้จากประสิทธิภาพที่ลดลงที่ T2 เมื่อเทียบกับ T1 ในทั้งสองสภาวะ ยิ่งไปกว่านั้น ผลลัพธ์ของเรายังคล้ายกับการค้นพบในงานวิจัยล่าสุดที่ใช้การออกแบบการทดลองแบบเดียวกัน แต่ใช้งานการเชื่อมโยงคำที่จับคู่กัน (Zhang, Whitehurst, & Mednick, 2022) จุดมุ่งหมายหลักของพวกเขาคือการตรวจสอบว่าการนอนหลับช่วยรักษาเสถียรภาพของข้อมูลโดยเสริมสร้างความทรงจำที่เข้ารหัสใหม่ให้แข็งแกร่งขึ้นจากประสบการณ์ที่ตื่นขึ้นในภายหลังหรือเพื่อฟื้นความทรงจำเหล่านี้หลังจากตื่นตัวมาระยะหนึ่งแล้ว เช่นเดียวกับการศึกษาของเรา ผู้เขียนพบว่าการจดจำได้ดีกว่าหลังจากนอนหลับ 12 ชั่วโมง เมื่อเทียบกับช่วงเวลาตื่นตัวที่ใกล้เคียงกัน นอกจากนี้ 24 ชั่วโมงหลังการเข้ารหัส ทั้งสองกลุ่ม (SF และ WF) ก็แสดงประสิทธิภาพที่เหมือนกัน พวกเขายังสังเกตเห็นความสัมพันธ์เชิงบวกระหว่างพลังงานในแถบเดลต้าและทีต้าใน WF และการเปลี่ยนแปลงประสิทธิภาพหน่วยความจำจาก T2 เป็น T3 (กล่าวคือ กำลังสูงขึ้น ข้อมูลจะถูกจดจำมากขึ้น) พวกเขาตีความข้อมูลโดยบอกว่าการนอนหลับอาจช่วยฟื้นฟูความทรงจำที่เสื่อมโทรมหลังจากตื่นมาทั้งวัน
แม้ว่าข้อมูลพฤติกรรมของเราจะสอดคล้องกับ Zhang และคณะ (2022) เราไม่พบความสัมพันธ์ใดๆ ระหว่างพารามิเตอร์การนอนหลับที่บันทึกไว้ในตอนกลางคืนหลังการเข้ารหัสและประสิทธิภาพของหน่วยความจำในวันถัดไป การไม่มีการเชื่อมต่อที่ชัดเจนระหว่างพารามิเตอร์การนอนหลับและการรวมหน่วยความจำนั้นได้รับการพิสูจน์ด้วยความจริงที่ว่า แม้จะมีความคืบหน้าในการวิจัยการนอนหลับเมื่อเร็ว ๆ นี้ แต่ยังไม่พบการเชื่อมต่อที่ชัดเจนระหว่างระยะการนอนหลับและฟังก์ชันหน่วยความจำ (Ackermann & Rasch, 2014) ดังนั้น ผลลัพธ์ของเราอาจสะท้อนถึงความซับซ้อนของกระบวนการนอนหลับที่เกิดขึ้นในตอนกลางคืน แทนที่จะไม่มีการเชื่อมโยงใดๆ เลย นอกจากนี้ ควรพิจารณาด้วยว่าในการศึกษาของเรา เราได้บันทึกการนอนหลับโดยใช้ PSG แบบพกพาที่ไม่อนุญาตให้เราประเมินโครงสร้างจุลภาคของการนอนหลับ (เช่น แกนหมุนของการนอนหลับ การสั่นที่ช้า พลังทีต้าระหว่าง REM) ซึ่งอาจให้ข้อมูลเพิ่มเติมเกี่ยวกับหน่วยความจำพื้นฐาน - การประมวลผลที่เกี่ยวข้องระหว่างการนอนหลับ
