Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Neuroscience
Click here for the English version

Neuroscience

События, связанные с потенциалом (ERPs) и другие ЭЭГ на основе методов для извлечения биомаркеров дисфункции мозга: Примеры из детского дефицита внимания / гиперактивности (СДВГ)

Published: March 12, 2020 doi: 10.3791/60710
Automatic Translation
1,2,3, 4,5
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

Summary

ЭЭГ-методы применяются для извлечения биомаркеров дисфункций мозга. Основное внимание уделяется многоканальным потенциалам, связанным с событиями (ERP), записанным в задаче GO/NOGO. Немозг артефакты корректируются и ERPs сравниваются с нормативными данными. Примеры относятся к биомаркеров для диагностики СДВГ и прогнозирования ответ ныхлекарственных препаратов.

Abstract

Нейропсихиатрические диагнозы, такие как СДВГ, основаны на субъективных методах, таких как интервью, рейтинговые шкалы и наблюдения. Существует необходимость в более мозга на основе добавок. Стимулятор лекарства является наиболее распространенным методом лечения СДВГ. Клинически полезные предикторы ответных мер до сих пор не зарегистрированы. Целью данной работы является описание методов ЭЭГ, которые мы применяем для извлечения потенциальных биомаркеров для дисфункции мозга. Примеры относятся к биомаркеров для педиатрического СДВГ, и прогнозирование ответ лекарства. Основной упор делается на потенциал, связанный с событиями (ERP).

Девятнадцать канал ЭЭГ записывается в течение 3 минут глаза открытые задачи, 3 мин глаза закрыты задачи, и 20 минут cued визуального GO / NOGO задачи (VCPT). ERP записываются во время выполнения этой задачи. Целью протокола ERP является извлечение биомаркеров предполагаемых дисфункций мозга, которые значительно различают группу пациентов и здоровый контроль. Протокол включает запись в стандартных условиях и коррекцию артефактов. ERP волны могут быть использованы или преобразованы в скрытые компоненты. Компоненты группы пациентов сравниваются с элементами управления, сопереживая компонентам, которые, по сравнению с ним, показывают относительно высокие размеры эффекта. Подгруппы пациентов отбираются на основе кластерного анализа в пространстве компонентов. Процедура лечения (например, лекарства, tDCS или протокол нейрообратной связи) может быть применена и изменения в компонентах, связанных с лечением в подгруппах наблюдается, формируя основу для клинических рекомендаций.

Описанные методы были применены в исследовании 87 педиатрических пациентов СДВГ. Индекс реакции на лекарства значительно дискриминировал ответчиков и неответчиков с большим и клинически значимым размером эффекта(d 1.84). В продолжающемся исследовании сравнения детей СДВГ с соответствующими контроля, несколько переменных дискриминировать значительно между пациентами и контроля. Глобальный индекс превысит d .8. Описанные здесь методы ЭЭГ могут быть клинически значимыми.

Introduction

В 2008 году был опубликованпроект «Критерии доменов» (RDoC), целькоторого — найти биологически обоснованную основу для понимания психических расстройств. В 2013 году Управление по контролю за продуктами и лекарствами США (FDA) одобрило первый биомаркер СДВГ на основе ЭЭГ, который поможет оценить СДВГ у пациентов в возрасте от 6 до 17 лет. Нейропсихиатрическая ЭЭГ-помощь на основе оценки (NEBA) Система записи ЭЭГ в течение 15-20 мин. Он основан на расчете тета / бета-соотношение установлено, что выше у детей и подростков с СДВГ, чем в обычно развивающихся детей2. Последние публикации считают, что это соотношение не отражает все СДВГ3.

Большое количество публикаций в клинической неврологии показывают, что нарушение когнитивного контроля представляет собой общую черту многих психических расстройств, включая СДВГ, шизофрения, депрессия, и OCD4,5. Теоретически когнитивный контроль состоит из гипотетических операций, позволяющих людям гибко адаптироваться к целям и контекстам. Две различные категории когнитивного контроля, упреждающий и реактивный контроль, были описаны6. Основное внимание мы уделяем реактивному режиму когнитивного контроля. Проактивный когнитивный контроль включает в себя рабочую память (т.е. поддержание сенсорных и двигательных событий в течение нескольких секунд). Реактивный когнитивный контроль включает в себя мониторинг,обнаружениеконфликта7,8,и ингибирование действий (для обзора см.9,10).

Парадигма GO/NOGO чувствительна к когнитивному контролю11,,12,,13,,14,,15. Go стимулы вызывают положительные колебания от теменной области мозга. (P3 GO). Передняя распределенная положительная волна N2 и P3 NOGO, вызванная стимулами NOGO, связаны с обнаружением конфликтов и ингибированием действия16,,17,,18,,19. Волна N2 была понята как индикатор ингибирования действия, но обновленные исследования показывают, что волна N2 связана с редкими раздражителями GO и обнаружением конфликта20. Ингибирование действий связано с волной P3 NOGO на фронтально-центральных участках.

Дихотомия N2/P3 может быть неправильной. Было поставлено под сомнение мнение, что ERP волны, в частности, представляющие когнитивный контроль, являются суммы нескольких источников, которые могут перекрываться в местах и время14,21.

