JoVE Journal > Neuroscience
概要
Abstract
Introduction
Protocol
結果
Discussion
開示
Acknowledgements
Materials
参考文献
Please note that all translations are automatically generated. Click here for the English version.
神経科学

Olaya Bağlı Potansiyeller (ERP' ler) ve Beyin Disfonksiyonunun Biyobelirteçlerinin Ayıklanması nda Diğer EEG Tabanlı Yöntemler: Pediatrik Dikkat Eksikliği/Hiperaktivite Bozukluğundan Örnekler (DEHB)

Published: March 12, 2020
doi:
10.3791/60710
,
1Neuropsychiatric Team, Åsebråten Outpatient Clinic,Østfold Hospital Trust, 2Institute of Psychology,Norwegian University of Science and Technology, 3Gillberg Neuropsychiatry Centre,University of Gothenburg, 4P. Bechtereva Institute of the Human Brain,Russian Academy of Sciences, 5Department of Neuropsychology,Andrzej Frycz-Modrzewski Krakow University

概要

EEG-yöntemleri beyin fonksiyon bozukluklarının biyobelirteçleri ayıklamak için uygulanır. Odak çok kanallı olay ile ilgili potansiyelleri (ERPs) bir cued GO / NOGO görev kaydedilen. Beyin dışı eserler düzeltilir ve ERP’ler normatif verilerle karşılaştırılır. Örnekler DEHB tanısı ve ilaç yanıtı tahmini için biyobelirteçleri ile ilgilidir.

Abstract

DEHB gibi nöropsikiyatrik tanılar görüşmeler, derecelendirme ölçekleri ve gözlemler gibi öznel yöntemlere dayanmaktadır. Daha fazla beyin tabanlı takviyeleri için bir ihtiyaç vardır. Uyarıcı ilaç DEHB için en yaygın tedavi yöntemidir. Şimdiye kadar yanıtın klinik açıdan yararlı belirleyicileri bildirilmemiştir. Bu makalenin amacı, beyin disfonksiyonu için potansiyel biyobelirteçleri ayıklamak için uyguladığımız EEG tabanlı yöntemleri tanımlamaktır. Örnekler pediatrik DEHB için biyobelirteçleri ile ilgilidir, ve ilaç yanıtı tahmini. Ana vurgu Olay İlgili Potansiyelleri (ERPs) üzerindedir.

On dokuz kanal EEG 3 dk gözleri açık görev, 3 dk gözleri kapalı görev ve 20 dk cued görsel GO / NOGO görev (VCPT) sırasında kaydedilir. BU görev sırasında ERP’ler kaydedilir. ERP protokolünün amacı, bir hasta grubu ile sağlıklı kontroller arasında önemli ölçüde ayrım yapan beyin fonksiyon bozukluklarının biyobelirteçlerini ayıklamaktır. Protokol, standart koşullar ve yapı düzeltmesırasında kayıt içerir. ERP dalgaları kullanılabilir veya gizli bileşenlere dönüştürülebilir. Hasta grubunun bileşenleri, karşılaştırıldığında nispeten yüksek etki boyutları gösteren, empati oluşturan kontrollerle karşılaştırılır. Hastaların alt grupları bileşenlerin uzasında küme analizine göre seçilir. Tedavi prosedürü (ilaç, tDCS veya neurofeedback protokolü gibi) uygulanabilir ve alt gruplarda tedaviye ilişkin bileşenlerde değişiklikler gözlemlenebilir ve klinik önerilerin temelini oluşturur.

Açıklanan yöntemler 87 pediatrik DEHB hastasının çalışmasında uygulandı. İlaç yanıtı indeksi, büyük ve klinik olarak anlamlı etki boyutuna sahip yanıtlayıcılar ve yanıt vermeyenler arasında anlamlı olarak ayrımcı olarak belirlenmiştir(d = 1.84). DEHB çocuklarını eşleşen kontrollerle karşılaştıran devam eden bir çalışmada, çeşitli değişkenler hastalar ve kontroller arasında anlamlı olarak ayrım yapmaktadır. Küresel indeks d = .8’i aşacaktır. Burada açıklanan EEG tabanlı yöntemler klinik olarak anlamlı olabilir.

Introduction

2008 yılında, NIMH tarafından başlatılan, Araştırma Etki Alanı Kriterleri (RDoC) proje1, zihinsel bozuklukların anlaşılması için biyolojik olarak geçerli bir çerçeve bulmak amacıyla yayınlandı. 2013 yılında, ABD Gıda ve İlaç İdaresi (FDA) 6-17 yaş arası hastalarda DEHB değerlendirmek için DEHB ilk EEG tabanlı biyomarker onayladı. Nöropsikiyatrik EEG Tabanlı Değerlendirme Yardımı (NEBA) Sistemi EEG’yi 15-20 dk olarak kaydeder. Dehb’li çocuklarda ve ergenlerde tipik olarak gelişmekte olan çocuklara göre teta/beta oranının hesaplanmasına dayanmaktadır2. Son yayınlar bu oranın tüm DEHB3yakalar olmadığını bulabilirsiniz.

Klinik nöroloji yayınların çok sayıda bozulmuş bilişsel kontrol DEHB, şizofreni, depresyon ve OKB4,,5dahil olmak üzere birçok psikiyatrik bozuklukların ortak bir özelliği temsil ettiğini göstermektedir . Teorik olarak, bilişsel kontrol, insanların hedeflere ve bağlamlara esnek bir şekilde uyum sağlamalarına olanak tanıyan varsayımsal operasyonlardan oluşur. Bilişsel kontrol, proaktif ve reaktif kontrol iki farklı kategoride, tarif edilmiştir6. Bizim birincil odak bilişsel kontrol reaktif modu üzerindedir. Proaktif bilişsel kontrol çalışma belleği içerir (yani, saniyeler için duyusal ve motor olayları korumak). Reaktif bilişsel kontrol izleme içerir, çatışma tespiti7,8, ve eylem inhibisyonu (inceleme için bkz9,10).

GO/NOGO paradigması bilişselkontroleduyarlıdır 11,12,13,14,15. GO uyaranları parietal beyin bölgelerinden pozitif dalgalanmalar ortaya çıkarır. (P3 GO). Anteriorly dağıtılan pozitif N2 ve P3 NOGO dalgaları, NOGO uyaranları tarafından ortaya, çatışma ve eylem inhibisyonu tespiti ile ilişkilidir16,17,18,19. N2 dalgası eylem inhibisyonu bir göstergesi olarak anlaşılmıştır, ancak güncellenen araştırma N2 dalga seyrek GO uyaranları ve çatışma tespiti ile ilişkili olduğunu göstermektedir20. Eylem inhibisyonu frontal-merkezi bölgelerde Ki P3 NOGO dalgasıile bağlantılıdır.

N2/P3 ikilemi doğru olmayabilir. Bu ERP dalgaları, özellikle bilişsel kontrolü temsil eden, yerlerde ve zaman14,,21çakışabilir çeşitli kaynakların toplamları olduğunu bir görünüm tarafından sorgulanmıştır .

ERP dalgalarının kaynaklarını ayrıştırmak için, kör kaynak ayırma çeşitli yöntemler kullanılmıştır15,22,23,24. St. Petersburg’daki İnsan Beyni Enstitüsü’ndeki çalışmalarda N2d NOGO dalgası çürümüştür. Gizli bileşenler algılandı. Bu bileşenlerin farklı topografyaları ve işlevsel anlamları vardı. Bunlardan sadece biri çatışma 14,15,,2515,26algılama ile ilişkili oldu. DEHB en yetişkin çalışmalarda, P3 NOGO eşleşen sağlıklı kontroller göre daha küçüktür27,28,29,30,31,,32.