ผลลัพธ์ที่กล่าวมาข้างต้นอ้างอิงถึงประสิทธิภาพของหน่วยความจำที่เป็นอิสระจากความจุของภาพที่นำเสนอ (เช่น SF รายงานประสิทธิภาพที่ดีขึ้นสำหรับทั้งภาพที่เป็นกลางและเชิงลบ) แท้จริงแล้ว ผลลัพธ์ของเราไม่ได้แสดงผลแบบเลือกสรรหรือสิทธิพิเศษใดๆ ของการนอนหลับต่อประสิทธิภาพความจำทางอารมณ์ ผลลัพธ์นี้สอดคล้องกับสิ่งที่รายงานโดยการวิเคราะห์เมตาสองครั้งล่าสุดเกี่ยวกับการนอนหลับและความทรงจำทางอารมณ์ (Lipinska et al., 2019; Schaefer et al., 2020) การศึกษาทั้งสองนี้ แม้ว่าจะรวมการศึกษาในจำนวนที่แตกต่างกันและใช้วิธีการวิเคราะห์ที่แตกต่างกัน แต่ก็ชี้ให้เห็นว่าไม่มีการสนับสนุนเชิงประจักษ์สำหรับแนวคิดที่ว่าการนอนหลับตอนกลางคืนหรือรายวันช่วงเวลาหนึ่งจะรวบรวมความทรงจำทางอารมณ์ได้ดีกว่า ตัวอย่างเช่น Schaefer และคณะ (2020) แสดงให้เห็นข้อได้เปรียบในการรวมอารมณ์ไว้เหนือเนื้อหาที่เป็นกลางหลังการนอนหลับเพียงในการศึกษา 9 จาก 22 เรื่อง (40.09%) ที่เปรียบเทียบการนอนหลับและความตื่นตัว การศึกษาเหล่านี้ชี้ให้เห็นว่าผลเชิงบวกส่วนใหญ่ของการนอนหลับต่อความจำทางอารมณ์เกิดขึ้นเฉพาะภายใต้เงื่อนไขที่เฉพาะเจาะจงเท่านั้น (เช่น การใช้การเรียกคืนอย่างอิสระแทนการทดสอบการรับรู้ โดยใช้โปรโตคอลการอดนอนแบบแยกคืนและบางส่วน) เชฟเฟอร์ และคณะ (2020) ยังเสนอแนะ โดยคำนึงถึงการศึกษาที่ไม่มีสภาวะตื่นด้วยว่าการตื่นตัว แทนที่จะนอนหลับ อาจเกี่ยวข้องกับการคงสิ่งเร้าทางอารมณ์ไว้เป็นพิเศษเพียงเล็กน้อย (นั่นคือ ค่าเฉลี่ยการเปลี่ยนแปลงเฉลี่ยที่เป็นมาตรฐานตั้งแต่ 0.16 ถึง 0.19) ข้อมูลของเราไม่สอดคล้องกับแนวคิดหลังนี้ แต่เราควรเน้นว่าการศึกษาของเราไม่ได้ออกแบบมาเพื่อระบุขนาดผลกระทบที่เล็กมาก
อย่างไรก็ตาม เรารายงานประสิทธิภาพหน่วยความจำที่สูงขึ้นสำหรับข้อมูลเชิงลบหลังจาก 12 และ 24 ชั่วโมง ซึ่งสอดคล้องกับวรรณกรรมส่วนใหญ่ที่อ้างว่า เนื่องจากสิ่งเร้าเชิงลบมีความโดดเด่นมากกว่าและกระตุ้นมากกว่าสิ่งเร้าที่เป็นกลาง การเข้ารหัสของพวกมันจึงได้เปรียบ (Hu et อัล., 2549). อันที่จริงผลลัพธ์นี้สอดคล้องกับสิ่งที่ Lipinska และคณะรายงานด้วย (2019) แสดงให้เห็นว่าหลังจากการนอนหลับหรือตื่นช่วงหนึ่ง ผู้เข้าร่วมจะแสดงผลเชิงลบที่สูงกว่าเมื่อเปรียบเทียบกับสิ่งเร้าที่เป็นกลาง โดยมีขนาดเอฟเฟกต์คล้ายกับที่เรารายงานไว้ที่นี่
