Article de méthode

Potentiels liés à l’événement (ERPs) et autres méthodes basées sur l’EEG pour extraire les biomarqueurs de dysfonction cérébrale : exemples de déficit pédiatrique de l’attention/trouble d’hyperactivité (TDAH)

DOI :

10.3791/60710

⸱

12 mars 2020

 , 
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

Dans cet article

Résumé

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Les méthodes EEG sont appliquées pour extraire des biomarqueurs des dysfonctionnements cérébraux. L’accent est mis sur les potentiels liés aux événements multicanaux (ERP) enregistrés dans une tâche GO/NOGO cued. Les artefacts non cérébraux sont corrigés et les ERP sont comparés aux données normatives. Des exemples se rapportent aux biomarqueurs pour le diagnostic et la prédiction du TDAH et la prédiction de la réponse aux médicaments.

Résumé

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Les diagnostics neuropsychiatriques comme le TDAH sont basés sur des méthodes subjectives comme les entrevues, les échelles d’évaluation et les observations. Il y a un besoin pour plus de suppléments à base de cerveau. Le médicament stimulant est le traitement le plus courant pour le TDAH. Les prédicteurs cliniquement utiles de la réponse n’ont pas été rapportés jusqu’à présent. Le but de cet article est de décrire les méthodes basées sur l’EEG que nous appliquons pour extraire des biomarqueurs potentiels pour le dysfonctionnement du cerveau. Les exemples se rapportent aux biomarqueurs pour le TDAH pédiatrique, et la prédiction de la réponse aux médicaments. L’accent est mis sur les potentiels liés à l’événement (ERP).

Un canal de dix-neuf EEG est enregistré au cours d’une tâche ouverte à 3 minutes, une tâche fermée aux yeux de 3 minutes, et une tâche GO/NOGO visuelle de 20 min (VCPT). Les ERP sont enregistrés au cours de cette tâche. L’objectif du protocole ERP est d’extraire des biomarqueurs des dysfonctionnements cérébraux présumés qui différencient considérablement entre un groupe de patients et des contrôles sains. Le protocole comprend l’enregistrement dans des conditions standard et la correction d’artefacts. Les ondes ERP peuvent être utilisées ou transformées en composants latents. Les composants du groupe de patients sont comparés aux contrôles, des composants empathiques qui, une fois comparés, montrent des tailles d’effet relativement élevées. Les sous-groupes des patients sont sélectionnés sur la base de l’analyse de cluster dans l’espace des composants. La procédure de traitement (comme les médicaments, le tDCS ou le protocole de neurofeedback) peut être appliquée et les changements dans les composants liés au traitement dans les sous-groupes sont observés, formant la base des recommandations cliniques.

Les méthodes décrites ont été appliquées dans une étude de 87 patients pédiatriques de TDAH. L’indice de réponse aux médicaments a fait l’objet d’une discrimination importante entre les intervenants et les non-répondants ayant une taille d’effet importante et cliniquement significative(d 1,84). Dans une étude en cours comparant les enfants atteints de TDAH avec des contrôles appariés, plusieurs variables discriminent de manière significative entre les patients et les témoins. L’indice mondial dépassera 0,8 euro. Les méthodes basées sur l’EEG décrites ici pourraient être cliniquement significatives.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

En 2008, initié par NIMH, le projet1 de Research Domain Criteria (RDoC) a été publié, dans le but de trouver un cadre biologiquement valable pour la compréhension des troubles mentaux. En 2013, la Food and Drug Administration (FDA) des États-Unis a approuvé le premier biomarqueur du TDAH basé sur l’EEG pour aider à évaluer le TDAH chez les patients âgés de 6 à 17 ans. Le système neuropsychiatrique d’aide à l’évaluation basée sur l’EEG (NEBA) enregistre l’EEG pendant 15-20 min. Il est basé sur le calcul du rapport theta/bêta trouvé pour être plus élevé chez les enfants et les adolescents atteints de TDAH que chez les enfants en développement2. Des publications récentes constatent que ce ratio ne capture pas tous les TDAH3.

Un grand nombre de publications en neurosciences cliniques démontrent que le contrôle cognitif altéré représente une caractéristique commune de nombreux troubles psychiatriques, y compris le TDAH, la schizophrénie, la dépression et le TOC4,5. Théoriquement, le contrôle cognitif consiste en des opérations hypothétiques permettant aux gens de s’adapter avec souplesse aux objectifs et aux contextes. Deux catégories différentes de contrôle cognitif, le contrôle proactif et réactif, ont été décrites6. Notre objectif principal est le mode réactif de contrôle cognitif. Le contrôle cognitif proactif comprend la mémoire de travail (c.-à-d. le maintien d’événements sensoriels et moteurs pendant des secondes). Le contrôle cognitif réactif comprend la surveillance, la détection du conflit7,8, et l’inhibition de l’action (pour examen voir9,10).

Le paradigme GO/NOGO est sensible au contrôle cognitif11,12,13,14,15. Les stimuli GO provoquent des fluctuations positives des zones cérébrales pariétales. (P3 ALLER). Les ondes positives N2 et P3 NOGO, obtenues par les stimuli NOGO, sont associées à la détection des conflits et de l’inhibition de l’action16,17,18,19. La vague N2 a été comprise comme un indicateur d’inhibition de l’action, mais des recherches mises à jour montrent que la vague N2 est associée à des stimuli GO peu fréquents et la détection du conflit20. L’inhibition de l’action est liée à la vague P3 NOGO sur les sites frontaux-centraux.

La dichotomie N2/P3 peut ne pas être correcte. Il a été remis en question par un point de vue que les ondes ERP, en particulier celles représentant le contrôle cognitif, sont des sommes de plusieurs sources qui peuvent se chevaucher dans les lieux et le temps14,21.