Go/NOGO paradigmalarında ERP’ler14,15analiz edildiğinde bilişsel kontrol görevleri sırasında gerçekleşen beyin operasyonları doğru N2/P3 ikilemi ile açıklanmış gibi görünmüyor . ERP dalgalarından gizli bileşenleri disentangle amaçlayan çeşitli yaklaşımlar kullanılmıştır (inceleme içinbkz. 21). Bazı çalışmalarda şizofreni29olan hastalar ve DEHB33,34olan yetişkinler gibi hasta gruplarında ERP’ler için bağımsız bileşen analizi (ICA) kullanmış, tanı olmadan kontrollerden hastaları ayırmaya çalışarak.

(Yeredor, 2010,25 s.75) olarak, YENI bir yöntem önerilmiş ve ERP’ler için uyarlanmıştır. Çapraz varyans matrislerinin eklem diyagonalizasyonu prosedürüne dayanan kör kaynak ayırma yöntemidir. Cued GO / NOGO paradigmasında bu yöntemi uygulayan bu tür gizli bileşenlerin fonksiyonel anlamlarını incelemek için, İnsan Beyni Enstitüsü’nden bir çalışma son zamanlarda26uygulanmıştır . Bu çalışmada eylem engelleme operasyonları ve çakışma algılama operasyonları, cued GO/NOGO görevinin modifikasyonları ile bağımsız olarak manipüle edilmiştir. Çatışma tespitini yansıttığı düşünülen gizli bir bileşen bulundu. N2 benzeri bir yanıt ve frontal topografya bu bileşeni karakterize35. Hazırlanan eylemlerin inhibisyonunu gerektiren çalışmalarda merkezi topografya ve P3 benzeri yanıt görüldü.

Bu yayında bildirilen çalışmalar geleneksel ERP yöntemini kullanılmıştır. ICA uygulaması, ya da çapraz varyans matrislerin ortak diyagonalizasyon prosedürü25 (sayfa 75) şimdiye kadar yapılmamıştır. Genel olarak, farklı yöntemlere dayalı sonuçlar birbiriyle aynı fikirde, ancak gizli bileşenleri keşfetmek için yöntemler daha tamamen farklı nöropsikolojik fonksiyonlar ile ilişkili gibi görünüyor. Bu makalenin amacı WinEEG yönteminin ayrıntılı bir açıklamasını sunmaktır. Odak ERP’ler üzerinde, ancak Go / NOGO görev EEG spektrumve davranışsal veriler de WinEEG yöntemini göstermek için açıklanan çalışmalarda yer alıyor.