อย่างไรก็ตาม การขาดการเปลี่ยนแปลงอย่างมีนัยสำคัญของระดับวาเลนซ์และความตื่นตัวตลอดช่วงการทดลอง และโดยเฉพาะอย่างยิ่งระหว่างการนอนหลับและความตื่นตัว บางส่วนเบี่ยงเบนไปจากวรรณกรรมที่มีอยู่ หนึ่งในแบบจำลองที่รู้จักกันดีที่สุดที่เกี่ยวข้องกับการนอนหลับและการประมวลผลทางอารมณ์ สมมติฐานการนอนหลับเพื่อลืมการนอนหลับเพื่อจดจำ (SFSR; Walker & van Der Helm, 2009) เสนอว่าระดับความจุและความตื่นตัวของความทรงจำทางอารมณ์จะลดลงอย่างต่อเนื่องในช่วง REM การนอนหลับ ในขณะที่เนื้อหาที่เป็นตอนๆ ของความทรงจำเดียวกันนั้นถูกรวมเข้าด้วยกันมากขึ้น ตามแบบจำลองนี้ เราควรสังเกตการลดลงอย่างมีนัยสำคัญของปฏิกิริยาทางอารมณ์ใน SF เมื่อเทียบกับ WF และความสัมพันธ์เชิงบวกระหว่างขนาดของการลดลงและเวลาที่ใช้ใน REM ในตอนกลางคืนหลังการเข้ารหัส แม้ว่าความถูกต้องของสมมติฐาน SFSR ยังคงมีการถกเถียงกันอย่างกว้างขวาง แต่ผลลัพธ์เหล่านี้ก็ไม่จำเป็นต้องยืนยันเสมอไป ประการแรก เราทดสอบผู้เข้าร่วมของเรา 1 คืนหลังจากการเข้ารหัส แม้ว่าอาจต้องนอนหลายคืนเพื่อลดระดับความตื่นตัวและความตื่นตัวอย่างมีนัยสำคัญ แม้ว่าจะมีรายงานว่าคืนเดียวอาจเพียงพอในบางกรณี (Van Der Helm และคณะ 2011) แท้จริงแล้ว โมเดล SFSR อธิบายว่าปฏิกิริยาทางอารมณ์ค่อยๆ ลดลงเมื่อเวลาผ่านไป และการประเมิน PSG และความจำเพียงครั้งเดียวอาจไม่เพียงพอสำหรับกลไกการประมวลผลทางอารมณ์ที่ซับซ้อนที่จะเกิดขึ้น ประการที่สอง อาจเป็นไปได้ว่าสิ่งเร้าไม่กระตุ้นเพียงพอ ดังนั้น เพื่อให้มีการอนุมานที่ชัดเจนยิ่งขึ้นเกี่ยวกับความถูกต้องของแบบจำลองนี้ จึงคุ้มค่าที่จะจำลองงานปัจจุบันโดยใช้สิ่งเร้าที่กระตุ้นมากขึ้นและผู้เข้าร่วมการทดสอบหลังจากนอนหลับไปหลายคืน
เกี่ยวกับสมมติฐานที่สอง ผลลัพธ์ของเรามีความสอดคล้องบางส่วนกับวรรณกรรมที่เสนอว่าการนอนหลับสามารถลดการลืมข้อมูลใหม่ได้ แม้ว่าจะเกิดขึ้นหลังจากการเรียนรู้เป็นเวลานาน (Benson & Feinberg, 1977) อันที่จริง เราพบว่าหลังจากการเข้ารหัส 24 ชั่วโมง ประสิทธิภาพของทั้งสองกลุ่มก็เทียบเคียงได้ อย่างไรก็ตาม จำเป็นต้องมีการหารือถึงข้อควรพิจารณาบางประการ ประการแรก Benson และ Feinberg (1977) ใช้คำคู่เป็นสิ่งเร้า ในขณะที่งานปัจจุบันเราใช้ภาพเชิงลบและเป็นกลาง เนื่องจากมีการใช้กันอย่างแพร่หลาย หน่วยความจำจึงเป็นฟังก์ชันที่ซับซ้อนซึ่งแบ่งออกเป็นหมวดหมู่ย่อยหลายประเภท และแม้ว่าทั้งคำและรูปภาพจะถูกจัดเก็บไว้ในหน่วยความจำที่เปิดเผย (Squire, 2004) กระบวนการเฉพาะของการเข้ารหัสและการรวมเข้าด้วยกันอาจเกี่ยวข้องกับบริเวณสมองที่แตกต่างกันและทางสรีรวิทยาที่แตกต่างกัน กระบวนการ ประการที่สอง