Development of brain electrophysiological activity in relation to the emergence of executive attention from infancy to early childhood: A longitudinal study
- Autores: Josué Rico Picó
- Directores de la Tesis: Mª Rosario Rueda Cuerva (dir. tes.)
- Lectura: En la Universidad de Granada ( España ) en 2024
- Idioma: inglés
- ISBN: 9788411952569
- Número de páginas: 350
- Tribunal Calificador de la Tesis: Ruth de Diego Balaguer (presid.), Juan Lupiáñez Castillo (secret.), Sarah Lloyd-Fox (voc.)
- Programa de doctorado: Programa de Doctorado en Psicología por la Universidad de Granada
- Materias:
- Enlaces
- Tesis en acceso abierto en: DIGIBUG
- Resumen
La capacidad de actuar de forma autorregulada requiere de procesos atencionales (Rueda et al., 2021). El modelo atencional de Posner y Petersen (Petersen & Posner, 2012; Posner & Petersen, 1990) identifica tres mecanismos (alerta, orientación, y ejecutivo) que recaen en cinco redes cerebrales: red de alerta, red dorsal de orientación (dorsal attention netwok, DAN), red ventral de orientación (ventral attention network, VAN), red ejecutiva frontoparietal (frontoparietal network FPN), y red ejecutiva cíngulo-opercular (cingulo-opercular network CON). La red de alerta procura un estado de activación óptimo, guiada por CON y FPN, mientras que las redes de orientación guían nuestro foco atencional en función de nuestras metas y la saliencia de los estímulos del entorno. Las redes FPN y CON dirigen nuestro comportamiento, adaptándolo en función de las metas y ajustándolo cuando no se están logrando. Por tanto, FPN y CON son esenciales para el comportamiento voluntario y flexible de la conducta e involucran procesos de monitorización del contexto, flexibilidad (cognitive flexibility; CF) e inhibición (inhibitory control; IC).
Para poder conseguir nuestras metas, la acción coordinada entre los tres mecanismos atencionales es esencial. Sin un nivel adecuado de alerta puede que obviemos elementos relevantes (i.e., bajos niveles de alerta) o cometamos errores de impulsividad (i.e., altos niveles de alerta). Además, dada la complejidad de un entorno lleno de estímulos, necesitamos ignorar la información irrelevante para nuestras metas. Finalmente, debemos determinar el mejor curso de acción para nuestro objetivo según el contexto, realizarlo, y cambiarlo en caso de ser necesario. Estos procesos, que ya están establecidos en la edad adulta, no están presentes de igual forma en edades tempranas dada la inmadurez de las redes atencionales (Posner et al., 2014). Esto limita cómo interactúan los/as niños/as con su entorno en los primeros años de vida. Al principio, su atención se guía por los elementos externos, pero en los primeros seis meses de vida empezarán a controlar su atención de forma endógena (A. Conejero & Rueda, 2017; Hendry et al., 2016, 2019).
La atención ejecutiva presenta una trayectoria de desarrollo más gradual cuando se compara con la capacidad de orientación y de alerta. Aunque en edades tempranas el control voluntario de la atención parece recaer en las redes de orientación dada la inmadurez de FPN y CON (Gao, Alcauter, Elton, et al., 2015; Posner et al., 2014), éstas son reclutadas para tareas puntuales que involucran un alto grado de control de la atención y que requieren de zonas cerebrales frontales (Ellis et al., 2021; Fiske & Holmboe, 2019). Esto se muestra en los cambios de actividad cerebral frontal cuando los bebés presencian elementos incongruentes (Ellis et al., 2021), observan un error (Berger et al., 2006; Conejero et al., 2016; Stahl & Feigenson, 2015), y realizan tareas complejas que requieren inhibir la información irrelevante (Bell, 2001, 2002).
El desarrollo de la atención ejecutiva se constata por la capacidad temprana que presentan los bebés de inhibir y cambiar flexiblemente su respuesta. A partir del sexto mes de vida, los/as bebés cambian su patrón de respuesta e inhiben su conducta y la mirada. Por ejemplo, son capaces de detener una respuesta prepotente cuando no los lleva a su objetivo (Diamond, 1985; Kovacs & Mehler, 2009). Los costes de inhibir y modificar la respuesta disminuyen con la edad (Clearfield et al., 2006; Cuevas & Bell, 2010), aunque su desarrollo puede estar ligado a otros procesos como la memoria (Holmboe et al., 2018). Paradigmas más recientes como la tarea de inhibición para pantalla táctil para la niñez temprana (Early Childhood Inhibitory Touchscreen Task; ECITT) han conseguido limitar la influencia de la memoria en protocolos de CF e IC para bebés pues se basan en el establecimiento de contingencias. La ECITT se puede realizar a partir de los 10 meses de edad, y estudios previos sugieren el desarrollo gradual del IC entre el primer y segundo año de vida (Fiske et al., 2022; Hendry et al., 2021; Holmboe et al., 2021; Liu et al., 2020), lo que sugiere un desarrollo marcado de IC y CF más allá de procesos de memoria, aunque únicamente cuatro estudios han explorado su desarrollo.