Для разъединения источников ERP-волн было использовано несколько методов разделения слепых источников15,,22,,23,,24. В исследованиях Института человеческого мозга в Санкт-Петербурге разлагается волна N2d NOGO. Обнаружены скрытые компоненты. Эти компоненты имели различные топографии и функциональные значения. Только один из них был связан с обнаружением конфликта14,,15,,25,,26. В большинстве взрослых исследований СДВГ, P3 NOGO меньше по сравнению с соответствующими здоровых элементов управления27,28,29,30,31,32.

Операции мозга, происходящие во время задач когнитивного контроля, кажется, не правильно объяснить N2/P3 дихотомии, когда ERPs в GO / NOGO парадигмы анализируются14,15. Было использовано несколько подходов, направленных на распутывание скрытых компонентов из волн ERP (для обзора см.21). Некоторые исследования использовали независимый анализ компонентов (ICA) для ERPs в группах пациентов, таких как пациенты с шизофренией29, и взрослых с СДВГ33,34, пытаясь различать пациентов от контроля без диагнозов.

В (Yeredor, 2010,25 p.75), новый метод предлагается и адаптированы для ERPs. Это метод слепого разделения источника, основанный на процедуре совместной диагонализации матриц перекрестного дистриарения. Для изучения функциональных значений таких скрытых компонентов, применяющих этот метод в парадигме GO/NOGO, недавно было проведено исследование Института человеческого мозга26. В этом исследовании операции по торможению действия и операции по обнаружению конфликтов были независимо манипулированы модификациями задачи CUED GO/NOGO. Был найден скрытый компонент, который, как считается, отражает обнаружение конфликта. N2-как ответ и фронтальная топография характеризовали этот компонент35. В испытаниях, требующих ингибирования подготовленных действий, была замечена центральная топография и P3-подобный ответ.

В этой публикации исследования сообщили использовали традиционный метод ERP. Применение ИКА, или процедура совместной диагоналализации матриц перекрестного дисперсии25 (стр. 75) до сих пор не сделано. В целом, результаты, основанные на различных методах, совпадают друг с другом, но методы обнаружения скрытых компонентов, кажется, более чисто связаны с различными нейропсихологическими функциями. Целью данного документа является подробное описание метода WinEEG. Основное внимание уделяется ERPs, но спектры ЭЭГ и поведенческие данные из задачи GO/NOGO также включены в исследования, описанные для иллюстрации метода WinEEG.

Protocol

Оборудование, описанное в протоколе, этически одобрено руководством больницы и используется в клинических целях. Региональный комитет по этике медицинских исследований одобрил описанные проекты.

1. Оборудование и программное обеспечение для записи ERP

  1. Используйте усилители (например, Mitsar 201) для усиления ЭЭГ в соответствии с протоколом производителя. WinEEG программное обеспечение и два взаимосвязанных компьютеров необходимы: основной компьютер для ЭЭГ и кнопки нажатия записи, и раб компьютер, управляемый основным компьютером, для стимулирования презентации.
  2. Используйте колпачки с девятнадцатью электродами, размещенными на голове в соответствии с международной системой 10-20.
    ПРИМЕЧАНИЕ: Оборудование, необходимое, колпачки, электроды, гель и т.д. могут быть получены от нескольких производителей.
  3. Поместите пациентов/субъектов в удобное кресло в звуконепроницаемую комнату без подсветки.
  4. Используйте референтный монтаж (Ref), который по умолчанию. Для более поздних сравнений с базой данных HBi; изменить монтаж в общение (Av).

2. Компетентность и образование

  1. Убедитесь, что все участники регистрации ЭЭГ, интерпретации данных, клинического использования и исследований должны иметь необходимую профессиональную подготовку и специальную подготовку по использованию WinEEG.

3. Информирование пациентов/участников

  1. Сообщите пациентам/субъектам, что процедура не опасна, и она не повредит.
    ПРИМЕЧАНИЕ: Шприц, необходимый для заполнения 19 отверстий гелем, не острый.
  2. Сообщите детям, что исследователи не могут читать их мысли. Скажите им, что в каждом мозгу происходит какая-то электрическая активность. Чтобы прочитать его, исследователям нужно это оборудование. Существует ничего с мозгом, но исследователи хотят видеть, как она работает, когда он расслабляется, и когда он должен присутствовать на задачу.
  3. Оставьте оборудование на месте в течение 10 минут.
    ПРИМЕЧАНИЕ: В течение этого периода времени, младшие дети могут смотреть мультфильм, если они хотят. Иногда родитель молча присутствует в задней части комнаты, пока ребенок чувствует себя в безопасности.
  4. Сообщите субъекту, что тест занимает около одного часа. Когда оборудование правильно размещено, скажите предмету, чтобы расслабиться с закрытыми глазами в течение 3 минут, а затем 3 мин расслабленным с открытыми глазами.

4. Создание файлов данных ЭЭГ

ПРИМЕЧАНИЕ: WinEEG имеет свои собственные базы данных сборки отдельно для хранения необработанных файлов ЭЭГ (расширение - .eeg), ЭЭГ-спектра (расширение - .spec) и ERP-файлов (расширение - .erp). Базы данных создаются автоматически и первоначально хранятся в WinEEG/данных, WinEEG/spec и папках WinEEG/erp.

