Summary
EEG-metoder anvendes til udvinding af biomarkører for hjernedysfunktioner. Der fokuseres på multikanals eventrelaterede potentialer (ERP'er), der er registreret i en cued GO/NOGO-opgave. Ikke-hjerneartefakter korrigeres, og ERP'er sammenlignes med de normative data. Eksempler vedrører biomarkører for ADHD diagnose og forudsigelse af medicin respons.
Abstract
Neuropsykiatriske diagnoser som ADHD er baseret på subjektive metoder som interviews, rating skalaer og observationer. Der er behov for mere hjerne-baserede kosttilskud. Stimulerende medicin er den mest almindelige behandling for ADHD. Klinisk nyttige prædiktorer for respons er endnu ikke blevet rapporteret. Formålet med dette papir er at beskrive de EEG-baserede metoder, vi anvender til at udtrække potentielle biomarkører for hjernedysfunktion. Eksempler vedrører biomarkører for pædiatrisk ADHD, og forudsigelse af medicin respons. Hovedvægten lægges på eventrelaterede potentialer.
En nitten kanal EEG registreres under en 3 min øjne-åbnet opgave, en 3 min øjne-lukket opgave, og en 20 min cued visuelle GO / NOGO opgave (VCPT). ERP'er registreres under denne opgave. Målet med ERP-protokollen er at udtrække biomarkører for formodede hjernedysfunktioner, der i væsentlig grad skelner mellem en patientgruppe og sunde kontroller. Protokollen omfatter optagelse under standardbetingelser og korrektion af artefakter. ERP bølger kan bruges eller omdannes til latente komponenter. Patientgruppens komponenter sammenlignes med kontroller, empatiske komponenter, der sammenlignet med relativt høje effektstørrelser. Undergrupper af patienterne udvælges på grundlag af klyngeanalysen i løbet af komponenterne. Behandlingsprocedure (såsom medicin, tDCS eller neurofeedback protokol) kan anvendes, og ændringerne i komponenter relateret til behandling i undergrupperne er observeret, danner grundlag for kliniske anbefalinger.
De beskrevne metoder blev anvendt i en undersøgelse af 87 pædiatriske ADHD patienter. Indekset for medicinrespons diskriminerede betydeligt mellem respondere og ikke-respondere med en stor og klinisk meningsfuld effektstørrelse (d = 1,84). I en igangværende undersøgelse sammenligne ADHD børn med matchede kontrol, flere variabler diskriminere betydeligt mellem patienter og kontrol. Det globale indeks vil overstige d = 0,8. De EEG-baserede metoder, der er beskrevet her, kan være klinisk meningsfulde.
Introduction
I 2008, initieret af NIMH,blev Forskningsdomænekriterierne (RDoC) udgivet med det formål at finde en biologisk gyldig ramme for forståelse af psykiske lidelser. I 2013, den amerikanske Food and Drug Administration (FDA) godkendt af den første EEG-baserede biomarkør for ADHD til at hjælpe med at vurdere ADHD hos patienter fra 6 til 17 år. Det neuropsykiatriske EEG-baserede assessmentaid (NEBA) System registrerer EEG i 15-20 min. Det er baseret på beregning af theta/beta-forholdet, der viser sig at være højere hos børn og unge med ADHD end hos typisk udviklende børn2. Nylige publikationer finder, at dette forhold ikke fanger alle ADHD3.
Et stort antal publikationer i klinisk neurovidenskab viser, at nedsat kognitiv kontrol repræsenterer et fælles træk ved mange psykiatriske lidelser, herunder ADHD, skizofreni, depression, og OCD4,5. Teoretisk, kognitiv kontrol består af hypotetiske operationer giver folk mulighed for at tilpasse sig fleksibelt til mål og sammenhænge. To forskellige kategorier af kognitiv kontrol, proaktiv og reaktiv kontrol, er blevet beskrevet6. Vores primære fokus er på den reaktive form for kognitiv kontrol. Proaktiv kognitiv kontrol omfatter arbejdshukommelse (dvs. vedligeholdelse af sensoriske og motoriske hændelser i sekunder). Reaktiv kognitiv kontrol omfatter overvågning, påvisning af konflikt7,8og handlingshæmning (til gennemgang se9,10).
GO/NOGO-paradigmet er følsomt over for kognitiv kontrol11,12,13,14,15. GO stimuli fremkalde positive udsving fra parietal hjerneområder. (P3 GO). De anteriorly distribuerede positive N2- og P3 NOGO-bølger , der fremkaldes af NOGO-stimuli, er forbundet med påvisning af konflikt- og handlingshæmning16,17,18,19. N2-bølgen er blevet forstået som en indikator for hæmning af handling, men opdateret forskning viser, at N2-bølgen er forbundet med sjældne GO-stimuli og påvisning af konflikt20. Virkningshæmning er forbundet med P3 NOGO-bølgen på frontal-centrale steder.
N2/P3-dikotomien er muligvis ikke korrekt. Det er blevet draget i tvivl af et synspunkt om , at ERP-bølger, især dem , der repræsenterer kognitiv kontrol, er summen af flere kilder, der kan overlappe hinanden på steder og tidspunkt14,21.
For at adskille kilderne til ERP-bølger er der anvendt flere metoder til adskillelse af blinde kilder15,22,23,24. I undersøgelser på Institut for Den Menneskelige Hjerne, St. Petersborg, N2d NOGO bølge er blevet nedbrudt. Der blev fundet skjulte komponenter. Disse komponenter havde forskellige topografier og funktionelle betydninger. Kun én af dem var forbundet med afsløring af konflikt14,15,25,26. I de fleste voksne undersøgelser af ADHD, P3 NOGO er mindre i forhold til matchede sunde kontroller27,28,29,30,31,32.