A partir del segundo año de vida, la capacidad sostener la atención por un período prolongado (atención sostenida) e inhibir los distractores (atención focalizada) incrementa (Brandes-Aitken et al., 2019; Woods et al., 2013). A su vez, los niños son capaces de realizar tareas con un coste de CF e IC mayor y que, además, requieren instrucciones verbales. Esto conlleva realizar protocolos similares a los adultos como las tareas Go/No-Go, stop-signal (Carver et al., 2001), o la versión para niños de la prueba de las redes atencionales (attention network test, ANT; (Casagrande et al., 2022; Rueda et al., 2004). El realizar estas tareas indican que las capacidades de CF e IC maduran más allá de la infancia, viéndose una mejoría hasta después de la etapa prescolar (Johnstone et al., 2005; Pozuelos et al., 2014; Rueda et al., 2004; Zelazo et al., 2003). Sin embargo, la mayoría de los paradigmas evalúa individualmente los procesos cognitivos, obviando su interacción, y paradigmas previos parece que no se pueden emplear hasta cerca de los 4 años (Casagrande et al., 2022; Rueda et al., 2004).
El desarrollo en la atención ejecutiva se sustenta en la maduración de la estructura cerebral y funcional (Astle et al., 2023; Fiske & Holmboe, 2019; Johnson, 2011). En el período entre el nacimiento y el tercer año de vida, la estructura cerebral atraviesa un desarrollo dramático (Bethlehem et al., 2022), que en última estancia afecta a la actividad funcional (Gilmore et al., 2018). Para evaluar los cambios en la actividad funcional, el EEG ha sido uno de los protocolos más empleados dada su adaptabilidad (Saby & Marshall, 2012). El EEG usualmente se ha empleado para medir la energía en bandas de frecuencia estandarizadas (p.ej., alpha, theta, beta), que muestran una gran reconfiguración en los primeros tres años de vida (Anderson & Perone, 2018). La frecuencia dominante (alpha) emerge gradualmente, su energía se incrementa y su pico se desplaza hacia frecuencias más elevadas (Freschl et al., 2022; Marshall et al., 2002). Del mismo modo, otras bandas también sufren una rápida reconfiguración, aunque con resultados mixtos hasta la fecha (Perone et al., 2018; Wilkinson et al., 2023).
La maduración de las bandas alpha y theta, relacionadas con procesos atencionales y de control cognitivo (Cavanagh & Frank, 2014; Klimesch, 2012), se ha relacionado con diferencias individuales en atención ejecutiva e inteligencia durante la niñez (Bell & Fox, 1992; Braithwaite et al., 2020; Cuevas et al., 2012; Cuevas & Bell, 2022; Jones et al., 2020), lo que revela su relevancia en el desarrollo. Sin embargo, la energía en reposo se ha contemplado de forma absoluta o relativa en estudios previos. Estudios recientes indican que la energía del EEG es el resultado de actividad oscilatoria y aperiódica, que cuentan con bases biológicas diferenciadas (Donoghue et al., 2020; He, 2014; Voytek & Knight, 2015). Esto puede haber afectado a estudios previos puesto que tanto la energía aperiódica como oscilatoria maduran de forma independiente (Cellier et al., 2021; McSweeney et al., 2021; Schaworonkow & Voytek, 2021) y la actividad aperiódica también se ha relacionado con diferencias individuales en la cognición (Arnett et al., 2021; Donoghue et al., 2020).
Además de cambios en actividad cerebral localizada, las redes funcionales también se reconfiguran en este periodo. Esto es de especial relevancia ya que la cognición surge de la interconexión entre diferentes áreas cerebrales (Corbetta & Shulman, 2002; Dosenbach et al., 2008) y las conexiones en alpha y theta son cruciales para los procesos atencionales (Clayton et al., 2015; Fries, 2015; Marek & Dosenbach, 2018; von Stein & Sarnthein, 2000). La conectividad funcional en alpha y theta parece incrementar con la edad (Barry et al., 2004; Thatcher et al., 2008), lo que se ha relacionado con diferencias individuales en atención ejecutiva y memoria de trabajo (Broomell et al., 2021; Whedon et al., 2016).
Una limitación de las medidas de conectividad directa es que no considera la actividad funcional como una red interconectada pues sólo evalúan la sincronización entre dos áreas/electrodos. Por tanto, no permite examinar diferencias en topología, y asume que todas las conexiones ocurren sin intermediarios. Sin embargo, existe evidencia de que las redes funcionales poseen características topológicas relevantes para la transmisión de la información y cognición que se refleja al considerar las áreas/electrodos como miembros de una red funcional (Bullmore & Sporns, 2012; Sporns, 2013).
Con la edad las redes funcionales se refinan, volviéndose más especializadas y disminuyendo el coste de integrar la red por la aparición y fortalecimiento de conexiones de largo alcance (Asis-Cruz et al., 2015; Fransson et al., 2011; Gao et al., 2011; Zhao et al., 2019).
El desarrollo de las redes cerebrales es, además, jerárquico y sigue el mismo patrón que los procesos atencionales. Primero maduran las redes sensoriales, luego la de alerta, seguidamente la de orientación, y finalmente las ejecutivas (Gao, Alcauter, Elton, et al., 2015; Gao, Alcauter, Smith, et al., 2015). Sin embargo, el patrón de desarrollo en las redes funcionales en EEG no está definido, pues sólo dos estudios lo han abordado y han arrojado resultados mixtos (Hu et al., 2022; Xie et al., 2019).