Pour démêler les sources des ondes ERP, plusieurs méthodes de séparation des sources aveugles ont été utilisées15,22,23,24. Dans des études à l’Institut du cerveau humain, Saint-Pétersbourg, N2d NOGO vague a été décomposé. Des composants cachés ont été détectés. Ces composants avaient des topographies distinctes et des significations fonctionnelles. Un seul d’entre eux a été associé à la détection du conflit14,15,25,26. Dans la plupart des études pour adultes du TDAH, P3 NOGO est plus petit par rapport aux contrôles sains assortis27,28,29,30,31,32.

Les opérations cérébrales qui ont lieu pendant les tâches de contrôle cognitif ne semblent pas être correctement expliquées par la dichotomie N2/P3 lorsque les ERP dans les paradigmes GO/NOGO sont analysés14,15. Plusieurs approches visant à démêler les composants cachés des ondes ERP ont été utilisées (pour examen voir21). Certaines études ont utilisé l’analyse indépendante des composants (ICA) pour les REER dans les groupes de patients tels que les patients atteints de schizophrénie29, et les adultes atteints de TDAH33,34, en essayant de discriminer les patients à partir de contrôles sans diagnostics.

Dans (Yeredor, 2010,25 p.75), une nouvelle méthode est suggérée et adaptée pour les ERP. Il s’agit d’une méthode de séparation des sources aveugles, basée sur une procédure de diagonalisation articulaire des matrices de variance croisée. Pour étudier les significations fonctionnelles de ces composants latents appliquant cette méthode dans le paradigme CUed GO/NOGO, une étude de l’Institut du cerveau humain a été récemment mise enœuvre 26. Dans cette étude, les opérations d’inhibition de l’action et les opérations de détection des conflits ont été manipulées indépendamment par des modifications de la tâche GO/NOGO. Un composant caché, pensé pour refléter la détection du conflit, a été trouvé. Une réponse en N2 et une topographie frontale ont caractérisé ce composant35. Dans les essais nécessitant l’inhibition des actions préparées, une topographie centrale et une réponse de la P3 ont été observées.

Dans cette publication, les études rapportées ont utilisé la méthode ERP traditionnelle. L’application de l’ICA, ou la procédure de diagonalisation conjointe des matrices de variance croisée25 (page 75) n’a pas encore été effectuée. En général, les résultats basés sur les différentes méthodes sont d’accord les uns avec les autres, mais les méthodes pour découvrir les composants latents semblent être plus purement associées à des fonctions neuropsychologiques distinctes. Le but de ce document est d’offrir une description détaillée de la méthode WinEEG. L’accent est mis sur les ERP, mais les spectres de l’EEG et les données comportementales de la tâche GO/NOGO sont également inclus dans les études décrites pour illustrer la méthode WinEEG.

Protocole

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

L’équipement décrit dans le protocole est approuvé de façon éthique par les autorités hospitalières et est utilisé à des fins cliniques. Le Comité régional pour l’éthique de la recherche médicale a approuvé les projets décrits.

1. Matériel et logiciel pour l’enregistrement des ERP

  1. Utilisez des amplificateurs (p. ex., Mitsar 201) pour l’amplification de l’EEG selon le protocole du fabricant. Le logiciel WinEEG et deux ordinateurs interconnectés sont nécessaires : l’ordinateur principal pour l’EEG et l’enregistrement de bouton, et l’ordinateur esclave, contrôlé par l’ordinateur principal, pour la présentation de stimulus.
  2. Utilisez des bouchons avec dix-neuf électrodes placées sur la tête conformément au système international 10-20.
    REMARQUE : L’équipement nécessaire, les bouchons, les électrodes, le gel, etc. peuvent être obtenus auprès de plusieurs fabricants.
  3. Placez les patients/sujets dans une chaise confortable dans une pièce insonorisées sans rétroéclairage.
  4. Utilisez le montage référentiel (Ref) qui est par défaut. Pour des comparaisons ultérieures avec la base de données HBi; changement de montage à la moyenne commune (Av).

2. Compétence et éducation

  1. Veiller à ce que toutes les personnes impliquées dans l’enregistrement de l’EEG, l’interprétation des données, l’utilisation clinique et la recherche aient les antécédents professionnels nécessaires et une formation spécifique dans l’utilisation de WinEEG.

3. Informer les patients/participants

  1. Informez les patients/sujets que la procédure n’est pas dangereuse, et il ne fait pas mal.
    REMARQUE : La seringue nécessaire pour remplir les 19 trous de gel n’est pas nette.
  2. Informez les enfants que les chercheurs ne peuvent pas lire dans leurs pensées. Dites-leur que dans chaque cerveau une certaine activité électrique a lieu. Pour le lire, les chercheurs ont besoin de cet équipement. Il n’y a rien avec le cerveau, mais les chercheurs veulent voir comment il fonctionne quand il se détend, et quand il doit s’occuper d’une tâche.
  3. Laisser l’équipement en place pendant 10 min.
    REMARQUE: Pendant cette période, les plus jeunes enfants peuvent regarder un dessin animé s’ils le veulent. Parfois, un parent est silencieusement présent à l’arrière de la pièce jusqu’à ce que l’enfant se sente en sécurité.
  4. Informez le sujet que le test dure environ une heure. Lorsque l’équipement est correctement placé, dites au sujet de se détendre les yeux fermés pendant 3 min, suivi de 3 min détendu avec les yeux ouverts.

4. Création des fichiers de données EEG

REMARQUE : WinEEG dispose séparément de ses propres bases de données intégrées pour le stockage des fichiers EEG bruts (extension - .eeg), des spectres EEG (extension - .spec) et des fichiers ERP (extension - .erp). Les bases de données sont créées automatiquement et initialement stockées dans les dossiers WinEEG/data, WinEEG/spec et WinEEG/erp.

