Zihinsel çaba, bir görevi yerine getirmek için beynin harcadığı bilişsel kaynak miktarıdır. Kolay bir toplama işlemini yapmakla, birkaç basamaklı sayıları akılda tutarak taşımalı işlemler yapmak aynı zihinsel yükü gerektirmez. Bu fark yalnızca kişinin hissettiği zorlukta değil, beynin fizyolojik işleyişinde de ortaya çıkar. Beyin daha fazla işlem yaptığında nöronların enerji ve oksijen ihtiyacı değişir; bu ihtiyaca yanıt olarak kan akışı düzenlenir.

Çalışmanın merkezindeki fizyolojik mekanizma nörovasküler eşleşmedir. Nörovasküler eşleşme, sinirsel aktivite ile beyin damar yanıtı arasındaki bağlantıyı ifade eder. Bir beyin bölgesi daha yoğun çalıştığında, bu bölgenin metabolik ihtiyaçlarını karşılamak için oksijen ve besin taşıyan kan akışında değişim oluşur. Bu süreç yalnızca sağlıklı bilişsel işlev için değil, yaşlanma, bilişsel gerileme ve nörolojik bozuklukların anlaşılması için de önemlidir.

Beyin kan akışı ve bilişsel görevler arasındaki ilişkiyi incelemek için birçok yöntem kullanılabilir. Fonksiyonel manyetik rezonans görüntüleme (fMRI) mekânsal açıdan ayrıntılı bilgi verir; fonksiyonel yakın kızılötesi spektroskopi (fNIRS) kortikal oksijenlenmeyi izleyebilir. Ancak bu yöntemlerin maliyet, taşınabilirlik, kurulum karmaşıklığı veya zamansal çözünürlük açısından sınırlılıkları vardır. Bu çalışmada kullanılan transkraniyal Doppler ultrasonografi ise beynin büyük arterlerindeki kan akış hızını non-invaziv biçimde ve yüksek zaman çözünürlüğüyle izleyebilir.

TCD’nin güçlü tarafı, gerçek zamanlı ve erişilebilir bir izleme yöntemi olmasıdır. Ancak önemli bir sınırlılığı vardır: fMRI gibi ayrıntılı bir mekânsal harita sunmaz. Çalışmada ölçülen sinyal, sol ve sağ orta serebral arterlerdeki kan akış hızı dinamiklerini yansıtır; belirli küçük beyin bölgelerinin aktivitesini doğrudan lokalize etmez. Bu nedenle TCD, “beynin tam olarak hangi noktasında ne oluyor?” sorusundan çok, “bilişsel görev sırasında serebral hemodinamik sistemin zaman içindeki dinamiği nasıl değişiyor?” sorusuna daha uygundur.

Bu çalışmanın yeniliği, TCD sinyallerini yalnızca ortalama kan akış hızı gibi klasik ölçülerle değerlendirmemesidir. Araştırmacılar, sinyalin zamansal yapısını entropi ve istatistiksel karmaşıklık ölçüleriyle analiz eder. Entropi, kabaca bir sinyalin ne kadar öngörülemez veya düzensiz olduğunu ölçer. Fakat yalnızca entropi kullanmak her zaman yeterli değildir; çünkü tamamen rastgele bir sinyal de yüksek entropiye sahip olabilir, fakat bu onun biyolojik açıdan anlamlı bir yapıya sahip olduğu anlamına gelmez.

İstatistiksel karmaşıklık burada devreye girer. Çalışmada istatistiksel karmaşıklığın genel formu şu şekilde verilir:

\[ C = H \times Q \]

Bu formülde C, istatistiksel karmaşıklığı; H, entropiyi; Q, dengesizlik veya uniform dağılımdan uzaklık ölçüsünü temsil eder. Bu çarpımın anlamı şudur: Bir sinyalin karmaşık kabul edilmesi için yalnızca rastgele olması yetmez; aynı zamanda belirli bir yapısal düzen de taşıması gerekir. Çok düzenli bir sinyal düşük entropili olabilir; tamamen rastgele bir sinyal ise yüksek entropili ama yapısız olabilir. İstatistiksel karmaşıklık, bu iki uç arasında hem çeşitlilik hem de yapı içeren sinyalleri yakalamaya çalışır.