De hjerneoperationer , der finder sted under opgaver med kognitiv kontrol, synes ikke at være korrekt forklaret af N2/P3-dikotomien, når ERPs i GO/NOGO paradigmer analyseres14,15. Der er anvendt flere tilgange, der har til formål at adskille skjulte komponenter fra ERP-bølger (til gennemgang se21). Nogle undersøgelser har brugt uafhængig komponent analyse (ICA) for ERPs i patientgrupper såsom patienter med skizofreni29, og voksne med ADHD33,34, forsøger at diskriminere patienter fra kontrol uden diagnoser.
I (Yeredor, 2010,25 s.75) foreslås og tilpasses en ny metode til ERP'er. Det er en metode til blind kildeadskillelse, baseret på en procedure for fælles diagonalisering af krydsvariansmatrixer. At studere de funktionelle betydninger af sådanne latente komponenter, der anvender denne metode i cued GO / NOGO paradigme, en undersøgelse fra Institute of the Human Brain blev for nylig gennemført26. I denne undersøgelse blev aktionshæmningsoperationerne og konfliktdetektionsoperationerne uafhængigt manipuleret ved ændringer af den cued GO/NOGO-opgave. En skjult komponent, der menes at afspejle afsløring af konflikter, blev fundet. En N2-lignende respons og frontal topografi karakteriseret denne komponent35. I forsøg, der kræver hæmning af forberedte handlinger, blev der set en central topografi og P3-lignende respons.
I denne publikation har de rapporterede undersøgelser anvendt den traditionelle ERP-metode. Anvendelse af ICA eller proceduren for fælles diagonalisering af krydsvariansmatrixer25 (side 75) er endnu ikke blevet gennemført. Generelt er resultaterne baseret på de forskellige metoder enige med hinanden, men metoderne til at opdage latente komponenter synes at være mere rent forbundet med forskellige neuropsykologiske funktioner. Formålet med dette dokument er at give en detaljeret beskrivelse af WinEEG-metoden. Fokus er på ERPs, men EEG-spektre og adfærdsmæssige data fra GO/NOGO-opgaven indgår også i de undersøgelser, der er beskrevet for at illustrere WinEEG-metoden.
Protocol
Det udstyr, der er beskrevet i protokollen, er etisk godkendt af hospitalsmyndighederne og anvendes til kliniske formål. Det regionale udvalg for medicinsk forskningsetik godkendte de beskrevne projekter.
1. Hardware og software til OPTAGELSE af ERP'er
- Brug forstærkere (f.eks. WinEEG software og to indbyrdes forbundne computere er nødvendige: den vigtigste computer til EEG og knap trykke optagelse, og slave computer, der styres af de vigtigste computer, for stimulus præsentation.
- Brug hætter med nitten elektroder placeret på hovedet i overensstemmelse med det internationale 10-20 system.
BEMÆRK: Det nødvendige udstyr, hætter, elektroder, gel osv. - Placer patienter/forsøgspersoner i en behagelig stol i et lydisoleret rum uden baggrundslys.
- Brug referentiel montage (Ref), som er standard. Til senere sammenligninger med HBi-databasen; ændre montage til fælles gennemsnit (Av).
2. Kompetence og uddannelse
- Sikre, at alle, der er involveret i registrering af EEG, fortolkning af data, klinisk brug og forskning, skal have den nødvendige faglige baggrund og specifik uddannelse i brugen af WinEEG.
3. Information af patienter/deltagere
- Informer patienterne/forsøgspersonerne om, at proceduren ikke er farlig, og at det ikke gør ondt.
BEMÆRK: Sprøjten, der skal fylde de 19 huller med gel, er ikke skarp. - Fortæl børnene, at forskerne ikke kan læse deres tanker. Fortæl dem, at i hver hjerne nogle elektriske aktivitet finder sted. For at læse det, forskerne har brug for dette udstyr. Der er intet med hjernen, men forskerne ønsker at se, hvordan det virker, når det slapper af, og hvornår det skal tage sig af en opgave.
- Lad udstyret være på plads i 10 min.
BEMÆRK: I denne periode kan de yngste børn se en tegneserie, hvis de ønsker det. Nogle gange er en forælder tavst til stede på bagsiden af rummet, indtil barnet føler sig trygt. - Informer forsøgspersonen om, at testen tager ca. en time. Når udstyret er korrekt placeret, fortælle emnet til at slappe af med lukkede øjne i 3 min, efterfulgt af 3 min afslappet med åbne øjne.
4. Oprettelse af EEG-datafiler
BEMÆRK: WinEEG har sine egne indbyggede databaser separat til lagring af rå EEG-filer (udvidelse - .eeg), EEG-spektre (udvidelse - .spec) og ERP-filer (udvidelse - .erp). Databaserne oprettes automatisk og gemmes i første omgang i WinEEG/data, WinEEG/spec og WinEEG/erp mapper.
- Hvis du vil starte en session med en patient, skal du oprette en tilsvarende EEG-datafil ved at klikke på menufil | Ny. Patientens kort vises på skærmen.
BEMÆRK: Følgende format bruges: Sæt navnet eller koden for den person, der skal testes, i. Sæt i fødselsdato (DD. Mm. YYYY), og M eller F for sex. Brug de andre åbne felter på patientkortet efter behov.