  1. Чтобы начать сеанс с пациентом, создайте соответствующий файл данных ЭЭГ, нажав на файл меню Новые. Карта пациента отображается на экране.
    ПРИМЕЧАНИЕ: Используется следующий формат: Поместите имя или код человека, который будет протестирован. Положить в дату рождения (DD. Мм. YYYY), и M или F для секса. При необходимости используйте другие открытые поля на карте пациента.

5. Подготовка оборудования

  1. Используйте небольшую цветную полосу для измерения окружности головы, чтобы найти правильный размер крышки. Используйте небольшой участок, чтобы стереть масло с мочки ушей и лба. Измерьте расстояние nasion-inion (напротив 35 см). Центр электродов лобного полюса должен падать на горизонтальную линию на 10% этого расстояния над nasion (напротив 3,5 см).
    ПРИМЕЧАНИЕ: Волосы пациента должны быть чистыми (без волос и т.д.) и сухими.
  2. Положите немного кожи подготовитель гель (например, Neuprep) на мочки ушей. Заполните ушные электродные чашки проводящим электрогелем (например, Ten20) и наденьте на ушные электроды. Убедитесь, что другие концы этих кабелей подключены к усилитель.
  3. Скажите субъекту, что электроды мочки уха захватывают «шумовое электричество» в комнате, и что это вычитается из электричества из головы, чтобы увидеть, что исходит от головы без шума.
  4. Поместите крышку симметрично на голову с электродами лобного полюса размещены, как описано выше. Потяните крышку вниз как можно дальше, чтобы обеспечить, что он находится близко к голове.
  5. Положите пояс вокруг груди и прикрепите кнопки, подключенные к крышке к этой полосе. Это предотвратит движения крышки и электродов во время тестирования.
  6. Подключите крышку-кабель и ушные кабели к усилительу. Не смешивайте левое и правое ухо.
  7. Нажмите на управление меню WinEEG иконки impedance. Появляется упрощенная головка со всеми электродами. Во-вторых, заполните шприц гелем и используйте его для заполнения всех отверстий электрода. Импедас в порядке, когда черные круги желтые.
    ПРИМЕЧАНИЕ: Заполните все отверстия, прежде чем начать работу с каждым электродом, чтобы обеспечить надлежащее impedance. Используйте тонкую деревянную палку, чтобы помочь гелю достичь кожи головы, которая является необходимым условием для захвата электрической активности мозга.
  8. Начните регистрацию, когда все 20 отверстий имеют желтый цвет на экране, а разница в цвете между отдельными отверстиями мала.
  9. Начните мониторинг записи ЭЭГ. Нажмите на зеленую стрелку (мониторинг ЭЭГ).
    ПРИМЕЧАНИЕ: Когда сырые сигналы ЭЭГ от всех 19 электродов видны, попросите их мигать глазами и указывать на большие изменения на лобных участках. Эти артефакты могут быть автоматически удалены. Качество регистрации зависит от расслабленной челюсти, глаз и лба, и что все виды головы и тела движения должны быть избегать как можно больше.

6. Регистрация "закрытых глаз" и "открытых глаз"

  1. Скажите предмету, чтобы расслабиться в удобном кресле с закрытыми глазами в течение 3 минут. Перед началом "глаза открыл" сказать им, чтобы сидеть тихо в течение 3 минут с открытыми глазами отдыхает на экране перед ними.
  2. Нажмите красный круг (приобрести ЭЭГ) на строке меню, рядом с кнопкой "Управление импедансом".
  3. Выберите "глаза закрыты" или "глаза открыты", нажав на следующий значок выпадающих меню. Это позволит начать регистрацию. Прошедшее время в считанные секунды можно увидеть над кривыми ЭЭГ.
  4. Нажмите кнопку паузы (не "сохранить", так как это сделает дальнейшую регистрацию в том же файле невозможной) после 180 s. Попросите их открыть глаза (или закрыть их, если глаза открыты была первой частью). Продолжить регистрацию. После 3 минут, остановить и сохранить.
    ПРИМЕЧАНИЕ: Если не сохранено, данные будут потеряны при создании нового файла.

7. Подготовка к записи ЭЭГ в рамках задачи GO/NOGO

  1. Вставьте специальный USB ключ в надлежащем порту перед запуском записи ЭЭГ. Небольшой свет на ключе указывает на то, что система работает.
  2. Дайте предмету специальную кнопку-переключатель в его/ее правой руке. Необходимо пройти тест, который занимает около 20 минут.
  3. Откройте меню задач и выберите VCPT на рабском компьютере перед пациентом/участником.
    ПРИМЕЧАНИЕ: Окно инструкции, показывающее все четыре комбинации изображений, появляется на экране рабского компьютера: (животное-животное (a-a), животное-растение (a-p), растение-растение (p-p) и растение-человек (p-h). (Рисунок 1). Стимулы представлены на 17-дюймовом экране компьютера, 1,5 метра перед предметами. Звук, измеряемый в голове субъекта, должен быть 70 дБ.
  4. Проинструктируйте тему, что картинки приходят парами, за первой картинкой следует вторая в 1 с. После 3 с новая пара начнется.
  5. Сообщите объекту, что левая кнопка мыши должна нажиматься каждый раз, когда появляется комбинация. В комбинации, два животных всегда идентичны.
  6. Сообщите предмету, чтобы быть как можно более точным, но и быстро. Объект не должен нажимать кнопку мыши на a-p, p-p или a-h комбинациях.
  7. Скажите теме игнорировать случайные звуки в p-h комбинаций.
  8. Нажмите войти на рабкомпьютер и запустить задачу около 2-5 минут, чтобы обучить тему, пока он / она понимает правильно.
  9. На рабском компьютере выбирайте переключатель в рабский режим опции.
    ПРИМЕЧАНИЕ: Презентация задачи теперь управляется программой WinEEG на главном компьютере.