  1. Pour commencer une session avec un patient, créez un fichier de données EEG correspondant en cliquant sur le fichier de menu . Nouveau. La carte du patient apparaît sur l’écran.
    REMARQUE : Le format suivant est utilisé : Mettez le nom ou le code de la personne à tester. Mettre dans la date de naissance (DD. Mm. YYYY), et M ou F pour le sexe. Utilisez les autres champs ouverts sur la carte du patient au besoin.

5. Préparation de l’équipement

  1. Utilisez la petite bande à code couleur pour mesurer la circonférence de la tête pour trouver la bonne taille du bouchon. Utilisez un petit patch pour essuyer l’huile des lobes d’oreilles et du front. Mesurer la distance nasion-inion (ex. 35 cm). Le centre des électrodes du pôle frontal doit tomber sur une ligne horizontale 10% de cette distance au-dessus du nasion (ex. 3,5 cm).
    REMARQUE : Les cheveux du patient doivent être propres (sans produits capillaires, etc.) et secs.
  2. Mettez un peu de gel de préparation de peau (par exemple, Neuprep) sur les lobes d’oreilles. Remplissez les tasses d’électrodes d’oreille avec de l’électro-gel conducteur (p. ex. Ten20) et mettez les électrodes d’oreille. Assurez-vous que les autres extrémités de ces câbles sont connectées à l’amplificateur.
  3. Dites au sujet que les électrodes de lobe d’oreille capturent le « bruit-électricité » dans la pièce, et que cela est soustrait de l’électricité de la tête pour voir ce qui vient de la tête sans bruit.
  4. Placez le bouchon symétriquement sur la tête avec les électrodes frontales placées comme décrit ci-dessus. Tirez le bouchon vers le bas autant que possible pour s’assurer qu’il est près de la tête.
  5. Placez la ceinture autour de la poitrine et attachez les boutons poussoirs reliés au bouchon à cette bande. Cela permettra d’éviter les mouvements du bouchon et des électrodes pendant les essais.
  6. Connectez le câble de capuchon et les câbles auditifs à l’amplificateur. Ne mélangez pas l’oreille gauche et l’oreille droite.
  7. Cliquez sur le contrôle du menu WinEEG de l’icône de l’impedance. Une tête simplifiée avec toutes les électrodes apparaît. Deuxièmement, remplissez la seringue de gel et utilisez-la pour remplir tous les trous d’électrodes. L’impédance est OK quand les cercles noirs sont jaunes.
    REMARQUE : Remplissez tous les trous avant de commencer à travailler avec chaque électrode pour fixer l’impédance appropriée. Utilisez un mince bâton en bois pour aider le gel à atteindre la peau de la tête, ce qui est une condition préalable pour capturer l’activité cérébrale électrique.
  8. Commencez l’enregistrement lorsque tous les 20 trous ont une couleur jaune sur l’écran, et la différence de couleur entre les trous individuels est faible.
  9. Commencez à surveiller les dossiers de l’EEG. Cliquez sur la flèche verte (surveillance de l’EEG).
    REMARQUE : Lorsque les signaux d’EEG bruts des 19 électrodes sont vus, demandez-leur de cligner des yeux et de souligner les grands changements sur les sites frontaux. Ces artefacts peuvent être automatiquement enlevés. La qualité de l’enregistrement dépend des mâchoires, des yeux et du front détendus, et que toutes sortes de mouvements de la tête et du corps doivent être évités autant que possible.

6. Inscriptions des « yeux fermés » et « les yeux ouverts »

  1. Dites au sujet de se détendre dans la chaise confortable les yeux fermés pendant 3 min. Avant de commencer "yeux ouverts" leur dire de s’asseoir tranquille pendant 3 minutes avec les yeux ouverts reposant sur l’écran en face d’eux.
  2. Poussez le cercle rouge (acquérir EEG) sur la ligne de menu, à côté du bouton "contrôle de l’impédance".
  3. Choisissez "les yeux fermés" ou "les yeux ouverts" en poussant le menu suivant icône drop-down. Cela commencera l’inscription. Le temps écoulé en quelques secondes peut être vu au-dessus des courbes EEG.
  4. Appuyez sur le bouton pause (pas "enregistrer" car cela rendra les enregistrements supplémentaires dans le même fichier impossible) après 180 s. Demandez-leur d’ouvrir les yeux (ou fermez-les si les yeux ouverts était la première partie). Continuer l’inscription. Après 3 min, arrêtez-vous et enregistrez.
    REMARQUE : Si elles ne sont pas enregistrées, les données seront perdues lors de la création d’un nouveau fichier.

7. Préparations pour les enregistrements EEG dans la tâche CUed GO/NOGO

  1. Insérez un dongle USB spécial dans le port approprié avant de commencer un enregistrement EEG. Une petite lumière sur le dongle indique que le système fonctionne.
  2. Donnez au sujet un bouton-interrupteur spécial dans sa main droite. Il est nécessaire pour terminer un test qui prend environ 20 min.
  3. Ouvrez le menu de tâches et choisissez VCPT sur l’ordinateur esclave devant le patient/participant.
    REMARQUE : Une fenêtre d’instruction montrant les quatre combinaisons d’images apparaît sur l’écran d’ordinateur d’esclave : (animal-animal (a-a), plante-animal (a-p), plante-plante (p-p) et plante-humaine (p-h). (Figure 1). Les stimuli sont présentés sur un écran d’ordinateur de 17 pouces, 1,5 mètre devant les sujets. Le son mesuré à la tête du sujet doit être de 70 dB.
  4. Informez le sujet que les images viennent par paires, la première image est suivie par la seconde une sur 1 s. Après 3 s une nouvelle paire va commencer.
  5. Dites au sujet que le bouton de la souris gauche doit être appuyé chaque fois que la combinaison a-a apparaît. Dans une combinaison, les deux animaux sont toujours identiques.
  6. Informez le sujet pour être aussi précis que possible, mais aussi rapide. Le sujet ne doit pas appuyer sur le bouton de la souris sur des combinaisons a-p, p-p ou a-h.
  7. Dites au sujet d’ignorer les sons aléatoires dans les combinaisons p-h.
  8. Appuyez sur entrer sur l’ordinateur esclave et exécuter la tâche pendant environ 2-5 min pour former le sujet jusqu’à ce qu’il / elle comprend correctement.
  9. Sur l’ordinateur esclave choisir le passage à l’option de mode esclave.
    REMARQUE : La présentation de la tâche est maintenant gérée par le programme WinEEG sur l’ordinateur principal.

