Fluid intelligence is important for successful functioning in the modern world, but much evidence suggests that fluid intelligence is largely immutable after childhood. Recently, however, researchers have reported gains in fluid intelligence after multiple sessions of adaptive working memory training in adults. The current study attempted to replicate and expand those results by administering a broad assessment of cognitive abilities and personality traits to young adults who underwent 20 sessions of an adaptive dual n-back working memory training program and comparing their post-training performance on those tests to a matched set of young adults who underwent 20 sessions of an adaptive attentional tracking program. Pre- and post-training measurements of fluid intelligence, standardized intelligence tests, speed of processing, reading skills, and other tests of working memory were assessed. Both training groups exhibited substantial and specific improvements on the trained tasks that persisted for at least 6 months post-training, but no transfer of improvement was observed to any of the non-trained measurements when compared to a third untrained group serving as a passive control. These findings fail to support the idea that adaptive working memory training in healthy young adults enhances working memory capacity in non-trained tasks, fluid intelligence, or other measures of cognitive abilities.

Abstract Sustained attention (SA) and working memory (WM) are critical processes, but the brain networks supporting these abilities in development are unknown. We characterized the functional brain architecture of SA and WM in 9–11-year-old children and adults. First, we found that adult network predictors of SA generalized to predict individual differences and fluctuations in SA in youth. A WM network model predicted WM performance both across and within children—and captured individual differences in later recognition memory—but underperformed in youth relative to adults. We next characterized functional connections differentially related to SA and WM in youth compared to adults. Results revealed two network configurations: a dominant architecture predicting performance in both age groups and a secondary architecture, more prominent for WM than SA, predicting performance in one. Thus, functional connectivity predicts SA and WM in youth, with networks predicting WM changing more from preadolescence to adulthood than those predicting SA.

The Hurst exponent ( H ) isolated in fractal analyses of neuroimaging time-series is implicated broadly in cognition. The connection between H and the mathematics of criticality makes it a candidate measure of individual differences in cognitive resource allocation. Relationships between H and multiple mental disorders have been detected, suggesting that H is transdiagnostically associated with psychopathology. Here, we demonstrate a gradient of decreased H with increased general psychopathology and attention-deficit/hyperactivity extracted factor scores during a working memory task which predicts concurrent and future working memory performance in 1,839 children. This gradient defines psychological and functional axes which indicate that psychopathology is associated with an imbalance in resource allocation between fronto-parietal and sensory-motor regions, driven by reduced resource allocation to fonto-parietal regions. This suggests the hypothesis that impaired cognitive function associated with psychopathology follows from a reduced cognitive resource pool and a reduction in resources allocated to the task at hand.

Abstract Neuroimaging research frequently demonstrates load-dependent activation in the prefrontal cortex during working memory tasks such as the N-back. Most of this work has been conducted in fMRI, but functional near-infrared spectroscopy (fNIRS) is gaining traction as a less invasive and more flexible alternative to measuring cortical hemodynamics. Few fNIRS studies, however, have examined how working memory load-dependent changes in brain hemodynamics relate to performance. The current study employs a newly developed and robust statistical analysis of task-based fNIRS data in a large sample, and demonstrates the utility of data-driven, multivariate analyses to link brain activation and behavior in this modality. Seventy participants completed a standard N-back task with three N-back levels (N = 1, 2, 3) while fNIRS data were collected from frontal and parietal cortex. Overall, participants showed reliably greater fronto-parietal activation for the 2-back versus the 1-back task, suggesting fronto-parietal fNIRS measurements are sensitive to differences in cognitive load. The results for 3-back were much less consistent, potentially due to poor behavioral performance in the 3-back task. To address this, a multivariate analysis (behavioral partial least squares, PLS) was conducted to examine the interaction between fNIRS activation and performance at each N-back level. Results of the PLS analysis demonstrated differences in the relationship between accuracy and change in the deoxyhemoglobin fNIRS signal as a function of N-back level in four mid-frontal channels. Specifically, greater reductions in deoxyhemoglobin (i.e., more activation) were positively related to performance on the 3-back task, unrelated to accuracy in the 2-back task, and negatively associated with accuracy in the 1-back task. This pattern of results suggests that the metabolic demands correlated with neural activity required for high levels of accuracy vary as a consequence of task difficulty/cognitive load, whereby more automaticity during the 1-back task (less mid-frontal activity) predicted superior performance on this relatively easy task, and successful engagement of this mid-frontal region was required for high accuracy on a more difficult and cognitively demanding 3-back task. In summary, we show that fNIRS activity can track working memory load and can uncover significant associations between brain activity and performance, thus opening the door for this modality to be used in more wide-spread applications.