Gündelik bir benzetmeyle, düz bir metronom sesi çok düzenlidir ama karmaşık değildir. Tamamen rastgele gürültü ise öngörülemezdir ama anlamlı yapı taşımaz. İnsan konuşması, müzik veya biyolojik sinyaller ise çoğu zaman bu ikisinin arasında yer alır: hem değişkendir hem de belirli örüntüler içerir. Çalışmanın yaklaşımı, beyin kan akış hızı sinyalinde bu tür yapı-rastlantısallık dengesinin bilişsel çabayla değişip değişmediğini incelemektir.

Araştırmanın deneysel yapısında katılımcılar beş zorluk seviyesinden oluşan aritmetik görevleri tamamlar. Görevler yalnızca toplama işlemleriyle sınırlıdır; bunun nedeni katılımcıların deneyden kopmasını azaltmak ve zorluk artışını daha kontrollü yapmaktır. Zorluk; sayıların basamak sayısı, taşıma işlemi gerekip gerekmediği ve bir seviyedeki problem sayısı değiştirilerek artırılır.

Ek tablolarda verilen görev özellikleri bu artışı açık gösterir. Birinci seviyede tek basamaklı ve taşıma gerektirmeyen işlemler vardır. İkinci seviyede iki basamaklı ve taşımalı işlemler başlar. Üçüncü seviyede üç basamaklı taşımalı işlemler kullanılır. Dördüncü seviyede iki taşımalı işlem gerektiren daha fazla problem yapısı bulunur. Beşinci seviyede ise daha yüksek zorluk indeksine sahip, daha uzun işlem ve daha fazla bellek yükü gerektiren görevler yer alır.

Deney protokolünü gösteren akış şemasında önce 10 saniyelik gözler kapalı başlangıç dönemi, ardından yönerge ekranı ve beş görev seviyesi bulunur. Her görev seviyesinin arasında 90 saniyelik dinlenme periyotları vardır. Bu dinlenme araları zihinsel yorgunluğu azaltmak ve bir seviyenin etkisinin diğerine taşmasını sınırlamak için kullanılır. Her seviyede problemin görüntülenme süresi, kısa bir tutma aralığı ve yanıt verme penceresi tanımlanmıştır. Katılımcılar görevleri kendi hızlarına göre değil, yazılımın belirlediği sabit akış içinde tamamlamıştır.

Bu deney tasarımında önemli bir nokta, görev seviyelerinin herkes için aynı sırada verilmiş olmasıdır. Bu, zorluğun düzenli biçimde artmasını sağlar; ancak aynı zamanda yorgunluk veya alışma etkilerinin zorluk etkileriyle karışmasına neden olabilir. Çalışma bunu sınırlılık olarak kabul eder ve gelecekte görev sıralarının rastgeleleştirilmesini önerir.

Katılımcılardan elde edilen fizyolojik sinyaller sol ve sağ orta serebral arterlerden kaydedilmiştir. Orta serebral arter, bilişsel görevlerle ilişkili geniş kortikal alanları beslediği için TCD çalışmalarında sık incelenen ana damarlardan biridir. Kan basıncı da Finapres MIDI cihazıyla sürekli kaydedilmiştir. CBv ve kan basıncı sinyalleri 100 Hz örnekleme hızında toplanmıştır. Daha sonra bu sinyaller işlenerek analiz için uygun hale getirilmiştir.