5. Klargøring af udstyret
- Brug det lille farvekodede bånd til at måle hovedets omkreds for at finde den rigtige størrelse på hætten. Brug et lille plaster til at tørre olie af fra øreflipper og pande. Nasion-inion-afstanden (ex. 35 cm) måles. Midten af frontpolelektroderne skal falde på en vandret linje 10% af denne afstand over nasion (ex. 3,5 cm).
BEMÆRK: Patientens hår skal være rent (uden hårprodukter osv.) og tørt. - Sæt noget hud prep gel (f.eks Neuprep) på øreflipperne. Fyld øreelektrodekopperne med ledende elektrogel (f.eks. Sørg for, at de andre ender af disse kabler er tilsluttet forstærkeren.
- Fortæl motivet, at øreflippen elektroder fange "støj-elektricitet" i rummet, og at dette er trukket fra elektricitet fra hovedet for at se, hvad der kommer fra hovedet uden støj.
- Anbring hætten symmetrisk på hovedet med frontpolelektroderne placeret som beskrevet ovenfor. Træk hætten så langt ned som muligt for at sikre, at den er tæt på hovedet.
- Sæt linningen rundt om brystet og fastgør trykknapperne forbundet til hætten til dette bånd. Dette vil forhindre bevægelser af hætten og elektroderne under test.
- Tilslut dækkablet og ørekablerne til forstærkeren. Bland ikke venstre og højre øre.
- Klik på WinEEG menu kontrol af impedans ikon. Et forenklet hoved med alle elektroder vises. For det andet fylde sprøjten med gel og bruge den til at fylde alle elektrode huller. Impedans er OK, når de sorte cirkler er gule.
BEMÆRK: Fyld alle hullerne, før du begynder at arbejde med hver elektrode for at sikre korrekt impedans. Brug en tynd træpind til at hjælpe gelen nå huden på hovedet, hvilket er en forudsætning for at fange elektrisk hjerneaktivitet. - Start registrering, når alle 20 huller har en gul farve på skærmen, og farveforskellen mellem de enkelte huller er lille.
- Begynd at overvåge EEG-posten. Klik på den grønne pil (EEG overvågning).
BEMÆRK: Når de rå EEG-signaler fra alle 19 elektroder ses, skal du bede dem om at blinke med øjnene og påpege de store ændringer på frontale steder. Disse artefakter kan automatisk fjernes. Kvaliteten af registreringen afhænger af afslappede kæber, øjne og pande, og at alle former for hoved og krop bevægelser skal undgås så meget som muligt.
6. Registreringer af "lukkede øjne" og "øjne åbnes"
- Fortæl motivet at slappe af i den komfortable stol med lukkede øjne i 3 min. Før du starter "øjne åbnet" fortælle dem at sidde stille i 3 min med deres øjne åbnet hvilende på skærmen foran dem.
- Tryk på den røde cirkel (anvend EEG) på menulinjen ved siden af knappen "kontrol af impedans".
- Vælg "lukkede øjne" eller "øjne åbnes" ved at trykke på den næste ikonrullemenu. Dette vil starte registreringen. Den forløbne tid i sekunder kan ses over EEG kurver.
- Tryk på pause-knappen (ikke "gem", da dette vil gøre yderligere registreringer i den samme fil umuligt) efter 180 s. Bed dem om at åbne deres øjne (eller lukke dem, hvis øjnene åbnes var den første del). Fortsæt registreringen. Efter 3 min, stop og gem.
BEMÆRK: Hvis de ikke gemmes, går data tabt, når du opretter en ny fil.
7. Forberedelser til EEG-optagelser i den cued GO/NOGO opgave
- Indsæt en speciel USB-dongle i den korrekte port, før du starter en EEG-optagelse. Et lille lys på donglen indikerer, at systemet fungerer.
- Giv motivet en speciel knapkontakt i højre hånd. Det er nødvendigt at fuldføre en test, der tager omkring 20 min.
- Åbn opgavemenuen, og vælg VCPT på slavecomputeren foran patienten/deltageren.
BEMÆRK: Der vises et instruktionsvindue, der viser alle fire kombinationer af billeder på slavecomputerskærmen: (dyr-dyr (a-a), dyreplante (a-p), planteplante (p-p) og plante-menneske (p-h). (Figur 1). Stimuli præsenteres på en 17-tommer computerskærm, 1,5 meter foran emnerne. Lyden målt på motivets hoved skal være 70 dB. - Instruks om, at billederne kommer parvis, det første billede efterfølges af det andet ud af 1 s. Efter 3 s et nyt par vil starte.
- Fortæl motivet, at der skal trykkes på venstre museknap, hver gang a-a-kombinationen vises. I a-a kombinationer er de to dyr altid identiske.
- Informer emnet for at være så præcis som muligt, men også hurtigt. Motivet må ikke trykke på museknappen på a-p-, p-p- eller a-h-kombinationer.
- Bed motivet om at ignorere de tilfældige lyde i p-h-kombinationer.
- Tryk ind på slave computeren og køre opgaven i ca 2-5 min at træne emnet, indtil han / hun forstår ordentligt.
- På slavecomputeren skal du vælge indstillingen Skift til slavetilstand.
BEMÆRK: Opgavepræsentationen administreres nu af WinEEG-programmet på hovedcomputeren.
Figur 1: VCPT: Visuel kontinuerlig præstationstest. Figur 1 viser VCPT'ens fire betingelser. Et hundrede forsøg af hver betingelse præsenteres tilfældigt. Den samlede testtid er 20 min. Klik her for at se en større version af dette tal.