ผู้เขียนที่กล่าวมาข้างต้นถือว่าคำตอบที่ถูกต้องเป็นดัชนีสำหรับประสิทธิภาพของหน่วยความจำเท่านั้น ในขณะที่ดัชนี d-prime ที่คำนวณในการศึกษาของเรายังคำนึงถึงสัญญาณเตือนที่ผิดพลาดด้วย แท้จริงแล้ว WF มุ่งเน้นไปที่ HR เท่านั้น มีประสิทธิภาพต่ำกว่าเมื่อเทียบกับ SF แม้จะผ่านไป 24 ชั่วโมงหลังการเข้ารหัสก็ตาม ดังนั้นอย่างน้อยที่สุดอาจมีการอธิบายความคลาดเคลื่อนในการศึกษาเหล่านี้ได้เพียงบางส่วน อย่างไรก็ตาม ข้อมูลของเราเกี่ยวกับ d-prime แสดงให้เห็นว่าช่วงเวลาพักเครื่องนานหลังจากการเข้ารหัสมีผลเชิงบวกต่อการรวมหน่วยความจำ ซึ่งสอดคล้องกับบทความที่ Zhang และคณะกล่าวถึงข้างต้น (2022) เนื่องจาก WF ได้พักผ่อนหนึ่งคืนระหว่าง T2 และ T3 คำอธิบายที่เป็นไปได้ประการหนึ่งก็คือ การนอนหลับจะช่วยป้องกันข้อมูลที่ไม่ได้ถูกรบกวนจากการรบกวนความตื่นตัว สิ่งนี้จะสนับสนุนแนวคิดที่ว่าการนอนหลับสามารถช่วยฟื้นฟูความทรงจำที่เสียหายและเสื่อมโทรมจากการลืมเลือนได้ (Drosopoulos, Schulze, Fischer, & Born, 2007; McDevitt, Duggan, & Mednick, 2015) ในทางกลับกัน SF มีช่วงเวลาตื่นตัวที่เท่ากันระหว่าง T2 และ T3 ซึ่งอาจเร่งการลืมข้อมูลที่ก่อนหน้านี้ "ปกป้อง" ด้วยการนอนหลับ อย่างไรก็ตาม อาจพิจารณาการตีความแบบอื่น ยี่สิบสี่ชั่วโมงหลังการเข้ารหัส (T3) ทั้งสองกลุ่มอาจถึงเกณฑ์สูงสุดของการรวมหน่วยความจำ ดังนั้นจึงป้องกันการเปลี่ยนแปลงประสิทธิภาพหน่วยความจำที่มีนัยสำคัญ โดยไม่คำนึงถึงเงื่อนไขการทดลอง
ในที่สุด การวิเคราะห์ผลลัพธ์ที่ได้รับในคืนก่อนการเข้ารหัสใน WF ดูเหมือนว่าจะสนับสนุนการมีส่วนร่วมของการนอนหลับ REM ในการประมวลผลหน่วยความจำทางอารมณ์ (Goldstein & Walker, 2014; Wagner et al., 2001) ความสัมพันธ์เชิงบวกระหว่างประสิทธิภาพของหน่วยความจำสำหรับรายการเชิงลบที่เปอร์เซ็นต์การนอนหลับ T1 และ REM ในคืนก่อนการเข้ารหัสอาจบ่งชี้ว่าการนอนหลับ REM อาจปรับสมองให้เหมาะสมสำหรับการเข้ารหัสและการรวมสื่อทางอารมณ์ใหม่ในภายหลัง เนื่องจากสิ่งเร้าที่เป็นกลางดูเหมือนจะไม่ได้รับประโยชน์จาก REM ดังนั้น ผลลัพธ์นี้สนับสนุนแนวคิดที่ว่าระยะการนอนหลับที่แตกต่างกันมีส่วนช่วยในหมวดหมู่ย่อยของหน่วยความจำที่แตกต่างกันโดยเฉพาะ อย่างไรก็ตาม เนื่องจากการศึกษานี้ไม่ได้ใช้ภาพที่มีผลเชิงบวก จึงไม่สามารถอนุมานได้ว่าการเชื่อมโยงนี้เกี่ยวข้องกับความทรงจำทางอารมณ์โดยรวมหรือเฉพาะความทรงจำเชิงลบเท่านั้น