Sinyal ön işleme adımları çalışmanın güvenilirliği açısından kritiktir. Çünkü TCD sinyalleri hareket, prob kayması, kalp atımı, solunum ve ölçüm gürültüsünden etkilenebilir. Çalışmada spline interpolasyonu, Hampel filtresi ve dördüncü dereceden Butterworth alçak geçiren filtre kullanılmıştır. Butterworth filtresinin kesim frekansı 0.5 Hz olarak verilmiştir. Amaç, kardiyak ve solunumsal hızlı salınımları bastırırken, bilişsel görevle ilişkili daha yavaş hemodinamik değişimleri korumaktır.

Ön işlenmiş örnek CBv grafiğinde sol ve sağ hemisfer sinyalleri 60 saniyelik bir pencerede birlikte gösterilir. Bu grafik, filtreleme sonrasında kalp atımı kaynaklı hızlı salınımların bastırıldığını, fakat zaman içindeki daha yavaş hemodinamik dalgalanmaların korunduğunu gösterir. Bu tür bir ön işleme, entropi ve karmaşıklık analizleri için gereklidir; çünkü ham sinyaldeki artefaktlar karmaşıklık ölçülerini biyolojik anlamından uzaklaştırabilir.

Çalışmanın sinyal analizi, ordinal örüntü yöntemine dayanır. Bu yaklaşım, zaman serisini doğrudan genlik değerleriyle değil, kısa pencereler içindeki değerlerin sıralanışıyla temsil eder. Örneğin bir penceredeki üç nokta artan sıradaysa bir sembol, önce artıp sonra azalıyorsa başka bir sembol üretir. Böylece sürekli bir fizyolojik sinyal, sembolik örüntü dizisine dönüştürülür.

Bandt-Pompe yöntemiyle elde edilen ordinal olasılık dağılımı çalışmanın ekinde şu şekilde ifade edilir:

\[ \rho_i(\Pi_i) = \frac{\# \text{partitions of type } \Pi_i \text{ in } \{\pi_p\}}{n_x} \]

Burada ρ_i(Π_i), belirli bir ordinal örüntünün göreli frekansını gösterir. Π_i, olası permütasyon örüntülerinden biridir. {π_p}, zaman serisinden çıkarılan permütasyon sembolleri dizisidir. n_x, toplam pencere/partition sayısını ifade eder. Bu dağılım elde edildikten sonra entropi ve karmaşıklık hesaplanabilir.

Çalışmada Shannon entropisi de temel bilgi ölçüsü olarak açıklanır:

\[ H = S[P] = -\sum_{i=1}^{n} p_i \ln(p_i) \]

Bu formülde P, olasılık dağılımını; p_i, i’inci olayın veya örüntünün olasılığını; H ise entropiyi gösterir. Eğer tek bir örüntü tamamen baskınsa belirsizlik düşüktür. Eğer örüntüler daha eşit dağılmışsa, entropi yükselir.

Asıl analizde kullanılan önemli ölçülerden biri Rényi entropisidir:

\[ H_{\alpha}^{R}(P) = \frac{1}{1-\alpha}\ln\left(\sum_{i=1}^{N}p_i^{\alpha}\right) \]

Burada α, entropinin dağılımdaki baskın veya kuyruk olasılıklarına ne kadar duyarlı olacağını ayarlayan parametredir. α > 0 ve α \neq 1 koşulu geçerlidir. α değeri değiştirildiğinde, sinyalin farklı türdeki örüntü yapıları daha fazla veya daha az vurgulanabilir. Çalışmada α değerleri 0.2’den 0.8’e ve 1.2’den 2.8’e kadar farklı aralıklarda denenmiştir. Bu, tek bir parametreye bağlı kalmadan sonuçların dayanıklılığını değerlendirmek için önemlidir.