Al igual que ocurre con la actividad cerebral localizada, el desarrollo de la cognición se ha relacionado con la topología de las redes funcionales y estructurales (Baum et al., 2017; Keller et al., 2022; Marek et al., 2015). Por lo general, presentar redes más segregadas entre sí y eficientes se relaciona con la maduración de la atención ejecutiva, y el fortalecimiento de las conexiones entre áreas frontales y parietales da pie a la mejoría en IC y memoria de trabajo (Buss et al., 2014; Buss & Spencer, 2018; Marek et al., 2015). Diferencias individuales en la topología de las redes funcionales se ha asociado con variaciones en inteligencia y procesos de atención ejecutiva, en especial en áreas de FPN (Cole et al., 2012; Langer et al., 2012; Van Den Heuvel et al., 2009). Asimismo, las redes cerebrales son susceptibles a variaciones del estado atencional y diferentes tipos de IC (Cooper et al., 2015; Xie et al., 2019) y trastornos del desarrollo que comprometen los procesos atencionales como el TDAH muestran alteraciones en la topología cerebral (Abbas et al., 2021; Henry & Cohen, 2019; Shephard et al., 2019).
En conjunto, la literatura previa indica un rápido desarrollo de la atención ejecutiva y actividad cerebral, tanto a nivel oscilatorio como de redes funcionales. Sin embargo, la investigación en relación con el desarrollo de la atención ejecutiva y su relación con la actividad cerebral con medidas más precisas es todavía necesaria Por ello, el objetivo de la presente tesis ha sido explorar el desarrollo temprano de la atención ejecutiva, la actividad cerebral en reposo, y su interrelación en un período entre los seis meses y los treinta y seis meses de vida. De esta forma, nos planteamos tres ejes principales de investigación con sus respectivas preguntas: 1) Desarrollo a. ¿Cuál es el desarrollo del conectoma funcional en EEG? b. ¿Cómo varía la energía oscilatoria y aperiódica con la edad? c. ¿Mejora la atención ejecutiva en este período? 2) Diferencias individuales a lo largo del desarrollo a. ¿Predice la actividad funcional temprana la de momentos posteriores? b. ¿Existe una distribución topológica de la actividad cerebral que se mantiene a lo largo de la niñez temprana? c. ¿Se relaciona la ejecución temprana en la misma tarea la posterior ejecución? d. ¿Las diferencias individuales en atención ejecutiva se mantienen aún cuando la tarea varía? 3) Interrelación cerebro-comportamiento a. ¿Está la energía cerebral relacionada con la atención ejecutiva? b. ¿Explica la conectividad funcional parte de las diferencias individuales en atención ejecutiva? Para responder a las preguntas de investigación, se llevó a cabo un estudio longitudinal. Este siguió a la misma población de niños/as desde los 6 meses hasta los 36 meses de vida en cuatro sesiones: 6, 9, 16, y 36 meses de edad. En ese estudio se evaluó la actividad cerebral en estado de reposo con un EEG de alta densidad y se computó la energía oscilatoria en tres bandas de frecuencia (theta, alpha, y beta) y se extrajeron los componentes aperiódicos. Asimismo, computamos la conectividad funcional y evaluamos su desarrollo empleando la teoría de grafos en diferentes medidas de sincronización y con parámetros que evaluaron la integración, segregación, modularidad, y topología de las redes. La atención ejecutiva se evaluó con la tarea ECITT a los 9 y 16 meses de edad, y desarrollamos la tarea Bee-Attentive a los 36 meses. La tarea ECITT permite evaluar CF e IC, mientras que la BeeAttentive ofrece medidas de atención sostenida, atención focalizada, e IC al combinar un protocolo de búsqueda visual con una tarea de inhibición. Finalmente, comprobamos si la actividad cerebral funcional podía predecir la ejecución en la ECITT y la Bee-Attentive, y la estabilidad que cada una de las medidas poseía.
Nuestros resultados indicaron que la energía oscilatoria y aperiódica varían con la edad. En nuestro estudio, la frecuencia de los picos de alpha y theta incrementó, y la energía oscilatoria de la banda alpha aumentó. Del mismo modo, la curva aperiódica se volvió más plana, mostrando así cambios en la balanza entre la actividad cerebral inhibitoria y excitatoria. Cuando comparamos el desarrollo de la actividad oscilatoria con medidas tradicionales (energía relativa), únicamente alpha presentó la misma trayectoria. Además, theta y beta estuvieron relacionadas con los componentes aperiódicos. Esto sugiere que se producen tanto cambios en la actividad oscilatoria como aperiódica, y que separarlos es necesario para entender la contribución a los procesos cognitivos.
A nivel de redes funcionales, el análisis de multiverso determinó que existía diferencias en cuanto a la medida de conectividad utilizada para construir la red. La red que mostraba que mostró los resultados más consistentes poseía dos clústeres (frontal y parietal) que contenían gran parte de las conexiones. Las redes poseían la topología de mundo pequeño desde la primera sesión y eran modulares, aunque estas propiedades no variaron a lo largo de las sesiones. Sin embargo, los módulos se volvieron más segregados con el tiempo, y la eficacia local y global aumentó. Estos cambios en la capacidad de integrar y segregar la información fueron acompañados de un aumento en la fuerza de las conexiones y, en conjunto con el resto de los resultados, indicaron la maduración de las redes funcionales hacia una topología más eficiente y especializada.
La ejecución entre los 9 y los 16 meses en la tarea ECITT aumentó en los ensayos inhibitorios (IS) y en los prepotentes. Sin embargo, los ensayos de cambio (PS) no variaron con la edad. Esto indica un aumento en general para realizar la tarea, y del IC. A los 36 meses, los/as niños/as realizaron la tarea Bee-Attentive con una ejecución por encima del azar.