สมาคมนี้อาจน่าสนใจสำหรับแพทย์เช่นกัน ตัวอย่างเช่น ผู้ป่วยซึมเศร้าดูเหมือนจะมีลักษณะพิเศษทั้งจากการนอนหลับ REM ที่ดีขึ้น (Baglioni et al., 2016) และอคติในสิ่งเร้าเชิงลบ (Clark & Beck, 2010) ดังนั้น การเพิ่มขึ้นของ REM เป็นเวลานานอาจทำให้อาการซึมเศร้าและอคติเชิงลบรุนแรงขึ้น หรือแม้กระทั่งเป็นสาเหตุที่มีส่วนช่วย อย่างไรก็ตาม ความสัมพันธ์เชิงลบระหว่างไพรม์กับ N2% ยังเป็นที่ถกเถียงกันมากกว่า
ตามที่รายงานอย่างกว้างขวางในวรรณกรรม N2 มีบทบาทสำคัญในการรวมหน่วยความจำ (Diekelmann & Born, 2010; Rosanova & Ulrich, 2005) แต่ความสัมพันธ์เชิงลบที่พบในการศึกษาปัจจุบันดูเหมือนจะชี้ไปในทิศทางตรงกันข้าม ซึ่งบ่งชี้ว่าระยะนี้ เป็นผลเสียต่อการรวมอารมณ์ อย่างไรก็ตาม ควรพิจารณาว่าอุปกรณ์ติดตามการนอนหลับที่จัดให้สำหรับการศึกษานี้อนุญาตให้วัดระยะเวลาของระยะการนอนหลับแต่ละระยะได้อย่างแม่นยำ แต่ไม่อนุญาตให้เราตรวจสอบสถาปัตยกรรมไมโครการนอนหลับเพิ่มเติม นอกจากนี้ จะต้องสังเกตว่า เนื่องจากระยะเวลาการนอนหลับถูกกำหนดไว้ เปอร์เซ็นต์ของระยะจึงแตกต่างกันไปในแต่ละวิชา ดังนั้น เมื่อขั้นตอนใดขั้นตอนหนึ่ง (เช่น REM) เพิ่มระยะเวลา ขั้นตอนอื่น ๆ จะลดลงตามหลักคณิตศาสตร์ (เช่น N2) ดังนั้น ความสัมพันธ์เชิงลบของเราอาจสะท้อนถึงความแปรปรวนส่วนบุคคลของสัดส่วนของระยะการนอนหลับ ซึ่งบ่งชี้ว่าผู้เข้าร่วมที่รายงาน REM มากกว่า และ N2 น้อยกว่าโดยอัตโนมัติ มีแนวโน้มที่จะจดจำข้อมูลเชิงลบได้ดีกว่าข้อมูลที่เป็นกลาง แนวคิดหลังนี้ได้รับการสนับสนุนบางส่วนจากปัจจัยแบบเบย์ ซึ่งเสนอแนะหลักฐานที่สูงกว่าของความสัมพันธ์ของ d-ไพรม์กับ REM% มากกว่ากับ N2% สุดท้ายนี้ เราควรเน้นย้ำว่าการตีความความสัมพันธ์เหล่านี้ส่วนใหญ่เป็นการเก็งกำไร เนื่องจากมีผู้เข้าร่วมจำนวนน้อย (n=20)
ผลลัพธ์ปัจจุบันควรได้รับการตีความโดยคำนึงถึงข้อจำกัดของการศึกษานี้ด้วย ประการแรก ช่วงการทดลองดำเนินการทั้งหมดที่บ้านของผู้เข้าร่วม จึงมีการควบคุมการตั้งค่าการทดลองอย่างจำกัด และการปฏิบัติตามคำแนะนำของผู้เข้าร่วมมีจำกัด อย่างไรก็ตาม ข้อจำกัดเดียวกันนี้ทำให้เราสามารถทำการศึกษาระบบนิเวศได้มากขึ้น เนื่องจากผู้เข้าร่วมนอนบนเตียง พวกเขาจึงไม่อยู่ภายใต้ความกดดันใดๆ ที่อาจเกิดขึ้นจากห้องปฏิบัติการ ซึ่งอาจส่งผลต่อคุณภาพการนอนหลับที่บันทึกไว้ (Agnew Jr., Webb, & Williams, 