-
Exercício físico é ótimo para o cérebro, mas exercício ao ar livre pode ser ainda melhor
O artigo intitulado “ Exercising is good for the brain but exercising outside is potentially better” ( link abaixo) investiga como o exercício agudo e o ambiente externo afetam o controle da atenção. O objetivo do estudo é compreender a interação entre o exercício e o ambiente na cognição.
A introdução do artigo destaca a importância do exercício físico e da exposição à natureza na função cognitiva. Além disso, os pesquisadores questionam como o exercício e o ambiente interagem para influenciar a cognição. Eles sugerem que o ambiente pode desempenhar um papel muito importante no aumento da função cognitiva.
O estudo foi realizado em dois locais, um em ambiente interno e outro em ambiente externo. Os participantes caminharam por 15 minutos em cada local. O Eletroencefalograma (EEG) foi utilizado para medir a função cognitiva antes e depois das caminhadas. Cada participante da pesquisa completou as caminhadas internas e externas.
Os autores descobriram que uma caminhada de 15 minutos ao ar livre melhorou o desempenho e aumentou a amplitude do EEG, em especial, eventos neurais comumente associada à atenção e à memória de trabalho. No entanto, esse resultado não foi observado após uma caminhada de 15 minutos no interior. Os resultados sugerem que o tipo de ambiente pode desempenhar um papel significativo no aumento da função cognitiva.
Os autores destacam a importância de entender como o exercício e o ambiente interagem para influenciar a cognição, especialmente no contexto de urbanização e estilos de vida sedentários. Os pesquisadores sugerem que as descobertas do estudo podem ter implicações importantes na concepção de intervenções para melhorar a função cognitiva.
As descobertas do estudo são consistentes com pesquisas anteriores que mostraram os benefícios da exposição à natureza na função cognitiva. O uso do EEG para medir a função cognitiva é importante, pois fornece uma medida mais objetiva da função cognitiva do que utilizar apenas medidas de autorrelato. No entanto, o estudo tem algumas limitações, como o pequeno tamanho da amostra e o uso de uma única medida da função cognitiva que limitam a generalização dos resultados.
Referência:
Boere, K., Lloyd, K., Binsted, G., & Krigolson, O. E. (2023). Exercising is good for the brain but exercising outside is potentially better. Scientific Reports, 13(1), 1140.
-
Estudo investiga relação entre características demográficas, funções executivas e memória em pacientes com Parkinson tratados com Deep Brain Stimulation
Foto por MART PRODUCTION em Pexels.com Estudo investiga a associação entre características demográficas, funções executivas e memória em pacientes com doença de Parkinson, com e sem Deep Brain Stimulation (DBS). A DBS é uma técnica cirúrgica que utiliza a implantação de eletrodos em áreas específicas do cérebro para ajudar no tratamento de doenças neurológicas, como a doença de Parkinson, tremores essenciais, distonia e transtorno obsessivo-compulsivo. Os eletrodos são conectados a um gerador de impulsos, semelhante a um marca-passo cardíaco, que é implantado sob a pele no peito do paciente. O gerador envia impulsos elétricos aos eletrodos, que estimulam as áreas do cérebro responsáveis pelos sintomas da doença, ajudando a controlá-los. A DBS é uma opção de tratamento para pacientes que não respondem mais aos medicamentos ou que apresentam efeitos colaterais graves. No entanto, é uma técnica invasiva que envolve riscos e é realizada apenas em casos selecionados e por equipes especializadas.
O estudo, publicado na Aging and Health Research contou com a participação de 76 pacientes, divididos em três grupos: 30 pessoas saudáveis (grupo controle), 30 diagnosticadas com DP tratadas apenas com medicamentos (grupo medicamentoso) e 16 com DP tratada com DBS (grupo DBS). Para avaliar as funções executivas e a memória, foram utilizados vários instrumentos, como a Avaliação Cognitiva de Montreal (MoCA), Rey Auditory Verbal Learning Test, Trail Making Test A and B, Digits Span e Stroop Test.
Os resultados revelaram que o desempenho da memória e das funções executivas estava associado a características demográficas apenas em pacientes tratados com DBS. A análise de regressão exploratória identificou uma associação significativa entre idade, escolaridade e atividade de vida diária e o desempenho das funções executivas e da memória somente no grupo DBS. Embora o estudo tenha encontrado diferenças significativas entre os grupos de controle, medicamentos e DBS, é importante considerar o desequilíbrio de gênero nos grupos avaliados como uma limitação.