Protocol

Protokolde tanımlanan ekipman hastane yetkilileri tarafından etik olarak onaylanır ve klinik amaçlar için kullanılır. Tıbbi Araştırma Etiği Bölgesel Komitesi açıklanan projeleri onayladı. 1. ERPs kayıt için donanım ve yazılım Üreticiprotokolüne göre EEG amplifikasyonu için amplifikatörler (örneğin, Mitsar 201) kullanın. WinEEG yazılımı ve birbirine bağlı iki bilgisayara ihtiyaç vardır: EEG ve düğmeye basan kayıt için ana bilgisayar ve uyarıcı sunumu için ana bilgisayar tarafından kontrol edilen köle bilgisayar. Uluslararası 10-20 sistemine uygun olarak kafasına yerleştirilen on dokuz elektrotlu kapaklar kullanın.NOT: İhtiyaç duyulan ekipman, kapaklar, elektrotlar, jel vb. çeşitli üreticilerden temin edilebilir. Hastaları/denekleri arka ışıksız ses geçirmez bir odada rahat bir sandalyeye yerleştirin. Varsayılan olan başvurusal montajı (Ref) kullanın. HBi veritabanı ile daha sonraki karşılaştırmalar için; montajı ortak ortalamaya (Av) değiştirin. 2. Yetkinlik ve eğitim EEG’nin kaydı, verilerin yorumlanması, klinik kullanım ve araştırma ile ilgili herkesin WinEEG kullanımı konusunda gerekli profesyonel geçmişe ve özel eğitime sahip olmasını sağlamak. 3. Hasta/katılımcıları bilgilendirmek Hastalara/deneklere prosedürün tehlikeli olmadığını ve zarar vermediğini bildirin.NOT: 19 deliği jelle doldurmak için gereken şırınga keskin değildir. Çocuklara araştırmacıların zihinlerini okuyamayacaklarını bildirin. Onlara her beyinde bazı elektriksel aktivitelerin olduğunu söyle. Okumak için, araştırmacılar Bu ekipman gerekir. Beyin ile hiçbir şey yoktur, ama araştırmacılar ne zaman rahatlar nasıl çalıştığını görmek istiyorum, ve ne zaman bir göreve katılmak gerekir. Ekipmanı 10 dakika bekletin.NOT: Bu süre zarfında en küçük çocuklar isterlerse çizgi film izleyebilirler. Bazen bir ebeveyn sessizce çocuğun güvende hissedene kadar odanın arka odasında bulunmaktadır. Sınavın yaklaşık bir saat sürdüğünü konuya bildirin. Ekipman düzgün yerleştirildiğinde, 3 dakika kapalı gözlerle dinlenmek için konu söyle, 3 dk açık gözlerle rahat takip. 4. EEG veri dosyalarını oluşturma NOT: WinEEG ham EEG dosyaları (uzantısı – .eeg), EEG spektrum (uzantısı – .spec) ve ERP dosyaları (uzantısı – .erp) depolamak için ayrı ayrı kendi yapı veritabanları vardır. Veritabanları otomatik olarak oluşturulur ve başlangıçta WinEEG/data, WinEEG/spec ve WinEEG/erp klasörlerinde saklanır. Bir hastayla oturum başlatmak için, menü Dosyası’na tıklayarak karşılık gelen bir EEG veri dosyası oluşturun | Yeni. Hastanın kartı ekranda görünür.NOT: Aşağıdaki biçim kullanılır: Test edilecek kişinin adını veya kodunu girin. Doğum tarihini koyun (DD. Mm. YYYY) ve Seks için M veya F. Gerektiğinde hasta kartındaki diğer açık alanları kullanın. 5. Ekipmanın hazırlanması Kapağın doğru boyutunu bulmak için başın çevresini ölçmek için küçük renk kodlu bandı kullanın. Kulak memeleri ve alın dan yağ silmek için küçük bir yama kullanın. Nasion-inion mesafesini ölçün (ör. 35 cm). Frontal direk elektrotlarının merkezi, nasion’un (ör. 3,5 cm) üzerinde bu mesafenin ‘u yatay bir çizgiüzerine düşmelidir.NOT: Hastanın saçı temiz (saç ürünleri vb.) ve kuru olmalıdır. Kulak memelerine biraz cilt hazırlık jeli (örn. Neuprep) koyun. Kulak elektrot kaplarını iletken elektro-jel (örneğin Ten20) ile doldurun ve kulak-elektrotları tonuyla tonuyla tolun. Bu kabloların diğer uçlarının amplifikatörüne bağlı olduğundan emin olun. Konuya kulak memsesi elektrotlarının odadaki “gürültü-elektriği” yakaladığını ve bunun kafadan çıkan elektriği çıkarılarak gürültü olmadan kafadan ne çıktığını görmek için olduğunu söyleyin. Kapağı yukarıda açıklandığı gibi ön kutup elektrotlarıyla baş üzerinde simetrik olarak yerleştirin. Başın ayakın olduğunu güvence altına almak için kapağı mümkün olduğunca aşağı çekin. Bel bandını göğsün etrafına koyun ve bu banda bağlı olan düğmeleri sabitleyin. Bu test sırasında kapak ve elektrotların hareketlerini önleyecektir. Kapak kablosunu ve kulak kablolarını amplifikatörüne bağlayın. Sol ve sağ kulağı karıştırmayın. Empedans simgesinin WinEEG menü kontrolüne tıklayın. Tüm elektrotlar ile basitleştirilmiş bir kafa görünür. İkincisi, jel ile şırınga doldurun ve tüm elektrot delikleri doldurmak için kullanabilirsiniz. Siyah daireler sarı olduğunda empedans tamamdır.NOT: Uygun empedansı sabitlemek için her elektrotla çalışmaya başlamadan önce tüm delikleri doldurun. Jel elektriksel beyin aktivitesi yakalamak için bir ön koşuldur baş, deri ulaşmak yardımcı olmak için ince bir ahşap sopa kullanın. Tüm 20 delik ekranda sarı bir renk varsa ve tek tek delikler arasındaki renk farkı küçük olduğunda kayıt başlatın. EEG kaydını izlemeye başlayın. Yeşil ok (EEG izleme) tıklayın.NOT: 19 elektrotun tümünden ham EEG sinyalleri görüldüğünde, onlardan gözlerini kırpmalarını ve ön bölgelerdeki büyük değişiklikleri işaret etmelerini isteyin. Bu eşyalar otomatik olarak kaldırılabilir. Kayıt kalitesi rahat çene, göz ve alın bağlıdır, ve baş ve vücut hareketleri her türlü mümkün olduğunca kaçınılmalıdır. 6. “Gözleri kapalı” ve “gözleri açık” kayıtları 3 dakika boyunca gözleri kapalı rahat sandalyede dinlenmek için konu söyle. Başlamadan önce “gözleri açıldı” gözlerini önlerinde ekranda istirahat açık 3 dakika sessiz oturup onlara söyleyin. Menü satırındaki kırmızı daireye (EEG edinin) “empedans denetimi” düğmesinin yanındaki tuşuna basın. Bir sonraki simge açılır menüsünü iterek “gözler kapalı” veya “gözler açık” seçeneğini belirleyin. Bu kayıt başlayacaktır. Saniyeler içinde geçen süre EEG eğrilerinin üzerinde görülebilir. 180 s. sonra duraklatma düğmesine basın (bu imkansız aynı dosyada daha fazla kayıt yapacak gibi “kaydet” değil) sonra gözlerini açmak için onlara sorun (ya da gözleri açıldı eğer ilk bölümü onları kapatın). Kayıt devam edin. 3 dakika sonra, dur ve kaydet.NOT: Kaydedilmezse, yeni bir dosya oluşturulurken veriler kaybolur. 