1966) อย่างไรก็ตาม พวกเขาสามารถสัมผัสกับเอฟเฟกต์กลางคืนที่ปรับตัวได้ อันที่จริง เมื่อเราวิเคราะห์รูปแบบการนอนหลับของทั้งสองกลุ่มตลอด 2 คืน เราสังเกตเห็น N2% ที่สูงขึ้นและ N3% ที่ลดลงในคืนแรก แต่ผลกระทบนี้คล้ายกันในทั้งสองกลุ่ม ประการที่สอง ตามที่กล่าวไว้ก่อนหน้านี้ การบันทึกการนอนหลับคืนเดียวอาจไม่ได้ให้ข้อมูลเชิงลึกที่เพียงพอเกี่ยวกับการนอนหลับและกระบวนการที่เกี่ยวข้องกับความทรงจำ เนื่องจากมีความซับซ้อนอย่างมาก
ดังนั้นการศึกษาเพิ่มเติมควรบันทึกคืนการนอนหลับติดต่อกันมากขึ้นเพื่อเอาชนะขีดจำกัดนี้ ประการที่สาม การศึกษาในปัจจุบันใช้เพียงสิ่งเร้าทางการมองเห็นแบบคงที่ (เช่น รูปภาพ) และงานการจดจำเท่านั้น ดังนั้น การศึกษาเพิ่มเติมควรพยายามขยายผลลัพธ์ของเราด้วยสิ่งเร้าประเภทต่างๆ (เช่น วิดีโอ) และการทดสอบประเภทต่างๆ (เช่น การเรียกคืน) สุดท้ายนี้ เราควรเน้นย้ำอีกครั้งว่าขนาดตัวอย่างในปัจจุบันค่อนข้างเล็ก (n {{0}} ต่อกลุ่ม) และการวิเคราะห์ของเราไม่มีพลังเพียงพอที่จะตรวจจับผลกระทบเล็กๆ น้อยๆ และละเอียดอ่อนยิ่งขึ้น ขนาดตัวอย่างนี้ถูกเลือกตามข้อจำกัดด้านทรัพยากร เช่น เรามีเงินทุน บุคลากร และเวลาในการรวบรวมข้อมูลที่จำกัด ดังนั้นเราจึงกำหนดขนาดกลุ่มตัวอย่างโดยใช้ขั้นตอนการศึกษาสำนึก (Lakens, 2022) ซึ่งอิงจากการทบทวนวรรณกรรมเกี่ยวกับการนอนหลับและความทรงจำทางอารมณ์ เมื่อพิจารณาจากการศึกษา 34 เรื่องที่รวมอยู่ในการวิเคราะห์เมตาโดย Schäfer และเพื่อนร่วมงานในปี 2020) การศึกษาส่วนใหญ่ในหัวข้อนี้มีขนาดตัวอย่างระหว่างผู้เข้าร่วม 12 คนต่อกลุ่มหรือสภาวะ (Goldschmied et al., 2015; Wagner, Kashyap, Diekelmann, & Born, 2007) ให้กับผู้เข้าร่วม 24 คนต่อกลุ่มหรือตามเงื่อนไข (Ashton, Harrington, Smith, & Cairney, 2019) โดยมีข้อยกเว้นบางประการที่มีขนาดตัวอย่างที่ใหญ่กว่า (Baran et al., 2012; Bennion, Payne, & Kensinger, 2016; ค็อกซ์ และคณะ 2018) ตัวอย่างเช่น Sopp, Michael และ Mecklinger (2018) โดยใช้แนวทางปฏิบัติที่คล้ายกันกับเรา (สองกลุ่ม ช่วงการทดสอบสามช่วง งานการรับรู้ที่มีสิ่งเร้าที่เป็นกลางและไม่พึงประสงค์) คัดเลือกผู้เข้าร่วม 23 คนต่อกลุ่ม ซึ่งคล้ายกับขนาดตัวอย่างของเรา ดังนั้น ผลลัพธ์ปัจจุบันสามารถใช้เป็นการเปรียบเทียบกับการศึกษาที่คล้ายกันในวรรณกรรมได้ แต่การตีความควรจำกัดไว้เฉพาะผลกระทบที่มีแนวโน้มปานกลางถึงมาก โปรดจำไว้ว่าการศึกษาของเราไม่ได้ออกแบบมาเพื่อระบุผลกระทบเล็กๆ น้อยๆ (เช่น d ของ Cohen น้อยกว่าหรือเท่ากับ 0.20) การศึกษาในอนาคตควรทำซ้ำและขยายผลลัพธ์ปัจจุบันของเราด้วยขนาดตัวอย่างที่ใหญ่ขึ้น