Estos/as también mostraron costes de inhibir la respuesta cuando aparecía un estímulo infrecuente (IC) y su tiempo de reacción y variabilidad en la respuesta aumentó cuando existía mayor número de distractores. Asimismo, fueron capaces de autorregular sus respuestas, pues la tasa de acierto variaba y se volvieron más lentos después de cometer un error. Su ejecución a lo largo de los bloques de la tarea mejoró, disminuyendo su tiempo para responder y el número de errores en la condición inhibitoria. Estos resultados indicaron que esta tarea es capaz de generar conflicto y es factible con niños/as de 36 meses de edad. Sin embargo, algunos parámetros podrían ajustarse para incrementar el conflicto de la tarea.
A nivel de estabilidad de las diferencies individuales dentro de las medidas de EEG, encontramos que la actividad oscilatoria y aperiódica era estaba relacionada en entre sesiones, salvo la energía relativa entre los 9 y 16 meses (beta) y entre los 16 meses y 36 meses (alpha). El conectoma funcional en momentos tempranos no predecía las características de las redes funcionales en las siguientes sesiones, salvo algunas excepciones como en la banda alpha en medidas de eficiencia entre los 6 y 9 meses de edad. Sin embargo, tanto a nivel de energía y propiedades de las redes funcionales, encontramos una distribución topológica constante a lo largo de las sesiones. Por ejemplo, en conectividad las zonas frontales siempre presentaron un clúster de conexiones. Esto puede indicar que las medidas de energía son más estables y menos dependientes del momento temporal, pero en ambos casos que existe una distribución específica de la actividad funcional. La ejecución entre sesiones sólo estuvo significativamente relacionada en los ensayos IS de la tarea ECITT. Sin embargo, la ECITT a los 16 meses no predecía las diferencias individuales de la Bee-Attentive a los 36 meses.
La actividad oscilatoria, pero no aperiódica, se asociaba a las diferencias individuales en la tarea ECITT. La frecuencia del pico de la banda de theta predijo de forma concurrente el desempeño de los niños/as ensayos prepotentes y de PS a los 9 meses. Asimismo, la actividad oscilatoria en alpha y theta a los 9 meses predijo significativamente PS a los 16 meses. En ambos casos, un patrón oscilatorio más maduro (mayor frecuencia y energía oscilatoria) se relacionaba con mejor ejecución en la tarea. Las redes funcionales también estuvieron relacionadas con la ejecución en la tarea ECITT. Presentar una red más eficiente y segregada se relacionaba positivamente con PS, pero el patrón inverso lo hizo con IS. Sin embargo, no hubo relación con la tarea Bee-Attentive ninguna medida del EEG. Por tanto, nuestros resultados indicaron que la actividad cerebral es capaz de predecir el comportamiento, pero la relación puede variar según la tarea.
En conjunto, esta tesis muestra que tanto la actividad cerebral como la atención ejecutiva se desarrollan rápidamente entre los seis y treinta y seis meses de vida. El conectoma funcional en EEG se volvió más eficiente tanto local como globalmente, mientras que la energía oscilatoria del ritmo dominante (alpha) se desarrolló rápidamente y el componente aperiódico de la energía cerebral se volvió menos pronunciado en frecuencias más altas. A su vez, los/as niños/as se volvieron mejores en tareas que requieren IC.
Finalmente, encontramos que las diferencias individuales se mantenían en el caso de la energía en el EEG y dentro de la misma tarea (ECITT) en los ensayos inhibitorios, además de relaciones significativas entre la actividad cerebral y la atención ejecutiva. No obstante, esto no ocurrió prediciendo la Bee-Attentive ni en las medidas de conectoma funcional, lo que sugiere que este período es dinámico y combina estabilidad e inestabilidad.
Referencias Abbas, A. K., Azemi, G., Amiri, S., Ravanshadi, S., & Omidvarnia, A. (2021). Effective connectivity in brain networks estimated using EEG signals is altered in children with ADHD. Computers in Biology and Medicine, 134, 104515.
Anderson, A. J., & Perone, S. (2018). Developmental change in the resting state electroencephalogram: Insights into cognition and the brain. Brain and Cognition, 126, 40-52. https://doi.org/10.1016/j.bandc.2018.08.001 Arnett, A. B., Fearey, M., Peisch, V., & Levin, A. R. (2021). Reduced Dynamic Aperiodic Spectral Slope Marks Atypical Neural Information Processing in Children With Attention Deficit Hyperactivity Disorder. SSRN Electronic Journal.
https://doi.org/10.2139/ssrn.3960707 Asis-Cruz, J. D., Bouyssi-Kobar, M., Evangelou, I., Vezina, G., & Limperopoulos, C. (2015).
Functional properties of resting state networks in healthy full-term newborns.
Scientific Reports, 5. https://doi.org/10.1038/srep17755 Astle, D. E., Johnson, M. H., & Akarca, D. (2023). Toward computational neuroconstructivism: A framework for developmental systems neuroscience. Trends in Cognitive Sciences, 27(8), 726-744. https://doi.org/10.1016/j.tics.2023.04.009 Barry, R. J., Clarke, A. R., McCarthy, R., Selikowitz, M., Johnstone, S. J., & Rushby, J. A. (2004).