7. Cued GO/NOGO görevinde EEG kayıtları için hazırlıklar EEG kaydını başlatmadan önce uygun bağlantı noktasına özel bir USB dongle takın. Dongle üzerinde küçük bir ışık sistemin çalıştığını gösterir. Öznenin sağ elinde özel bir düğme anahtarı verin. Yaklaşık 20 dakika süren bir testi tamamlamak için gereklidir. Görev menüsünü açın ve hastanın/katılımcının önündeki köle bilgisayarında VCPT’yi seçin.NOT: Köle bilgisayar ekranında dört resim birleşimini gösteren bir talimat penceresi görünür: (hayvan-hayvan (a-a), hayvan-bitki (a-p), bitki-bitki (p-p) ve bitki-insan (p-h). (Şekil 1). Uyarıcılar 17-inç bilgisayar ekranında sunulmaktadır, konuların önünde 1.5 metre. Deneğin kafasında ölçülen ses 70 dB olmalıdır. Resimlerçiftler halinde gelen konu talimat, ilk resim 1 s s ikinci tarafından takip edilir. 3’ten sonra yeni bir çift başlayacak. A-a kombinasyonu her göründüğünde sol fare düğmesine basılması gerektiğini konuya söyleyin. A-a kombinasyonlarında, iki hayvan her zaman aynıdır. Konuyu mümkün olduğunca hassas, aynı zamanda hızlı olması için bilgilendirin. Özne a-p, p-p veya a-h kombinasyonlarında fare düğmesine basmamalıdır. Konuya p-h kombinasyonlarında rastgele sesleri yoksaymasını söyleyin. Köle bilgisayarına basın ve konuyu doğru anlayana kadar eğitmek için görevi yaklaşık 2-5 dakika çalıştırın. Köle bilgisayarında slave modu seçeneğine geçiş seçin.NOT: Görev sunumu artık ana bilgisayardaki WinEEG programı tarafından yönetilir. Şekil 1: VCPT: Görsel Sürekli Performans Testi. Şekil 1 VCPT dört koşullarını gösterir. Her durumun yüz denemerasgele sunulmaktadır. Toplam test süresi 20 dk. Bu rakamın daha büyük bir sürümünü görmek için lütfen buraya tıklayın. 8. Görev koşulundaki EEG ve düğmeye basın kayıtları Sistemin düzgün çalışıp çalışmadığını kontrol etmek için kayıt menüsünden ana bilgisayardaki EEG İzleme seçeneğini başlatın. Ana bilgisayar menü kutusundaki kayıt menüsünden EEG edinme seçeneğini başlatın. Uyaran sunum programı seçeneği vurgulanır. VCPT’yi seçin ve köle bilgisayarında uyaran sunumlarını başlatın.NOT: Sol fare düğmesine her basıldığında EEG eğrilerinin altında kırmızı bir işaret görülür. İki satır vardır, biri sol, diğeri sağ fare düğmesi için. Bu, doğru düğmeyi kullandıklarını gösterdiğinden, kırmızı işaretlerin en alt satırda görünmediğini denetleyin. Duraklatma düğmesini kullanın ve sol fare düğmesini kullanmasını söyleyin. EEG kaydını izleyin ve olası ilgi çekici olayları not edin. Kaslar veya hareketler ile ilgili çok fazla eser gözlenirse; kayıt duraklatmak ve dinlenmek ve hala oturup konu hatırlatmak. Kayıt devam edin.NOT: Görev sırasında EEG kaydı 20 dakika sürer ve 400 çift resimden oluşur; Her çiftin 100’ ü; a-a, a-p, p-p ve p-h. Çiftler rasgele sırayla sunulur. (Bkz. Şekil 1). Her 100 çiftsonra kısa bir mola verin. Duraklatma düğmesine basın. Sandalyede otururken onları kollarını ve bacaklarını germek ve yüz kaslarını gevşetmek için teşvik. İçecek bir şeyler teklif edin. Bir iki dakika sonra kayıt devam edin. 9. Kaydın sona erdirilmesi Tüm 400 deneme tamamlandığında Kayıt | Dur.NOT: Dosya Kaydet seçeneğine basıldığında, kayıtlı ham EEG ve düğmeye basma kanalı bulunan dosya yerleşik veritabanında depolanacaktır. Araştırmacı kapak, bel bandı ve kulak elektrotlarını çıkarana kadar deneğe oturmasını söyleyin.NOT: Bu tamamlandığında genellikle saçta jel yoktur. Jeli kağıt bezle çıkarın. Çoğu hasta/katılımcı eve döndüklerinde saçlarını yıkamayı tercih ederler, ancak kayıttan hemen sonra saçlarını yıkama seçeneği olmalıdır. Görevi tamamladığınız için konuya teşekkür ederiz. VCPT (1-10 ölçek), Ne kadar sıkıcı oranı isteyin? Ne kadar yorucu? Anlaşmaya bağlı olarak, test sonuçlarıyla ilgili olarak bundan sonra ne olacağını söyleyin. 10. Temizlik Kulak elektrotlarını temizleyin (sıcak suya daldırın) ve mümkün olan en kısa sürede kapağını kaplayın. Su, sabun ve yumuşak bir fırça gereklidir. Kapaklar kuruması için bir yere asılmadan önce jel artıklarının kaldırıldığını görmek için tüm delikleri kontrol edin. 11. EEG kaydının önceden işlenmesi NOT: HBIdb yazılımında üç farklı elektrot montajı sağlanmaktadır. Bunlar: bağlantılı kulaklar referansı (Ref olarak etiketlenmiş), ortak ortalama başvuru (Av olarak etiketlenmiştir) ve yerel ortalama referans (Aw olarak etiketlenmiştir). KURULUM menüsünde Montaj listesinden montaj seçin. EEG, eser düzeltmeye başlamadan önce Ref. Change to Av’de kaydedilir. Mekansal filtrasyon bir prosedür uygulayarak göz hareketi eserler kaldırın.NOT: Uzamsal filtreler, Bağımsız Bileşen Analizi (ICA) tarafından seçilen bir EEG parçasına uygulanarak elde edilir. Parça en az 90 s ham veri içermelidir. EEG parçasını, parçanın başındaki zaman çubuğundaki farenin sol tuşuna tıklayarak ve parçanın sonundaki zaman çubuğundaki sağ düğmeye tıklayarak seçin. Seçimden sonraki tüm parça sarı renkle vurgulanır.NOT: Yapı düzeltme yordamı, Çözüm menüsünden Yapı düzeltme seçeneği seçilerek uygulanır. Uzamsal filtre parametreleri tahmini adlı pencere ekranda görüntülenir. Tek tek spektrumları ve ERP’leri HBI başvuru veritabanıyla karşılaştırmak için ICA yöntemini seçin.NOT: Uzamsal filtreler parametreleri tahmin penceresi görüntülenir. Soldan sağa: 1) ham (düzeltilmemiş) çok kanallı EEG parçası, 2) düzeltilmiş EEG bir parçası, 3) düzeltilmiş eserler dalga formu, 4) çıkarılan ICA bileşenlerinin zaman kursları (yukarıdan aşağıya) ve 5) bağımsız topografyalar Bileşen. Göz kırpma ve yatay göz hareketleri ile ilişkili topografyaları seçin. Tamam’ıtıklatarak kabul edin. Çözümlemen menüsünden Yapıl’ı işaretle seçeneğini tıklatarak yapıları işaretle adlı yordamı uygulayın.NOT: Bu, yavaş ve yüksek frekanslı parçaları-aykırı: Göz dışı hareket yapıları (kas gerginliği, baş hareketleri vb.) ile kontamine olan EEG parçaları ileri analizdışı dır. Bazı karmaşık durumlarda manuel artifakı reddi açıklanan yordamı tamamlayabilir. 