Figure 1
Рисунок 1: VCPT: Визуальный непрерывный тест производительности. На рисунке 1 показаны четыре условия VCPT. Сто испытаний каждого состояния представлены случайным образом. Общее время тестирования составляет 20 минут. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

8. Записи ЭЭГ и кнопочных нажатий в состоянии задачи

  1. Запустите опцию мониторинга ЭЭГ на главном компьютере из меню записи, чтобы проверить, работает ли система должным образом.
  2. Начните с приобретения ЭЭГ опцию с меню записи в главном компьютерном меню. Выделен вариант программы презентации Stimuli. Выберите VCPT и начните презентации стимулов на рабском компьютере.
    ПРИМЕЧАНИЕ: Каждый раз, когда левая кнопка мыши нажата, красная метка видна под кривыми ЭЭГ. Есть две линии, одна для левой и одна для правой кнопки мыши.
  3. Убедитесь, что красные метки не отображаются на нижней строке, так как это означает, что они использовали правую кнопку. Используйте кнопку паузы и скажите объекту использовать левую кнопку мыши.
  4. Мониторинг регистрации ЕГЭ и обратите внимание на случаи потенциального интереса. Если наблюдается слишком много артефактов, связанных с мышцами или движениями; приостановить регистрацию и напомнить субъекту расслабиться и сидеть на месте. Продолжить регистрацию.
    ПРИМЕЧАНИЕ: Регистрация ЕГЭ во время выполнения задания занимает 20 минут и состоит из 400 пар картинок; 100 из каждой пары; а-а, а-р, р-р и р-ч. Пары представлены в случайном порядке. (См. Рисунок 1).
  5. Сделать небольшой перерыв после каждых 100 пар. Нажмите кнопку паузы. Сидя в кресле поощрять их, чтобы растянуть руки и ноги и ослабить мышцы лица. Предложите что-нибудь выпить. Продолжить регистрацию через минуту или две.

9. Окончание регистрации

  1. Остановить регистрацию, когда все 400 испытаний будут завершены нажатием Запись Остановка.
    ПРИМЕЧАНИЕ: При нажатии на опцию Сохранения файлов файл с записанным необработанным ЭЭГ и каналом нажатия кнопки будет храниться во встроенной базе данных.
  2. Скажите субъекту оставаться сидящим до тех пор, пока исследователь не снимет шапку, поясную полосу и ушные электроды.
    ПРИМЕЧАНИЕ: Обычно нет геля в волосах, когда это завершено. Удалите гель с бумажной тканью. Большинство пациентов / участников предпочитают мыть волосы, когда они вернулись домой, но не должно быть возможности мыть волосы сразу после регистрации.
  3. Спасибо субъекту за выполнение задачи. Попросите их оценить VCPT (1-10 шкала), Как скучно? Насколько утомительно? В зависимости от соглашения, скажите им, что произойдет дальше в отношении результатов теста.

10. Очистка

  1. Очистите ушные электроды (окунитесь в горячую воду) и крышка как можно скорее. Необходимы вода, мыло и мягкая кисть. Проверьте все отверстия, чтобы увидеть, что остатки геля удаляются, прежде чем шапки повисут где-то, чтобы высохнуть.

11. Предварительная обработка записи ЕГЭ

ПРИМЕЧАНИЕ: Три различных электродных монтажа предусмотрены в программном обеспечении HBIdb. Они: ссылка на связанные уши (помеченная как Ref), обычная средняя ссылка (помеченная как Av) и местная средняя ссылка (помеченная как Aw). Выберите монтаж из списка Montage в меню SETUP. ЭЭГ записывается в Ref. Изменение av перед началом коррекции артефакта.