figure-protocol-1
Figure 1 : VCPT : Test de performance continue visuelle. La figure 1 montre les quatre conditions du VCPT. Une centaine d’essais de chaque condition sont présentés au hasard. Le temps de test total est de 20 min. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

8. EEG et enregistrements de presse bouton dans l’état de tâche

  1. Démarrer l’option EEG Monitoring sur l’ordinateur principal à partir du menu d’enregistrement pour vérifier que le système fonctionne correctement.
  2. Démarrer l’option d’acquisition EEG à partir du menu d’enregistrement sur la boîte de menu informatique principale. L’option du programme de présentation de stimuli est mise en évidence. Choisissez VCPT et démarrez les présentations de stimuli sur l’ordinateur esclave.
    REMARQUE : Chaque fois que le bouton de la souris gauche est pressé, une marque rouge est vue sous les courbes de l’EEG. Il y a deux lignes, une pour la gauche et une pour le bouton de la souris droite.
  3. Vérifiez que les marques rouges n’apparaissent pas sur la ligne la plus basse, car cela indique qu’ils ont utilisé le bouton droit. Utilisez le bouton pause et dites au sujet d’utiliser le bouton de la souris gauche.
  4. Surveiller l’enregistrement du EEG et noter les incidents d’intérêt potentiel. Si trop d’artefacts, liés aux muscles ou aux mouvements, sont observés; pause de l’enregistrement et rappeler au sujet de se détendre et de s’asseoir. Continuer l’inscription.
    REMARQUE : L’inscription à l’EEG pendant la tâche prend 20 min et se compose de 400 paires de photos ; 100 de chaque paire; a-a, a-p, p-p et p-h. Les paires sont présentées dans l’ordre aléatoire. (Voir la figure 1).
  5. Faites une courte pause après chaque 100 paires. Appuyez sur le bouton pause. Lorsqu’ils sont assis sur la chaise, encouragez-les à se dégourdir les bras et les jambes et à desserrer leurs muscles du visage. Offrez quelque chose à boire. Continuer l’inscription après une minute ou deux.

9. Mettre fin à l’inscription

  1. Arrêtez l’inscription lorsque les 400 essais sont terminés en appuyant sur Recording . Arrêtez- vous.
    REMARQUE : En appuyant sur l’option Enregistrement de fichiers, le fichier avec le canal d’EEG brut et d’appuyez sur le bouton enregistré sera stocké dans la base de données intégrée.
  2. Dites au sujet de rester assis jusqu’à ce que le chercheur enlève la casquette, la bande de taille et les électrodes d’oreille.
    REMARQUE: Habituellement, il n’y a pas de gel dans les cheveux lorsque cela est terminé. Retirer le gel à l’égard d’un chiffon de papier. La plupart des patients/participants préfèrent se laver les cheveux lorsqu’ils sont de retour à la maison, mais il devrait y avoir une option pour se laver les cheveux juste après l’enregistrement.
  3. Remerciez le sujet d’avoir accompli la tâche. Demandez-leur d’évaluer le VCPT (échelle 1-10), Comment ennuyeux? Comment épuisant? Selon l’accord, dites-leur ce qui se passe ensuite en ce qui concerne les résultats des tests.

10. Nettoyage

  1. Nettoyer les électrodes de l’oreille (tremper dans l’eau chaude), et le capuchon dès que possible. De l’eau, du savon et une brosse molle sont nécessaires. Vérifiez tous les trous pour voir que les restes de gel sont enlevés avant que les bouchons soient accrochés quelque part pour sécher.

11. Prétraiter le dossier de l’EEG

REMARQUE : Trois montages d’électrodes différents sont fournis dans le logiciel HBIdb. Il s’agit de : référence d’oreilles liées (étiquetées comme Ref), référence moyenne commune (étiquetée Av), et référence moyenne locale (étiquetée Aw). Sélectionnez montage de la liste Montage dans le menu SETUP. EEG est enregistré dans Ref. Change to Av avant de commencer la correction d’artefacts.

  1. Enlever les artefacts de mouvement oculaire en appliquant une procédure de filtration spatiale.
    REMARQUE : Les filtres spatiaux sont obtenus par application d’analyse indépendante des composants (ICA) à un fragment d’EEG sélectionné. Le fragment doit contenir au moins 90 s de données brutes.
  2. Sélectionnez le fragment EEG en cliquant sur le bouton gauche de la souris sur la barre de temps au début du fragment et en cliquant sur le bouton droit sur la barre de temps à la fin du fragment. L’ensemble du fragment après la sélection est mis en évidence par la couleur jaune.
    REMARQUE : La procédure de correction d’artefacts est mise en œuvre en choisissant l’option de correction d’artefacts du menu d’analyse. La fenêtre nommée Estimation des paramètres de filtre spatial apparaît à l’écran.
  3. Sélectionnez la méthode ICA pour être en mesure de comparer les spectres individuels et les ERP avec la base de données de référence HBI.
    REMARQUE : La fenêtre d’estimation des paramètres des filtres spatial apparaît. De gauche à droite : 1) un fragment d’EEG multicanal brut (non corrigé), 2) un fragment d’EEG corrigé, 3) forme d’onde d’artefacts corrigés, 4) des cours de temps de composants ICA extraits (du haut au bas) et 5) topographies de l’indépendant Composants.
  4. Sélectionnez les topographies associées aux clignotements oculaires et aux mouvements horizontaux des yeux. Accepter en cliquant sur OK.
  5. Mettre en œuvre la procédure nommée Mark artefacts en cliquant sur l’option d’artefacts Mark du menu d’analyse.
    REMARQUE : Cela rejettera les fragments-aberrants à fréquence lente et élevée : les fragments d’EEG contaminés par des artefacts de mouvement non oculaire (épisodes de tension musculaire, mouvements de tête, etc.) sont exclus de toute analyse. Dans certains cas complexes, le rejet manuel d’artefacts peut compléter la procédure décrite.