Abstract Scale invariant neural dynamics are a relatively new but effective means of measuring changes in brain states as a result of varied cognitive load and task difficulty. This study is the first to test whether scale invariance (as measured by the Hurst exponent, H ) can be used with functional near-infrared spectroscopy (fNIRS) to quantify cognitive load. We analyzed H extracted from the fNIRS time series while participants completed an N-back working memory task. Consistent with what has been demonstrated in fMRI, the current results showed that scale-invariance analysis significantly differentiated between task and rest periods as calculated from both oxy- (HbO) and deoxy-hemoglobin (HbR) concentration changes. Results from both channel-averaged H and a multivariate partial least squares approach (Task PLS) demonstrated higher H during the 1-back task than the 2-back task. These results were stronger for H derived from HbR than from HbO. As fNIRS is relatively portable and robust to motion-related artifacts, these preliminary results shed light on the promising future of measuring cognitive load in real life settings. Author Summary Scale invariance reflects a pattern of self-similarity (or fractalness) across a time series of brain data. In human neuroscience studies using EEG and fMRI, higher scale invariance has been associated with individuals being in a state of minimal cognitive effort or while performing a relatively easy task compared to doing something more challenging. Functional near-infrared spectroscopy (fNIRS) is a flexible neuroimaging technique that can be used in naturalistic settings and measures the same underlying biological signal as fMRI. We expected that, if scale invariant brain states are indeed robust indicators of cognitive load or task difficulty, we should be able to replicate previous findings in fNIRS. Consistent with this hypothesis, we find that more scale invariant brain states are indeed associated with less cognitively demanding and more restful brain states in fNIRS data. This finding opens up a wide array of potential applications for monitoring cognitive load and fatigue in real-life settings, such as during driving, learning in schools, or during interpersonal interactions.

Transparency can build trust in the scientific process, but scientific findings can be undermined by poor and obscure data use and reporting practices. The purpose of this work is to report how data from the Adolescent Brain Cognitive Development (ABCD) Study has been used to date, and to provide practical recommendations on how to improve the transparency and reproducibility of findings. Articles published from 2017 to 2023 that used ABCD Study data were reviewed using more than 30 data extraction items to gather information on data use practices. Total frequencies were reported for each extraction item, along with computation of a Level of Completeness (LOC) score that represented overall endorsement of extraction items. Univariate linear regression models were used to examine the correlation between LOC scores and individual extraction items. Post hoc analysis included examination of whether LOC scores were correlated with the logged 2-year journal impact factor. There were 549 full-length articles included in the main analysis. Analytic scripts were shared in 30% of full-length articles. The number of participants excluded due to missing data was reported in 60% of articles, and information on missing data for individual variables (e.g., household income) was provided in 38% of articles. A table describing the analytic sample was included in 83% of articles. A race and/or ethnicity variable was included in 78% of reviewed articles, while its inclusion was justified in only 41% of these articles. LOC scores were highly correlated with extraction items related to examination of missing data. A bottom 10% of LOC score was significantly correlated with a lower logged journal impact factor when compared to the top 10% of LOC scores (β=-0.77, 95% -1.02, -0.51; p-value < 0.0001). These findings highlight opportunities for improvement in future papers using ABCD Study data to readily adapt analytic practices for better transparency and reproducibility efforts. A list of recommendations is provided to facilitate adherence in future research.

Abstract As we move toward population-level developmental neuroscience, understanding intra- and inter-individual variability in brain maturation and sources of neurodevelopmental heterogeneity becomes paramount. Large-scale, longitudinal neuroimaging studies have uncovered group-level neurodevelopmental trajectories, and while recent work has begun to untangle intra- and inter-individual differences, they remain largely unclear. Here, we aim to quantify both intra- and inter-individual variability across facets of neurodevelopment across early adolescence (ages 8.92 to 13.83 years) in the Adolescent Brain Cognitive Development (ABCD) Study and examine inter-individual variability as a function of age, sex, and puberty. Our results provide novel insight into differences in annualized percent change in macrostructure, microstructure, and functional brain development from ages 9-13 years old. These findings reveal moderate age-related intra-individual change, but age-related differences in inter-individual variability only in a few measures of cortical macro- and microstructure development. Greater inter-individual variability in brain development were seen in mid-pubertal individuals, except for a few aspects of white matter development that were more variable between prepubertal individuals in some tracts. Although both sexes contributed to inter-individual differences in macrostructure and functional development in a few regions of the brain, we found limited support for hypotheses regarding greater male-than-female variability. This work highlights pockets of individual variability across facets of early adolescent brain development, while also highlighting regional differences in heterogeneity to facilitate future investigations in quantifying and probing nuances in normative development, and deviations therefrom.