Çalışmada kullanılan istatistiksel karmaşıklık ölçüsü, entropi ile dengesizlik ölçüsünü birleştirir. Dengesizlik, dağılımın uniform dağılımdan ne kadar uzak olduğunu gösterir. Bunun için Jensen-Shannon ve Jensen-Rényi sapmaları kullanılır. Jensen-Rényi sapması ek bölümde şu biçimde verilir:

\[ D_{JR}[P,P_e] = Q_0\left\{\frac{H_{\alpha}^{R}[P+P_e]}{2} - \frac{H_{\alpha}^{R}[P]}{2} - \frac{H_{\alpha}^{R}[P_e]}{2}\right\} \]

Burada P, sinyalden elde edilen ordinal olasılık dağılımını; P_e, uniform dağılımı; Q₀, normalizasyon sabitini; H_α^R, Rényi entropisini ifade eder. Bu ölçü, sinyal dağılımının rastgele/uniform durumdan ne kadar ayrıldığını gösterir. Çalışmanın amacı, CBv sinyalinin yalnızca ne kadar düzensiz olduğunu değil, ne kadar yapı taşıdığını da ölçmektir.

Davranışsal sonuçlar, görev zorluğunun gerçekten arttığını gösterir. Birinci seviyede ortalama doğruluk %98.5, ikinci seviyede %97.1, üçüncü seviyede %89.2, dördüncü seviyede %86.1 ve beşinci seviyede %66.4 olarak raporlanmıştır. Tamamlama süresi de zorlukla birlikte artmıştır: birinci seviyede yaklaşık 298.2 saniye, beşinci seviyede yaklaşık 426.9 saniye görülür. Bu, aritmetik görevlerin bilişsel talebi artıracak şekilde tasarlandığını destekler.

NASA-TLX sonuçları, katılımcıların deney boyunca orta-yüksek düzeyde zihinsel talep ve çaba bildirdiğini gösterir. Mental demand ortalaması 61, effort required ortalaması 75 olarak verilmiştir. Physical demand ise 27 ile daha düşüktür. Bu beklenen bir durumdur; çünkü görev fiziksel değil zihinsel yük oluşturmaktadır. Frustration değişkeninin varyasyonu ise yüksektir; bu, bazı katılımcıların uzun görev süresi, TCD başlığı veya zorlaşan aritmetik nedeniyle daha fazla rahatsızlık yaşamış olabileceğini düşündürür.

İstatistiksel karmaşıklık sonuçları çalışmanın ana bulgusunu oluşturur. Jensen-Rényi sapmasıyla ve α = 1.4, dx = 7 parametreleriyle hesaplanan SCM değerleri, görev seviyesi arttıkça anlamlı biçimde düşmüştür. Kutugrafiklerde başlangıç ve seviye 1 arasında, seviye 2 ve seviye 3 arasında, seviye 3 ve seviye 4 arasında, seviye 4 ve seviye 5 arasında anlamlı farklar görülür. Buna karşılık seviye 1 ile seviye 2 arasındaki fark anlamlı değildir.

Bu örüntü davranışsal sonuçlarla uyumludur. İlk iki seviyede görevler katılımcılar için oldukça kolaydır; doğruluk değerleri çok yüksektir ve performans tavan etkisine yakındır. Bu nedenle fizyolojik karmaşıklık ölçüsünün seviye 1 ile 2’yi ayırmakta zorlanması anlaşılabilir. Zorluk belirgin biçimde arttığında, yani üçüncü seviyeden itibaren, SCM ölçüleri daha net ayrım üretir.

Çalışmada ortalama SCM değerleri de bu düşüşü gösterir. Jensen-Rényi karmaşıklığı seviye 1’de 0.549 ± 0.012, seviye 2’de 0.546 ± 0.011, seviye 3’te 0.543 ± 0.011, seviye 4’te 0.536 ± 0.009, seviye 5’te ise 0.530 ± 0.014 olarak verilir. Jensen-Shannon karmaşıklığı da benzer biçimde seviye 1’de 0.509 ± 0.011 iken seviye 5’te 0.490 ± 0.014 düzeyine düşer.