12. Bilgisayar EEG spektrum EEG spektrumlarını ve parça-gözleri kapalı veya Analiz menüsünden açılan gözleri seçin. Varsayılan ayarlar Şekil 2’de gösterildiği gibi yse Tamamtuşuna basın.NOT: Spectra 19 sitenin tümü için Şekil 3’te gösterilmiştir. X ekseni Hertz (Hz) frekansı ve y-ekseni mikrovolt (μV) güçtür. Analiz Seçin | Tek tek spektrumları veritabanıyla karşılaştırmak için sonuçların karşılaştırılması. Sol pencerede hasta/konu seçin. Sağ pencerede veritabanı dosyasını (veya başka bir açılmış dosyayı) seçin ve karşılaştırma için Tamam’a basın. Özne ve veritabanı arasındaki farkı gösteren bir resim görüntülenir.NOT: Spektrumlar frekansların kare ortalama gücünü 0 Hz’den 30 Hz’e gösterin (1.5-2 Hz’nin altındaki frekanslar genellikle eserlerden etkilendiği için dikkatli bir şekilde yorumlanmalıdır). Spektrumları yorumlamak bu protokolün kapsamı dışındadır. Potansiyel klinik ilgi paroksismals spectra görünmeyebilir ama ham EEG görülebilir. Şekil 2: EEG spektrumları hesaplama. Spectra’yı hesaplamak için: Analiz’i tıklatın | Spektrum. Ayarlar doğruysa, Şekil 2’de gösterilen resim görüntülenir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın. Şekil 3: 19 elektrotlu EEG spektrumları. Şekil 3 19 sitede EEG spektrumlarını göstermektedir. X ekseni 0-30 Hz frekansıdır. Y ekseni μV2’dekigüçtür. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın. 13. Bilgi İşlem Etkinliği Ile İlgili Potansiyeller (ERP’ler) NOT: Olayla İlgili Potansiyeller (ERP’ler) ortalama bir yordam la hesaplanır. Yalnızca doğru denemeler dahildir. ERP’ler yukarıda açıklanan ön işleme tamamlandıktan sonra hesaplanır. Bilgi işlem ERP’leri için altın standart, ortalama denemelerin sayısını 50’nin üzerinde tutmaktır. Ortak ortalama montaj (Av) bir EEG VCPT dosyası seçin. Analiz menüsünden ERP’yi hesapla’yı tıklatın.NOT: HBdb dongle bilgisayara bağlı değilse veya bir nedenle etkinleştirilmemişse, HBdb kullanıcının EEG dosyalarını okumasına ve ön işleme koymasına izin verir, ancak veri tabanı ile spektrum ve ERP’leri hesaplamasına izin vermez. Tamam’ıtıklatın. ERP hesaplamalarının parametrelerini gösteren bir pencere oluşur (Şekil 4).NOT: Şekil 4’tegösterildiği gibi, parametreler aşağıdaki gibidir: Deneme grupları: 1: a-a GO; 2: a-p NOGO; 3: p-p (denemeleri yok sayma); 4: p-h (yenilik denemeler); yanı sıra 5: + tüm denemeler bir sunumu ile başladı anlamı; ve 6: – tüm denemeler p sunumu ile başladı anlamı. Buna ek olarak, ERP fark dalgaları gösterilir. Tamam’ıtıklatın. Analiz edilen dosyanın ERP’leri hesaplanır ve ERP penceresinde grafik biçiminde sunulur (Şekil 4).NOT: ERP penceresi her görev koşulu için 19 ERP grafiğinden oluşur: a-a GO, a-p NOGO, p-p, p-h. Şekil 4’tesadece a-a GO ve a-p NOGO gösterilmiştir. Her grafikte: X ekseni ms.,Y ekseni μV’deki gerilimdir. Şekil 4 sunum formunun ayar sonuçlarını sunar. Denemeler sadece kategoriler a-a GO, a-p NOGO seçilir (GO yeşil renkte tasvir edilir, NOGO kırmızı renkte tasvir edilir). Ölçek 12 μV olarak seçilir. Zaman aralığı 1400 ms seçilir; Stimulus 2’nin sunum süresi 700 ms ile seçilir. Olayla İlgili Potansiyeller (ERP’ler) için dalganın haritasını çıkarmak için farenin seçtiğiniz zamanda (Xekseni boyunca) sağ düğmesini tıklatın, ardından bırakın ve açılan menü için harita ekle seçeneğini seçin. Karşılık gelen haritalar sayfanın alt kısmında görünür. Şekil 4: ERP hesaplamalarının parametreleri. Şekil 4 19 sitede ERP bileşenleri a-a GO (yeşil) ve a-p NOGO (kırmızı) gösterir. Zaman aralığı 1400 ms 2100 ms A-a GO en açıkça site Pz ve Cz a-p NOGO görülür. 14. VCPT’de davranışsal verilerin kaydedilmesi ve karşılaştırılması PENCEREDE ERP’leri gösteren sağ fare düğmesine tıklayın ve eksiklik sayısını (cevapsız düğme tıklamaları), komisyonları (dürtüsel ekstra tıklamalar, a-a-GO için ortalama tepki süresi (RT) ve RT değişkenliğini görmek için grup bilgilerini seçin. Analizleri Seçin | Sonuçların karşılaştırılması. Öznenin dosyasını sol pencerede, karşılaştırma dosyasını da sağ pencerede işaretleyin. Tamam’ıtıklatın.NOT: Norm grubundaki bu değişkenlerin yüzdelik artışlarını gösteren yaşa dayalı kağıt tabloları kullanırız. 15. Olayla İlgili Potansiyelleri (ERP’ler) referans veri tabanıile karşılaştırma NOT: Karşılaştırma için ilgi süresi, menüde karşılık gelen sayılar yazılarak tanımlanır: Zaman aralığı (ms), Süre (ms). ERP’ler, ERP penceresinin üst kısmındaki aktif gruplardan ilgili grafiği seçerek belirli deneme kategorileri (örneğin a-a GO, a-p NOGO, p-p, p-h) için seçici olarak sunulabilir. Analiz menüsünden sonuçların Karşılaştırmasını seçin. Sol penceredeki hasta/konuya tıklayın ve sağ penceredeki HBIdb’ye tıklayın.NOT: Konuyu örneğin önceki bir kayıtla karşılaştırmak için eski dosyayı açın ve HBIdb yerine bunu seçin). ERP karşılaştırma penceresi görüntülenir. Bu pencere, μV’deki ERP dalgası arasındaki farkı betimletir. Konu-Ortalama Başvuru her kanal için hesaplanır. Referanstan sapmanın anlamlı düzeyini elde etmek için ilgi çekici bir noktada ve ilgi kanalında farenin sağ tuşuna basın. Karşılık gelen değerler, pencerenin alt kısmında μV’deki farkı, seçilen zaman noktasını ve p değerini gösterir.NOT: Fark dalgalarını güven düzeyleriyle sunmak kullanılabilir bir seçenektir. Grafiklerin altındaki mavi çizgi, her kanal için hesaplanan başvurudan ve Grup 3 için her zaman noktasından sapmanın güven düzeylerini gösteriş. 1’deki oku (bireyin ERP’leri) tıklayarak ERP farkı için grupları seçin. A-a GO ‘u seçin [1]. Başvurusal ERP’ler için 2’yi tıklatın. A-a GO ‘u seçin [2]. Farkı görmek için 3 ve a-a GO [D] tuşuna tıklayın (1-2). Etkin grup 4: Bu menüden Yok’u seçin. Menüdeki karşılık gelen sayıları yazarak (veya seçerek) ilgi nin zaman aralığını tanımlayın: (ms)’den zaman aralığı), süre (ms) (örneğin, 1400, 700 ikinci uyarıcıya yanıt olarak ERP’leri analiz etmek). İmleci bir zaman noktasına ve ilgi kanalına koyun ve farenin sağ düğmesini tıklayın ve açılan menüden harita ekle’yi seçin. Başvurudaki sapmayı gösteren bir harita gösterilir.NOT: Olayla İlgili Potansiyellerin bağımsız bileşenlerini (ERP’ler) referans veri tabanıyla karşılaştıran yazılım, tek tek ERP’leri bağımsız bileşenlere ayrıştırma seçeneği sunar. Bileşenler ayırt edici psikolojik operasyonlar ile ilişkilidir.