Age and gender effects in EEG coherence: I. Developmental trends in normal children. Clinical Neurophysiology, 115(10), 2252-2258.
https://doi.org/10.1016/j.clinph.2004.05.004 Baum, G. L., Ciric, R., Roalf, D. R., Betzel, R. F., Moore, T. M., Shinohara, R. T., Kahn, A. E., Vandekar, S. N., Rupert, P. E., Quarmley, M., Cook, P. A., Elliott, M. A., Ruparel, K., Gur, R. E., Gur, R. C., Bassett, D. S., & Satterthwaite, T. D. (2017). Modular Segregation of Structural Brain Networks Supports the Development of Executive Function in Youth. Current Biology, 27(11). https://doi.org/10.1016/j.cub.2017.04.051 Bell, M. A. (2001). Brain electrical activity associated with cognitive processing during a looking version of the A-not-B task. Infancy, 2(3), 311-330.
Bell, M. A. (2002). Power changes in infant EEG frequency bands during a spatial working memory task. Psychophysiology, 39(4), 450-458.
https://doi.org/10.1017/S0048577201393174 Bell, M. A., & Fox, N. A. (1992). The relations between frontal brain electrical activity and cognitive development during infancy. Child Development, 63(5), 1142-1163.
Berger, A., Tzur, G., & Posner, M. I. (2006). Infant brains detect arithmetic errors. Proceedings of the National Academy of Sciences of the United States of America, 103(33), 12649-12653.
https://doi.org/10.1073/pnas.0605350103 Bethlehem, R. A. I., Seidlitz, J., White, S. R., Vogel, J. W., Anderson, K. M., Adamson, C., Adler, S., Alexopoulos, G. S., Anagnostou, E., Areces-Gonzalez, A., Astle, D. E., Auyeung, B., Ayub, M., Bae, J., Ball, G., Baron-Cohen, S., Beare, R., Bedford, S. A., Benegal, V., ¿ Alexander-Bloch, A. F. (2022). Brain charts for the human lifespan.
Nature, 604(7906), 525-533. https://doi.org/10.1038/s41586-022-04554-y Braithwaite, E. K., Jones, E. J., Johnson, M. H., & Holmboe, K. (2020). Dynamic modulation of frontal theta power predicts cognitive ability in infancy. Developmental Cognitive Neuroscience, 45, 100818.
Brandes-Aitken, A., Braren, S., Swingler, M., Voegtline, K., & Blair, C. (2019). Sustained attention in infancy: A foundation for the development of multiple aspects of selfregulation for children in poverty. Journal of Experimental Child Psychology, 184, 192- 209. https://doi.org/10.1016/j.jecp.2019.04.006 Broomell, A. P. R., Savla, J., Calkins, S. D., & Bell, M. A. (2021). Infant electroencephalogram coherence and early childhood inhibitory control: Foundations for social cognition in late childhood. Developmental Psychology, 57(9), 1439-1451.
https://doi.org/10.1037/dev0001241 Bullmore, E., & Sporns, O. (2012). The economy of brain network organization. Nature Reviews Neuroscience, 13(5), 336-349. https://doi.org/10.1038/nrn3214 Buss, A. T., Fox, N., Boas, D. A., & Spencer, J. P. (2014). Probing the early development of visual working memory capacity with functional near-infrared spectroscopy.
NeuroImage, 85, 314-325. https://doi.org/10.1016/j.neuroimage.2013.05.034 Buss, A. T., & Spencer, J. P. (2018). Changes in frontal and posterior cortical activity underlie the early emergence of executive function. Developmental Science, 21(4), e12602.
https://doi.org/10.1111/desc.12602 Carver, A. C., Livesey, D. J., & Charles, M. (2001). Age Related Changes in Inhibitory Control as Measured by Stop Signal Task Performance. International Journal of Neuroscience, 107(1-2), 43-61. https://doi.org/10.3109/00207450109149756 Casagrande, M., Marotta, A., Martella, D., Volpari, E., Agostini, F., Favieri, F., Forte, G., Rea, M., Ferri, R., Giordano, V., Doricchi, F., & Giovannoli, J. (2022). Assessing the three attentional networks in children from three to six years: A child-friendly version of the Attentional Network Test for Interaction. Behavior Research Methods, 51, 1403-1415.
https://doi.org/10.3758/s13428-021-01668-5 Cavanagh, J. F., & Frank, M. J. (2014). Frontal theta as a mechanism for cognitive control.
Trends in Cognitive Sciences, 18(8), 414-421. https://doi.org/10.1016/j.tics.2014.04.012 Cellier, D., Riddle, J., Petersen, I., & Hwang, K. (2021). The development of theta and alpha neural oscillations from ages 3 to 24 years. Developmental Cognitive Neuroscience, 50, 100969. https://doi.org/10.1016/j.dcn.2021.100969 Clayton, M. S., Yeung, N., & Cohen Kadosh, R. (2015). The roles of cortical oscillations in sustained attention. Trends in Cognitive Sciences, 19(4), 188-195.
https://doi.org/10.1016/j.tics.2015.02.004 Clearfield, M. W., Diedrich, F. J., Smith, L. B., & Thelen, E. (2006). Young infants reach correctly in A-not-B tasks: On the development of stability and perseveration. Infant Behavior and Development, 29(3), 435-444. https://doi.org/10.1016/j.infbeh.2006.03.001 Cole, M. W., Yarkoni, T., Repovs, G., Anticevic, A., & Braver, T. S. (2012). Global Connectivity of Prefrontal Cortex Predicts Cognitive Control and Intelligence. Journal of Neuroscience, 32(26), 8988-8999. https://doi.org/10.1523/JNEUROSCI.0536-12.2012 Conejero, Á., Guerra, S., Abundis-Gutiérrez, A., & Rueda, M. R. (2016). Frontal theta activation associated with error detection in toddlers: Influence of familial socioeconomic status. Developmental science. https://doi.org/10.1111/desc.12494 Conejero, A., & Rueda, M. R. (2017). Early development of executive attention. Journal of Child & Adolescent Behavior, 5(2).