A DP é comumente tratada com intervenções farmacológicas, como a reposição de levodopa. No entanto, quando o tratamento medicamentoso não é mais suficiente, alternativas, como a DBS, podem ser utilizadas. Embora a DBS tenha demonstrado muitos benefícios motores, como redução das flutuações motoras e das discinesias, os declínios cognitivos são um possível efeito colateral.
Estudos anteriores já relataram a influência da DBS nas funções executivas e na memória em pacientes com DP. Alguns pesquisadores defendem que o declínio na fluência verbal se deve às micro lesões resultantes da cirurgia de implantação e que a diminuição é temporária. No entanto, mais investigações são necessárias para entender a influência de variáveis individuais no desempenho cognitivo em pacientes com DBS.
Em resumo, este estudo teve como objetivo identificar a associação entre características demográficas, funções executivas e desempenho da memória em pacientes com DP com e sem DBS. Os resultados sugerem que a idade, escolaridade e atividades da vida diária estão relacionadas ao desempenho cognitivo apenas em pacientes com DBS.
Referência:
Arten, Thayná LS, and Amer C. Hamdan. “Executive functions and memory in Parkinson’s disease patients with Deep Brain Stimulation.” Aging and Health Research 2.1 (2022): 100065.
Link para o artigo:
https://www.sciencedirect.com/science/article/pii/S2667032122000129
-
Estudo evidencia que crenças positivas sobre a idade podem influenciar a recuperação cognitiva em idosos com comprometimento leve
Este estudo investiga o papel das crenças positivas sobre a idade na recuperação do comprometimento cognitivo leve (CCL) entre idosos. O estudo descobriu que indivíduos com CCL que têm crenças positivas sobre a idade têm maior probabilidade de experimentar recuperação cognitiva e o fazem mais cedo do que aqueles com crenças negativas sobre a idade. O estudo destaca a importância de promover crenças positivas sobre a idade em idosos para potencialmente melhorar os resultados cognitivos.
O estudo usou dados do Health and Retirement Study, uma pesquisa longitudinal nacional, e incluiu 4.765 participantes com 60 anos ou mais que foram diagnosticados com CCL. Os participantes foram acompanhados por até oito anos para avaliar seu estado cognitivo. A pesquisa utilizou um modelo estatístico para analisar os dados e controlar possíveis fatores de confusão, como idade, sexo, educação e estado de saúde.
Os resultados do estudo sugerem que as crenças positivas sobre a idade podem ter um efeito protetor na saúde cognitiva de indivíduos mais velhos. A pesquisa contribui para o crescente corpo de pesquisas sobre o papel dos fatores psicossociais no envelhecimento cognitivo e destaca a necessidade de intervenções que promovam crenças positivas sobre a idade em idosos.
O estudo tem algumas limitações, incluindo o uso de medidas autorreferidas de crenças etárias e a falta de informações sobre o conteúdo específico das crenças etárias defendidas pelos participantes. Pesquisas futuras poderiam abordar essas limitações usando medidas mais objetivas das crenças sobre a idade e examinando o conteúdo específico das crenças sobre a idade que estão associadas aos resultados cognitivos.
No geral, o estudo fornece informações importantes sobre o papel das crenças positivas sobre a idade no envelhecimento cognitivo e destaca os benefícios potenciais da promoção de crenças positivas sobre a idade em idosos.
Link para o artigo:
https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2803740
-
Cinco hábitos que as pessoas podem adotar para diminuir o risco da doença de Alzheimer
A doença de Alzheimer é uma das doenças neurodegenerativas mais comuns em todo o mundo. Afeta principalmente pessoas mais velhas e pode causar perda progressiva de memória e uma variedade de outros sintomas cognitivos e comportamentais. Embora ainda não haja cura para a doença de Alzheimer, existem algumas coisas que as pessoas podem fazer para reduzir o risco de desenvolver a doença. Neste post, discutiremos cinco hábitos que podem ajudar a reduzir o risco de Alzheimer.
Atividade física regular
O exercício regular é uma das melhores coisas que as pessoas podem fazer para manter o cérebro saudável.O exercício ajuda a aumentar o fluxo sanguíneo para o cérebro, o que pode ajudar a melhorar a função cognitiva. Além disso, o exercício regular pode ajudar a reduzir o risco de doenças cardiovasculares, como pressão alta e diabetes, que são fatores de risco conhecidos para a doença de Alzheimer.