Bu düşüş, daha zor görevlerde CBv sinyalinin daha az yapılı hale geldiğini düşündürür. Çalışmanın HC düzlemi grafikleri bu yorumu destekler. Entropi-kompleksite düzleminde bireysel veri noktaları ve seviye medoidleri, zorluk arttıkça yüksek entropi korunurken istatistiksel karmaşıklığın azaldığı bir yörünge izler. Bu, sinyalin tamamen düzenli hale gelmediğini; aksine yüksek belirsizlik taşıdığını ama bu belirsizlik içindeki yapısal düzenin azaldığını gösterir.

Bu bulgu, fizyolojik açıdan şöyle yorumlanabilir: Daha kolay görevlerde beyin damar yanıtı daha esnek, düzenli ve adaptif dalgalanmalar gösterebilir. Görev zorlaştığında sistem daha kısıtlı, daha baskılanmış veya daha rastlantısal görünümlü bir dinamiğe kayabilir. Bu durum, biyolojik sistemlerde artan stres veya yük altında karmaşıklığın azalmasıyla ilgili daha geniş literatürle uyumludur. Benzer azalma örüntüleri EEG ve kalp hızı değişkenliği çalışmalarında da bildirilmiştir.

Korelasyon analizi, SCM ölçülerinin davranışsal performansla ilişkili olduğunu gösterir. Jensen-Shannon ve Jensen-Rényi tabanlı SCM değerleri arasında çok güçlü pozitif ilişki vardır:

\[ \tau = 0.858 \]

Bu, iki farklı sapma formülünün benzer karmaşıklık örüntüleri yakaladığını gösterir. SCM değerleri görev doğruluğuyla orta düzeyde pozitif ilişkilidir: Jensen-Shannon için τ = 0.330, Jensen-Rényi için τ = 0.293. Tamamlama süresiyle ise negatif ilişki bulunur: Jensen-Shannon için τ = -0.416, Jensen-Rényi için τ = -0.398. Yani daha yüksek karmaşıklık, genel olarak daha iyi doğruluk ve daha kısa tamamlama süresiyle ilişkilidir.

Bu bulgu önemlidir; çünkü karmaşıklık ölçüsü yalnızca görev seviyeleri arasında istatistiksel fark üretmekle kalmaz, aynı zamanda davranışsal başarıyla da ilişkili görünür. Daha karmaşık CBv dinamiği, beynin göreve daha esnek ve etkili biçimde uyum sağlayabildiğini gösterebilir. Ancak bu ilişki nedensel olarak yorumlanmamalıdır. Çalışma, yüksek karmaşıklığın doğrudan daha iyi performans yarattığını kanıtlamaz; yalnızca ikisi arasında anlamlı ilişkiler bildirir.

Öznel iş yüküyle ilişkiler ise zayıftır. NASA-TLX mental demand ile SCM arasında düşük pozitif korelasyonlar vardır; effort yani çaba puanıyla ilişki ise neredeyse sıfırdır. Bu ilk bakışta şaşırtıcı görünebilir; fakat çalışmanın tartışması bunu ölçüm zamanlamasıyla açıklar. SCM her görev seviyesi için ayrı hesaplanırken, NASA-TLX puanları deney sonunda genel bir değerlendirme olarak alınmıştır. Katılımcıların öznel hatırlaması, her seviyedeki anlık fizyolojik değişimi birebir yansıtmayabilir.

Bu ayrım eğitim ve nöroergonomi açısından çok değerlidir. Bir kişi “çok çabaladım” diyebilir, fakat fizyolojik sinyaller görevle gerçek etkileşimin farklı bir yönünü gösterebilir. Ya da kişi zor bir görevde çabayı artırmak yerine kısmen kopabilir, kestirme strateji kullanabilir veya motivasyonunu kaybedebilir. Bu durumda öznel iş yükü, objektif görev talebi ve fizyolojik katılım aynı şey değildir. Çalışma bu nedenle bilişsel çaba, görev talebi ve öznel iş yükünün birbirinden ayrılması gerektiğini vurgular.