Cooper, P. S., Wong, A. S. W., Fulham, W. R., Thienel, R., Mansfield, E., Michie, P. T., & Karayanidis, F. (2015). Theta frontoparietal connectivity associated with proactive and reactive cognitive control processes. NeuroImage, 108, 354-363.
https://doi.org/10.1016/j.neuroimage.2014.12.028 Corbetta, M., & Shulman, G. L. (2002). Control of goal-directed and stimulus-driven attention in the brain. Nature Reviews Neuroscience, 3(3), 201-215. https://doi.org/10.1038/nrn755 Cuevas, K., & Bell, M. A. (2010). Developmental progression of looking and reaching performance on the a-not-b task. Developmental Psychology, 46(5), 1363-1371.
https://doi.org/10.1037/a0020185 Cuevas, K., & Bell, M. A. (2022). EEG frequency development across infancy and childhood.
The Oxford Handbook of EEG Frequency, 293.
Cuevas, K., Swingler, M. M., Bell, M. A., Marcovitch, S., & Calkins, S. D. (2012). Measures of frontal functioning and the emergence of inhibitory control processes at 10 months of age. Developmental Cognitive Neuroscience, 2(2), 235-243.
https://doi.org/10.1016/j.dcn.2012.01.002 Diamond, A. (1985). Development of the Ability to Use Recall to Guide Action, as Indicated by Infants¿ Performance on AB. Child Development, 56(4), 868-883.
Donoghue, T., Dominguez, J., & Voytek, B. (2020). Electrophysiological Frequency Band Ratio Measures Conflate Periodic and Aperiodic Neural Activity. Eneuro, 7(6), ENEURO.0192-20.2020. https://doi.org/10.1523/ENEURO.0192-20.2020 Dosenbach, N. U. F., Fair, D. A., Cohen, A. L., Schlaggar, B. L., & Petersen, S. E. (2008). A dual-networks architecture of top-down control. Trends in Cognitive Sciences, 12(3), 99-105. https://doi.org/10.1016/j.tics.2008.01.001 Ellis, C. T., Skalaban, L. J., Yates, T. S., & Turk-Browne, N. B. (2021). Attention recruits frontal cortex in human infants. Proceedings of the National Academy of Sciences of the United States of America, 118(12). https://doi.org/10.1073/pnas.2021474118 Fiske, A., & Holmboe, K. (2019). Neural substrates of early executive function development.
Developmental Review, 52, 42-62. https://doi.org/10.1016/j.dr.2019.100866 Fiske, A., Klerk, C., Lui, K. Y. K., Collins-Jones, L., Hendry, A., Greenhalgh, I., Hall, A., Scerif, G., Dvergsdal, H., & Holmboe, K. (2022). The neural correlates of inhibitory control in 10-month-old infants: A functional near-infrared spectroscopy study. NeuroImage, 257, 119241. https://doi.org/10.1016/j.neuroimage.2022.119241 Fransson, P., Åden, U., Blennow, M., & Lagercrantz, H. (2011). The functional architecture of the infant brain as revealed by resting-state fMRI. Cerebral Cortex, 21(1), 145-154.
https://doi.org/10.1093/cercor/bhq071 Freschl, J., Azizi, L. A., Balboa, L., Kaldy, Z., & Blaser, E. (2022). The development of peak alpha frequency from infancy to adolescence and its role in visual temporal processing: A meta-analysis. Developmental Cognitive Neuroscience, 57, 101146.
https://doi.org/10.1016/j.dcn.2022.101146 Fries, P. (2015). Rhythms for Cognition: Communication through Coherence. Neuron, 88(1), 220-235. https://doi.org/10.1016/j.neuron.2015.09.034 Gao, W., Alcauter, S., Elton, A., Hernandez-Castillo, C. R., Smith, J. K., Ramirez, J., & Lin, W.
(2015). Functional network development during the first year: Relative sequence and socioeconomic correlations. Cerebral Cortex, 25(9), 2919-2928.
https://doi.org/10.1093/cercor/bhu088 Gao, W., Alcauter, S., Smith, J. K., Gilmore, J. H., & Lin, W. (2015). Development of human brain cortical network architecture during infancy. Brain Structure and Function, 220(2), 1173-1186. https://doi.org/10.1007/s00429-014-0710-3 Gao, W., Gilmore, J. H., Giovanello, K. S., Smith, J. K., Shen, D., Zhu, H., & Lin, W. (2011).
Temporal and spatial evolution of brain network topology during the first two years of life. PLoS ONE, 6(9). https://doi.org/10.1371/journal.pone.0025278 Gilmore, J. H., Knickmeyer, R. C., & Gao, W. (2018). Imaging structural and functional brain development in early childhood. Nature Reviews Neuroscience, 19(3), 123-137.
https://doi.org/10.1038/nrn.2018.1 He, B. J. (2014). Scale-free brain activity: Past, present, and future. Trends in Cognitive Sciences, 18(9), 480-487. https://doi.org/10.1016/j.tics.2014.04.003 Hendry, A., Greenhalgh, I., Bailey, R., Fiske, A., Dvergsdal, H., & Holmboe, K. (2021).