  1. Удалите артефакты движения глаз, применяя процедуру пространственной фильтрации.
    ПРИМЕЧАНИЕ: Пространственные фильтры получаются путем применения независимого компонентного анализа (ICA) к выбранному фрагменту ЭЭГ. Фрагмент должен содержать не менее 90 с необработанных данных.
  2. Выберите фрагмент ЭЭГ, нажав левую кнопку мыши на временной панели в начале фрагмента и нажав правую кнопку на временной панели в конце фрагмента. Весь фрагмент после выделения выделен желтым цветом.
    ПРИМЕЧАНИЕ: Процедура коррекции артефакта реализована, выбрав вариант коррекции артефакта из меню Анализа. На экране отображается окно, названное оценкой параметров пространственного фильтра.
  3. Выберите метод ICA, чтобы иметь возможность сравнить отдельные спектры и ERPs с базой данных hBI.
    ПРИМЕЧАНИЕ: Появляется окно оценки параметров пространственных фильтров. Слева направо: 1) фрагмент сырого (неисправленного) многоканального ЭЭГ, 2) фрагмент исправленного ЭЭГ, 3) волновой формы исправленных артефактов, 4) временные курсы извлеченных компонентов МКА (сверху вниз) и 5) топографические томографии независимых Компоненты.
  4. Выберите топографии, связанные с мигает глаз и горизонтальные движения глаз. Примите, нажав OK.
  5. Реализуем процедуру под названием Артефакты Отметки, нажав на опцию артефактов отметки из меню «Анализ».
    ПРИМЕЧАНИЕ: Это будет отвергать медленные и высокочастотные фрагменты-выбросы: фрагменты ЭЭГ, загрязненные артефактами движения неглазы (эпизоды мышечного напряжения, движения головы и т.д.) исключены из дальнейшего анализа. В некоторых сложных случаях ручной отказ артефакта может дополнить описанную процедуру.

12. Вычислительные спектры ЭЭГ

  1. Выберите спектры ЭЭГ и фрагмент- глаза закрыты или глаза открыты из меню анализа. Если настройки по умолчанию показаны на рисунке 2 нажмите OK.
    ПРИМЕЧАНИЕ: Спектры показаны на рисунке 3 для всех 19 сайтов. X-ось частота в Герц (Гц) и y-оси мощность в микровольт (ЗВ).
  2. Выберите Анализ (ru) Сравнение результатов для сравнения отдельных спектров с базой данных. В левом окне выберите пациента/субъекта. В нужном окне выберите файл базы данных (или другой открытый файл) и нажмите OK для сравнения. Появляется изображение, показывающее разницу между объектом и базой данных.
    ПРИМЕЧАНИЕ: Спектры показывают квадратную средней мощности частот от 0 Гц до 30 Гц (частоты ниже 1,5-2 Гц должны интерпретироваться с осторожностью, поскольку они часто находятся под влиянием артефактов). Интерпретация спектра выходит за рамки этого протокола. Пароксизмальы потенциального клинического интереса не могут появиться в спектрах, но можно увидеть в сыром ЭЭГ.

Figure 2
Рисунок 2: Вычислительные спектры ЭЭГ. Для вычисления спектра: Нажмите Анализ (ru) Спектра. Если настройки верны, появляется изображение, отображаемые на рисунке 2. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Figure 3
Рисунок 3: ЭЭГ-спектр с 19 электродами. На рисунке 3 показаны спектры ЭЭГ на 19 участках. X-ось частота от 0-30 Гц. Оси y - это мощность в ЗВ2. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

13. Вычислительные возможности, связанные с событиями (ERP)

ПРИМЕЧАНИЕ: Потенциалы, связанные с событиями (ERP), вычисляются по процедуре усреднения. Включены только правильные испытания. ERPs вычисляются после завершения предварительной обработки, описанной выше. Золотым стандартом для вычислений ERP является сохранение числа усреднений испытаний выше 50.

  1. Выберите файл EEG VCPT в общем среднем монтаже (Av). Нажмите Вычислить ERP из меню анализа.
    ПРИМЕЧАНИЕ: Если hBdb ключ не подключен к компьютеру или не активирован по какой-либо причине, HBdb позволяет пользователю читать файлы ЭЭГ и предварительно обрабатывать их, но не позволяет вычислить спектры и ERPs с базой данных.
  2. Нажмите OK. Возникает окно, изображающее параметры ERP вычислений(рисунок 4).
    ПРИМЕЧАНИЕ: Как показано на рисунке 4, параметры, как следовать: Пробные группы: 1: a-a GO; 2: a-p NOGO; 3: р-р (игнорирование испытаний); 4: р-ч (испытания новизны); а также 5: означает, что все испытания начались с представления a; и 6: - то есть все испытания начались с представления р. Кроме того, показаны волны разницы ERP.
  3. Нажмите OK. ERPs для исследуемого файла вычисляются и представлены в графической форме в окне ERP(рисунок 4).
    ПРИМЕЧАНИЕ: Окно ERP состоит из 19 графиков ERPs для каждого состояния задачи: a-a GO, a-p NOGO, p-p, p-h. Только a-a GO и a-p NOGO показаны на рисунке 4. В каждом графике: X-оси время в ms., Y-оси напряжения в ЗВ. Рисунок 4 представляет результаты корректировки формы презентации. Выбираются только категории проб a-a GO, a-p NOGO (GO изображен в зеленом цвете, NOGO изображен в красном цвете). Шкала выбирается при 12 КВ. Временной интервал выбирается от 1400 мс; время презентации Stimulus 2 выбрано с продолжительностью 700 мс.
  4. Чтобы сопоставить волну для потенциалов, связанных с событиями (ERPs), нажмите правую кнопку мыши в выбранное время (вдоль X-оси) на любом графике, затем отпустите его и выберите X опцию «Добавить карту» для открытого меню. Соответствующие карты отображаются в нижней части страницы.