8. EEG og knap tryk optagelser i opgave stand
- Start indstillingen EEG-overvågning på hovedcomputeren fra optagelsesmenuen for at kontrollere, at systemet fungerer korrekt.
- Start EEG-anskaffelsesmulighed fra optagelsesmenuen i hovedcomputerens menuboks. Indstillingen Stimuli-præsentationsprogram er fremhævet. Vælg VCPT, og start stimuli-præsentationerne på slavecomputeren.
BEMÆRK: Hver gang der trykkes på venstre museknap, ses der et rødt mærke under EEG-kurverne. Der er to linjer, en til venstre og en til højre museknap. - Kontroller, at de røde mærker ikke vises på den laveste linje, da dette angiver, at de brugte højre knap. Brug pauseknappen, og bed motivet om at bruge venstre museknap.
- Overvåge EEG-registreringen og notere hændelser af potentiel interesse. Hvis for mange artefakter, relateret til muskler eller bevægelser, er observeret; sætte registreringen på pause og minde emnet om at slappe af og sidde stille. Fortsæt registreringen.
BEMÆRK: EEG registrering under opgaven tager 20 min og består af 400 par billeder; 100 af hvert par; a-a, a-p, p-p og p-h. Parrene præsenteres i tilfældig rækkefølge. (Se figur 1). - Tag en kort pause efter hver 100 par. Tryk på pauseknappen. Når du sidder i stolen tilskynde dem til at strække deres arme og ben og løsne deres ansigt muskler. Tilbyd noget at drikke. Fortsæt registreringen efter et minut eller to.
9. Afslutning af registreringen
- Stop registreringen, når alle 400 forsøg er afsluttet, ved at trykke på Indspilning | Stop stop.
BEMÆRK: Ved at trykke på indstillingen Gem fil gemmes filen med den registrerede rå EEG- og knaptrykkanal i den indbyggede database. - Fortæl motivet at forblive siddende, indtil forskeren fjerner hætten, talje bånd, og øre elektroder.
BEMÆRK: Normalt er der ingen gel i håret, når dette er afsluttet. Fjern gelen med en papirklud. De fleste patient / deltager foretrækker at vaske deres hår, når de er hjemme igen, men der bør være en mulighed for at vaske deres hår lige efter registreringen. - Tak emnet for at fuldføre opgaven. Bed dem om at bedømme VCPT (1-10 skala), Hvor kedeligt? Hvor udmattende? Afhængigt af aftalen skal du fortælle dem, hvad der så sker med hensyn til testresultaterne.
10. Rengøring
- Rengør øreelektroderne (dyp i varmt vand), og dæk den så hurtigt som muligt. Vand, sæbe og en blød børste er nødvendige. Kontroller alle huller for at se, at gelrester fjernes, før hætterne hænges et sted at tørre.
11. Forbehandling af EEG-rekorden
BEMÆRK: Der er tre forskellige elektrodemontager i HBIdb-softwaren. De er: sammenkædede ører reference (mærket som Ref), fælles gennemsnitlig reference (mærket som Av), og lokale gennemsnitlige reference (mærket som Aw). Vælg montage fra montagelisten i menuen OPSÆTNING. EEG er registreret i Ref. Skift til Av, før du starter artefakt korrektion.
- Fjern øjenbevægelser artefakter ved at anvende en procedure for rumlig filtrering.
BEMÆRK: De rumlige filtre opnås ved anvendelse af Uafhængig komponentanalyse (ICA) på et udvalgt EEG-fragment. Fragmentet skal indeholde mindst 90 s rådata. - Vælg EEG-fragmentet ved at klikke på venstre knap på musen på tidslinjen i begyndelsen af fragmentet og ved at klikke på højre knap på tidslinjen i slutningen af fragmentet. Hele fragmentet efter markeringen fremhæves med gul farve.
BEMÆRK: Proceduren til korrektion af artefakter implementeres ved at vælge indstillingen Artifact-korrektion i menuen Analyse. Vinduet med navnet Geografisk filterparametre vises på skærmen. - Vælg ICA-metoden for at kunne sammenligne de enkelte spektre og ERPs med HBI-referencedatabasen.
BEMÆRK: Vinduet Forkalkulation af rumfiltre parametre vises. Fra venstre mod højre: 1) et fragment af rå (ukorrigeret) multi-kanal EEG, 2) et fragment af korrigeret EEG, 3) bølgeform af korrigerede artefakter, 4) tid kurser af udvundet ICA komponenter (fra top til bund) og 5) topografi af den uafhængige Komponenter. - Vælg de topografier, der er forbundet med øjenblink og vandrette øjenbevægelser. Accepter ved at klikke på OK.
- Implementer proceduren med navnet Markér artefakter ved at klikke på indstillingen Markér artefakter i menuen Analyse.
BEMÆRK: Dette vil afvise langsomme og højfrekvente fragmenter-outliers: EEG fragmenter, der er forurenet med ikke-øje bevægelse artefakter (episoder af muskelspændinger, hoved bevægelser osv.) er udelukket fra yderligere analyse. I nogle komplekse tilfælde manuel artefakt afvisning kan supplere den beskrevne procedure.
12. Computing EEG-spektre
- Vælg EEG-spektre og lukkede fragmenterede øjne eller øjne, der er åbnet i menuen Analyse. Hvis standardindstillingerne er som vist i Figur 2, skal du trykke på OK.