Gündelik yaşama göre düşünürsek, bu çalışma bir öğrencinin zor bir matematik problemi çözerken beyninin yalnızca “daha fazla kan akışı” gösterip göstermediğini değil, bu kan akışı dinamiğinin ne kadar düzenli, ne kadar esnek ve ne kadar yapı taşıdığını incelemektedir. Eğer bu yaklaşım daha büyük örneklemlerde doğrulanırsa, eğitim teknolojilerinde öğrencinin zorlandığı ama hâlâ aktif biçimde uğraştığı anları fizyolojik olarak anlamaya yardımcı olabilir.

Çalışmanın olası uygulama alanlarından biri nöroergonomidir. Nöroergonomi, insanların iş ve öğrenme ortamlarında bilişsel yükünü fizyolojik ölçümlerle anlamaya çalışan bir alandır. Örneğin hava trafik kontrolü, sürüş, cerrahi simülasyon, yoğun veri izleme veya karmaşık eğitim görevlerinde kişinin zihinsel yükü çok yükseldiğinde hata riski artabilir. TCD ve karmaşıklık analizi, gelecekte bu tür durumlarda gerçek zamanlı bilişsel yük izleme aracı olarak değerlendirilebilir.

Bir diğer potansiyel uygulama eğitim ve bilişsel taramadır. Yazarlar, bu yaklaşımın genç öğrencilerde diskalkuli gibi erken matematiksel güçlükleri veya yaşlı bireylerde bilişsel gerilemeyi saptamada yardımcı olabileceğini belirtir. Ancak bu, çalışmada kanıtlanmış klinik bir uygulama değildir. Bu çalışma sağlıklı genç yetişkinlerde yapılmıştır; çocuklarda, yaşlılarda, diskalkuli veya demans riski taşıyan gruplarda doğrudan test edilmemiştir. Bu nedenle uygulama potansiyeli umut verici olsa da, klinik tanı aracı olarak sunulamaz.

Çalışmanın güçlü yönleri arasında TCD gibi erişilebilir bir yöntemi gelişmiş bilgi kuramsal analizlerle birleştirmesi, davranışsal performans ve öznel iş yüküyle fizyolojik veriyi birlikte değerlendirmesi, farklı karmaşıklık formüllerinin benzer sonuçlar verdiğini göstermesi ve geleneksel CBv ortalama/varyans ölçülerinin yakalayamadığı zorluk farklarını yakalayabilmesi yer alır.

Sınırlılıklar da dikkatle ele alınmalıdır. Birincisi, örneklem küçüktür ve yalnızca sağlıklı genç yetişkinlerden oluşur. İkincisi, karbondioksit düzeyi yani end-tidal CO₂ doğrudan ölçülmemiştir. Oysa CO₂, beyin damar genişlemesi ve serebral perfüzyon üzerinde güçlü etkiye sahiptir. Üçüncüsü, görev seviyeleri sabit sırayla verilmiştir; bu durum zorluk etkisini yorgunluk veya alışma etkileriyle karıştırabilir. Dördüncüsü, kalp hızı değişkenliği veya solunum örüntüleri eşzamanlı analiz edilmemiştir. Beşincisi, TCD’nin mekânsal çözünürlüğü sınırlıdır.

Çalışmanın söylediği şey ile söylemediği şey net ayrılmalıdır. Çalışma, CBv istatistiksel karmaşıklığının aritmetik görev zorluğuna duyarlı olduğunu gösterir. Ancak bu yöntemle zihinsel çabanın her durumda kesin ölçülebileceğini söylemez. Klinik tanı koyduğunu iddia etmez. Zorlanan her bireyde aynı sinyal örüntüsünün çıkacağını kanıtlamaz. fMRI veya fNIRS gibi yöntemlerin yerini tamamen alacağını savunmaz. Daha dikkatli iddia şudur: TCD’den elde edilen CBv sinyallerinin entropi ve karmaşıklık analizi, bilişsel görev sırasında nörovasküler dinamiklerdeki bazı değişimleri geleneksel ortalama ölçülerden daha hassas yakalayabilir.