12. Spectra EEG de calcul

  1. Choisissez des spectres EEG et des yeux fragmentés fermés ou les yeux ouverts dans le menu Analyse. Si les paramètres par défaut sont tels que indiqués dans la figure 2, appuyez SUR OK.
    REMARQUE : Les spectres sont indiqués dans la figure 3 pour les 19 sites. L’axe x est la fréquence dans Hertz (Hz) et l’axe y est la puissance en microvolt (V).
  2. Choisissez l’analyse Comparaison des résultats pour comparer les spectres individuels avec la base de données. Dans la fenêtre gauche choisir le patient / sujet. Dans la fenêtre droite, choisissez le fichier de base de données (ou un autre fichier ouvert) et appuyez sur OK pour la comparaison. Une image montrant la différence entre le sujet et la base de données apparaît.
    REMARQUE : Les spectres montrent la puissance moyenne carrée des fréquences de 0 Hz à 30 Hz. (Les fréquences inférieures à 1,5-2 Hz doivent être interprétées avec prudence car elles sont souvent influencées par des artefacts). Interpréter les spectres est au-delà de la portée de ce protocole. Les paroxysmals d’intérêt clinique potentiel peuvent ne pas apparaître dans les spectres, mais peuvent être vus dans l’EEG cru.

figure-protocol-2
Figure 2 : Spectra eEG informatique. Pour calculer les spectres : Analyse de clics Spectra. Si les paramètres sont corrects, l’image indiquée dans la figure 2 apparaît. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

figure-protocol-3
Figure 3 : spectres EEG avec 19 électrodes. La figure 3 montre les spectres de l’EEG dans 19 sites. L’axe x est la fréquence de 0-30 Hz. Le y-axe est la puissance dans le V2. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

13. Potentiels liés à l’événement informatique (ERPs)

REMARQUE : Les potentiels liés à l’événement (ERP) sont calculés par une procédure de moyenne. Seuls les essais corrects sont inclus. Les ERP sont calculés après l’achèvement du prétraitement décrit ci-dessus. L’étalon-or pour l’informatique des ERP est de maintenir le nombre d’essais en moyenne au-dessus de 50.

  1. Sélectionnez un fichier EEG VCPT dans le montage moyen commun (Av). Cliquez sur Compute ERP à partir du menu Analyse.
    REMARQUE : Si le dongle HBdb n’est pas connecté à l’ordinateur ou n’est pas activé pour une raison quelconque, le HBdb permet à l’utilisateur de lire les fichiers EEG et de les prétrafier, mais ne permet pas de calculer les spectres et les ERP avec la base de données.
  2. Cliquez sur OK. Une fenêtre représentant les paramètres des calculs ERP se produit(figure 4).
    REMARQUE : Comme le montre la figure 4, les paramètres sont les suivants : Groupes d’essai : 1 : a-a GO ; 2: a-p NOGO; 3: p-p (ignorer les essais); 4: p-h (essais de nouveauté); ainsi que 5: - ce qui signifie que tous les essais ont commencé avec la présentation d’un; 6: - ce qui signifie que tous les essais ont commencé avec la présentation de p. En outre, les ondes de différence ERP sont montrées.
  3. Cliquez sur OK. Les ERP pour le fichier analysé sont calculés et présentés sous forme graphique dans la fenêtre ERP(figure 4).
    REMARQUE : La fenêtre ERP se compose de 19 graphiques de ERP pour chaque condition de tâche : a-a GO, a-p NOGO, p-p, p-h. Seuls un GO et un-p NOGO sont indiqués dans la figure 4. Dans chaque graphique : L’axe X est le temps dans ms., Y-axis est la tension dans 'V. Figure 4 présente les résultats de l’ajustement du formulaire de présentation. Seules les catégories d’essais a-a-a GO, a-p NOGO sont sélectionnées (GO est représenté en couleur verte, NOGO est représenté en couleur rouge). L’échelle est sélectionnée à 12 V. L’intervalle de temps est choisi à partir de 1400 ms; le temps de présentation de Stimulus 2 est sélectionné avec une durée de 700 ms.
  4. Pour cartographier l’onde pour les potentiels liés à l’événement (ERPs) cliquez sur le bouton droit de la souris au moment choisi (le long de X-axe)sur n’importe quel graphique, puis relâchez-la et sélectionnez Ajouter l’option carte pour le menu ouvert. Les cartes correspondantes apparaissent au bas de la page.

figure-protocol-4
Figure 4 : Paramètres des calculs ERP. La figure 4 montre les composants ERP a-a GO (vert) et A-p NOGO (rouge) dans 19 sites. L’intervalle de temps est de 1400 ms à 2100 ms. A-a GO est le plus clairement vu sur le site Pz et a-p NOGO à Cz. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

14. Enregistrement et comparaison des données comportementales dans le VCPT

  1. Cliquez sur le bouton de la souris droite dans la fenêtre montrant les ERP et choisissez des informations de groupes pour voir le nombre d’omissions (clics de bouton manqués), des commissions (clics supplémentaires impulsifs, temps de réaction moyen (RT) pour un-a-GO, et la variabilité RT.
  2. Choisissez des analyses Comparaison des résultats. Marquez le dossier du sujet dans la fenêtre gauche et le fichier de comparaison dans la fenêtre droite. Cliquez sur OK.
    REMARQUE : Nous utilisons des tableaux papier basés sur l’âge montrant les percentiles de ces variables dans le groupe de normes.