Development of directed global inhibition, competitive inhibition and behavioural inhibition during the transition between infancy and toddlerhood. Developmental Science. https://doi.org/10.1111/desc.13193 Hendry, A., Johnson, M. H., & Holmboe, K. (2019). Early Development of Visual Attention: Change, Stability, and Longitudinal Associations. Annual Review of Developmental Psychology, 1(1), 251-275. https://doi.org/10.1146/annurev-devpsych-121318-085114 Hendry, A., Jones, E. J. H., & Charman, T. (2016). Executive function in the first three years of life: Precursors, predictors and patterns. Developmental Review, 42, 1-33.
https://doi.org/10.1016/j.dr.2016.06.005 Henry, T. R., & Cohen, J. R. (2019). Chapter 5¿Dysfunctional brain network organization in neurodevelopmental disorders. En B. C. Munsell, G. Wu, L. Bonilha, & P. J. Laurienti (Eds.), Connectomics (pp. 83-100). Academic Press. https://doi.org/10.1016/B978-0-12- 813838-0.00005-4 Holmboe, K., Bonneville-Roussy, A., Csibra, G., & Johnson, M. H. (2018). Longitudinal development of attention and inhibitory control during the first year of life.
Developmental Science, 21(6). https://doi.org/10.1111/desc.12690 Holmboe, K., Larkman, C., de Klerk, C., Simpson, A., Bell, M. A., Patton, L., Christodoulou, C., & Dvergsdal, H. (2021). The early childhood inhibitory touchscreen task: A new measure of response inhibition in toddlerhood and across the lifespan. PLOS ONE, 16(12), e0260695. https://doi.org/10.1371/journal.pone.0260695 Hu, D. K., Goetz, P. W., To, P. D., Garner, C., Magers, A. L., Skora, C., Tran, N., Yuen, T., Hussain, S. A., Shrey, D. W., & Lopour, B. A. (2022). Evolution of Cortical Functional Networks in Healthy Infants. Frontiers in Network Physiology, 2, 893826.
https://doi.org/10.3389/fnetp.2022.893826 Johnson, M. H. (2011). Interactive Specialization: A domain-general framework for human functional brain development? Developmental Cognitive Neuroscience, 1(1), 7-21.
https://doi.org/10.1016/j.dcn.2010.07.003 Johnstone, S. J., Pleffer, C. B., Barry, R. J., Clarke, A. R., & Smith, J. L. (2005). Development of Inhibitory Processing During the Go/NoGo Task. Journal of Psychophysiology, 19(1), 11-23. https://doi.org/10.1027/0269-8803.19.1.11 Jones, E. J. H., Goodwin, A., Orekhova, E., Charman, T., Dawson, G., Webb, S. J., & Johnson, M. H. (2020). Infant EEG theta modulation predicts childhood intelligence. Sci. Rep, 101(10), 1-10. https://doi.org/10.1038/s41598-020-67687-y Keller, A. S., Sydnor, V. J., Pines, A., Fair, D. A., Bassett, D. S., & Satterthwaite, T. D. (2022).
Hierarchical functional system development supports executive function. En Trends in Cognitive Sciences.
Klimesch, W. (2012). Alpha-band oscillations, attention, and controlled access to stored information. Trends in Cognitive Sciences, 16(12), 606-617.
https://doi.org/10.1016/j.tics.2012.10.007 Kovacs, A. M., & Mehler, J. (2009). Cognitive gains in 7-month-old bilingual infants.
Proceedings of the National Academy of Sciences, 106(16), 6556-6560.
https://doi.org/10.1073/pnas.0811323106 Langer, N., Pedroni, A., Gianotti, L. R. R., Hänggi, J., Knoch, D., & Jäncke, L. (2012).
Functional brain network efficiency predicts intelligence. Human Brain Mapping, 33(6), 1393-1406. https://doi.org/10.1002/hbm.21297 Liu, J., Okada, N. J., Cummings, K. K., Jung, J., Patterson, G., Bookheimer, S. Y., Jeste, S. S., & Dapretto, M. (2020). Emerging atypicalities in functional connectivity of languagerelated networks in young infants at high familial risk for ASD. Developmental Cognitive Neuroscience, 45. https://doi.org/10.1016/j.dcn.2020.100814 Marek, S., & Dosenbach, N. U. F. (2018). The frontoparietal network: Function, electrophysiology, and importance of individual precision mapping. Dialogues in Clinical Neuroscience, 20(2), 133-140. https://doi.org/10.31887/DCNS.2018.20.2/smarek Marek, S., Hwang, K., Foran, W., Hallquist, M. N., & Luna, B. (2015). The Contribution of Network Organization and Integration to the Development of Cognitive Control.
PLoS Biology, 13(12). https://doi.org/10.1371/journal.pbio.1002328 Marshall, P. J., Bar-Haim, Y., & Fox, N. A. (2002). Development of the EEG from 5 months to 4 years of age. Clinical Neurophysiology, 113(8), 1199-1208.
https://doi.org/10.1016/S1388-2457(02)00163-3 McSweeney, M., Morales, S., Valadez, E. A., Buzzell, G. A., & Fox, N. A. (2021). Longitudinal age- and sex-related change in background aperiodic activity during early adolescence. Developmental Cognitive Neuroscience, 52, 101035.
https://doi.org/10.1016/j.dcn.2021.101035 Perone, S., Palanisamy, J., & Carlson, S. M. (2018). Age-related change in brain rhythms from early to middle childhood: Links to executive function. Developmental Science, 21(6), 1-15. https://doi.org/10.1111/desc.12691 Petersen, S. E., & Posner, M. I. (2012). The attention system of the human brain: 20 years after.