Çalışmanın Yöntemi ve Bulguları

Çalışmanın yöntemi, sağlıklı genç yetişkinlerde aritmetik görevler sırasında iki taraflı serebral kan akış hızı ölçümü, sinyal ön işleme, ordinal örüntü tabanlı entropi/karmşıklık analizi ve davranışsal-öznel ölçümlerle ilişkilendirme adımlarından oluşur.

1. Katılımcılar ve ölçüm düzeni

2. Fizyolojik ölçümler

3. Sinyal ön işleme

4. Aritmetik görev tasarımı

5. Görev zamanlaması

6. Entropi ve karmaşıklık formülleri

İstatistiksel karmaşıklık:

\[ C = H \times Q \]

Shannon entropisi:

\[ H = S[P] = -\sum_{i=1}^{n} p_i \ln(p_i) \]

Rényi entropisi:

\[ H_{\alpha}^{R}(P) = \frac{1}{1-\alpha}\ln\left(\sum_{i=1}^{N}p_i^{\alpha}\right) \]

Ordinal olasılık dağılımı:

\[ \rho_i(\Pi_i) = \frac{\# \text{partitions of type } \Pi_i \text{ in } \{\pi_p\}}{n_x} \]

Bu formüller, CBv sinyalinin kısa zaman pencereleri içinde hangi örüntüleri ne sıklıkla ürettiğini ve bu örüntü dağılımının ne kadar rastlantısal, ne kadar yapılı olduğunu ölçmek için kullanılmıştır.

7. Davranışsal performans sonuçları

8. NASA-TLX öznel iş yükü

9. İstatistiksel karmaşıklık sonuçları

10. Post-hoc karşılaştırmalar

Bu tablo, istatistiksel karmaşıklık ölçülerinin seviye 1 ile 2 dışındaki ardışık zorluk farklarını yakalayabildiğini gösterir. Seviye 1 ve 2 arasındaki farkın anlamlı olmaması, davranışsal başarıların bu iki seviyede tavan düzeyine yakın olmasıyla uyumludur.

11. Korelasyon bulguları

12. Şekillerin anlattığı temel içerik

• Deney protokolü şeması: Başlangıç, yönerge, beş aritmetik görev seviyesi, aralardaki 90 saniyelik dinlenmeler ve NASA-TLX değerlendirmesi sıralı biçimde gösterilir. Bu şema, görev zorluğunun kontrollü biçimde artırıldığını ancak sıra etkisinin de olası bir sınırlılık olduğunu anlamayı sağlar.
• Ön işlenmiş CBv sinyal grafiği: Sol ve sağ hemisfer sinyalleri filtrelenmiş biçimde gösterilir. Grafik, karmaşıklık analizinden önce kalp atımı kaynaklı hızlı bileşenlerin bastırıldığını ve yavaş hemodinamik dalgalanmaların korunduğunu gösterir.
• SCM kutugrafikleri: Görev seviyesi arttıkça istatistiksel karmaşıklığın azaldığını ve dört ana görev farkının istatistiksel olarak ayrılabildiğini gösterir.
• Entropy-complexity düzlemi: Seviye medoidleri, zorluk arttıkça yüksek entropi bölgesinde kalırken karmaşıklığın azaldığını gösteren bir yörünge izler.
• Korelasyon matrisi: SCM ölçülerinin birbirleriyle çok güçlü, görev performansı ve tamamlama süresiyle orta düzeyde ilişkili; öznel NASA-TLX effort puanıyla ise zayıf ilişkili olduğunu gösterir.