Representative Results

Pediatrik DEHB’de ilaç yanıtının tahminiDEHB yaygın bir nöropsikiyatrik çocukluk hastalığıdır36. Hiperaktivite ve dürtüsellik semptomları ile birlikte dikkatsizlik belirtileri ile karakterizedir. Okulda, evde ve boş zaman ortamlarında bozulma yaygındır. Okul çağındaki çocuklarda, tahmini yaygınlık %5 ila %7 arasındadır. Komorbiditeler yaygındır. Tıbbi tedavi, metilfenidat dayalı uyarıcılar kullanarak (MPH) veya dekstroamfetamin (DEX), yaygın olarak kullanılmaktadır. Hastaların ‘inde uyarıcı ilaçların olumlu etkileri (huzursuzluk, hiperaktivite ve dürtüsellikte azalma lar ve dikkatin artması) bildirilmiştir. MPH dayalı ilaç dan DEX shifting% 8037,,38olumlu etkileri artırabilir. Frontal-striatal devreler uyarıcılar tarafından aktive gibi görünüyor39. Klinik olarak anlamlı bir ilaç yanıtı genel kabul tanımı yoktur. Derecelendirme ölçeklerinin uygulanması, temel puanların ilaç puanlarıyla karşılaştırılması en yaygın kullanılan yöntemdir. Bazı çalışmalarda yanıt tanımı olarak puanların veya oranında azaltılması kullanılmaktadır. Diğer çalışmalarda, nüfus ortalamasının 1 SD’yi geçmeyen puanlar40,41olarak kullanılmaktadır. Klinik olarak, ilgili tüm verilere dayalı genel bir karar kullanılır. İştah kaybı, uykusuzluk, artan sinirlilik veya anksiyete gibi yan etkileri değerlendirmek için, önemlidir37,42. Derecelendirme ölçeklerinin kullanımı çeşitli nedenlerle eleştirilebilir. Öğretmen ve veli puanları arasındaki küçük korelasyonlar (0.30-0.50) çeşitli çalışmalarda bildirilmiştir48. Yanıt ın klinik olarak yararlı belirleyicileri için arama olmayan yanıt çok sayıda motive, kabul etmeyen muhbirler, ve aslında herkes uyarıcıların küçük dozlarda kullanıldığında gelişmiş dikkat bazı mütevazı etkileri olabilir. Yanıt belirleyicileri üzerinde yayınlanan araştırma DEHB alt tipi, demografik, komorbid bozukluklar, gen değişkenleri, derecelendirme ölçekleri puanları, nöropsikolojik test sonuçları ve EEG / ERP değişkenleri43,44,45,46içerir. 2016 yayınımız47, ilaç yanıtını tahmin etmek için ACIL’ler uygulanan çalışmaları özetlemaktadır. Daha önceki çalışmalarda, cued visual GO/NOGO görevinden (yani dikkat testi verileri, EEG spektrumları ve ERP’ler) d verilerini analiz ediyoruz. Bir çalışmada, yan etkilerin tahminine önemli ölçüde katkıda bulunan 3 değişken bulduk. Bu değişkenler klinik olarak anlamlı olarak kabul edilen bir indekse birleştirildi42. Klinik etkileri üzerine yapılan bir çalışmada, aynı yöntemleri uygulayarak, tahmin indeksi de klinik olarak yararlı olarak kabul edildi48. Uyarıcı ilaçların tek dozilaç yanıtlayıcılar üzerindeki etkileri (REs) ve non-replyers (non-REs) üçüncü bir çalışmada araştırıldı47. Test prosedürü iki kez tamamlandı, hiçbir ilaç ile ilk test, ve ikinci test bir deneme dozu aldıktan sonra bir saat. 4 haftalık ilaç denemesinden sonra değerlendirme ölçekleri ve görüşmelere göre hastalar REs veya res olmayan olarak sınıflandırıldı. Bizim odak bilişsel ERPs ve dikkat testi puanları değişiklikler oldu. P3 NOGO bileşeni üzerindeki etkilerin iki grupta büyük bir etki boyutuna(d = 1.76) sahip olarak önemli ölçüde farklı olduğunu bulduk. Bileşen genliğinde önemli bir artış res’lerde görüldü, ancak REs dışı değil. Son çalışmamızda, biri klinik kazançların tahmini, diğeri de yan etkilerin tahmin edilmesi için olmak üzere iki küresel indeks geliştirdik. Yukarıda açıklandığı gibi, mütevazı veya büyük etki boyutuna sahip karşılaştırıldığında gruplar arasında önemli ölçüde ayrımcılık yapan değişkenleri birleştirdik. Her değişken etki boyutuna göre ağırlıklandı. Üç WinEEG etki alanından değişkenleri inceledik: EEG spektrumları, ERP’ler ve davranışlar. Aşağıdaki değişkenler birleştirildi: Test 1: P3NOGO genliği ve teta/alfa oranı; Test 2 ve Test 1 arasındaki farklar: Ihmal hataları, reaksiyon süresi değişkenliği, şartlı negatif varyasyon (CNV) ve P3NOGO genliği. Global ölçeğin etki boyutu d = 1.86 idi. Doğruluk 0.92 idi. Yan etkilerin tahmini 4 değişkene dayanıyordu: Test 1: RT, Test 2: yenilik bileşeni, alfa tepe frekansı ve reaksiyon süresi değişiklikleri (Test 2 – Test 1). Küresel ölçek d 1.08 ve doğruluk 0.7849oldu. Bazı ön sonuçlarDevam eden bir çalışmada, yaşları 9-12 arasında olan 61 DEHB hastası ile 67 yaş uyumlu sağlıklı kontrol (HC) grubunu karşılaştırıyoruz. Son istatistiksel analizler şimdiye kadar tamamlanmadı. Aşağıda WinEEG değerlendirmesinden elde edilen ön sonuçları sıyoruz. Davranışsal olarak, DEHB grubu istatistiksel olarak (p<0.001) sağlıklı kontroller (HC) grubuna göre daha fazla ihmal hatası (.7 vs. 4.8%) ile bir dikkatsizlik paterni gösterdi. istatistiksel olarak daha yüksek (p<0.001) reaksiyon süresinin değişkenliği (151 ms vs. 125 ms) ile ifade edilen bir dikkat kusurları paterni ile birlikte. İki grup arasındaki ERP dalga formlarının karşılaştırılmasının ana sonuçları Şekil 5 ve Şekil 6’dagösterilmiştir. Şekil 5 DEHB grubunda proaktif bilişsel kontrol disfonksiyonu ERP korelasyongösterir. DEHB grubunda HC grubuna göre proaktif bilişsel kontrol (P3 işaret dalgası ve CNV dalgası) iki indeks azalır. Şekil 6 DEHB grubunda reaktif bilişsel kontrol disfonksiyonu ERP korelasyongösterir. DEHB grubunda HC grubuna göre iki reaktif bilişsel kontrol indeksi (N2 NOGO ve P3 NOGO) azaltılır. Şekil 5: Büyük ortalama ERP dalga desenleri (a) ve ilgili haritalar (b) DEHB ve sağlıklı kontrol (HC) gruplarında proaktif bilişsel kontrol. (a) DEHB grubunda (yeşil çizgi) ve HC grubunda (kırmızı çizgi) P3’te ölçülen ERP’ler ve bunların farkı (DEHB-HC) dalgası (mavi çizgi). Eğrilerin altındaki mavi dikey çubuklar farkın istatistiksel anlamlılık düzeyini gösterir (küçük çubuklar – p<0.05, orta çubuklar – p<0.01, büyük çubuklar – p<0.001). Oklar klasik dalgaları gösterir – P3 işaret ve CNV (şartlı negatif varyasyon). (b) İki grup için P3 ve CNV dalgalarının maksimum genliklerini eşler. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın. Şekil 6: Büyük ortalama ERP dalga desenleri (a) ve karşılık gelen haritalar (b) DEHB ve sağlıklı kontrol (HC) gruplarında reaktif bilişsel kontrol. (a) Fz ve Cz DEHB grubu (yeşil çizgi) ve HC grubu (kırmızı çizgi) ve bunların farkı (DEHB-HC) dalgası (mavi çizgi) cinsinden ölçülür. Eğrilerin altındaki mavi dikey çubuklar farkın istatistiksel anlamlılık düzeyini gösterir (küçük çubuklar – p<0.05, orta çubuklar – p<0.01, büyük çubuklar – p<0.001). Oklar klasik dalgaları gösterir – N2 NOGO ve P3 NOGO. (b) İki grup için N2 NOGO ve P3 NOGO dalgalarının maksimum genliklerini eşler. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın. Bir DEHB grubu görebilirsiniz bilişsel kontrol birden fazla operasyonların hipo-işleyişini gösterir. Bu işlemler farklı zaman pencerelerinde ve farklı mekansal konumlarda gerçekleşir. Belirli bir hastada, bireysel bozukluğun kaynağını ve düzeltilmesini gösteren tek bir hipo-fonksiyon olabilir. Klinik önemiDEHB gibi heterojen bir tanı için klinik olarak yararlı bir biyobelirteç hesaplamak için, DEHB ve kontroller arasında önemli ölçüde farklılık gösteren çeşitli değişkenlerin birleştirilmesi gerekir. Bir dizinin etki boyutu (d) d = .8’in üzerinde olmalıdır. DEHB klinik kontroller ile karşılaştırıldığında önemli bir sonraki adım bu indeks uygulanacaktır.

Discussion

Psikiyatride tanılar gözlenen davranışlara dayanır. Çoğu durumda, belirtilerin belirli sayıda 6 ay veya daha fazla farklı ortamlarda gözlenmelidir. Tanı sürecinin önemli bir parçası somatik etiyolojiyi dışlamaktır. Buna ek olarak, diğer psikiyatrik tanılar dikkate alınmalıdır. Oldukça sık ilgi belirtileri başka bir tanı kategorisinin bir parçası olabilir. Çeşitli semptomlar diğer bozukluklarla çakışıyorsa, klinisyen bu ikinci bozukluğun komorbid mi yoksa ayırıcı tanı mı olduğuna karar vermelidir.

Mevcut klinik araçlar tanısal görüşmeler, derecelendirme ölçekleri, tıbbi ve gelişimsel öykü, psikolojik testler ve doğrudan gözlemlerdir. Bu yöntemlerin çoğu oldukça öznel; yoğun muhbir yanı sıra profesyonel etkilenmiştir. Ebeveynlerden ve öğretmenlerden alınan derecelendirme ölçekleri genellikle oldukça mütevazı korelasyonlar gösterir (r = 0.3 – 0.5).

Temsili sonuçlarda, DEHB’nin altında yatan mekanizmaların muhtemelen hastadan hastaya farklılık gösterdiğini savunuyoruz. (Dil) anlayışının eksikliği, kendini motive etme sorunları, dış dikkat dağıtıcılara karşı duyarlılık vb. tüm dikkatsizlik belirtilerine yol açabilir. Bu makalede açıklanan EEG tabanlı yöntemler bu sorunların bazılarını çözmeye yardımcı olabilir. Öznel yorumlar sorunu yoktur. Açıklanan ERP yöntemleri, belirli beyin yapılarını içeren çalışma belleği, eylem inhibisyonu, izleme, yanıt hazırlama gibi altta yatan psikolojik operasyonları ortaya koymaktadır. Bu mekanizmalarda açıklar belirli tanı kategorilerinde sınırlı değildir. Biz gelecekte, tedavi (ilaç, neurofeedback, bilişsel eğitim, tDCS, …) bu tür bilişsel ve / veya duygusal operasyonlar ve altta yatan beyin mekanizmaları değil, mevcut tanı kategorilerinde üzerinde durulacak inanıyoruz.