Figure 4
Рисунок 4: Параметры ERP вычислений. На рисунке 4 показаны компоненты ERP a-a GO (зеленый) и a-p NOGO (красный) на 19 участках. Интервал времени составляет 1400 мс до 2100 мс. A-a GO наиболее четко видно на сайте Pz и a-p NOGO на Cz. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

14. Регистрация и сравнение поведенческих данных в VCPT

  1. Нажмите на правую кнопку мыши в окне, показывающей ERP и выберите информацию групп, чтобы увидеть количество упущений (пропущенные кнопки кликов), комиссий (импульсивные дополнительные клики, среднее время реакции (RT) для a-a-GO и изменчивость RT.
  2. Выберите Анализы Сравнение результатов. Отметьте файл объекта в левом окне и файл сравнения в правом окне. Нажмите OK.
    ПРИМЕЧАНИЕ: Мы используем возрастные бумажные таблицы, показывающие процентилы для этих переменных в группе норм.

15. Сравнение потенциалов, связанных с событиями (ERP) с базой справочных данных

ПРИМЕЧАНИЕ: Временной интервал интереса для сравнения определяется путем ввода соответствующих чисел в меню: Временной интервал от (ms), Продолжительность (мс). ERPs можно выборочно представить для определенных категорий испытаний (например, a-a-a-a,p NOGO, p-p, p-h), выбрав соответствующий график из меню Активные группы в верхней части окна ERP.

  1. Выберите Сравнение результатов из меню «Анализ». Нажмите на пациента / субъекта в левом окне и нажмите на HBIdb в правом окне.
    ПРИМЕЧАНИЕ: Чтобы сравнить предмет с, например, предыдущей регистрацией, откройте старый файл и выберите его вместо HBIdb). Отображается окно сравнения ERP. Это окно изображает разницу ERP волны в ЗВ. Тема-Средняя ссылка вычисляется для каждого канала.
  2. Нажмите правую кнопку мыши в точке интереса времени и на интересуя канале для того чтобы получить уровень значения отклонения от справки. Соответствующие значения отображаются в нижней части окна, показывая разницу в кВ, выбранном времени и p-значении.
    ПРИМЕЧАНИЕ: Представление различий волн с уровнями доверия является доступным вариантом. Синяя линия под графиками изображает уровни достоверности отклонения от эталонного вычисляемого для каждого канала и каждого момента для Группы 3.
  3. Выберите группы для разницы ERP, нажав на стрелку на 1 (ERP человека). Выберите a-a GO . Для референтных ERPs нажмите 2. Выберите a-a GO . Нажмите 3 и а-а-ГО «D», чтобы увидеть разницу (1-2). Активная группа 4: Выберите нет из этого меню.
  4. Определите временной интервал интереса, введя (или выбрав) соответствующие числа в меню: интервал времени от (ms), продолжительность (ms) (например, 1400, 700 для анализа ERPs в ответ на второй стимул).
  5. Положите курсор в точку времени и канал интереса и нажмите правую кнопку мыши и выберите Добавить карту из выскочить меню. Отображается карта, показывающая отклонение от ссылки.
    ПРИМЕЧАНИЕ: Сравнивая независимые компоненты связанных с событиями потенциалов (ERPs) с базой исходных данных, программное обеспечение предоставляет возможность разложения отдельных ERPs на независимые компоненты. Компоненты связаны с отличительными психологическими операциями.

Representative Results

Прогноз ответ лекарства в педиатрической СДВГ
СДВГ является распространенным нейропсихиатрическим расстройством детства36. Он характеризуется симптомами невнимательности, сопровождающимися симптомами гиперактивности и импульсивности. Нарушения в школе, дома, и досуга являются общими. У детей школьного возраста, по оценкам, распространенность составляет от 5% до 7%. Коморбиды являются общими. Широко используется лечение с использованием стимуляторов на основе метилфенидат (MPH) или декстроамфетамин (DEX). Положительные эффекты стимулирующих препаратов (снижение неугомонности, гиперактивности и импульсивности и улучшения внимания) сообщаются у 70% пациентов. Переход от лекарств на основе MPH к DEX может увеличить положительный эффект до 80%37,38. Фронтально-стриатальные цепи, кажется, активируются стимуляторами39.

Существует не общепринятое определение лекарства ответ, который является клинически значимым. Применение рейтинговых шкал, сравнение базовых баллов со баллами на лекарства, является наиболее часто используемым методом. В некоторых исследованиях, 25% или 50% сокращение баллов используется в качестве определения ответа. В других исследованиях, оценки, не превышающие 1 SD выше населения среднем используются40,41. Клинически используется общее решение, основанное на всех соответствующих имеющихся данных. Для оценки побочных эффектов, таких как потеря аппетита, бессонница, повышенная раздражительность, или тревога, важно37,42.

Использование рейтинговых шкал можно критиковать по нескольким причинам. Небольшие корреляции (0.30-0.50) между учительными и родительскими баллами регистрируются в нескольких исследованиях48. Поиск клинически полезных предикторов ответ мотивирован большое количество неответчиков, информаторов, которые не согласны, и тот факт, что каждый может иметь некоторые скромные эффекты улучшения внимания, когда используются небольшие дозы стимуляторов. Опубликованные исследования по предикторам ответа включают подтип СДВГ, демографические, сопутствующие расстройства, переменные генов, оценки по рейтинговым шкалам, результаты нейропсихологических тестов и переменные ЭЭГ/ERP43,,44,45,46. Наша публикация 201647 обобщает исследования, которые применили ERPs для прогнозирования реакции на лекарства.