15. Comparer les potentiels liés aux événements (REER) avec la base de données de référence

REMARQUE : L’intervalle de temps d’intérêt pour la comparaison est défini en tapant les nombres correspondants dans le menu : intervalle de temps à partir de (ms), Durée (ms). Les ERP peuvent être présentés sélectivement pour certaines catégories d’essais (tels qu’un GO, un NOGO p, p-p, p-h) en sélectionnant le graphique correspondant à partir du menu Groupes actifs en haut de la fenêtre ERP.

  1. Choisissez Comparaison des résultats du menu Analyse. Cliquez sur le patient/sujet dans la fenêtre gauche et cliquez sur le HBIdb dans la fenêtre droite.
    REMARQUE : Pour comparer le sujet avec par exemple une inscription précédente, ouvrez l’ancien fichier et choisissez ceci au lieu de HBIdb). La fenêtre de comparaison ERP apparaît. Cette fenêtre représente la différence d’onde ERP dans le sujet-moyen de référence est calculée pour chaque canal.
  2. Appuyez sur le bouton droit de la souris à un moment d’intérêt et à un canal d’intérêt afin d’obtenir le niveau d’importance de déviation de la référence. Les valeurs correspondantes apparaissent au bas de la fenêtre montrant la différence dans le V, le point de temps choisi et la valeur p.
    REMARQUE : Présenter des ondes de différence avec des niveaux de confiance est une option disponible. La ligne bleue sous les graphiques représente des niveaux de confiance de déviation par rapport à la référence calculée pour chaque canal et à chaque point de temps pour le Groupe 3.
  3. Sélectionnez les groupes pour la différence ERP en cliquant sur la flèche à 1 (ERPs de l’individu). Sélectionnez a-a GO [1]. Pour les ERP référentiels, cliquez sur 2. Sélectionnez a-a GO [2]. Cliquez sur 3 et a-a GO [D] pour voir la différence (1-2). Groupe actif 4: Sélectionnez Aucun de ce menu.
  4. Définir l’intervalle de temps d’intérêt en tapant (ou en sélectionnant) les nombres correspondants dans le menu : intervalle de temps à partir de (ms), durée (ms) (p. ex., 1400, 700 pour analyser les RER en réponse au deuxième stimulus).
  5. Placez le curseur à un point de temps et le canal d’intérêt et cliquez sur le bouton droit de la souris et sélectionnez Ajouter la carte du menu pop out. Une carte montrant la déviance de la référence est affichée.
    REMARQUE : En comparant les composants indépendants des potentiels liés à l’événement (ERP) avec la base de données de référence, le logiciel offre la possibilité de décomposer les ERP individuels en composants indépendants. Les composants sont associés à des opérations psychologiques distinctives.

Résultats

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Prévision de la réponse aux médicaments dans le TDAH pédiatrique
Le TDAH est un trouble neuropsychiatrique commun de l’enfance36. Il est caractérisé par des symptômes d’inattention accompagnés de symptômes d’hyperactivité et d’impulsivité. Les déficiences dans les milieux scolaires, à domicile et de loisirs sont courantes. Chez les enfants d’âge scolaire, la prévalence est estimée entre 5 % et 7 %. Les comorbidités sont courantes. Les traitements médicaux, à l’aide de stimulants à base de méthylphénidate (MPH) ou de dextroamphétamine (DEX), sont largement utilisés. Les effets positifs des médicaments stimulants (réduction de l’agitation, de l’hyperactivité et de l’impulsivité et de l’amélioration de l’attention) sont signalés chez 70 % des patients. Passer de médicaments basés sur MPH à DEX peut augmenter les effets positifs à 80%37,38. Les circuits frontaux-striatal semblent être activés par des stimulants39.

Il n’existe aucune définition généralement acceptée d’une réponse médicamentée qui est cliniquement significative. L’application des échelles d’évaluation, en comparant les scores de base avec les scores sur les médicaments, est la méthode la plus couramment utilisée. Dans certaines études, une réduction de 25 % ou 50 % des scores est utilisée comme définition de la réponse. Dans d’autres études, les scores ne dépassant pas 1 SD au-dessus de la moyenne de population sont utilisés40,41. Sur le plan clinique, une décision globale fondée sur toutes les données disponibles pertinentes est utilisée. Pour évaluer les effets secondaires, tels que la perte d’appétit, l’insomnie, l’irritabilité accrue, ou l’anxiété, est important37,42.

L’utilisation d’échelles de notation peut être critiquée pour plusieurs raisons. De petites corrélations (0,30-0,50) entre les résultats des enseignants et des parents sont rapportées dans plusieurs études48. La recherche de prédicteurs cliniquement utiles de réponse est motivée par un grand nombre de non-répondants, des informateurs qui ne sont pas d’accord, et le fait que tout le monde peut avoir des effets modestes de l’attention améliorée lorsque de petites doses de stimulants sont utilisés. Les recherches publiées sur les prédicteurs de la réponse comprennent le sous-type de TDAH, la démographie, les troubles comorbides, les variables génétiques, les scores sur les échelles d’évaluation, les résultats des tests neuropsychologiques et les variables EEG/ERP43,44,45,46. Notre publication 201647 résume les études qui ont appliqué des ERP pour prédire la réponse aux médicaments.