Tanının amacı en iyi tedavileri belirlemektir. Tedavinin etkilerini değerlendirmek için, kendi kendine bildirilen ve gözlenen gelişmeler elbette belirleyicidir. Bu tür raporlar bir dereceye kadar plasebo etkilerini temsil edebilir, ancak, ve (kısmi) altta yatan beyin bozuklukları nın normalleştirilmesi tarafından desteklenmelidir (kısmi) ERP bileşenleriörneğin değişiklikler yansıyan. Tedavi etkilerinin öznel ve objektif ölçütlerinin birleşimi hem klinik te hem de araştırmalarda önemlidir.

Yukarıda bahsedilen nedenlerden dolayı, aynı tanıları olan kişilerin genellikle aynı tıbbi tedavilere yanıt vermemeleri şaşırtıcı değildir. Kişiselleştirilmiş tıp tanıları bireysel hasta için en iyi tedavi yi saptamak için ampirik tabanlı yanıt tahmini önlemleri ile desteklenmektedir. Bu yazıda pediatrik DEHB uyarıcı ilaç yanıtı tahmini bizim araştırma açıklanmıştır. Antidepresan ilaçlara pozitif yanıt güvenilir belirleyicileri bulmak için belki de daha da önemlidir yanıtları değerlendirmek için gerekli zaman uzun olduğu gibi, titrasyon dönemi olduğu gibi. Bu yazıda açıklanan prosedürler depresyon da ilaç etkilerinin tahmin devam eden EEG ve ERP tabanlı araştırma katkıda bulunabilir53.

Açıklanan EEG tabanlı yöntemler non-invaziv ve uygun fiyatlı, ve iyi araştırma yanı sıra klinik çalışma için uygundur.

開示

The authors have nothing to disclose.

Acknowledgements

Hiçbiri.

Materials

amplifier + www.mitsar-medical.com
Body harness, different sizes Electro-Cap International, Inc E3 SM; E3 M; E3 L
Ear electrodes 9 mm sockets Electro-Cap International, Inc E5-9S
Electrocaps 19 channel different sizes Electro-Cap International, Inc E1 SM; E1 M; E1 M/SM
Electrocaps 19 channel different sizes Electro-Cap International, Inc E1 L/M; E1 L
Electrogel for electrocaps Electro-Cap International, Inc E9; E10
HBi database www.hbimed.com
Head size measure band Electro-Cap International, Inc E 12
Needle syringe kit Electro-Cap International, Inc E7
Nuprep EEG and ECG skin prep gel Electro-Cap International, Inc R7
Ten20 EEG conductive paste Electro-Cap International, Inc R5-4T
WinEEG program www.mitsar-medical.com
DOWNLOAD MATERIALS LIST

