10 de mayo de 2017
Este manuscrito describe cómo usar el índice de entropía wavelet para analizar datos de electroencefalografía de alta densidad (EEG) y electrocardiograma (ECG). Mostramos que la irregularidad de las actividades cerebrales y cardíacas se coordinó durante la práctica de reducción del estrés basada en la atención plena.
El objetivo general de este experimento de EEG es utilizar el índice de entropía de wavelet para analizar datos de EEG y ECG de alta densidad. Mostramos que la irregularidad de las actividades cerebral y cardíaca se volvió más coordinada durante la práctica de la reducción del estrés basada en la atención plena. Este método puede ayudar a responder preguntas en neurociencia y psicología sobre cómo medir y comparar las actividades caóticas de la mente y el corazón durante la práctica de la atención plena.
La singularidad de este método radica en la creación de un índice común mediante el análisis de entropía wavelet para medir las actividades caóticas del cerebro y el corazón, de modo que su relación pueda analizarse y compararse de manera efectiva. Diversas tradiciones religiosas y espirituales sostienen que el cuerpo y la mente están de alguna manera coordinados. Sin embargo, los científicos han tenido dificultades para demostrarlo porque no han podido encontrar un índice común para comparar ambos.
Este método también puede proporcionar información sobre el mecanismo de funcionamiento mediante el cual la atención plena y otros entrenamientos mentales pueden modular las actividades del cerebro y del corazón. Tuvimos por primera vez la idea de utilizar la entropía wavelet para explorar la correlación entre el cerebro y el corazón cuando descubrimos que la entropía wavelet es sensible a las acciones bajo diferentes condiciones mentales. Además de Junling y Jicong, Hang Kin, de mi laboratorio, ayudará con la demostración de estos procedimientos.
Él también será nuestro sujeto durante las demostraciones. Comience acompañando al participante a una sala tranquila de electroencefalografía, o EEG. Para realizar el registro, reúna un sistema de EEG de 128 canales que conste de un casco de EEG, amplificador, caja de conexión para la cabeza y una computadora de escritorio.
A continuación, utilice hisopos con alcohol para limpiar la zona facial y el mastoides del participante. Mida la circunferencia craneal del participante con una cinta métrica y luego seleccione un casco del tamaño adecuado. Tome una medida desde el nasión hasta el inión y otra medida que cruce la parte superior de las orejas y pase por encima del cuero cabelludo.
Marque el vértice, el punto a mitad de distancia entre el nasión y el inión y a mitad de distancia entre las dos orejas, con un rotulador suave. A continuación, coloque las posiciones de los electrodos según el sistema de electrodos 10-5. Coloque el casquete de manera que el electrodo Cz quede sobre el vértice, el electrodo Nz esté en el nasión, el electrodo Lz en el inión, el electrodo RM en la apófisis mastoides derecha y el electrodo LM en la apófisis mastoides izquierda.
Llene los porta-electrodos con gel utilizando una jeringa de punta roma. Luego, coloque los electrodos de ECG en ambas fosas infraclaviculares, izquierda y derecha. Mantenga la impedancia por debajo de 20 kiloohmios para cada electrodo.
Reduzca la impedancia ajustando la colocación del electrodo para aumentar el contacto con el cuero cabelludo, y agregue más gel si es necesario. A continuación, registre los datos de EEG al comienzo del curso de reducción de estrés basado en atención plena, o MBSR. Pida al participante que realice una breve exploración corporal para relajar todo el cuerpo, pidiéndole que preste atención a su respiración mientras inhala y exhala.
Finalmente, haga que cada participante realice 10 minutos de respiración consciente MBSR y 10 minutos de descanso normal durante la recopilación de datos de EEG para generar un conjunto de datos previo al entrenamiento MBSR con dos condiciones. Luego, repita este procedimiento de EEG después de dos meses para generar un conjunto de datos posterior al entrenamiento MBSR con dos condiciones. Comience abriendo el software de EEG y cargando el conjunto de datos, y luego seleccione Herramientas y Cambiar la frecuencia de muestreo para volver a muestrear los datos.