โดยสรุป การศึกษาของเรายืนยันถึงบทบาทที่เป็นประโยชน์ของการนอนหลับต่อการรวมหน่วยความจำ ไม่ว่าจะหลังจากการเข้ารหัสข้อมูลใหม่หรือหลังจากตื่นมาทั้งวัน ยิ่งกว่านั้น แม้ว่าสิ่งเร้าเชิงลบจะแสดงให้เห็นอีกครั้งว่าสามารถจดจำได้ดีกว่าสิ่งกระตุ้นที่เป็นกลาง แต่ปฏิกิริยาทางอารมณ์เชิงอัตวิสัยดูเหมือนจะไม่ได้รับอิทธิพลจากการนอนคืนเดียว นอกจากนี้เรายังพิสูจน์ว่าประสิทธิภาพของหน่วยความจำสำหรับภาพเชิงลบมีความสัมพันธ์เชิงบวกกับปริมาณการนอนหลับ REM ในคืนก่อนการเรียนรู้ โดยรวมแล้ว การนอนหลับดูเหมือนจะไม่ช่วยเพิ่มความจำทางอารมณ์ได้เป็นพิเศษ แม้ว่าอาจส่งผลต่อการเข้ารหัสข้อมูลเชิงลบก็ตาม
ผลงานของผู้เขียน
NC และ GC พัฒนาแนวคิดการศึกษาและมีส่วนร่วมในการออกแบบการศึกษาและรวบรวมข้อมูล ผู้เขียนทุกคนมีส่วนร่วมในการวิเคราะห์ข้อมูล ตีความข้อมูล ร่างต้นฉบับ และอนุมัติฉบับสุดท้ายสำหรับการส่ง
กิตติกรรมประกาศ
งานปัจจุบันดำเนินการในขอบเขตของโครงการวิจัย "Dipartimenti di Eccellenza" จาก MIUR ถึงภาควิชาจิตวิทยาทั่วไป ผู้เขียนขอขอบคุณ Eleonora Baliviera สำหรับความช่วยเหลือในการรวบรวมข้อมูล
ขัดผลประโยชน์
นี่ไม่ใช่การศึกษาที่ได้รับการสนับสนุนจากอุตสาหกรรม ไม่มีผู้เขียนคนใดที่อาจเกิดความขัดแย้งทางผลประโยชน์ที่จะเปิดเผย ผู้เขียนทุกคนได้เห็นและอนุมัติต้นฉบับแล้ว
คำชี้แจงความพร้อมของข้อมูล
ข้อมูลที่สนับสนุนข้อค้นพบของการศึกษานี้มีให้จากผู้เขียนที่เกี่ยวข้องตามคำขอที่สมเหตุสมผล
ข้อมูลอ้างอิง
1.แอคเคอร์มันน์, เอส. และ ราสช์, บี. (2014) ผลกระทบที่แตกต่างของการนอนหลับที่ไม่ใช่ REM และ REM ต่อการรวมหน่วยความจำหรือไม่ รายงานประสาทวิทยาและประสาทวิทยาศาสตร์ในปัจจุบัน, 14(2), 430.
2. Agnew, H., Jr., Webb, WB, & Williams, RL (1966) ผลกระทบคืนแรก: การศึกษา EEG ของการนอนหลับ สรีรวิทยาจิตวิทยา, 2(3), 263–266.
3.Arnal, PJ, Thorey, V., Debellemaniere, E., Ballard, ME, Bou Hernandez, A., Guillot, A., … Van Beers, P. (2020) แถบคาดศีรษะ Dreem ถูกเปรียบเทียบกับการตรวจการนอนหลับหลายแบบเพื่อรับสัญญาณคลื่นไฟฟ้าสมองและระยะการนอนหลับ นอน, 43(11), zsaa097.