BEMÆRK: Spectra er vist i figur 3 for alle 19 steder. X-aksen er frekvens i Hertz (Hz), og y-aksen er strøm i mikrovolt (μV). - Vælg Analyse | Sammenligning af resultater for at sammenligne de enkelte spektre med databasen. I venstre vindue skal du vælge patienten/motivet. Vælg databasefilen (eller en anden åbnet fil) i højre vindue, og tryk på OK for at sammenligne den. Der vises et billede, der viser forskellen mellem emnet og databasen.
BEMÆRK: Spectra viser frekvensernes kvadrerede gennemsnitseffekt fra 0 Hz til 30 Hz. (Frekvenser under 1,5-2 Hz skal fortolkes med forsigtighed, da de ofte påvirkes af artefakter). At fortolke spektre ligger uden for denne protokols anvendelsesområde. Paroxysmals af potentiel klinisk interesse optræder muligvis ikke i spektre, men kan ses i rå EEG.
Figur 2: Computing EEG-spektre. Sådan beregnes spektre: Klik på Analyse | Spectra. Hvis indstillingerne er korrekte, vises det billede, der vises i figur 2. Klik her for at se en større version af dette tal.
Figur 3: EEG-spektre med 19 elektroder. Figur 3 viser EEG-spektre på 19 steder. X-aksen er frekvens fra 0-30 Hz. Y-aksen er effekt i μV2. Klik her for at se en større version af dette tal.
13. Computerhændelsesrelaterede potentialer (ERP'er)
BEMÆRK: Hændelsesrelaterede potentialer (ERP'er) beregnes ved hjælp af en gennemsnitsprocedure. Kun korrekte forsøg er inkluderet. ERP'er beregnes efter afslutningen af den ovenfor beskrevne forbehandling. Den gyldne standard for computing ERPs er at holde antallet af de gennemsnitlige forsøg over 50.
- Vælg en EEG VCPT-fil i almindelig gennemsnitlig montage (Av). Klik på Compute ERP i menuen Analyse.
BEMÆRK: Hvis HBdb-donglen ikke er tilsluttet computeren eller af en eller anden grund ikke er aktiveret, giver HBdb brugeren mulighed for at læse EEG-filerne og forbehandle dem, men tillader ikke at beregne spektre og ERPs med databasen. - Klik på OK. Der opstår et vindue, der viser parametre for ERP-beregninger (Figur 4).
BEMÆRK: Som vist i figur 4er parametrene som følger: Prøvegrupper: 1: a-a GO; 2: a-p NOGO; 3: p-p (ignorere forsøg); 4: p-h (nyhed forsøg); samt 5: + betyder alle forsøg startede med præsentation af a; og 6: - hvilket betyder, at alle forsøg startede med præsentation af p. Derudover vises ERP-forskellens bølger. - Klik på OK. ERP'erne for den analyserede fil beregnes og præsenteres i grafisk form i ERP-vinduet (Figur 4).
BEMÆRK: ERP-vinduet består af 19 grafer af ERP'er for hver opgavebetingelse: a-a GO, a-p NOGO, p-p, p-h. Kun a-a GO og a-p NOGO er vist i figur 4. I hver graf: X-akse er tid i ms., Y-akse er spænding i μV. Figur 4 præsenterer resultaterne af justering af præsentationsformularen. Kun kategorier af forsøg a-a GO, a-p NOGO er valgt (GO er afbildet i grøn farve, NOGO er afbildet i rød farve). Skalaen vælges ved 12 μV. Tidsintervallet vælges fra 1400 ms. tidspunktet for præsentationen af Stimulus 2 vælges med en varighed på 700 ms. - Hvis du vil tilknytte bølgen for HÆNDELSEsrelaterede potentialer (ERP'er), skal du klikke på højre knap på musen på det valgte tidspunkt (langs X-akse)på et diagram og derefter slippe den og vælge Tilføj kortindstilling for den åbne menu. De tilsvarende kort vises nederst på siden.
Figur 4: Parametre for ERP-beregninger. Figur 4 viser ERP-komponenter a-a GO (grøn) og a-p NOGO (rød) på 19 steder. Tidsintervallet er 1400 ms til 2100 ms. A-a GO ses tydeligst på stedet Pz og a-p NOGO på Cz. Klik her for at se en større version af dette tal.
14. Registrering og sammenligning af adfærdsmæssige data i VCPT
- Klik på højre museknap i vinduet, der viser ERP'er, og vælg gruppers info for at se antallet af udeladelser (ubesvarede knapklik), provisioner (impulsive ekstra klik, gennemsnitlig reaktionstid (RT) for a-a-GO og RT-variabilitet.
- Vælg Analyser | Sammenligning af resultater. Markér emnets fil i venstre vindue og sammenligningsfilen i højre vindue. Klik på OK.
BEMÆRK: Vi bruger aldersbaserede papirtabeller, der viser fraktilerne for disse variabler i normgruppen.
15. Sammenligning af hændelsesrelaterede potentialer (ERP'er) med referencedatabasen
BEMÆRK: Tidsintervallet for sammenligning defineres ved at skrive de tilsvarende tal i menuen: Tidsinterval fra (ms), Varighed (ms). ERP'er kan præsenteres selektivt for visse kategorier af forsøg (f.eks. en GO, a-p NOGO, p-p, p-h) ved at vælge den tilsvarende graf i menuen Aktive grupper øverst i ERP-vinduet.
- Vælg Sammenligning af resultater i menuen Analyse. Klik på patienten/motivet i venstre vindue og klik på HBIdb i højre vindue.
BEMÆRK: Hvis du vil sammenligne emnet med f.eks. Vinduet ERP-sammenligning vises. Dette vindue viser forskellen ERP-bølge i μV. Emne-middelreference beregnes for hver kanal. - Tryk på højre knap på musen på et tidspunkt af interesse og på en kanal af interesse for at opnå betydningen af afvigelse fra referencen. De tilsvarende værdier vises nederst i vinduet med forskellen i μV, det valgte tidspunkt og p-værdien.