参考文献

  1. Insel, T., et al. Research domain criteria (RDoC), toward a new classification framework for research on mental disorders. American Journal of Psychiatry. 167 (7), 748-751 (2010).
  2. Snyder, S. M., Rugino, T. A., Hornig, M., Stein, M. A. Integration of an EEG biomarker with a clinician’s ADHD evaluation. Brain and Behavior. 5 (4), e00330 (2015).
  3. Arns, M., Conners, C. K., Kraemer, H. C. A decade of EEG Theta/Beta Ratio Research in ADHD: a meta-analysis. Journal of Attention Disorders. 17 (5), 374-383 (2013).
  4. Egeland, J. Differentiating attention deficit in adult ADHD and schizophrenia. Archives of Clinical Neuropsychology. 22 (6), 763-771 (2007).
  5. Egeland, J., et al. Attention profile in schizophrenia compared with depression: differential effects of processing speed, selective attention and vigilance. Acta Psychiatrica Scandinavia. 108 (4), 276-284 (2003).
  6. Braver, T. S. The variable nature of cognitive control: a dual mechanisms framework. Trends in Cognitive Science. 16 (2), 106-113 (2012).
  7. Botvinick, M. M. Conflict monitoring and decision making: reconciling two perspectives on anterior cingulate function. Cognitive and Affective Behavior Neuroscience. 7 (4), 356-366 (2007).
  8. Ullsperger, M., Fischer, A. G., Nigbur, R., Endrass, T. Neural mechanisms and temporal dynamics of performance monitoring. Trends in Cognitive Science. 18 (5), 259-267 (2014).
  9. Bari, A., Robbins, T. W. Inhibition and impulsivity: behavioral and neural basis of response control. Progress in Neurobiology. 108 (Sep), 44-79 (2013).
  10. Huster, R. J., Enriquez-Geppert, S., Lavallee, C. F., Falkenstein, M., Herrmann, C. S. Electroencephalography of response inhibition tasks: functional networks and cognitive contributions. International Journal of Psychophysiology. 87 (3), 217-233 (2013).
  11. Simson, R., Vaughan, H. G., Ritter, W. The scalp topography of potentials in auditory and visual Go/NoGo tasks. Electroencephalography and Clinical Neurophysiology. 43 (6), 864-875 (1977).
  12. Falkenstein, M., Hoormann, J., Hohnsbein, J. ERP components in Go/Nogo tasks and their relation to inhibition. Acta Psychologica (Amst). 101 (2-3), 267-291 (1999).
  13. Verleger, R., Gorgen, S., Jaskowski, P. An ERP indicator of processing relevant gestalts in masked priming. Psychophysiology. 42 (6), 677-690 (2005).
  14. Kropotov, J. D., Ponomarev, V. A., Hollup, S., Mueller, A. Dissociating action inhibition, conflict monitoring and sensory mismatch into independent components of event related potentials in GO/NOGO task. Neuroimage. 57 (2), 565-575 (2011).
  15. Kropotov, J. D., Ponomarev, V. A. Decomposing N2 NOGO wave of event-related potentials into independent components. Neuroreport. 20 (18), 1592-1596 (2009).
  16. Bekker, E. M., Kenemans, J. L., Verbaten, M. N. Electrophysiological correlates of attention, inhibition, sensitivity and bias in a continuous performance task. Clinical Neurophysiology. 20115 (9), 2001-2013 (2004).
  17. Fallgatter, A. J., Aranda, D. R., Bartsch, A. J., Herrmann, M. J. Long-term reliability of electrophysiologic response control parameters. Journal of Clinical Neurophysiology. 19 (1), 61-66 (2002).
  18. Fallgatter, A. J., Strik, W. K. The NoGo-anteriorization as a neurophysiological standard-index for cognitive response control. International Journal of Psychophysiology. 32 (3), 233-238 (1999).
  19. Bruin, K. J., Wijers, A. A., van Staveren, A. S. Response priming in a go/nogo task: do we have to explain the go/nogo N2 effect in terms of response activation instead of inhibition. Clinical Neurophysiology. 112 (9), 1660-1671 (2001).
  20. Randall, W. M., Smith, J. L. Conflict and inhibition in the cued-Go/NoGo task. Clinical Neurophysiology. 122 (12), 2400-2407 (2011).
  21. Kappenman, E. S., Luck, S. J., Luck, S. J., Kappenman, E. S. ERP Components: The Ups and Downs of Brainwave Recordings. The Oxford Handbook of Event-related Potential Components. , 3-29 (2012).
  22. Ponomarev, V. A., Kropotov, I. Improving source localization of ERPs in the GO/NOGO task by modeling of their cross-covariance structure. Fiziol Cheloveka. 39 (1), 36-50 (2013).
  23. Makeig, S., Jung, T. P. Tonic, phasic, and transient EEG correlates of auditory awareness in drowsiness. Brain Research and Cognitive Brain Research. 4 (1), 15-25 (1996).
  24. Onton, J., Makeig, S. Information-based modeling of event-related brain dynamics. Progressions in Brain Research. 159, 99-120 (2006).
  25. Kropotov, J. D. . Functional Neuromarkers for Psychiatry: Applications for Diagnosis and Treatment. , (2016).
  26. Kropotov, J. D., Ponomarev, V. A., Pronina, M., Jancke, L. Functional indexes of reactive cognitive control: ERPs in cued go/no-go tasks. Psychophysiology. 54 (12), 1899-1915 (2017).
  27. Bekker, E. M., Kenemans, J. L., Verbaten, M. N. Source analysis of the N2 in a cued Go/NoGo task. Brain Research and Cognitive Brain Research. 22 (2), 221-231 (2005).
  28. Fisher, T., Aharon-Peretz, J., Pratt, H. Dis-regulation of response inhibition in adult Attention Deficit Hyperactivity Disorder (ADHD), an ERP study. Clinical Neurophysiology. 122 (12), 2390-2399 (2011).
  29. Olbrich, H. M., Maes, H., Valerius, G., Langosch, J. M., Feige, B. Event-related potential correlates selectively reflect cognitive dysfunction in schizophrenics. Journal of Neural Transmission. (Vienna). 112 (2), 283-295 (2005).
  30. Grane, V. A., et al. Correction: ERP Correlates of Proactive and Reactive Cognitive Control in Treatment-Naive Adult ADHD. PLoS One. 11 (9), e0163404 (2016).
  31. Woltering, S., Liu, Z., Rokeach, A., Tannock, R. Neurophysiological differences in inhibitory control between adults with ADHD and their peers. Neuropsychologia. 51 (10), 1888-1895 (2013).
  32. Wiersema, R., van der Meere, J., Roeyers, H., Van Coster, R., Baeyens, D. Event rate and event-related potentials in ADHD. Journal of Child Psychology and Psychiatry. 47 (6), 560-567 (2006).
  33. Mueller, A., Candrian, G., Kropotov, J. D., Ponomarev, V. A., Baschera, G. M. Classification of ADHD patients on the basis of independent ERP components using a machine learning system. Nonlinear Biomedical Physics. 4 (Suppl 1), (2010).
  34. Mueller, A., et al. Discriminating between ADHD adults and controls using independent ERP components and a support vector machine: a validation study. Nonlinear Biomedical Physics. 5, 5 (2010).
  35. Kropotov, J. D., et al. Latent ERP components of cognitive dysfunctions in ADHD and schizophrenia. Clinical Neurophysiology. 130 (4), 445-453 (2019).
  36. Spencer, T. J., Biederman, J., Mick, E. Attention-deficit/hyperactivity disorder: diagnosis, lifespan, comorbidities, and neurobiology. Journal of Pediatric Psychology. 32 (6), 631-642 (2007).
  37. Barkley, R. A. Attention – Deficit Hyperactivity Disorder. A Handbook for Diagnosis and Treatment. , (2006).
  38. Spencer, T., et al. Pharmacotherapy of attention-deficit hyperactivity disorder across the life cycle. Journal of the American Academy of Child and Adolescent Psychiatry. 35 (4), 409-432 (1996).
  39. Rubia, K., et al. Effects of stimulants on brain function in attention-deficit/hyperactivity disorder: a systematic review and meta-analysis. Biological Psychiatry. 76 (8), 616-628 (2014).
  40. Ramtvedt, B. E., Roinas, E., Aabech, H. S., Sundet, K. S. Clinical Gains from Including Both Dextroamphetamine and Methylphenidate in Stimulant Trials. Journal of Child and Adolescent Psychopharmacology. , (2013).
  41. Sangal, R. B., Sangal, J. M. Attention-deficit/hyperactivity disorder: using P300 topography to choose optimal treatment. Expert Review in Neurotherapy. 6 (10), 1429-1437 (2006).
  42. Ogrim, G., Hestad, K. A., Brunner, J. F., Kropotov, J. Predicting acute side effects of stimulant medication in pediatric attention deficit/hyperactivity disorder: data from quantitative electroencephalography, event-related potentials, and a continuous-performance test. Neuropsychiatric Disease and Treatment. 9, 1301-1309 (2013).
  43. Barkley, R. A., DuPaul, G. J., McMurray, M. B. Attention deficit disorder with and without hyperactivity: clinical response to three dose levels of methylphenidate. Pediatrics. 87 (4), 519-531 (1991).
  44. Chabot, R. J., Orgill, A. A., Crawford, G., Harris, M. J., Serfontein, G. Behavioral and electrophysiologic predictors of treatment response to stimulants in children with attention disorders. Journal of Child Neurology. 14 (6), 343-351 (1999).
  45. Hale, J. B., et al. Executive impairment determines ADHD medication response: implications for academic achievement. Journal of Learning Disabilities. 44 (2), 196-212 (2011).
  46. Tannock, R., Ickowicz, A., Schachar, R. Differential effects of methylphenidate on working memory in ADHD children with and without comorbid anxiety. Journal of the American Academy of Child and Adolescent Psychiatry. 34 (7), 886-896 (1995).
  47. Ogrim, G., Aasen, I. E., Brunner, J. F. Single-dose effects on the P3no-go ERP component predict clinical response to stimulants in pediatric ADHD. Clinical Neurophysiology. 127 (10), 3277-3287 (2016).
  48. Ogrim, G., et al. Predicting the clinical outcome of stimulant medication in pediatric attention-deficit/hyperactivity disorder: data from quantitative electroencephalography, event-related potentials, and a go/no-go test. Neuropsychiatric Disease and Treatment. 10, 231-242 (2014).
  49. Ogrim, G., Kropotov, J. D. Predicting Clinical Gains and Side Effects of Stimulant Medication in Pediatric Attention-Deficit/Hyperactivity Disorder by Combining Measures From qEEG and ERPs in a Cued GO/NOGO Task. Clinical EEG and Neuroscience. 50 (1), 34-43 (2019).
  50. Lenartowicz, A., Loo, S. K. Use of EEG to diagnose ADHD. Current Psychiatry Report. 16 (11), 498 (2014).
  51. Johnstone, S. J., Barry, R. J., Clarke, A. R. Ten years on: a follow-up review of ERP research in attention-deficit/hyperactivity disorder. Clinical Neurophysiology. 124 (4), 644-657 (2013).
  52. Gamma, A., Kara, O. Event-Related Potentials for Diagnosing Children and Adults With ADHD. Journal of Attention Disorders. , (2016).
  53. van Dinteren, R., et al. Utility of event-related potentials in predicting antidepressant treatment response: An iSPOT-D report. European Neuropsychopharmacology. 25 (11), 1981-1990 (2015).

タグ

Event-related PotentialsERPsEEGBiomarkersBrain DysfunctionADHDEEG SpectraEEG Data FileImpedanceEEG MonitoringEEG RecordingVCPT

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
記事を引用
Ogrim, G., Kropotov, J. D. Event Related Potentials (ERPs) and other EEG Based Methods for Extracting Biomarkers of Brain Dysfunction: Examples from Pediatric Attention Deficit/Hyperactivity Disorder (ADHD). J. Vis. Exp. (157), e60710, doi:10.3791/60710 (2020).
引用ダウンロード
転載と許可

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image