Annual Review of Neuroscience, 35(1), 73-89. https://doi.org/10.1146/annurev-neuro062111-150525 Posner, M. I., & Petersen, S. E. (1990). The attention system of the human brain. Annual Review of Psychology, 13, 25-42. https://doi.org/10.1007/s11069-007-9150-1 Posner, M. I., Rothbart, M. K., Sheese, B. E., & Voelker, P. (2014). Developing Attention: Behavioral and Brain Mechanisms. Advances in Neuroscience, 1-9.
https://doi.org/10.1155/2014/405094 Pozuelos, J. P., Paz-Alonso, P. M., Castillo, A., Fuentes, L. J., & Rueda, M. R. (2014).
Development of attention networks and their interactions in childhood.
Developmental Psychology, 50(10), 2405-2415. https://doi.org/10.1037/a0037469 Rueda, M. R., Fan, J., McCandliss, B. D., Halparin, J. D., Gruber, D. B., Lercari, L. P., & Posner, M. I. (2004). Development of attentional networks in childhood. Neuropsychologia, 42(8), 1029-1040. https://doi.org/10.1016/j.neuropsychologia.2003.12.012 Saby, J. N., & Marshall, P. J. (2012). The Utility of EEG Band Power Analysis in the Study of Infancy and Early Childhood. Developmental Neuropsychology, 37(3), 253-273.
https://doi.org/10.1080/87565641.2011.614663 Schaworonkow, N., & Voytek, B. (2021). Longitudinal changes in aperiodic and periodic activity in electrophysiological recordings in the first seven months of life.
Developmental Cognitive Neuroscience, 47, 100895.
https://doi.org/10.1016/j.dcn.2020.100895 Shephard, E., Tye, C., Ashwood, K. L., Azadi, B., Johnson, M. H., Charman, T., Asherson, P., McLoughlin, G., & Bolton, P. F. (2019). Oscillatory neural networks underlying resting-state, attentional control and social cognition task conditions in children with ASD, ADHD and ASD+ADHD. Cortex, 117, 96-110.
https://doi.org/10.1016/j.cortex.2019.03.005 Sporns, O. (2013). Network attributes for segregation and integration in the human brain.
Current Opinion in Neurobiology, 23(2), 162-171.
https://doi.org/10.1016/j.conb.2012.11.015 Stahl, A. E., & Feigenson, L. (2015). Observing the unexpected enhances infants¿ learning and exploration. Science, 348(6230), 91-94. https://doi.org/10.1126/science.aaa3799 Thatcher, R. W., North, D. M., & Biver, C. J. (2008). Development of cortical connections as measured by EEG coherence and phase delays. Human Brain Mapping, 29(12), 1400- 1415. https://doi.org/10.1002/hbm.20474 Van Den Heuvel, M. P., Stam, C. J., Kahn, R. S., & Hulshoff Pol, H. E. (2009). Efficiency of Functional Brain Networks and Intellectual Performance. Journal of Neuroscience, 29(23), 7619-7624. https://doi.org/10.1523/JNEUROSCI.1443-09.2009 von Stein, A., & Sarnthein, J. (2000). Different frequencies for different scales of cortical integration: From local gamma to long range alphartheta synchronization.
Psychophysiology, 38, 301-313.
Voytek, B., & Knight, R. T. (2015). Dynamic Network Communication as a Unifying Neural Basis for Cognition, Development, Aging, and Disease. Biological Psychiatry, 77(12), 1089-1097. https://doi.org/10.1016/j.biopsych.2015.04.016 Whedon, M., Perry, N. B., Calkins, S. D., & Bell, M. A. (2016). Changes in Frontal EEG Coherence Across Infancy Predict Cognitive Abilities at Age 3: The Mediating Role of Attentional Control. 52(9), 1341-1352.
Wilkinson, C. L., Pierce, L. J., Sideridis, G., Wade, M., & Nelson, C. A. (2023). Associations between EEG trajectories, family income, and cognitive abilities over the first two years of life. Developmental Cognitive Neuroscience, 61, 101260.
https://doi.org/10.1016/j.dcn.2023.101260 Woods, A. J., Göksun, T., Chatterjee, A., Zelonis, S., Mehta, A., & Smith, S. E. (2013). The development of organized visual search. Acta Psychologica, 143(2), 191-199.
https://doi.org/10.1016/j.actpsy.2013.03.008 Xie, W., Mallin, B. M., & Richards, J. E. (2019). Development of brain functional connectivity and its relation to infant sustained attention in the first year of life. Developmental Science, 22(1), e12703. https://doi.org/10.1111/desc.12703 Zelazo, P. D., Müller, U., Frye, D., & Marcovitch, S. (2003). The Development of Executive Function in Early Childhood. Monographs of the Society for Research in Child Development, 68(3), 1-137. https://doi.org/10.1111/j.1540-5834.2003.06803003.x Zhao, T., Mishra, V., Jeon, T., Ouyang, M., Peng, Q., Chalak, L., Wisnowski, J. L., Heyne, R., Rollins, N., Shu, N., & Huang, H. (2019). Structural network maturation of the preterm human brain. NeuroImage, 185.
https://doi.org/10.1016/j.neuroimage.2018.06.04