BEMÆRK: Præsentation af forskel bølger med tillid niveauer er en tilgængelig mulighed. Den blå linje under graferne viser konfidensniveauer for afvigelse fra den reference, der beregnes for hver kanal, og hvert tidspunkt for gruppe 3. - Vælg grupper for ERP-difference ved at klikke på pilen ved 1 (den enkeltes ERP'er). Vælg a-a GO [1]. Klik på 2 for referentielle ERPs. Vælg a-a GO [2]. Klik på 3 og a-a GO [D] for at se forskellen (1-2). Aktiv gruppe 4: Vælg Ingen i denne menu.
- Definer tidsintervallet ved at skrive (eller vælge) de tilsvarende tal i menuen: tidsinterval fra (ms), varighed (ms) (f.eks. 1400, 700 for at analysere ERP'er som svar på den anden stimulus).
- Placer markøren på et tidspunkt og en kanal af interesse, og klik på højre knap på musen, og vælg Tilføj kort i pop ud-menuen. Der vises et kort, der viser afvigelsen fra referencen.
BEMÆRK: Ved at sammenligne uafhængige komponenter i eventrelaterede potentialer (ERP'er) med referencedatabasen giver softwaren mulighed for at nedbryde individuelle ERP'er i uafhængige komponenter. Komponenterne er forbundet med særprægede psykologiske operationer.
Representative Results
Forudsigelse af medicin respons i pædiatriskE ADHD
ADHD er en almindelig neuropsykiatrisk børneforstyrrelse36. Det er kendetegnet ved symptomer på uopmærksomhed ledsaget af symptomer på hyperaktivitet og impulsivitet. Værdiforringelse i skole, hjem og fritid indstillinger er fælles. Hos børn i skolealderen er den anslåede prævalens 5-7 %. Comorbiditeter er almindelige. Medicinsk behandling, ved hjælp af stimulanser baseret på methylphenidat (MPH) eller dextroamphetamine (DEX), er meget udbredt. Positive virkninger af stimulerende medicin (reduktioner i rastløshed, hyperaktivitet og impulsivitet og forbedret opmærksomhed) er rapporteret hos 70% af patienterne. Skift fra medicin baseret på MPH til DEX kan øge positive effekter til 80%37,38. Frontal-striatal kredsløb synes at være aktiveret af stimulanser39.
Der er ingen generelt accepteret definition af en medicin respons, der er klinisk meningsfuld. Anvendelse rating skalaer, sammenligne baseline scores med scores på medicin, er den mest almindeligt anvendte metode. I nogle undersøgelser anvendes en reduktion på 25 % eller 50 % af scorerne som definition af respons. I andre undersøgelser anvendes scorer, der ikke overstiger 1 SD over middelværdien,40,41. Klinisk anvendes en samlet beslutning baseret på alle relevante tilgængelige data. At vurdere bivirkninger, såsom tab af appetit, søvnløshed, øget irritabilitet, eller angst, er vigtigt37,42.
Brugen af rating skalaer kan kritiseres af flere grunde. Små korrelationer (0,30-0,50) mellem lærer og forældre score er rapporteret i flere undersøgelser48. Søgningen efter klinisk nyttige prædiktorer for respons er motiveret af et stort antal ikke-responders, informanter, der ikke er enige, og det faktum, at alle kan have nogle beskedne virkninger af forbedret opmærksomhed, når små doser af stimulanser anvendes. Offentliggjort forskning i prædiktorer for respons omfatter ADHD undertype, demografi, comorbid lidelser, genvariabler, scores på rating skalaer, neuropsykologiske testresultater, og EEG / ERP variabler43,44,45,46. Vores 2016 publikation47 opsummerer undersøgelser, der har anvendt ERP'er til at forudsige medicin respons.
I tidligere undersøgelser analyserer vi d data fra den visuelle GO/NOGO-opgave (dvs. opmærksomhedstestdata, EEG-spektre og ERPs). I en undersøgelse, Vi fandt 3 variabler bidrager væsentligt til forudsigelse af bivirkninger. Disse variabler blev kombineret til et indeks, der blev anset for klinisk meningsfuldt42. I en undersøgelse af kliniske virkninger, anvendelse af de samme metoder, forudsigelse indekset blev også anset for klinisknyttig48. Virkningerne af en enkelt dosis stimulerende medicin på medicinrespondere og ikke-respondere (ikke-RE' er) blev undersøgt i en tredje undersøgelse47. Testproceduren blev afsluttet to gange, den første test uden medicin og den anden test en time efter at have modtaget en forsøgsdosis. Baseret på rating skalaer og interviews efter en 4-ugers medicin forsøg, patienterne blev klassificeret som REs eller ikke-REs. Vores fokus var på ændringer i kognitive ERPs og opmærksomhed test scores. Vi konstaterede, at virkningerne på P3 NOGO-komponenten var signifikant forskellige i de to grupper med en stor effektstørrelse (d = 1,76). Der sås en betydelig stigning i komponentamplituden i ruds, men ikke i ikke-RE'er.