Dans des études antérieures, nous analysons d données de la tâche GO/NOGO visuelle cued (c.-à-d., données de test d’attention, spectres EEG, et ERPs). Dans une étude, nous avons trouvé 3 variables contribuant de manière significative à la prédiction des effets secondaires. Ces variables ont été combinées à un indice qui a été considéré comme cliniquement significatif42. Dans une étude sur les effets cliniques, l’application des mêmes méthodes, l’indice de prédiction a également été considéré médicalement utile48. Les effets d’une seule dose de médicaments stimulants sur les répondeurs de médicaments (ER) et les non-répondants (non-ER) ont été étudiés dans une troisième étude47. La procédure d’essai a été complétée deux fois, le premier test sans médicament, et le deuxième essai une heure après avoir reçu une dose d’essai. Sur la base des échelles d’évaluation et des entrevues après un essai de médicaments de quatre semaines, les patients ont été classés comme ER ou non-ER. Nous nous sommes concentrés sur les changements dans les ERP cognitifs et les résultats des tests d’attention. Nous avons constaté que les effets sur le composant P3 NOGO étaient significativement différents dans les deux groupes, avec une grande taille d’effet(d - 1,76). Une augmentation significative de l’amplitude des composants a été observée dans les ER, mais pas dans les prévisions de réponse non-ER fondées sur deux tests a été améliorée par rapport aux prédictions basées uniquement sur le test 1.

Dans notre dernière étude, nous avons élaboré deux indices mondiaux, l’un pour la prévision des gains cliniques et l’autre pour la prévision des effets secondaires. Comme décrit ci-dessus, nous avons combiné des variables qui discriminaient considérablement entre les groupes comparés avec une taille d’effet modeste ou importante. Chaque variable a été pondérée en fonction de la taille de l’effet. Nous avons examiné les variables des trois domaines WinEEG : spectres EEG, ERPs et comportement. Les variables suivantes ont été combinées : Test 1 : Amplitude P3NOGO et rapport theta/alpha ; différences entre le test 2 et le test 1 : erreurs d’omission, variabilité du temps de réaction, variation négative contingente (CNV) et amplitude P3NOGO. La taille de l’effet de l’échelle mondiale était de 1,86 . La précision était de 0,92. La prévision des effets secondaires était basée sur 4 variables : Test 1 : RT, Test 2 : composant de nouveauté, fréquence de pointe alpha, et changements de temps de réaction (Test 2 - Test 1). L’échelle mondiale d était de 1,08 et la précision était de 0,7849.

Quelques résultats préliminaires
Dans une étude en cours, nous comparons un groupe de 61 patients atteints de TDAH âgés de 9 à 12 ans et un groupe de 67 témoins sains (HC) assortis à l’âge. Les analyses statistiques finales n’ont pas encore été réalisées. Ci-dessous, nous présentons les résultats préliminaires obtenus de l’évaluation WinEEG.

Sur le plan comportemental, le groupe du TDAH a montré un modèle d’inattention avec statistiquement (à p-lt;0.001) plus d’erreurs d’omission par rapport au groupe de témoins sains (HC) (13,7% contre 4,8%) accompagnée d’un modèle d’erreur d’attention exprimé dans statistiquement plus élevé (p-lt;0.001) variabilité du temps de réaction (151 ms vs 125 ms).

Les principaux résultats de la comparaison des formes d’ondes ERP entre les deux groupes sont indiqués dans la figure 5 et la figure 6. La figure 5 démontre les corrélations ERP du dysfonctionnement du contrôle cognitif proactif dans le groupe de TDAH. Deux indices de contrôle cognitif proactif (onde de repère de P3 et onde de CNV) sont réduits dans le groupe de TDAH par rapport au groupe de HC. La figure 6 démontre les corrélations ERP du dysfonctionnement du contrôle cognitif réactif dans le groupe de TDAH. Deux indices de contrôle cognitif réactif (N2 NOGO et P3 NOGO) sont réduits dans le groupe de TDAH par rapport au groupe de HC.

figure-results-1
Figure 5 : Modèles d’ondes ERP (a) en moyenne et cartes correspondantes (b) dans le contrôle cognitif proactif dans les groupes de TDAH et de contrôle sain (HC). aa) ERPs mesurés à P3 dans le groupe ADHD (ligne verte) et le groupe HC (ligne rouge) et leur différence (ADHD-HC) vague (ligne bleue). Les barres verticales bleues sous les courbes indiquent le niveau d’importance statistique de la différence (petites barres - p-lt;0.05, barres moyennes - p-lt;0.01, grandes barres - p’lt;0.001). Les flèches indiquent les vagues classiques - P3 cue et CNV (variation négative contingente). b) Cartes aux maximums d’amplitudes des ondes P3 et CNV pour les deux groupes. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

figure-results-2
Figure 6 : Les modèles moyens d’ondes ERP (a) et les cartes correspondantes (b) dans le contrôle cognitif réactif dans les groupes de TDAH et de contrôle sain (HC). aa) ERPs mesurés au groupe Fz et Cz ADHD (ligne verte) et groupe HC (ligne rouge) et leur onde de différence (ADHD-HC) (ligne bleue). Les barres verticales bleues sous les courbes indiquent le niveau d’importance statistique de la différence (petites barres - p-lt;0.05, barres moyennes - p-lt;0.01, grandes barres - p’lt;0.001). Les flèches indiquent les vagues classiques - N2 NOGO et P3 NOGO. b) Cartes aux maximums d’amplitudes des ondes N2 NOGO et P3 NOGO pour les deux groupes. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

Comme on peut le voir, le groupe de TDAH montre l’hypo-fonctionnement de multiples opérations de contrôle cognitif. Ces opérations se produisent dans différentes fenêtres temporelles et à différents endroits spatiaux. Un patient particulier pourrait avoir seulement une hypo-fonctionnement indiquant la source du désordre individuel et les manières de sa correction.