A continuación, seleccione Herramientas, Filtrar los datos y Filtro FIR básico para utilizar el filtro de respuesta de impulso finito para filtrado de paso de banda con una banda de paso de 0,5 a 100 hercios. Para reducir el ruido debido a la corriente alterna de la red eléctrica, seleccione Herramientas, Filtrar los datos y Filtro IIR no lineal corto para utilizar el filtro corto de respuesta de impulso infinito no lineal para filtrado de rechazo de banda con una banda de parada de 47 a 53 hercios. A continuación, seleccione Gráfica y Datos del canal dentro del software de EEG para desplazarse visualmente y examinar la señal de EEG.
Luego, haga clic con el botón izquierdo y arrastre el ratón sobre los segmentos defectuosos para resaltar y eliminar los segmentos de EEG que contengan ruido muscular evidente y cualquier otro evento extraño. Después de eliminar los segmentos defectuosos, determine si existen canales defectuosos. Reconstruya cada canal defectuoso utilizando el método de interpolación esférica seleccionando Herramientas e Interpolar canal.
A continuación, seleccione Herramientas y Ejecutar ICA para realizar un Análisis de Componentes Independientes sobre los datos. Luego, identifique visualmente los componentes buenos y descarte los componentes relacionados con movimientos oculares y parpadeo, movimientos musculares y otros posibles ruidos seleccionando Herramientas, Rechazar datos usando ICA, seguido de Rechazar componentes por mapa, luego Herramientas y Eliminar componentes. Finalmente, seleccione Herramientas y Re-referenciar para re-referenciar los datos a la media de todos los canales antes del análisis posterior.
Luego, utilice la fórmula mostrada aquí para calcular los coeficientes wavelet, definir la energía relativa y calcular la entropía wavelet. En el análisis espectral de los datos de EEG, en comparación con el estado de reposo normal, se observaron ondas alfa y beta aumentadas y ondas delta reducidas durante la respiración consciente del MBSR. Además, el análisis de fuente muestra que las principales regiones cerebrales afectadas por el entrenamiento de atención plena del MBSR se encontraban en el giro occipital izquierdo, precúneo derecho, giro temporal medio y giro fusiforme izquierdo.
Por último, las entropías del cerebro y el corazón estuvieron significativamente correlacionadas durante la respiración consciente del MBSR, pero no durante el reposo normal. Una vez dominado, el procedimiento puede realizarse en una semana si se lleva a cabo correctamente. Cuando intente este procedimiento, vale la pena señalar que todos los pasos adecuados de detección son esenciales para obtener los resultados esperados.
Tras seguir este procedimiento, podemos determinar si otros entrenamientos y prácticas mentales, como el canto, la oración, el yoga, el tai chi y ejercicios contemplativos similares, pueden mejorar la sincronización del cuerpo y la mente. Después de ver este video, deberías tener una buena comprensión de cómo utilizar la entropía wavelet para medir y explorar la relación entre las actividades eléctricas del cerebro y del corazón durante las meditaciones conscientes.
Este manuscrito describe el uso del índice de entropía wavelet para analizar datos de electroencefalografía (EEG) y electrocardiografía (ECG) de alta densidad. El estudio demuestra que la irregularidad de las actividades cerebral y cardíaca se vuelve más coordinada durante la práctica de la reducción del estrés basada en la atención plena.
El establecimiento de biomarcadores objetivos para la coordinación mente-cuerpo aborda un vacío crítico en la validación de dianas neuropsiquiátricas, donde los puntos finales subjetivos limitan la confianza predictiva en el desarrollo de fármacos para el sistema nervioso central. Esta metodología proporciona un marco cuantitativo basado en electrofisiología para evaluar la participación mecanicista de vías moduladas por la atención plena, apoyando la reducción de riesgos en indicaciones neuropsiquiátricas. Al permitir el análisis de correlación cruzada entre salidas neuronales y autónomas, mejora la continuidad traslacional desde el descubrimiento inicial hasta la validación preclínica.
El método se integra en los flujos de trabajo de descubrimiento al proporcionar una lectura mecanicista para la validación temprana de dianas, avanzando desde el desarrollo de ensayos hasta la evaluación preclínica de compuestos activos en el SNC que influyen en la regulación autónoma.