I vores seneste undersøgelse, vi udviklet to globale indekser, en for forudsigelse af kliniske gevinster og en for forudsigelse af bivirkninger. Som beskrevet ovenfor kombinerede vi variabler, der diskriminerede betydeligt mellem sammenlignede grupper med en beskeden eller stor effektstørrelse. Hver variabel blev vægtet i overensstemmelse med effektstørrelsen. Vi undersøgte variabler fra alle tre WinEEG domæner: EEG spektre, ERPs og adfærd. Følgende variabler blev kombineret: Test 1: P3NOGO amplitude og theta/alpha-forholdet; forskelle mellem test 2 og test 1: Udeladelsesfejl, reaktionstidsvariationer, negativ variation (CNV) og P3NOGO-amplituden. Effekten størrelse af den globale skala var d = 1,86. Nøjagtigheden var 0,92. Forudsigelse af bivirkninger var baseret på 4 variabler: Test 1: RT, Test 2: nyhed komponent, alpha peak frekvens, og reaktionstid ændringer (Test 2 - Test 1). Den globale skala d var 1,08 og nøjagtighed en 0,7849.
Nogle foreløbige resultater
I en igangværende undersøgelse sammenligner vi en gruppe på 61 ADHD-patienter i alderen 9-12 år og en gruppe på 67 aldersmatchede sunde kontroller (HC). De endelige statistiske analyser er endnu ikke afsluttet. Nedenfor præsenterer vi de foreløbige resultater fra WinEEG vurdering.
Behaviorally, ADHD gruppen viste en uopmærksomhed mønster med statistisk (på p<0.001) flere udeladelse fejl i forhold til de sunde kontrol (HC) gruppe (13,7% vs 4,8%) ledsaget af et opmærksomhedsforskydningsmønster udtrykt i statistisk højere (p<0.001) variabilitet i reaktionstiden (151 ms vs. 125 ms).
De vigtigste resultater af sammenligningen af ERP-bølgeformer mellem de to grupper er vist i figur 5 og figur 6. Figur 5 viser ERP korrelater af dysfunktion af proaktiv kognitiv kontrol i ADHD gruppe. To indekser af proaktiv kognitiv kontrol (P3 cue bølge og CNV bølge) er reduceret i ADHD-gruppen i forhold til HC-gruppen. Figur 6 viser ERP korrelerer af dysfunktion af reaktiv kognitiv kontrol i ADHD-gruppen. To indekser for reaktiv kognitiv kontrol (N2 NOGO og P3 NOGO) er reduceret i ADHD-gruppen i forhold til HC-gruppen.
Figur 5: Grand gennemsnitlige ERP bølge mønstre (a) og de tilsvarende kort (b) i proaktiv kognitiv kontrol i ADHD og sund kontrol (HC) grupper. (a) ERPs målt ved P3 i ADHD gruppe (grøn linje) og HC gruppe (rød linje) og deres forskel (ADHD-HC) bølge (blå linje). Blå lodrette bjælker under kurverne angiver forskellens statistiske signifikansniveau (små bjælker - p<0,05, midterste bjælker - p<0,01, store bjælker - p<0,001). Pile angiver de klassiske bølger - P3 cue og CNV (betinget negativ variation). bb) Kort ved maksimum af amplituder af P3- og CNV-bølger for de to grupper. Klik her for at se en større version af dette tal.
Figur 6: Grand gennemsnitlige ERP bølge mønstre (a) og de tilsvarende kort (b) i reaktiv kognitiv kontrol i ADHD og sund kontrol (HC) grupper. (a) ERPs målt på Fz og Cz ADHD gruppe (grøn linje) og HC gruppe (rød linje) og deres forskel (ADHD-HC) bølge (blå linje). Blå lodrette bjælker under kurverne angiver forskellens statistiske signifikans (små bjælker - p<0,05, midterste bjælker - p<0,01, store bjælker - p<0,001). Pile angiver de klassiske bølger - N2 NOGO og P3 NOGO. bb) Kort ved maksimum forstærkninger af N2 NOGO- og P3 NOGO-bølger for de to grupper. Klik her for at se en større version af dette tal.
Som man kan se ADHD gruppen viser hypo-funktion af flere operationer af kognitiv kontrol. Disse handlinger forekommer i forskellige tidsvinduer og på forskellige rumlige steder. En bestemt patient kan kun have én hypo-funktion, der angiver kilden til den enkelte lidelse og måder ne på dens korrektion.
Klinisk betydning
At beregne en klinisk nyttig biomarkør for en heterogen diagnose såsom ADHD, flere variabler, der adskiller sig betydeligt mellem ADHD og kontrol skal kombineres. Effektstørrelsen (d)for et indeks skal være over d = 0,8. Et vigtigt næste skridt vil være at anvende dette indeks, når ADHD sammenlignes med kliniske kontroller.
Discussion
Diagnoser i psykiatrien er baseret på observeret adfærd. I de fleste tilfælde skal et bestemt antal symptomer observeres i forskellige indstillinger i 6 måneder eller mere. En vigtig del af diagnosticeringsprocessen er at udelukke somatiske ætiologi. Derudover skal andre psykiatriske diagnoser overvejes. Ganske ofte symptomer på interesse kan være en del af en anden diagnostisk kategori. Hvis flere symptomer overlapper med andre lidelser, skal klinikeren beslutte, om denne anden lidelse er en comorbid eller differentialdiagnose.
De kliniske værktøjer til rådighed er diagnostiske interviews, rating skalaer, medicinsk og udviklingsmæssige historie, psykologiske tests og direkte observationer. De fleste af disse metoder er ganske subjektive; stærkt påvirket af informanten såvel som den professionelle. Karakterskalaer fra forældre og lærere viser normalt ret beskedne korrelationer (r = 0,3 - 0,5).