Alimentação saudável
A dieta é um fator importante na saúde do cérebro. As pessoas devem tentar comer uma dieta saudável e equilibrada, rica em frutas, vegetais, grãos integrais, peixe e carnes magras. Também é importante limitar o consumo de alimentos processados e açúcar.Alguns estudos sugerem que uma dieta mediterrânea pode ser particularmente benéfica para a saúde do cérebro.
Estimulação cognitiva
A estimulação cognitiva é importante para manter o cérebro saudável e reduzir o risco de Alzheimer. As pessoas devem tentar manter suas mentes ativas aprendendo coisas novas e desafiadoras, por ex. Por exemplo, aprender um novo idioma, tocar um instrumento musical ou jogar jogos que treinem a memória e a cognição.
Dormir bem
O sono adequado é essencial para uma boa saúde do cérebro. A falta de sono pode levar a problemas de memória e cognição e aumentar o risco de doenças cardiovasculares e outras condições que são fatores de risco para a doença de Alzheimer.As pessoas devem tentar dormir pelo menos sete a oito horas por noite e manter uma rotina de sono consistente.
Socialização
A socialização é uma parte importante da saúde geral do cérebro. Pessoas socialmente comprometidas têm um risco menor de desenvolver a doença de Alzheimer. As pessoas devem tentar manter suas conexões sociais, seja por meio de atividades com amigos e familiares ou por meio de atividades em grupo, como voluntariado ou participação em grupos comunitários.
Em resumo, há várias coisas que as pessoas podem fazer para reduzir o risco de Alzheimer.Exercício regular, dieta saudável, estimulação cognitiva, sono adequado e socialização são hábitos importantes para manter a saúde do cérebro e reduzir o risco de doença de Alzheimer. Ao adotar esses hábitos, as pessoas podem ajudar a manter suas mentes saudáveis e prevenir ou retardar o desenvolvimento da doença de Alzheimer.
-
Homens e mulheres têm conexões diferentes no cérebro, diz estudo
Todos sabem recitar a regra popular sobre a mente de homens e mulheres: enquanto o cérebro masculino é bom para ação motora e visão espacial, o feminino supera em linguagem e sociabilidade. Essa estereotipagem ainda é debatida, mas neurocientistas oferecem agora evidências físicas a favor da teoria…..
Matéria de Rafael Garcia publicada na Folha de São Paulo. Para continuar lendo click no link
-
Pisa 2012: a aberração de sempre
A conclusão é inescapável: pioramos. Mas nossos dirigentes estão mais preocupados em torcer dados para ver o lado bom de resultados decepcionantes
viaPisa 2012: a aberração de sempre – Educação – Notícia – VEJA.com.
-
É possível treinar o cérebro?
Luiza Muler
Acadêmica do Curso de Psicologia / UFPR
Com o intuito de verificar a eficácia da utilização de programas computadorizados quanto à melhora global das funções cognitivas, Adrian M. Owen e colaboradores (2010), realizaram um estudo a fim de esclarecer quais os benefícios obtidos por meio desse treinamento cognitivo. Os pontos investigados se pautam nas questões referentes à validação da melhora no funcionamento geral da cognição, e na verificação da possibilidade dos benefícios desses treinos serem transferidos para tarefas não treinadas, diferentes daquelas utilizadas por tais programas.
O estudo contou com 11430 participantes, os quais foram submetidos a diversos treinamentos durante um período pré-estabelecido de seis semanas. Esses treinos consistiam na realização de avaliações neuropsicológicas que envolviam testes de raciocínio, de memória verbal de curto prazo (VSTM, verbal short term memory), de memória espacial (SWM, spatial working memory) e testes de aprendizado de associação por pares (PAL, paired-associates learning). Com o objetivo de facilitar a execução desse experimento e auxiliar na posterior comparação dos dados obtidos, os colaboradores foram então divididos em três grupos: o primeiro envolvia tarefas de treinamento com ênfase nos campos referentes ao raciocínio, planejamento e resolução de problemas; o segundo se utilizou de testes de memória de curto prazo, atenção, processamento visuoespacial e matemática (os quais eram semelhantes àqueles encontrados nos programas de computadores); e o último consistia em um grupo controle, não sendo realizadas tarefas pertencentes ao âmbito da cognição.