Ambient air pollution is a neurotoxicant with hypothesized immune-related mechanisms. Adolescent brain structural and functional connectivity may be especially vulnerable to ambient pollution due to the refinement of large-scale brain networks during this period, which vary by sex and have important implications for cognitive, behavioral, and emotional functioning. In the current study we explored associations between air pollutants, immune markers, and structural and functional connectivity in early adolescence by leveraging cross-sectional sex-stratified data from the Adolescent Brain Cognitive Development℠ Study®. Pollutant concentrations of fine particulate matter, nitrogen dioxide, and ozone were assigned to each child's primary residential address during the prenatal period and childhood (9-10 years-old) using an ensemble-based modeling approach. Data collected at 11-13 years-old included resting-state functional connectivity of the default mode, frontoparietal, and saliency networks and limbic regions of interest, intracellular directional and isotropic diffusion of available white matter tracts, and markers of cellular immune activation. Using partial least squares correlation, a multivariate data-driven method that identifies important variables within latent dimensions, we investigated associations between 1) pollutants and structural and functional connectivity, 2) pollutants and immune markers, and 3) immune markers and structural and functional connectivity, in each sex separately. Air pollution exposure was related to white matter intracellular directional and isotropic diffusion at ages 11-13 years, but the direction of associations varied by sex. There were no associations between pollutants and resting-state functional connectivity at ages 11-13 years. Childhood exposure to nitrogen dioxide was negatively correlated with white blood cell count in males. Immune biomarkers were positively correlated with white matter intracellular directional diffusion in females and both white matter intracellular directional and isotropic diffusion in males. Lastly, there was a reliable negative correlation between lymphocyte-to-monocyte ratio and default mode network resting-state functional connectivity in females, as well as a compromised immune marker profile associated with lower resting-state functional connectivity between the salience network and the left hippocampus in males. In post-hoc exploratory analyses, we found that the PLSC identified white matter tracts and rsFC networks related to processing speed and cognitive control performance from the NIH Toolbox. We identified novel links between childhood nitrogen dioxide and cellular immune activation in males, and brain network connectivity and immune markers in both sexes. Future research should explore the potentially mediating role of immune activity in how pollutants affect neurological outcomes as well as the potential consequences of immune related patterns of brain connectivity in service of improved brain health for all.

Abstract A perceptual adaptation deficit often accompanies reading difficulty in dyslexia, manifesting in poor perceptual learning of consistent stimuli and reduced neurophysiological adaptation to stimulus repetition. However, it is not known how adaptation deficits relate to differences in feedforward or feedback processes in the brain. Here we used electroencephalography (EEG) to interrogate the feedforward and feedback contributions to neural adaptation as adults with and without dyslexia viewed pairs of faces and words in a paradigm that manipulated whether there was a high probability of stimulus repetition versus a high probability of stimulus change. We measured three neural dependent variables: expectation (the difference between prestimulus EEG power with and without the expectation of stimulus repetition), feedforward repetition (the difference between event-related potentials (ERPs) evoked by an expected change and an unexpected repetition), and feedback-mediated prediction error (the difference between ERPs evoked by an unexpected change and an expected repetition). Expectation significantly modulated prestimulus theta- and alpha-band EEG in both groups. Unexpected repetitions of words, but not faces, also led to significant feedforward repetition effects in the ERPs of both groups. However, neural prediction error when an unexpected change occurred instead of an expected repetition was significantly weaker in dyslexia than the control group for both faces and words. These results suggest that the neural and perceptual adaptation deficits observed in dyslexia reflect the failure to effectively integrate perceptual predictions with feedforward sensory processing. In addition to reducing perceptual efficiency, the attenuation of neural prediction error signals would also be deleterious to the wide range of perceptual and procedural learning abilities that are critical for developing accurate and fluent reading skills.

ABSTRACT Psychopathology can be viewed as a hierarchy of correlated dimensions. Many studies have supported this conceptualization, but they have used alternative statistical models with differing interpretations. In bifactor models, every symptom loads on both the general factor and one specific factor (e.g., internalizing), which partitions the total explained variance in each symptom between these orthogonal factors. In second-order models, symptoms load on one of several correlated lower-order factors. These lower-order factors load on a second-order general factor, which is defined by the variance shared by the lower-order factors. Thus, the factors in second-order models are not orthogonal. Choosing between these valid statistical models depends on the hypothesis being tested. Because bifactor models define orthogonal phenotypes with distinct sources of variance, they are optimal for studies of shared and unique associations of the dimensions of psychopathology with external variables putatively relevant to etiology and mechanisms. Concerns have been raised, however, about the reliability of the orthogonal specific factors in bifactor models. We evaluated this concern using parent symptom ratings of 9-10 year olds in the ABCD Study. Psychometric indices indicated that all factors in both bifactor and second-order models exhibited at least adequate construct reliability and estimated replicability. The factors defined in bifactor and second-order models were highly to moderately correlated across models, but have different interpretations. All factors in both models demonstrated significant associations with external criterion variables of theoretical and clinical importance, but the interpretation of such associations in second-order models was ambiguous due to shared variance among factors. General Scientific Summary Some investigators have proposed that viewing the correlated symptoms of psychopathology as a hierarchy in which all symptoms are related to both a general (p) factor of psychopathology and a more specific factor will make it easier to distinguish potential risk factors and mechanisms that are nonspecifically related to all forms of psychopathology versus those that are associated with specific dimensions of psychopathology. Parent ratings of child psychopathology items from the Adolescent Brain Cognitive Development (ABCD) Study were analyzed using two alternative statistical models of the proposed hierarchy. All factors of psychopathology defined in both bifactor and second-order models demonstrated adequate psychometric properties and criterion validity, but associations of psychopathology factors with external variables were more easily interpreted in bifactor than in second-order models.