I de repræsentative resultater, vi hævder, at de underliggende mekanismer i ADHD sandsynligvis varierer fra patient til patient. Manglende (sprog) forståelse, problemer med selvmotivation, følsomhed over for eksterne distraktorer, etc. kan alle føre til symptomer på uopmærksomhed. De EEG-baserede metoder, der er beskrevet i dette dokument, kan hjælpe med at løse nogle af disse udfordringer. Problemet med subjektive fortolkninger er fraværende. De beskrevne ERP-metoder synes at afsløre underliggende psykologiske operationer som arbejdshukommelse, actionhæmning, overvågning, responsforberedelse osv. Underskud i disse mekanismer er ikke begrænset til specifikke diagnostiske kategorier. Vi mener, at i fremtiden, behandling (medicin, neurofeedback, kognitiv træning, tDCS, ...) vil fokusere på sådanne kognitive og / eller følelsesmæssige operationer og deres underliggende hjerne mekanismer og ikke på de nuværende diagnostiske kategorier.
Et formål med en diagnose er at bestemme de bedste behandlinger. For at vurdere virkningerne af behandling, selvrapporterede og observerede forbedringer er naturligvis afgørende. Sådanne rapporter kan til en vis grad repræsentere placebo effekter, dog, og bør understøttes af (delvis) normalisering af underliggende hjerne dysfunktioner afspejles i for eksempel ændringer i ERP komponenter. Denne kombination af subjektive og objektive mål for behandlingseffekter er vigtige i både klinik og forskning.
Af grunde som de ovennævnte, er det ingen overraskelse, at mennesker med de samme diagnoser ofte ikke reagerer på de samme medicinske behandlinger. I personlig medicin diagnoser suppleres med empirisk baserede målinger af respons forudsigelse at lokalisere den bedste behandling for den enkelte patient. I dette papir har vi beskrevet vores forskning på forudsigelse af stimulerende medicin respons i pædiatriskADHD. At finde pålidelige prædiktorer for positiv respons på antidepressiv medicin er måske endnu vigtigere, da den tid, der er nødvendig for at evaluere svarene er lang, som er titrering periode. De procedurer, der er beskrevet i dette dokument kunne bidrage til den igangværende EEG og ERP baseret forskning på forudsigelse af medicin effekter i depression53.
De beskrevne EEG-baserede metoder er ikke-invasive og overkommelige og velegnede til forskning såvel som til klinisk arbejde.
Disclosures
Ogrim G. har intet at afsløre. Kropotov J.D. var leder af laboratoriet ved Institute of the Human Brain, St. Petersborg, da og hvor WinEEG-programmet blev udviklet. Han har ingen økonomiske interesser i systemet.
Acknowledgments
Ingen.
Materials
| Name | Company | Catalog Number | Comments |
| 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 |
References
- 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).
- 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).
- 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).
- Egeland, J. Differentiating attention deficit in adult ADHD and schizophrenia. Archives of Clinical Neuropsychology. 22 (6), 763-771 (2007).
- 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).
- Braver, T. S. The variable nature of cognitive control: a dual mechanisms framework. Trends in Cognitive Science. 16 (2), 106-113 (2012).
- 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).
- 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).
- Bari, A., Robbins, T. W. Inhibition and impulsivity: behavioral and neural basis of response control. Progress in Neurobiology. 108 (Sep), 44-79 (2013).
- 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).
- Simson, R., Vaughan, H. G. Jr, Ritter, W. The scalp topography of potentials in auditory and visual Go/NoGo tasks. Electroencephalography and Clinical Neurophysiology. 43 (6), 864-875 (1977).
- 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).
- Verleger, R., Gorgen, S., Jaskowski, P. An ERP indicator of processing relevant gestalts in masked priming. Psychophysiology. 42 (6), 677-690 (2005).
- 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).
- Kropotov, J. D., Ponomarev, V. A. Decomposing N2 NOGO wave of event-related potentials into independent components. Neuroreport. 20 (18), 1592-1596 (2009).
- 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).
- 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).
- 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).
- 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).
- Randall, W. M., Smith, J. L. Conflict and inhibition in the cued-Go/NoGo task. Clinical Neurophysiology. 122 (12), 2400-2407 (2011).
- Kappenman, E. S., Luck, S. J. ERP Components: The Ups and Downs of Brainwave Recordings. The Oxford Handbook of Event-related Potential Components. Luck, S. J., Kappenman, E. S. , 1st, University Press. Oxford: Oxford. 3-29 (2012).
- 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).
- 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).
- Onton, J., Makeig, S.
- Kropotov, J. D. Functional Neuromarkers for Psychiatry: Applications for Diagnosis and Treatment. , 1st, Elsevier/Academic Press. London. (2016).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Kropotov, J. D., et al. Latent ERP components of cognitive dysfunctions in ADHD and schizophrenia. Clinical Neurophysiology. 130 (4), 445-453 (2019).
- 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).
- Barkley, R. A. Attention - Deficit Hyperactivity Disorder. A Handbook for Diagnosis and Treatment. , Third, The Guilford Press. New York, London. (2006).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Hale, J. B., et al. Executive impairment determines ADHD medication response: implications for academic achievement. Journal of Learning Disabilities. 44 (2), 196-212 (2011).
- 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).
- 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).
- 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).
- 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).
- Lenartowicz, A., Loo, S. K. Use of EEG to diagnose ADHD. Current Psychiatry Report. 16 (11), 498 (2014).
- 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).
- Gamma, A., Kara, O. Event-Related Potentials for Diagnosing Children and Adults With ADHD. Journal of Attention Disorders. , (2016).
- 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).