Importance clinique
Pour calculer un biomarqueur médicalement utile pour un diagnostic hétérogène tel que le TDAH, plusieurs variables qui diffèrent considérablement entre le TDAH et les contrôles doivent être combinés. La taille del’effet (d) d ) d’un indice doit être supérieure à 0,8. d Une prochaine étape importante sera l’application de cet indice lorsque le TDAH est comparé à des contrôles cliniques.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Les diagnostics en psychiatrie sont basés sur le comportement observé. Dans la plupart des cas, un nombre précis de symptômes doivent être observés dans différents contextes pendant 6 mois ou plus. Une partie importante du processus diagnostique est d’exclure l’étiologie somatique. En outre, d’autres diagnostics psychiatriques doivent être pris en considération. Très souvent, les symptômes d’intérêt peuvent faire partie d’une autre catégorie de diagnostic. Si plusieurs symptômes se chevauchent avec d’autres troubles, le clinicien doit décider si ce deuxième trouble est un diagnostic comorbide ou différentiel.

Les outils cliniques disponibles sont des entrevues diagnostiques, des échelles d’évaluation, des antécédents médicaux et développementaux, des tests psychologiques et des observations directes. La plupart de ces méthodes sont tout à fait subjectives; fortement influencé par l’informateur ainsi que par le professionnel. Les échelles d’évaluation des parents et des enseignants montrent généralement des corrélations assez modestes (r - 0,3 - 0,5).

Dans les résultats représentatifs, nous soutenons que les mécanismes sous-jacents dans le TDAH diffèrent probablement d’un patient à l’autre. Le manque de compréhension (de la langue), les problèmes d’auto-motivation, la sensibilité aux distrayeurs externes, etc. peuvent tous conduire à des symptômes d’inattention. Les méthodes basées sur l’EEG décrites dans ce document peuvent aider à résoudre certains de ces défis. Le problème des interprétations subjectives est absent. Les méthodes ERP décrites semblent révéler des opérations psychologiques sous-jacentes comme la mémoire de travail, l’inhibition de l’action, la surveillance, la préparation de réponse, etc. impliquant des structures cérébrales spécifiques. Les déficits de ces mécanismes ne se limitent pas à des catégories diagnostiques spécifiques. Nous croyons qu’à l’avenir, le traitement (médicaments, neurofeedback, formation cognitive, tDCS, ...) se concentrera sur ces opérations cognitives et/ou émotionnelles et leurs mécanismes cérébraux sous-jacents et non sur les catégories diagnostiques actuelles.

Un but d’un diagnostic est de déterminer les meilleurs traitements. Pour évaluer les effets du traitement, les améliorations autodéclares et observées sont bien sûr décisives. Ces rapports peuvent dans une certaine mesure représenter des effets placebo, cependant, et devraient être soutenus par (partiel) normalisation des dysfonctionnements cérébraux sous-jacents reflétés par exemple des changements dans les composants ERP. Cette combinaison de mesures subjectives et objectives des effets du traitement est importante tant en clinique qu’en recherche.

Pour des raisons comme celles mentionnées ci-dessus, il n’est pas surprenant que les personnes ayant les mêmes diagnostics ne répondent souvent pas aux mêmes traitements médicaux. Dans les diagnostics personnalisés de médecine sont complétés avec des mesures empiriquement basées de la prédiction de réponse pour identifier le meilleur traitement pour le patient individuel. Dans cet article, nous avons décrit notre recherche sur la prédiction de la réponse de médicament stimulant dans le TDAH pédiatrique. Trouver des prédicteurs fiables de la réponse positive aux médicaments antidépresseurs est peut-être encore plus important que le temps nécessaire pour évaluer les réponses est long, comme c’est la période de titration. Les procédures décrites dans ce document pourraient contribuer à la recherche en cours sur le plan EEG et l’ERP sur la prédiction des effets des médicaments dans la dépression53.

Les méthodes basées sur l’EEG décrites sont non invasives et abordables, et bien adaptées à la recherche ainsi qu’au travail clinique.

Déclarations de divulgation

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ogrim G. n’a rien à divulguer. Le juge Kropotov était le chef du laboratoire à l’Institut du cerveau humain de Saint-Pétersbourg, quand et où le programme WinEEG a été développé. Il n’a aucun intérêt économique dans le système.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
amplificateur +www.mitsar-medical.com
Harnais de corps, différentes taillesElectro-Cap International, IncE3 SM ; E3 M ; E3 L
Électrodes auriculaires 9 mm douillesElectro-Cap International, IncE5-9S
Electrocaps 19 canaux différentes taillesElectro-Cap International, IncE1 SM ; E1 M ; E1 M/SM
Electrocaps 19 canaux différentes taillesElectro-Cap International, IncE1 L/M ; E1 L
Electrogel pour électrocapsulesElectro-Cap International, IncE9 ; E10
HBi databasewww.hbimed.com
Bande de mesure de la taille de la têteElectro-Cap International, IncE 12
Kit de seringue à aiguilleElectro-Cap International, IncE7
Nuprep EEG et ECG gel de préparation de la peauElectro-Cap International, IncR7
Ten20 EEG pâte conductriceElectro-Cap International, IncR5-4T
WinEEG programwww.mitsar-medical.com

Références

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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. Jr, 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. 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).
  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. , 1st, Elsevier/Academic Press. London. (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. , Third, The Guilford Press. New York, London. (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).

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Mots-clés

Extraction de biomarqueursTDAH p diatriquet che visuelle GO NOGOanalyse en composantes ind pendantescorrection d art factsanalyse de la forme d onde des ERPanalyse de clusterspr diction de la r ponse m dicamenteuse

Articles connexes