4. แอชตัน, JE, แฮร์ริงตัน, มิสซูรี, สมิธ, AK และแคร์นีย์, SA (2019) การนอนหลับช่วยรักษาความตื่นตัวทางสรีรวิทยาในความทรงจำทางอารมณ์ รายงานทางวิทยาศาสตร์, 9(1), 1–10
5.Baglioni, C., Nanovska, S., Regen, W., Spiegelhalder, K., Feige, B., Nissen, C., … Riemann, D. (2016) ความผิดปกติของการนอนหลับและทางจิต: การวิเคราะห์เมตาของการวิจัยหลายมิติ แถลงการณ์ทางจิตวิทยา, 142(9), 969–990
6. บี อารัน บี., เพซ-ชอตต์, EF, เอริคสัน, ซี., และ สเปนเซอร์, อาร์เอ็ม (2012) การประมวลผลปฏิกิริยาทางอารมณ์และความจำทางอารมณ์ที่หลับเกินเวลา วารสารประสาทวิทยาศาสตร์, 32(3), 1035–1042
7. บี เบนเนียน, เคเอ, เพย์น, เจดี และเคนซิงเกอร์, อีเอ (2016) ผลกระทบของการงีบหลับต่อความทรงจำสำหรับสิ่งเร้าที่เกี่ยวข้องในอนาคต: การจัดลำดับความสำคัญระหว่างสัญญาณสำคัญต่างๆ ประสาทวิทยาศาสตร์พฤติกรรม, 130(3), 281–289.
8.เบนสัน เค. และไฟน์เบิร์ก ไอ. (1977) ผลประโยชน์ของการนอนหลับในกระบวนทัศน์เจนกินส์และดัลเลนบาคที่ขยายออกไป สรีรวิทยา, 14(4), 375–384.
9. บอร์น เจ. และวิลเฮล์ม ไอ. (2012) การรวมระบบของหน่วยความจำระหว่างการนอนหลับ การวิจัยทางจิตวิทยา, 76(2), 192–203.
10. Buysse, DJ, Reynolds, CF, III, Monk, TH, Berman, SR, & Kupfer, DJ (1989) ดัชนีคุณภาพการนอนหลับของพิตต์สเบิร์ก: เครื่องมือใหม่สำหรับการปฏิบัติและการวิจัยทางจิตเวช การวิจัยจิตเวช, 28(2), 193–213
11.Carretié, L., Tapia, M., Lopez-Martín, S., & Albert, J. (2019) EmoMadrid: ฐานข้อมูลภาพทางอารมณ์สำหรับการวิจัยที่มีผลกระทบ แรงจูงใจและอารมณ์, 43(6), 929–939
12.เชลลินี เอ็น. ตอร์เร เจ. สเตกาญโญ่ แอล. และ ซาร์โล เอ็ม. (2016) การนอนหลับก่อนและหลังการเรียนรู้ส่งเสริมการรวบรวมข้อมูลทั้งที่เป็นกลางและทางอารมณ์โดยไม่คำนึงถึง REM ชีววิทยาวิทยาแห่งการเรียนรู้และความทรงจำ, 133, 136–144
13.เชลลินี เอ็น. เมอร์คิวริโอ เอ็ม. และซาร์โล เอ็ม. (2019) ชะตากรรมของความทรงจำทางอารมณ์ตลอดทั้งสัปดาห์: การนอนหลับมีบทบาทหรือไม่? พรมแดนทางจิตวิทยา, 10, 481.
14.C สนุกสนาน, DA, & เบ็ค, AT (2010) ทฤษฎีความรู้ความเข้าใจและการบำบัดความวิตกกังวลและภาวะซึมเศร้า: การบรรจบกับการค้นพบทางระบบประสาท แนวโน้มทางวิทยาศาสตร์เกี่ยวกับความรู้ความเข้าใจ, 14(9), 418–424.
15. คัฟลิน เดลลา เซลวา, พี. (2549). การประมวลผลทางอารมณ์ในการรักษาโรคทางจิต วารสารจิตวิทยาคลินิก, 62(5), 539–550