13. Ana bilimsel çıkarımlar

• TCD ile ölçülen CBv sinyallerinden çıkarılan istatistiksel karmaşıklık, aritmetik görev zorluğuna duyarlıdır.
• SCM, beş zorluk seviyesinden dördünü ayırt edebilmiştir.
• Entropi tek başına görev seviyelerini güvenilir biçimde ayırmamıştır.
• Geleneksel CBv ölçüleri, yani ortalama hız ve varyans, görev koşullarını güvenilir ayırmakta yetersiz kalmıştır.
• Yüksek SCM değerleri daha yüksek doğruluk ve daha kısa tamamlama süreleriyle ilişkilidir.
• SCM ile öznel NASA-TLX çaba puanı arasındaki ilişki zayıftır; bu, fizyolojik katılım ile öznel yük algısının aynı şey olmadığını gösterir.
• Görev zorluğu arttıkça CBv sinyal karmaşıklığının azalması, artan bilişsel talep altında hemodinamik dinamiğin daha kısıtlı veya daha az yapılı hale gelebileceğini düşündürür.

14. Sınırlılıklar

• Çalışma hakem değerlendirmesinden geçmemiş bir preprinttir.
• Örneklem yalnızca 26 sağlıklı genç yetişkinden oluşur.
• End-tidal CO₂ ölçümü yapılmamıştır; CO₂ serebral perfüzyonu etkileyebilir.
• Görev seviyeleri herkes için aynı sırada verilmiştir; yorgunluk veya alışma etkileri zorluk etkileriyle karışabilir.
• Kalp hızı değişkenliği, solunum örüntüsü ve MAP-CBv coherence analizi dahil edilmemiştir.
• TCD mekânsal çözünürlük açısından sınırlıdır; belirli küçük beyin bölgelerine dair doğrudan lokal bilgi sunmaz.
• Çalışma klinik tanı, diskalkuli tespiti veya yaşlılarda bilişsel gerileme tanısı sunmaz; bunlar gelecekte test edilmesi gereken potansiyel uygulamalardır.

Kaynak ve Yöntem Notu

Bu makale, Héctor Rojas-Pescio ve Max Chacón tarafından hazırlanan “Statistical complexity of cerebral blood velocity dynamics reflects cognitive effort during arithmetic tasks” başlıklı çalışmaya dayanarak hazırlanmıştır. Yazarlar Universidad de Santiago de Chile, Departamento de Ingeniería Informática bağlantılıdır.

Kaynak türü, metindeki açık ibareye göre SSRN preprint araştırma makalesidir. Çalışma metninde açıkça “This preprint research paper has not been peer reviewed” ifadesi yer aldığı için bu çalışma hakem değerlendirmesinden geçmemiş preprint olarak değerlendirilmelidir. Ayrıca editöre not bölümünde çalışmanın Neuroscience Informatics dergisine gönderim için hazırlandığı belirtilmektedir; bu bilgi hakemli kabul anlamına gelmez.

Bu içerik hazırlanırken çalışmada verilen deney tasarımı, katılımcı bilgileri, TCD ölçüm düzeni, aritmetik görev protokolü, sinyal ön işleme adımları, entropi ve istatistiksel karmaşıklık formülleri, NASA-TLX ölçümleri, davranışsal sonuçlar, kutugrafikler, entropy-complexity düzlemi, korelasyon matrisi, tartışma ve sınırlılıklar esas alınmıştır. Metinde bulunmayan klinik tanı başarısı, gerçek zamanlı uygulama garantisi, çocuklarda diskalkuli tespiti, yaşlılarda bilişsel gerileme tanısı veya tüm popülasyonlara genellenebilir sonuç gibi iddialar eklenmemiştir.

Çalışmanın bulguları, TCD tabanlı CBv karmaşıklık analizinin bilişsel görev zorluğunu izlemek için umut verici bir yaklaşım sunduğunu göstermektedir. Ancak sonuçların sağlamlaşması için daha büyük örneklemler, görev sırasının rastgeleleştirildiği tasarımlar, end-tidal CO₂ ve solunum kontrolü, HRV gibi ek fizyolojik ölçümler, farklı yaş grupları ve klinik popülasyonlarla bağımsız doğrulama çalışmaları gereklidir.