Após o período proposto para a avaliação dos integrantes, chegou-se a conclusão de que as melhorias registradas foram muito semelhantes nos três grupos analisados. Dessa forma, segundo os pesquisadores, os resultados obtidos não evidenciam qualquer relação entre progresso ou desenvolvimento referente às funções cognitivas e treinamento cerebral por meio de programas computadorizados. Um ponto importante a ser ressaltado consiste na constatação de uma melhora significativa no que se refere às habilidades que abrangiam a capacidade de resposta em relação aos próprios testes aplicados durante a pesquisa. Como já esperado, ao longo do período de testagem, os participantes foram desenvolvendo habilidades específicas, as quais se restringiam apenas às tarefas ali realizadas, já que estas consistiam basicamente em repetições sistemáticas envolvendo perguntas e respostas. Apesar da constatação obtida, os pesquisadores não excluem a possibilidade de que outras abordagens, tais como a realização de um treino cognitivo presencial (e não online) pode ser benéfica em algumas circunstâncias. Porém, reforçam a ideia de que os resultados obtidos confirmam a premissa já exposta de que seis semanas de treino regular cognitivo computadorizado não são capazes de propiciar benefícios relevantes a essas funções.
Referências Bibliográficas
Owen, A.M et al (2010). Putting brain training to the test. Nature, Letters, jun.2010.
-
What’s the difference between correlation and simple linear regression?
Algumas respostas:
-
Palestra sobre avaliação neuropsicológica do córtex orbitofrontal e ventromedial
Segue no link abaixo os slides da conferência que ministrei no II Congresso Mineiro de Neuropsicologia.
Avaliação neuropsicológica do Córtex Orbitofrontal e ventromedial em idosos
-
Congresso Internacional em Saúde Mental
-
I Jornada Sul-brasileira de Neuropsicologia
De 24/04 a 26/06 em Curitiba-PR.
As inscrições para apresentação de trabalhos foram prorrogadas até o dia 15/04.
Para maiores informações, acesse o site do evento:
-
Métodos computacionais em neuropsicologia
Este é o primeiro de uma série de posts que pretendo escrever sobre métodos computacionais em neuropsicologia. O que são métodos computacionais em neuropsicologia? É a disciplina que estuda as ferramentas, os métodos e os algoritmos númericos e, também o desenvolvimento de experimentos utilizando-se da tecnologia computacional em neuropsicologia.
O conhecimento de métodos computacionais é essencial para o desenvolvimento da pesquisa em qualquer área do conhecimento. Este conhecimento requer utilizar a tecnologia computacional, de um modo que vai muito além de simplesmente acessar a internet, navegar em sites, realizar uma busca, utilizar as redes sociais ou escrever num processador de texto.
A utilização da tecnologia computacional na pesquisa científica requer habilidades tais como: coletar dados, manipular e processar estes dados, realizar um experimento, simular um experimento, visualizar os resultados (gerar gráficos), produzir relatórios, escrever um artigo e escrever apresentações. Estas habilidades são desenvolvidas de maneira satisfatória com os recursos da tecnologia computacional.
Nos próximos posts estaremos falando sobre linguagem de programação científica, especialmente (mas, não somente) sobre o Python e o R. Nosso enfoque será sobre métodos de análise de dados e desenvolvimento de experimentos em neuropsicologia.
Até próxima.
-
Variáveis aleatórias no R
Existem quatro comandos básicos para trabalhar com variáveis aleatórias no R.
p (probability) – gera a probabilidade de um valor x.
q (quantile) – gera o valor x de uma dada probabilidade acumulada.
d (densitty) – gera o valor da função densidade num valor x da variável.