В предыдущих исследованиях мы анализируем данные d из задачи cued visual GO/NOGO (т.е. данные теста внимания, спектры ЭЭГ и ERPs). В одном исследовании мы обнаружили 3 переменных, значительно способствующих прогнозированию побочных эффектов. Эти переменные были объединены с индексом, который считался клинически значимым42. В исследовании по клиническим эффектам, применяя те же методы, индекс прогнозирования также считался клинически полезным48. Влияние одной дозы стимулятор лекарства на лекарства ответчиков (REs) и не-ответчиков (не-REs) был исследован в третьем исследовании47. Процедура тестирования была завершена дважды, первый тест без лекарств, и второй тест через час после получения пробной дозы. На основе рейтинговых шкал и интервью после 4-недельного испытания лекарств, пациенты были классифицированы как REs или не-REs. Наше внимание было сосредоточено на изменениях в когнитивных ERPs и оценки внимания тестов. Мы обнаружили, что влияние на компонент P3 NOGO значительно отличается в двух группах, с большим размером эффекта(d 1.76). Значительное увеличение амплитуды компонентов наблюдалось в РИЗ, но не в не-РИЗ. Прогнозы реагирования на основе двух тестов были улучшены по сравнению с прогнозами, основанными только на тесте 1.

В нашем последнем исследовании мы разработали два глобальных индекса, один для прогнозирования клинических достижений и один для прогнозирования побочных эффектов. Как описано выше, мы объединили переменные, которые значительно дискриминировали по сравнению группы со скромным или большим размером эффекта. Каждая переменная взвешивалась в соответствии с размером эффекта. Мы рассмотрели переменные из всех трех областей WinEEG: спектры ЭЭГ, ERPs и поведение. Были объединены следующие переменные: тест 1: амплитуда P3NOGO и соотношение тета/альфа; различия между тестом 2 и Тестом 1: ошибки бездействия, изменчивость времени реакции, условные отрицательные изменения (CNV) и амплитуда P3NOGO. Размер эффекта глобальной шкалы составил 1,86 евро. Точность составила 0,92. Прогнозирование побочных эффектов было основано на 4 переменных: Тест 1: RT, Тест 2: компонент новизны, альфа-пиковая частота и изменения времени реакции (Test 2 - Test 1). Глобальная шкала d составила 1,08, а точность - 0,7849.

Некоторые предварительные результаты
В продолжающемся исследовании мы сравниваем группу из 61 пациента с СДВГ в возрасте 9-12 лет и группу из 67 возрастных здоровых элементов управления (HC). Окончательный статистический анализ до сих пор не завершен. Ниже представлены предварительные результаты, полученные в результате оценки WinEEG.

Поведенчески, группа ADHD показала картину невнимательности с статистически (на p'lt;0.001) больше ошибок упущений по сравнению с здоровой группой управления (HC) (13.7% против 4.8%) сопровождается закономерностью упущений внимания, выраженной в статистически более высокой (p'lt;0.001) изменчивости времени реакции (151 мс против 125 мс).

Основные результаты сравнения волн ERP между двумя группами показаны на рисунке 5 и рисунке 6. Рисунок 5 демонстрирует ERP коррелирует дисфункции активного когнитивного контроля в группе СДВГ. Два индекса упреждающего когнитивного контроля (P3 кий волны и CNV волны) снижаются в группе СДВГ по сравнению с группой HC. Рисунок 6 демонстрирует ERP коррелирует дисфункции реактивного когнитивного контроля в группе СДВГ. Два индекса реактивного когнитивного контроля (N2 NOGO и P3 NOGO) снижаются в группе СДВГ по сравнению с группой HC.

Figure 5
Рисунок 5: Гранд средний ERP волны моделей (а) и соответствующие карты (б) в упреждающий когнитивный контроль в Группах СДВГ и здорового контроля (HC). (aa ) ERPs измеряется при P3 в группе СДВГ (зеленая линия) и HC группы (красная линия) и их разница (ADHD-HC) волны (синяя линия). Синие вертикальные бары ниже кривых указывают уровень статистической значимости разницы (небольшие бары - стр/л;0,05, средние бары - стр/т;0,01, большие бары - стр/т;0,001). Стрелки указывают на классические волны - P3 кий и CNV (контингент отрицательных вариаций). (b)Карты по максимумам амплитуд P3 и CNV волн для двух групп. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Figure 6
Рисунок 6: Гранд средний ERP волны моделей (а) и соответствующие карты (б) в реактивных когнитивного контроля в Группах СДВГ и здорового контроля (HC). (aa ) ERPs измеряется в Группе Fz и Cz ADHD (зеленая линия) и HC группы (красная линия) и их разница (ADHD-HC) волны (синяя линия). Синие вертикальные бары ниже кривых указывают на уровень статистической значимости разницы (небольшие бары - стр/с;0,05, средние бары - стр.;0,01, большие бары - стр/т;0,001). Стрелки указывают на классические волны - N2 NOGO и P3 NOGO. (b)Карты по максимумам амплитуд N2 NOGO и P3 NOGO волн для двух групп. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Как можно увидеть группу СДВГ показывает гипо-функционирование нескольких операций когнитивного контроля. Эти операции происходят в разных временных окнах и в различных пространственных местах. У конкретного пациента может быть только один гипофункционирующий, указывающий на источник индивидуального расстройства и способы его коррекции.