r (randon) – gera n valores do modelo probabilístico.1. Principais modelos probabilisticos no R
rbinom(n, size, prob) modelo binomial
rpois(n, lambda) Poisson
rgeom(n, prob) geometrica
rhyper(nn, m, n, k) hipergeometrica
rnbinom(n, size, prob) binomial negativa
runif(n, min=0, max=1) uniforme
rexp(n, rate=1) exponential
rnorm(n, mean=0, sd=1) Gaussiana (normal)
rt(n, df) ‘Student’ (t)
rf(n, df1, df2) Fisher–Snedecor (F)
rchisq(n, df) Quiquadrada
rgamma(n, shape, scale=1) gamma
rbeta(n, shape1, shape2) beta
rlnorm(n, meanlog=0, sdlog=1) lognormal
rcauchy(n, location=0, scale=1) Cauchy
rweibull(n, shape, scale=1) Weibull
rwilcox(nn, m, n) Wilcoxon’s rank sum statistics
rsignrank(nn, n) Wilcoxon’s signed rank statistics
rlogis(n, location=0, scale=1) logistic2. Geração de números aleatórios
#---------------------------------------# #Geraçao de numeros aleatorios #Amer Cavalheiro Hamdan #Novembro 2012 #-----------------------------------------# #Geracao de numeros aleatorios #-----------------------------------------# #variaveis continuas # Gera numeros aleatarios de distribuicao normal x<-rnorm(1000) #gera 1000 numeros aleatarios x hist(x) #histograma de x v<-round(rnorm(1000),digits=1) #gera 1000 com arredondamento de 1 casa decimal v k<-trunc(rnorm(1000,100,15)) #gera 1000 numeros aleatarios com numeros inteiros k #---------------------------------------------- # Gera numeros aleatorios com amostra de tamanho 10; media 30; desvio padrao 5 y<-rnorm(10,30,5) y #------------------------------------------------- #Gera numeros aleatorios de distribuicao uniforme z<-runif(1000) z hist(z) #------------------------------------------------# #variaveis discretas #------------------------------------------------# #gera numeros aleatorios de distribuicao binominal a <- rbinom (20, 10, 0.5) a hist(a) d<-rbinom(1000, 100, 0.5) d hist(d) #------------------------------------------------- #gera uma amostra aleatoria a partir de numeros pre-estabelecidos #----------------------------------------------------------- x<-c(1,2,3,4,5,6) #determinado quais valores podem ser assumidos sample(x, 100,re=TRUE) #aqui mandamos sortear dentre os valores de x #aqui o tamanho da amostra #re abrevia replace do ingles, indicando reposicao #---------------------------------------------------------# #gerar numeros aleatorios de distribuicao uniforme #---------------------------------------------------------# runif(1) #gera um numero aleatorio de uma distribuicao uniforme. #Nessa distribuicao o unico parametro exigido e o tamanho da amostra #---------------------------------------------------------# #Graficos de probabilidade #---------------------------------------------------------# curve(dnorm(x),-3,3) #desenha uma curva de distrib normal em [-3,3] #----------------------------------------------------------- #Grafico de distribuicao normal j <-rnorm(100) hist(j,probability=TRUE,col="yellow", main="Normal(0,1)",ylab="Densidade", ylim=c(0,0.5),xlim=c(-3,3)) curve(dnorm(x),add=T) #------------------------------------------------------------ #grafico de distribuicao uniforme b <-runif(100) hist(b,probability=TRUE,main="Uniforme[0,1]", ylab="Densidade",col="red") curve(dunif(x,0,1),add=T) #------------------------------------------------------------ #grafico de distribuicao exponencial c <-rexp(100,1/2500) hist(c,probability=TRUE, col ="lightblue",main="Exponencial com media=2500",ylab="Densidade") curve(dexp(x,1/2500),add=T) #------------------------------------------------------------
-
Probabilidade e a curva normal
############################################# #Probabilidade e a curva normal #Amer Cavalheiro Hamdan #Novembro/2012 ############################################# ########## #funcao desnidade x <- seq(-4,4,by=.01) y<-dnorm(x, mean=0,sd=1, log = FALSE) rx<-rev(x) ry<-vector("numeric", length(rx)) x<-c(x,rx) y<-c(y,ry) plot(x,y,"l",xlab="x",ylab="fdp(x)") polygon(x, y, col = "gray") #--------------------------------------- #simulando 100 lancamentos de uma moeda x=1:100 x y=cumsum(sample(0:1,100,rep=T)) y plot(x,y/1:100, ylim=c(0,1), xlim=c(0,100), pch=16) segments(1,0.5,100,0.5) hist(y) #----------------------------------------- ##simulando 100 lancamentos de um dado e dois dados soma.1dado = sample(1:6,100,replace=T) soma.1dado hist(soma.1dado)#distribuicao uniforme soma.2dado = sample(1:6,100,replace=T)+sample(1:6,100,replace=T) soma.2dado hist(soma.2dado)#distribuicao normal #------------------------------------ #desenha uma curva de distribuicao normal em [-3,3] curve(dnorm(x),-3,3) #-------------------------------------------- #funcao probabilidade normal pnorm(20, 50, 15) # o primeiro valor é referente ao calculo da probabilidade #o segundo parâmetro se refere a media #e por último o valor do desvio padrão #---------------------------------------------
-
Assinar
Assinado
Já tem uma conta do WordPress.com? Faça login agora.
Prof. Dr. Amer Hamdan 
Deixe um comentário