Клиническое значение
Чтобы вычислить клинически полезный биомаркер для неоднородного диагноза, таких как СДВГ, несколько переменных, которые значительно отличаются между СДВГ и контроля должны быть объединены. Размер эффекта(d)индекса должен быть выше d .8. Важным следующим шагом будет применение этого индекса, когда СДВГ сравнивают с клиническим контролем.

Discussion

Диагнозы в психиатрии основаны на наблюдаемом поведении. В большинстве случаев, определенное количество симптомов должно наблюдаться в различных условиях в течение 6 месяцев или более. Важной частью диагностического процесса является исключение соматической этиологии. Кроме того, необходимо учитывать другие психиатрические диагнозы. Довольно часто симптомы, представляющие интерес может быть частью другой диагностической категории. Если несколько симптомов перекрываются с другими расстройствами, врач должен решить, если это второе расстройство сопутствующих или дифференциальный диагноз.

Доступные клинические инструменты: диагностические интервью, рейтинговые шкалы, медицинская история и история развития, психологические тесты и прямые наблюдения. Большинство из этих методов довольно субъективны; под влиянием информатора, а также профессиональных. Шкалы рейтинга от родителей и учителей обычно показывают довольно скромные корреляции (р- 0,3 - 0,5).

В репрезентативных результатах, мы утверждаем, что основные механизмы в СДВГ, вероятно, отличаются от пациента к пациенту. Отсутствие (языкового) понимания, проблемы с самомотивацией, чувствительность к внешним отвлекателям и т.д. все это может привести к симптомам невнимательности. Методы, основанные на ЭЭГ, описанные в настоящем документе, могут помочь решить некоторые из этих проблем. Проблема субъективных интерпретаций отсутствует. Описанные методы ERP, кажется, показывают основные психологические операции, такие как рабочая память, ингибирование действия, мониторинг, подготовка к ответу и т.д., включая конкретные структуры мозга. Дефицит этих механизмов не ограничивается конкретными диагностическими категориями. Мы считаем, что в будущем, лечение (лекарство, нейрообратная связь, когнитивные тренировки, tDCS, ...) будет сосредоточена на таких когнитивных и / или эмоциональных операций и их основных механизмов мозга, а не на текущих диагностических категорий.

Целью диагностики является определение наилучших методов лечения. Для оценки последствий лечения, самостоятельно сообщили и наблюдаемые улучшения, конечно, решающим. Такие отчеты могут в некоторой степени представлять эффекты плацебо, однако, и должны быть поддержаны (частично) нормализации основных дисфункций мозга отражены, например, изменения в компонентах ERP. Такое сочетание субъективных и объективных показателей лечебных эффектов имеет важное значение как в клинике, так и в исследованиях.

По причинам, как те, упомянутые выше, это не удивительно, что люди с теми же диагнозами часто не реагируют на те же медицинские процедуры. В персонализированной медицины диагнозы дополняются эмпирически основанными мерами прогнозирования реакции, чтобы определить лучшее лечение для отдельного пациента. В этой статье мы описали наши исследования по прогнозированию стимулятор лекарства ответ в педиатрической СДВГ. Найти надежные предсказатели положительной реакции на антидепрессанты, возможно, еще более важно, так как время, необходимое для оценки ответов, является длительным, как и период титрования. Процедуры, описанные в настоящем документе может способствовать текущей ЭЭГ и ERP на основе исследований по прогнозированию лекарств еде эффекты в депрессии53.

Описанные методы ЭЭГ являются неинвазивными и доступными и хорошо подходят как для исследований, так и для клинической работы.

Disclosures

Огриму Г. нечего раскрывать. Кропотов Д.Д. был заведующим лабораторией Института человеческого мозга в Санкт-Петербурге, когда и где была разработана программа WinEEG. У него нет экономических интересов в системе.

Acknowledgments

Ни один.

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

DOWNLOAD MATERIALS LIST

References

  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).

Tags

Нейронаука Выпуск 157 биомаркер прогнозы связанные с событиями потенциалы скрытые компоненты cued GO / NOGO задача дефицит внимания / гиперактивности (СДВГ)
События, связанные с потенциалом (ERPs) и другие ЭЭГ на основе методов для извлечения биомаркеров дисфункции мозга: Примеры из детского дефицита внимания / гиперактивности (СДВГ)
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Ogrim, G., Kropotov, J. D. Event… More

Ogrim, G., Kropotov, J. D. Event Related Potentials (ERPs) and other EEG Based Methods for Extracting Biomarkers of Brain Dysfunction: Examples from Pediatric Attention Deficit/Hyperactivity Disorder (ADHD). J. Vis. Exp. (157), e60710, doi:10.3791/60710 (2020).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter