Summary
EEG-metoder tillämpas för att extrahera biomarkörer för hjärnandysfunktioner. Fokus ligger på händelserelaterade potentialer med flera kanaler som registrerats i en cued GO/NOGO-aktivitet. Icke-hjärnartefakter korrigeras och ERPs jämförs med normativa data. Exempel avser biomarkörer för ADHD-diagnos och förutsägelse av medicinering svar.
Abstract
Neuropsykiatriska diagnoser som ADHD är baserade på subjektiva metoder som intervjuer, betygsskalor och observationer. Det finns ett behov av mer hjärnbaserade kosttillskott. Stimulerande läkemedel är den vanligaste behandlingen för ADHD. Kliniskt användbara prediktorer för svar har hittills inte rapporterats. Syftet med detta dokument är att beskriva EEG-baserade metoder vi tillämpar för att extrahera potentiella biomarkörer för hjärndysfunktion. Exempel avser biomarkörer för pediatrisk ADHD, och förutsägelse av medicinering svar. Tyngdpunkten ligger på händelserelaterade potentialer.
En nitton kanal EEG registreras under en 3 min ögon-öppnade uppgift, en 3 min ögonslutna uppgift, och en 20 min cued visuella GO / NOGO uppgift (VCPT). ERPs registreras under den här aktiviteten. Målet med ERP-protokollet är att extrahera biomarkörer för förmodade hjärndysfunktioner som avsevärt skiljer mellan en patientgrupp och friska kontroller. Protokollet omfattar inspelning under standardförhållanden och artefaktkorrigering. ERP-vågor kan användas eller omvandlas till latenta komponenter. Komponenterna i patientgruppen jämförs med kontroller, empatikomponenter som, jämfört med jämförda, uppvisar relativt högeffektsstorlekar. Undergrupper av patienterna väljs på grundval av klusteranalysen inom komponenternas utrymme. Behandlingsförfarande (såsom medicinering, tDCS eller neurofeedback protokoll) kan tillämpas och förändringar i komponenter relaterade till behandling i undergrupperna observeras, utgör grunden för kliniska rekommendationer.
De metoder som beskrivs tillämpades i en studie av 87 pediatriska ADHD-patienter. Indexet för medicinering svar diskriminerade betydligt mellan responders och icke-responders med en stor, och kliniskt meningsfull effekt storlek (d = 1,84). I en pågående studie där ADHD-barn jämförs med matchade kontroller diskriminerar flera variabler signifikant mellan patienter och kontroller. Det globala indexet kommer att överstiga d = 0,8. De EEG-baserade metoder som beskrivs här kan vara kliniskt meningsfulla.
Introduction
Under 2008, initierat av NIMH, publicerades projektet Research Domain Criteria (RDoC)1, i syfte att hitta ett biologiskt giltigt ramverk för förståelsen av psykiska störningar. I 2013, Us Food and Drug Administration (FDA) godkänt den första EEG-baserade biomarkör av ADHD för att bedöma ADHD hos patienter från 6 till 17 år. Det neuropsykiatriska EEG-baserade bedömningsstödet (NEBA) registrerar EEG i 15-20 min. Det är baserat på uträkningen av theta / beta förhållandet visar sig vara högre hos barn och ungdomar med ADHD än i typiskt utveckla barn2. Nyligen genomförda publikationer tycker att detta förhållande inte fångar alla ADHD3.
Ett stort antal publikationer inom klinisk neurovetenskap visar att nedsatt kognitiv kontroll representerar ett vanligt inslag i många psykiska störningar, inklusive ADHD, schizofreni, depression och OCD4,5. Teoretiskt består kognitiv kontroll av hypotetiska operationer som gör det möjligt för människor att anpassa flexibelt till mål och sammanhang. Två olika kategorier av kognitiv kontroll, proaktiv och reaktiv kontroll, har beskrivits6. Vårt primära fokus ligger på det reaktiva läget för kognitiv kontroll. Proaktiv kognitiv kontroll inkluderar arbetsminne (dvs. upprätthålla sensoriska och motoriska händelser i sekunder). Reaktiv kognitiv kontroll omfattar övervakning, detektion av konflikt7,,8, och åtgärdhämning (för granskning se9,10).
GO/NOGO-paradigmet är känsligt för kognitiv kontroll11,12,13,14,15. GO stimuli framkalla positiva fluktuationer från parietal hjärnområden. (P3 GO). De främre distribuerade positiva N2- och P3 NOGO-vågorna, som framkallas av NOGO stimuli, är förknippade med upptäckt av konflikt- och åtgärdshämning16,17,18,19. N2 vågen har förståtts som en indikator på hämning av åtgärder, men uppdaterad forskning visar att N2 vågen är associerad med sällsynta GO stimuli och upptäckt av konflikt20. Åtgärdhämning är kopplad till P3 NOGO-vågen vid frontcentraler.
N2/P3 dikotomi kanske inte är korrekt. Det har ifrågasatts av en uppfattning att ERP vågor, särskilt de som representerar kognitiv kontroll, är summor av flera källor som kan överlappa på platser och tid14,21.
För att skilja källorna till ERP vågor, flera metoder för blind källa separation har använts15,22,23,24. I studier vid Institutet för den mänskliga hjärnan, St Petersburg, N2d NOGO våg har förmultnat. Dolda komponenter upptäcktes. Dessa komponenter hade distinkta kretsmönster och funktionella betydelser. Endast en av dem var associerad med upptäckt av konflikt14,15,25,26. I de flesta vuxna studier av ADHD, P3 NOGO är mindre i jämförelse med matchade friska kontroller27,28,29,30,31,32.
Hjärnan operationer som äger rum under uppgifter kognitiv kontroll verkar inte vara korrekt förklaras av N2/P3 dikotomi när ERPs i GO / NOGO paradigm analyseras14,15. Flera metoder som syftar till att skilja dolda komponenter från ERP vågor har använts (för granskning se21). Vissa studier har använt oberoende komponentanalys (ICA) för ERPs i patientgrupper som patienter med schizofreni29, och vuxna med ADHD33,34, försöker diskriminera patienter från kontroller utan diagnoser.
I (Yeredor, 2010,25 p.75) föreslås och anpassas en ny metod för erp. Det är en metod för blind källseparation, baserad på ett förfarande för gemensam diagonalisering av korsvariansmatriser. För att studera de funktionella betydelserna av sådana latenta komponenter som tillämpar denna metod i cued GO / NOGO paradigm, en studie från Institute of the Human Brain genomfördes nyligen26. I denna studie manipulerades åtgärdshämningsåtgärderna och konfliktdetekteringsoperationerna oberoende av ändringar av go/NOgo-uppgiften. En dold komponent, som tros återspegla upptäckt av konflikter, hittades. En N2-liknande respons och fronttopografi kännetecknas denna komponent35. I försök som kräver hämning av förberedda åtgärder sågs en central topografi och P3-liknande svar.
I denna publikation har de rapporterade studierna använt den traditionella ERP-metoden. Tillämpningen av ICA, eller förfarandet för gemensam diagonalisering av korsvariansmatriser25 (sidan 75) har hittills inte gjorts. I allmänhet, resultaten bygger på de olika metoderna håller med varandra, men metoderna för att upptäcka latenta komponenter verkar vara mer rent förknippade med distinkta neuropsykologiska funktioner. Syftet med detta dokument är att erbjuda en detaljerad beskrivning av WinEEG-metoden. Fokus ligger på ERPs, men EEG-spektra och beteendedata från GO/NOGO-uppgiften ingår också i de studier som beskrivs för att illustrera WinEEG-metoden.
Protocol
Den utrustning som beskrivs i protokollet är etiskt godkänd av sjukhusmyndigheterna och används för kliniska ändamål. Regionstyrelsen för medicinsk forskningsetik godkände de beskrivna projekten.
1. Hårdvara och mjukvara för ERPs-inspelning
- Använd förstärkare (t.ex. Mitsar 201) för EEG-förstärkning enligt tillverkarens protokoll. WinEEG programvara och två sammankopplade datorer behövs: den viktigaste datorn för EEG och knapptryckning inspelning, och slavdatorn, som styrs av huvuddatorn, för stimulans presentation.
- Använd lock med nitton elektroder placerade på huvudet i enlighet med det internationella 10-20-systemet.
OBS: Den utrustning som behövs, lock, elektroder, gel etc. kan erhållas från flera tillverkare. - Placera patienter/försökspersoner i en bekväm stol i ett ljudsäkert rum utan bakgrundsbelysning.
- Använd referentialmontage (Ref) som är standard. För senare jämförelser med HBi-databasen; ändra montage till vanligt genomsnitt (Av).
2. Kompetens och utbildning
- Se till att alla som deltar i registreringen av EEG, tolkning av data, klinisk användning och forskning måste ha nödvändig yrkesbakgrund och särskild utbildning i användningen av WinEEG.
3. Informera patienter/deltagare
- Informera patienterna/försökspersonerna om att proceduren inte är farlig, och det gör inte ont.
OBS: Sprutan som behövs för att fylla 19 hålen med gel är inte skarp. - Informera barnen om att forskarna inte kan läsa deras sinnen. Säg att i varje hjärna sker någon elektrisk aktivitet. För att läsa den behöver forskarna denna utrustning. Det finns ingenting med hjärnan, men forskarna vill se hur det fungerar när det slappnar av, och när det måste ta hand om en uppgift.
- Lämna utrustningen på plats i 10 min.
OBS: Under denna tidsperiod kan de yngsta barnen titta på en tecknad film om de vill. Ibland är en förälder tyst närvarande i baksidan av rummet tills barnet känner sig tryggt. - Informera motivet om att testet tar ungefär en timme. När utrustningen är korrekt placerad, tala om för motivet att koppla av med slutna ögon i 3 min, följt av 3 min avslappnad med öppna ögon.
4. Skapa EEG-datafiler
OBS: WinEEG har sina egna inbyggda databaser separat för lagring av råEEG-filer (förlängning - .eeg), EEG-spektra (förlängning - .spec) och ERP-filer (förlängning - .erp). Databaserna skapas automatiskt och initialt lagras i WinEEG/data, WinEEG/spec och WinEEG/erp-mappar.
- Om du vill starta en session med en patient skapar du en motsvarande EEG-datafil genom att klicka på menyn Arkiv | Nytt. Patientens kort visas på skärmen.
Följande format används: Placera i namnet eller koden för den person som ska testas. Sätt i födelsedatum (DD. Mm. YYYY) och M eller F för sex. Använd de andra öppna fälten på patientkortet efter behov.
5. Beredning av utrustningen
- Använd det lilla färgkodade bandet för att mäta huvudets omkrets för att hitta lockets storlek. Använd en liten patch för att torka av olja från örsnibbar och panna. Mät nasion-inion-avståndet (t.ex. 35 cm). Mitten av frontalpolelektroderna bör falla på en horisontell linje 10% av detta avstånd ovanför nasionen (t.ex. 3,5 cm).
OBS: Patientens hår måste vara rent (utan hårprodukter, etc.) och torrt. - Sätt lite hud prep gel (t.ex. Neuprep) på örsnibbarna. Fyll öronelektrodkopparna med ledande elektrogel (t.ex. Ten20) och sätt på öronelektroderna. Se till att de andra ändarna på dessa kablar är anslutna till förstärkaren.
- Berätta för ämnet att örsnibbelektroderna fångar "buller-el" i rummet, och att detta dras från elen från huvudet för att se vad som kommer från huvudet utan buller.
- Placera locket symmetriskt på huvudet med de främre polelektroderna placerade enligt beskrivningen ovan. Dra ner locket så långt som möjligt för att säkra att den är nära huvudet.
- Sätt linningen runt bröstet och fäst tryckknapparna anslutna till locket till detta band. Detta förhindrar rörelser av locket och elektroder under testning.
- Anslut locket-kabeln och öronkablarna till förstärkaren. Blanda inte vänster och höger öra.
- Klicka på WinEEG-menyn kontroll av impedansikonen. Ett förenklat huvud med alla elektroder visas. För det andra, fyll sprutan med gel och använd den för att fylla alla elektrodhål. Impedans är OK när de svarta cirklarna är gula.
OBS: Fyll alla hål innan du börjar arbeta med varje elektrod för att säkra korrekt impedans. Använd en tunn träpinne för att hjälpa gelen att nå huvudets hud, vilket är en förutsättning för att fånga elektrisk hjärnaktivitet. - Börja registreringen när alla 20 hål har en gul färg på skärmen, och färgskillnaden mellan enskilda hål är liten.
- Börja övervaka EEG-posten. Klicka på den gröna pilen (EEG-övervakning).
OBS: När den råa EEG signaler från alla 19 elektroder ses, be dem att blinka sina ögon och påpeka de stora förändringarna på främre platser. Dessa artefakter kan tas bort automatiskt. Kvaliteten på registreringen beror på avslappnade käkar, ögon och panna, och att alla typer av huvud- och kroppsrörelser måste undvikas så mycket som möjligt.
6. Registreringar av "slutna ögon" och "öppna ögon"
- Tala om för motivet att koppla av i den bekväma stolen med slutna ögon i 3 min. Innan du börjar "ögon öppnas" berätta för dem att sitta tyst i 3 min med ögonen öppnas vilar på skärmen framför dem.
- Tryck på den röda cirkeln (förvärva EEG) på menyraden, bredvid knappen "kontroll av impedans".
- Välj "slutna ögon" eller "ögon öppnas" genom att trycka på nästa ikon rullgardinsmenyn. Detta kommer att starta registreringen. Den förflutena tiden på några sekunder kan ses ovanför EEG-kurvorna.
- Tryck på pausknappen (inte "spara" eftersom detta kommer att göra ytterligare registreringar i samma fil omöjligt) efter 180 s. Be dem att öppna ögonen (eller stänga dem om ögonen öppnas var den första delen). Fortsätt registreringen. Efter 3 min, stanna och spara.
Om det inte sparas går data förlorade när du skapar en ny fil.
7. Förberedelser för EEG-inspelningar i den cued GO/NOGO-uppgiften
- Sätt i en speciell USB-dongel i rätt port innan du startar en EEG-inspelning. Ett litet ljus på donglen indikerar att systemet fungerar.
- Ge motivet en speciell knappbrytare i hans/hennes högra hand. Det behövs för att slutföra ett test som tar ca 20 min.
- Öppna uppgiftsmenyn och välj VCPT på slavdatorn framför patienten/deltagaren.
OBS: Ett instruktionsfönster som visar alla fyra kombinationer av bilder visas på skärmen slavdator: (djur-djur (a-a), djurväxt (a-p), växtväxt (p-p) och växt-människa (p-h). (Figur 1). Den stimuli presenteras på en 17-tums datorskärm, 1,5 meter framför ämnena. Ljudet som mäts vid motivets huvud skall vara 70 dB. - Instruera motivet att bilderna kommer i par, den första bilden följs av den andra i 1 s. Efter 3 s ett nytt par kommer att starta.
- Tala om för motivet att den vänstra musknappen måste tryckas in varje gång kombinationen visas. I a-a-kombinationer är de två djuren alltid identiska.
- Informera ämnet att vara så exakt som möjligt, men också snabbt. Motivet ska inte trycka på musknappen på a-p-, p-p- eller a-h-kombinationer.
- Tala om för motivet att ignorera slumpmässiga ljud i p-h kombinationer.
- Tryck in på slavdatorn och kör uppgiften i ca 2-5 min för att träna ämnet tills han / hon förstår ordentligt.
- På slavdatorn väljer du alternativet växla till slavläge.
Aktivitetspresentationen hanteras nu av WinEEG-programmet på huvuddatorn.
Bild 1: VCPT: Visuellt kontinuerligt prestandatest. Figur 1 visar de fyra villkoren för VCPT. Hundra försök av varje villkor presenteras slumpmässigt. Den totala testtiden är 20 min. Klicka här för att se en större version av denna siffra.
8. EEG och knapptryckning inspelningar i aktivitetsskick
- Starta ALTERNATIVET EEG-övervakning på huvuddatorn från inspelningsmenyn för att kontrollera att systemet fungerar som det ska.
- Starta EEG-anskaffningsalternativ från inspelningsmenyn på huvuddatormenyrutan. Alternativet Stimuli presentationsprogram är markerat. Välj VCPT och starta stimuli-presentationerna på slavdatorn.
OBS: Varje gång den vänstra musknappen trycks in ses ett rött märke under EEG-kurvorna. Det finns två linjer, en till vänster och en för den högra musknappen. - Kontrollera att de röda märkena inte visas på den lägsta raden, eftersom det indikerar att de använde den högra knappen. Använd pausknappen och tala om för motivet att använda vänster musknapp.
- Övervaka EEG-registreringen och notera incidenter av potentiellt intresse. Om alltför många artefakter, relaterade till muskler eller rörelser, observeras; pausa registreringen och påminna motivet att slappna av och sitta stilla. Fortsätt registreringen.
OBS: EEG-registreringen under uppgiften tar 20 min och består av 400 par bilder; 100 av varje par; a-a, a-p, p-p och p-h. Paren presenteras i slumpmässig ordning. (Se figur 1). - Ta en kort paus efter varje 100 par. Tryck på pausknappen. När du sitter i stolen uppmuntra dem att sträcka sina armar och ben och lossa deras ansiktsmuskler. Erbjud något att dricka. Fortsätt registreringen efter en minut eller två.
9. Avsluta registreringen
- Stoppa registreringen när alla 400 försöken är slutförda genom att trycka på Inspelning | Sluta.
Obs: Genom att trycka på alternativet Spara filer lagras filen med det inspelade råa EEG- och knapptryckningskanalen i den inbyggda databasen. - Tala om för motivet att sitta kvar tills forskaren tar bort locket, midjebandet och öronelektroderna.
OBS: Vanligtvis finns det ingen gel i håret när detta är klart. Ta bort gelen med en pappersduk. De flesta patienter / deltagare föredrar att tvätta håret när de är hemma, men det bör finnas en möjlighet att tvätta håret direkt efter registreringen. - Tacka ämnet för att slutföra uppgiften. Be dem betygsätta VCPT (1-10 skala), Hur tråkigt? Hur ansträngande? Beroende på avtalet, berätta för dem vad som händer härnäst när det gäller testresultaten.
10. Rengöring
- Rengör öronelektroderna (doppa i varmt vatten) och täck så snart som möjligt. Vatten, tvål och en mjuk borste behövs. Kontrollera alla hål för att se att gelrester avlägsnas innan locken hängs någonstans att torka.
11. Förbearbetning av EEG-posten
OBS: Tre olika elektrodmontage finns i HBIdb-programvaran. De är: länkade öron referens (märkt som Ref), gemensam genomsnittlig referens (märkt som Av) och lokal genomsnittlig referens (märkt som Aw). Välj montage från Montage-listan i SETUP-menyn. EEG registreras i Ref. Ändra till Av innan artefaktkorrigering påbörjas.
- Ta bort ögonrörelser artefakter genom att tillämpa ett förfarande för rumslig filtrering.
OBS: De rumsliga filtren erhålls genom tillämpning av Oberoende komponentanalys (ICA) på ett valt EEG-fragment. Fragmentet måste innehålla minst 90 s rådata. - Markera EEG-fragmentet genom att klicka på musens vänstra knapp i tidsfältet i början av fragmentet och genom att klicka på den högra knappen i tidsfältet i slutet av fragmentet. Hela fragmentet efter markeringen markeras med gul färg.
Artefaktkorrigeringsproceduren implementeras genom att välja alternativet Artefaktkorrigering på analysmenyn. Fönstret med namnet Spatial filterparametrar uppskattning visas på skärmen. - Välj ICA-metoden för att kunna jämföra de enskilda spektra- och affärssystemen med HBI-referensdatabasen.
Obs: Fönstret För uppskattning av parametrar för rumsliga filter visas. Från vänster till höger: 1) ett fragment av rå (okorrigerat) flerkanaligt EEG, 2) ett fragment av korrigerade EEG, 3) vågform av korrigerade artefakter, 4) tid kurser extraherade ICA komponenter (från toppen till botten) och 5) topografier av oberoende Komponenter. - Välj de kretsmönster som är associerade med ögonblinkningar och horisontella ögonrörelser. Acceptera genom att klicka på OK.
- Implementera proceduren med namnet Markera artefakter genom att klicka på alternativet Markera artefakter på analysmenyn.
OBS: Detta kommer att avvisa långsamma och högfrekventa fragment-extremvärden: EEG-fragment som är förorenade av icke-ögon rörelse artefakter (episoder av muskelspänningar, huvudrörelser etc.) är undantagna från ytterligare analys. I vissa komplexa fall manuell artefakt avslag kan komplettera förfarandet beskrivs.
12. Beräkna EEG-spektra
- Välj EEG-spektra och fragmentariska ögon som är stängda eller ögon som öppnas från analysmenyn. Om standardinställningarna visas i bild 2 trycker du på OK.
OBS: Spektra visas i figur 3 för alla 19 platser. X-axeln är frekvens i Hertz (Hz) och y-axeln är effekt i mikrovolt (μV). - Välj analys | Jämförelse av resultat för att jämföra den individuella spektra med databasen. I det vänstra fönstret väljer du patienten/motivet. I det högra fönstret väljer du databasfilen (eller en annan öppen fil) och trycker på OK för jämförelse. En bild som visar skillnaden mellan motivet och databasen visas.
OBS: Spectra visar den kvadratiska medeleffekten hos frekvenserna från 0 Hz till 30 Hz. (Frekvenser under 1,5-2 Hz bör tolkas med försiktighet eftersom de ofta påverkas av artefakter). Att tolka spektra ligger utanför detta protokoll. Paroxysmals av potentiella kliniska intresse kanske inte visas i spektra men kan ses i rå EEG.
Bild 2: Computing EEG spektra. Så här beräknar du spektra: Klicka på Analys | Spectra. Om inställningarna är korrekta visas bilden som visas i bild 2. Klicka här för att se en större version av denna siffra.
Figur 3: EEG-spektra med 19 elektroder. Figur 3 visar EEG-spektra på 19 platser. X-axeln är frekvens från 0-30 Hz. Y-axeln är effekt i μV2. Klicka här för att se en större version av denna siffra.
13. Datoranvändningshändelserelaterade potentialer (ERPs)
Obs: Händelserelaterade potentialer (ERPs) beräknas av en medelvärdesprocedur. Endast korrekta försök ingår. ERPs beräknas efter avslutad förbearbetning som beskrivs ovan. Guldmyntfoten för datorsystem är att hålla antalet genomsnittliga försök över 50.
- Välj en EEG VCPT-fil i vanliga genomsnittliga montage (Av). Klicka på Beräkna ERP på analysmenyn.
OBS: Om HBdb-donglen inte är ansluten till datorn eller inte är aktiverad av någon anledning, tillåter HBdb användaren att läsa EEG-filerna och förbearbeta dem, men gör det inte möjligt att beräkna spektra och ERPs med databasen. - Klicka på OK. Ett fönster som visar parametrar för ERP-beräkning inträffar (bild 4).
OBS: Som visas i figur 4är parametrarna följande: Försöksgrupper: 1: a-a GO; 2: a-p NOGO; 3: p-p (ignorera försök); 4: p-h (nyhet prövningar); samt 5: + vilket innebär att alla prövningar började med presentation av a; och 6: - vilket innebär att alla prövningar började med presentation av p. Dessutom visas ERP-differensvågorna. - Klicka på OK. ErPs för den analyserade filen beräknas och presenteras i grafisk form i ERP-fönstret (Bild 4).
OBS: ERP-fönstret består av 19 grafer av ERPs för varje aktivitetsvillkor: a-a GO, a-p NOGO, p-p, p-h. Endast a-a GO och a-p NOGO visas i figur 4. I varje diagram: X-axeln är tid i ms., Y-axeln är spänning i μV. Figur 4 presenterar resultaten av justeringen av presentationsformuläret. Endast kategorier av försök a-a GO, a-p NOGO väljs (GO avbildas i grön färg, NOGO avbildas i röd färg). Skalan väljs vid 12 μV. Tidsintervallet väljs från 1400 ms. tidpunkten för presentationen av Stimulus 2 väljs med en varaktighet på 700 ms. - Om du vill mappa vågen för erps (Event Related Potentials) klickar du på musens högra knapp vid den valda tiden (längs X-axeln)i alla diagram och släpper sedan den och väljer Lägg till kartalternativ för den öppnade menyn. Motsvarande kartor visas längst ned på sidan.
Figur 4: Parametrar för ERP-beräkning. Figur 4 visar ERP-komponenter a-a GO (grön) och a-p NOGO (röd) på 19 platser. Tidsintervallet är 1400 ms till 2100 ms A-a GO är tydligast på plats Pz och a-p NOGO på Cz. Klicka här för att se en större version av denna siffra.
14. Registrering och jämförelse av beteendedata i VCPT
- Klicka på den högra musknappen i fönstret som visar ERPs och välj grupper info för att se antal utelämnanden (missade knappklick), provisioner (impulsiva extra klick, genomsnittlig reaktionstid (RT) för a-a-GO, och RT variationer.
- Välj analyser | Jämförelse av resultat. Markera motivets fil i det vänstra fönstret och jämförelsefilen i det högra fönstret. Klicka på OK.
OBS: Vi använder åldersbaserade papperstabeller som visar percentilerna för dessa variabler i normgruppen.
15. Jämföra händelserelaterade potentialer med referensdatabasen
OBS: Tidsintervallet för jämförelse definieras genom att motsvarande tal i menyn skrivas: Tidsintervall från (ms), Varaktighet (ms). ERPs kan selektivt presenteras för vissa kategorier av försök (t.ex.
- Välj Jämförelse av resultat på analysmenyn. Klicka på patienten/motivet i det vänstra fönstret och klicka på HBIdb i det högra fönstret.
Obs: Om du vill jämföra ämnet med till exempel en tidigare registrering öppnar du den gamla filen och väljer den här istället för HBIdb). Jämförelsefönstret för felvillkor visas. Det här fönstret visar skillnaden ERP-våg i μV. Ämnesreferens beräknas för varje kanal. - Tryck på musens högra knapp vid en tidpunkt av intresse och på en kanal av intresse för att erhålla avvikelsens signifikans från referensen. Motsvarande värden visas längst ned i fönstret som visar skillnaden i μV, den valda tidpunkten och p-värdet.
Obs: Att presentera skillnadsvågor med konfidensnivåer är ett tillgängligt alternativ. Den blå linjen under diagrammen visar konfidensnivåer av avvikelse från referensen som beräknas för varje kanal och varje tidpunkt för grupp 3. - Välj grupper för ERP-skillnad genom att klicka på pilen vid 1 (individens ERPs). Välj a-a GO [1]. För referenserial ERPs klicka 2. Välj a-a GO [2]. Klicka på 3 och a-a GO [D] för att se skillnaden (1-2). Aktiv grupp 4: Välj Ingen på den här menyn.
- Definiera tidsintervallet för intresse genom att skriva (eller välja) motsvarande tal i menyn: tidsintervall från (ms), varaktighet (ms) (t.ex. 1400, 700 för att analysera ERPs som svar på den andra stimulansen).
- Placera markören vid en tidpunkt och kanal av intresse och klicka på den högra knappen på musen och välj Lägg till karta på popup-menyn. En karta som visar avvikelsen från referensen visas.
OBS: Genom att jämföra oberoende komponenter i affärsmöjligheter (ERPs) med referensdatabasen ger programvaran en möjlighet att förmultra enskilda affärssystem i oberoende komponenter. Komponenterna är associerade med särskiljande psykologiska operationer.
Representative Results
Förutsägelse av medicinering svar i pediatrisk ADHD
ADHD är en vanlig neuropsykiatrisk barnsjukdom36. Det kännetecknas av symtom på ouppmärksamhet tillsammans med symtom på hyperaktivitet och impulsivitet. Nedskrivningar i skol-, hem- och fritidsmiljöer är vanliga. Hos barn i skolåldern är den uppskattade prevalensen 5–7 procent. Samsjuklighet är vanliga. Medicinsk behandling, med hjälp av stimulantia baserade på metylfenidat (MPH) eller dextroamfetamin (DEX), används ofta. Positiva effekter av stimulerande medicinering (minskning av rastlöshet, hyperaktivitet och impulsivitet och förbättrad uppmärksamhet) rapporteras hos 70% av patienterna. Flytta från medicinering baserat på MPH till DEX kan öka positiva effekter till 80%37,38. Frontal-striatal kretsar verkar aktiveras av stimulantia39.
Det finns ingen allmänt accepterad definition av ett läkemedelssvar som är kliniskt meningsfullt. Tillämpa betygskalor, jämföra baslinje poäng med poäng på medicinering, är den vanligaste metoden. I vissa studier används en 25% eller 50% minskning av poäng som definition av svar. I andra studier används poäng som inte överstiger 1 SD över populationsmedelvärdet40,41. Kliniskt används ett övergripande beslut baserat på alla relevanta tillgängliga data. För att utvärdera biverkningar, såsom aptitlöshet, sömnlöshet, ökad irritabilitet, eller ångest, är viktigt37,42.
Användningen av betygsskalor kan kritiseras av flera skäl. Små korrelationer (0,30-0,50) mellan lärare och förälder poäng rapporteras i flera studier48. Sökandet efter kliniskt användbara prediktorer för svar motiveras av ett stort antal icke-responders, informanter som inte håller med, och det faktum att alla kan ha några blygsamma effekter av förbättrad uppmärksamhet när små doser av stimulantia används. Publicerad forskning om prediktorer av svar inkluderar ADHD subtyp, demografi, komorbida störningar, genvariabler, betyg på betygskalor, neuropsykologiska testresultat, och EEG / ERP variabler43,44,45,46. Vår publikation 201647 sammanfattar studier som har tillämpat ERPs för att förutsäga medicinering svar.
I tidigare studier analyserar vi d-data från den visuella GO/NOGO-uppgiften (dvs. uppmärksamhetstestdata, EEG-spektra och ERPs). I en studie fann vi 3 variabler som bidrar avsevärt till förutsägelse av biverkningar. Dessa variabler kombinerades till ett index som ansågs kliniskt meningsfullt42. I en studie om kliniska effekter, med samma metoder, ansågs förutsägelseindex också vara kliniskt användbart48. Effekterna av en enda dos av stimulerande läkemedel på medicinering responders (REs) och icke-responders (icke-REs) undersöktes i en tredje studie47. Testproceduren slutfördes två gånger, det första testet utan medicinering och det andra testet en timme efter att ha fått en försöksdos. Baserat på betygsskalor och intervjuer efter en 4-veckors medicineringstudie klassificerades patienterna som res eller icke-res. Vårt fokus låg på förändringar i kognitiva ERPs och betyg uppmärksamhet test. Vi fann att effekterna på P3 NOGO komponenten var betydligt annorlunda i de två grupperna, med en stor effekt storlek(d = 1,76). En betydande ökning av komponentamplituden sågs i res men inte i icke-REs. Förutsägelser om svar baserat på två tester förbättrades jämfört med prognoser baserade endast på test 1.
I vår senaste studie utvecklade vi två globala index, en för förutsägelse av kliniska vinster och en för förutsägelse av biverkningar. Som beskrivits ovan kombinerade vi variabler som diskriminerade avsevärt mellan jämförda grupper med en blygsam eller stor effektstorlek. Varje variabel viktades i enlighet med effektstorleken. Vi undersökte variabler från alla tre WinEEG-domäner: EEG-spektra, ERPs och beteende. Följande variabler kombinerades: Test 1: P3NOGO amplitud och theta/alpha ratio; skillnader mellan test 2 och test 1: Utelämnandefel, reaktionstidsvariationer, kontingent negativ variation (CNV) och P3NOGO-amplitud. Effektstorleken på den globala skalan var d = 1,86. Noggrannheten var 0,92. Prediktion av biverkningar baserades på 4 variabler: Test 1: RT, Test 2: nyhet komponent, alfa toppfrekvens, och förändringar reaktionstid (Test 2 - Test 1). Den globala skalan d var 1,08 och noggrannhet var 0,7849.
Några preliminära resultat
I en pågående studie jämför vi en grupp på 61 ADHD-patienter i åldern 9-12 år och en grupp av 67 åldersmatchade friska kontroller (HC). De slutliga statistiska analyserna har hittills inte slutförts. Nedan presenterar vi de preliminära resultaten från WinEEG bedömning.
Beteendemässigt visade ADHD-gruppen ett ouppmärksamhetsmönster med statistiskt (på p<0.001) fler utelämnande fel jämfört med friska kontroller (HC) grupp (13,7% vs 4,8%) åtföljs av ett uppmärksamhetsmönster uttryckt i statistiskt högre (p<0.001) variabilitet av reaktionstid (151 ms jämfört med 125 ms).
De viktigaste resultaten av att jämföra erp-vågformer mellan de två grupperna visas i figur 5 och figur 6. Figur 5 visar ERP korrelerar av dysfunktion av proaktiv kognitiv kontroll i ADHD-gruppen. Två index för proaktiv kognitiv kontroll (P3 cue våg och CNV våg) minskas i ADHD-gruppen i jämförelse med HC-gruppen. Figur 6 visar ERP korrelerar av dysfunktion av reaktiv kognitiv kontroll i ADHD-gruppen. Två index för reaktiv kognitiv kontroll (N2 NOGO och P3 NOGO) reduceras i ADHD-gruppen jämfört med HC-gruppen.
Figur 5: Grand genomsnittliga ERP vågmönster (a) och motsvarande kartor (b) i proaktiv kognitiv kontroll i ADHD och hälsosam kontroll (HC) grupper. (a)ERPs mätt vid P3 i ADHD-grupp (grön linje) och HC-grupp (röd linje) och deras skillnad (ADHD-HC) våg (blå linje). Blå vertikala staplar under kurvorna indikerar nivån av statistisk betydelse för skillnaden (små staplar - p<0,05, mellanstaplar - p<0,01, stora staplar - p<0.001). Pilar indikerar de klassiska vågorna - P3 cue och CNV (kontingent negativ variation). b)Kartor över p3- och CNV-vågornas maximikartor för de två grupperna. Klicka här för att se en större version av denna siffra.
Figur 6: Grand genomsnittliga ERP vågmönster (a) och motsvarande kartor (b) i reaktiv kognitiv kontroll i ADHD och friska kontroll (HC) grupper. a)ERPs mätt vid Fz och Cz ADHD grupp (grön linje) och HC grupp (röd linje) och deras skillnad (ADHD-HC) våg (blå linje). Blå vertikala staplar under kurvorna anger nivån på den statistiska betydelsen av skillnaden (små staplar - p<0,05, mellanstaplar - p<0,01, stora barer - p<0,001). Pilar indikerar de klassiska vågorna - N2 NOGO och P3 NOGO. b)Kartor över maximierna av amplituder för N2 NOGO- och P3 NOGO-vågor för de två grupperna. Klicka här för att se en större version av denna siffra.
Som man kan se ADHD-gruppen visar hypo-funktion av flera operationer av kognitiv kontroll. Dessa operationer sker i olika tidsfönster och på olika rumsliga platser. En viss patient kan ha endast en hypo-fungerande som anger källan till den individuella sjukdomen och hur dess korrigering.
Klinisk signifikans
För att beräkna en kliniskt användbar biomarkör för en heterogen diagnos såsom ADHD, flera variabler som skiljer sig avsevärt mellan ADHD och kontroller måste kombineras. Effektstorleken(d)för ett index bör vara över d = 0,8. Ett viktigt nästa steg kommer att vara att tillämpa detta index när ADHD jämförs med kliniska kontroller.
Discussion
Diagnoser inom psykiatrin bygger på observerat beteende. I de flesta fall måste ett visst antal symtom observeras i olika inställningar i 6 månader eller mer. En viktig del av diagnosprocessen är att utesluta somatisk etiologin. Dessutom måste andra psykiatriska diagnoser övervägas. Ganska ofta symptomen av intresse kan vara en del av en annan diagnostisk kategori. Om flera symtom överlappar andra sjukdomar måste prövningsläkaren avgöra om denna andra sjukdom är en komorbid eller differentialdiagnos.
De kliniska verktyg som finns tillgängliga är diagnostiska intervjuer, betygsskalor, medicinsk och utvecklingshistoria, psykologiska tester och direkta observationer. De flesta av dessa metoder är ganska subjektiva; starkt påverkad av uppgiftslämnaren och den professionella. Betygsskalor från föräldrar och lärare visar vanligtvis ganska blygsamma korrelationer (r = 0,3 - 0,5).
I de representativa resultaten hävdar vi att de underliggande mekanismerna i ADHD förmodligen skiljer sig från patient till patient. Brist på (språk) förståelse, problem med självmotivation, känslighet för externa distraktorer, etc. kan alla leda till symtom på ouppmärksamhet. De EEG-baserade metoder som beskrivs i detta dokument kan hjälpa till att lösa några av dessa utmaningar. Problemet med subjektiva tolkningar saknas. De erp-metoder som beskrivs verkar avslöja underliggande psykologiska operationer som arbetsminne, åtgärdhämning, övervakning, responsberedning, etc. med specifika hjärnstrukturer. Underskotten i dessa mekanismer är inte begränsade till specifika diagnostiska kategorier. Vi tror att i framtiden, behandling (medicinering, neurofeedback, kognitiv träning, tDCS, ...) kommer att fokusera på sådana kognitiva och /eller känslomässiga operationer och deras underliggande hjärnan mekanismer och inte på de nuvarande diagnostiska kategorierna.
Ett syfte med en diagnos är att bestämma de bästa behandlingarna. För att utvärdera effekterna av behandling är självrapporterade och observerade förbättringar naturligtvis avgörande. Sådana rapporter kan till viss del representera placeboeffekter, dock, och bör stödjas av (partiell) normalisering av underliggande hjärndysfunktioner återspeglas i till exempel förändringar i ERP komponenter. Denna kombination av subjektiva och objektiva mått på behandlingseffekter är viktig i både klinik och forskning.
Av skäl som de som nämns ovan är det ingen överraskning att personer med samma diagnoser ofta inte svarar på samma medicinska behandlingar. I personlig medicin diagnoser kompletteras med empiriskt baserade mått på svar förutsägelse för att precisera den bästa behandlingen för den enskilda patienten. I detta dokument har vi beskrivit vår forskning om förutsägelse av stimulerande medicinering svar i pediatrisk ADHD. Att hitta tillförlitliga prediktorer för positiv respons på antidepressiv medicin är kanske ännu viktigare eftersom den tid som behövs för att utvärdera svaren är lång, liksom titreringsperioden. De förfaranden som beskrivs i detta dokument kan bidra till den pågående EEG och ERP baserad forskning på förutsägelse av medicinering effekter i depression53.
De EEG-baserade metoder som beskrivs är icke-invasiva och prisvärda, och väl lämpade för forskning samt för kliniskt arbete.
Disclosures
Ogrim G. har inget att avslöja. Kropotov J.D. var chef för laboratoriet vid Institutet för den mänskliga hjärnan, St Petersburg när och var WinEEG-programmet utvecklades. Han har inga ekonomiska intressen i systemet.
Acknowledgments
Ingen.
Materials
| Name | Company | Catalog Number | Comments |
| amplifier + | www.mitsar-medical.com | ||
| Body harness, different sizes | Electro-Cap International, Inc | E3 SM; E3 M; E3 L | |
| Ear electrodes 9 mm sockets | Electro-Cap International, Inc | E5-9S | |
| Electrocaps 19 channel different sizes | Electro-Cap International, Inc | E1 SM; E1 M; E1 M/SM | |
| Electrocaps 19 channel different sizes | Electro-Cap International, Inc | E1 L/M; E1 L | |
| Electrogel for electrocaps | Electro-Cap International, Inc | E9; E10 | |
| HBi database | www.hbimed.com | ||
| Head size measure band | Electro-Cap International, Inc | E 12 | |
| Needle syringe kit | Electro-Cap International, Inc | E7 | |
| Nuprep EEG and ECG skin prep gel | Electro-Cap International, Inc | R7 | |
| Ten20 EEG conductive paste | Electro-Cap International, Inc | R5-4T | |
| WinEEG program | www.mitsar-medical.com |
References
- Insel, T., et al. Research domain criteria (RDoC), toward a new classification framework for research on mental disorders. American Journal of Psychiatry. 167 (7), 748-751 (2010).
- Snyder, S. M., Rugino, T. A., Hornig, M., Stein, M. A. Integration of an EEG biomarker with a clinician's ADHD evaluation. Brain and Behavior. 5 (4), e00330 (2015).
- Arns, M., Conners, C. K., Kraemer, H. C. A decade of EEG Theta/Beta Ratio Research in ADHD: a meta-analysis. Journal of Attention Disorders. 17 (5), 374-383 (2013).
- Egeland, J. Differentiating attention deficit in adult ADHD and schizophrenia. Archives of Clinical Neuropsychology. 22 (6), 763-771 (2007).
- Egeland, J., et al. Attention profile in schizophrenia compared with depression: differential effects of processing speed, selective attention and vigilance. Acta Psychiatrica Scandinavia. 108 (4), 276-284 (2003).
- Braver, T. S. The variable nature of cognitive control: a dual mechanisms framework. Trends in Cognitive Science. 16 (2), 106-113 (2012).
- Botvinick, M. M. Conflict monitoring and decision making: reconciling two perspectives on anterior cingulate function. Cognitive and Affective Behavior Neuroscience. 7 (4), 356-366 (2007).
- Ullsperger, M., Fischer, A. G., Nigbur, R., Endrass, T. Neural mechanisms and temporal dynamics of performance monitoring. Trends in Cognitive Science. 18 (5), 259-267 (2014).
- Bari, A., Robbins, T. W. Inhibition and impulsivity: behavioral and neural basis of response control. Progress in Neurobiology. 108 (Sep), 44-79 (2013).
- Huster, R. J., Enriquez-Geppert, S., Lavallee, C. F., Falkenstein, M., Herrmann, C. S. Electroencephalography of response inhibition tasks: functional networks and cognitive contributions. International Journal of Psychophysiology. 87 (3), 217-233 (2013).
- Simson, R., Vaughan, H. G. Jr, Ritter, W. The scalp topography of potentials in auditory and visual Go/NoGo tasks. Electroencephalography and Clinical Neurophysiology. 43 (6), 864-875 (1977).
- Falkenstein, M., Hoormann, J., Hohnsbein, J. ERP components in Go/Nogo tasks and their relation to inhibition. Acta Psychologica (Amst). 101 (2-3), 267-291 (1999).
- Verleger, R., Gorgen, S., Jaskowski, P. An ERP indicator of processing relevant gestalts in masked priming. Psychophysiology. 42 (6), 677-690 (2005).
- Kropotov, J. D., Ponomarev, V. A., Hollup, S., Mueller, A. Dissociating action inhibition, conflict monitoring and sensory mismatch into independent components of event related potentials in GO/NOGO task. Neuroimage. 57 (2), 565-575 (2011).
- Kropotov, J. D., Ponomarev, V. A. Decomposing N2 NOGO wave of event-related potentials into independent components. Neuroreport. 20 (18), 1592-1596 (2009).
- Bekker, E. M., Kenemans, J. L., Verbaten, M. N. Electrophysiological correlates of attention, inhibition, sensitivity and bias in a continuous performance task. Clinical Neurophysiology. 20115 (9), 2001-2013 (2004).
- Fallgatter, A. J., Aranda, D. R., Bartsch, A. J., Herrmann, M. J. Long-term reliability of electrophysiologic response control parameters. Journal of Clinical Neurophysiology. 19 (1), 61-66 (2002).
- Fallgatter, A. J., Strik, W. K. The NoGo-anteriorization as a neurophysiological standard-index for cognitive response control. International Journal of Psychophysiology. 32 (3), 233-238 (1999).
- Bruin, K. J., Wijers, A. A., van Staveren, A. S. Response priming in a go/nogo task: do we have to explain the go/nogo N2 effect in terms of response activation instead of inhibition. Clinical Neurophysiology. 112 (9), 1660-1671 (2001).
- Randall, W. M., Smith, J. L. Conflict and inhibition in the cued-Go/NoGo task. Clinical Neurophysiology. 122 (12), 2400-2407 (2011).
- Kappenman, E. S., Luck, S. J. ERP Components: The Ups and Downs of Brainwave Recordings. The Oxford Handbook of Event-related Potential Components. Luck, S. J., Kappenman, E. S. , 1st, University Press. Oxford: Oxford. 3-29 (2012).
- Ponomarev, V. A., Kropotov, I. Improving source localization of ERPs in the GO/NOGO task by modeling of their cross-covariance structure. Fiziol Cheloveka. 39 (1), 36-50 (2013).
- Makeig, S., Jung, T. P. Tonic, phasic, and transient EEG correlates of auditory awareness in drowsiness. Brain Research and Cognitive Brain Research. 4 (1), 15-25 (1996).
- Onton, J., Makeig, S. Information-based modeling of event-related brain dynamics. Progressions in Brain Research. 159, 99-120 (2006).
- Kropotov, J. D. Functional Neuromarkers for Psychiatry: Applications for Diagnosis and Treatment. , 1st, Elsevier/Academic Press. London. (2016).
- Kropotov, J. D., Ponomarev, V. A., Pronina, M., Jancke, L. Functional indexes of reactive cognitive control: ERPs in cued go/no-go tasks. Psychophysiology. 54 (12), 1899-1915 (2017).
- Bekker, E. M., Kenemans, J. L., Verbaten, M. N. Source analysis of the N2 in a cued Go/NoGo task. Brain Research and Cognitive Brain Research. 22 (2), 221-231 (2005).
- Fisher, T., Aharon-Peretz, J., Pratt, H. Dis-regulation of response inhibition in adult Attention Deficit Hyperactivity Disorder (ADHD), an ERP study. Clinical Neurophysiology. 122 (12), 2390-2399 (2011).
- Olbrich, H. M., Maes, H., Valerius, G., Langosch, J. M., Feige, B. Event-related potential correlates selectively reflect cognitive dysfunction in schizophrenics. Journal of Neural Transmission. (Vienna). 112 (2), 283-295 (2005).
- Grane, V. A., et al. Correction: ERP Correlates of Proactive and Reactive Cognitive Control in Treatment-Naive Adult ADHD. PLoS One. 11 (9), e0163404 (2016).
- Woltering, S., Liu, Z., Rokeach, A., Tannock, R. Neurophysiological differences in inhibitory control between adults with ADHD and their peers. Neuropsychologia. 51 (10), 1888-1895 (2013).
- Wiersema, R., van der Meere, J., Roeyers, H., Van Coster, R., Baeyens, D. Event rate and event-related potentials in ADHD. Journal of Child Psychology and Psychiatry. 47 (6), 560-567 (2006).
- Mueller, A., Candrian, G., Kropotov, J. D., Ponomarev, V. A., Baschera, G. M. Classification of ADHD patients on the basis of independent ERP components using a machine learning system. Nonlinear Biomedical Physics. 4 (Suppl 1), (2010).
- Mueller, A., et al. Discriminating between ADHD adults and controls using independent ERP components and a support vector machine: a validation study. Nonlinear Biomedical Physics. 5, 5 (2010).
- Kropotov, J. D., et al. Latent ERP components of cognitive dysfunctions in ADHD and schizophrenia. Clinical Neurophysiology. 130 (4), 445-453 (2019).
- Spencer, T. J., Biederman, J., Mick, E. Attention-deficit/hyperactivity disorder: diagnosis, lifespan, comorbidities, and neurobiology. Journal of Pediatric Psychology. 32 (6), 631-642 (2007).
- Barkley, R. A. Attention - Deficit Hyperactivity Disorder. A Handbook for Diagnosis and Treatment. , Third, The Guilford Press. New York, London. (2006).
- Spencer, T., et al. Pharmacotherapy of attention-deficit hyperactivity disorder across the life cycle. Journal of the American Academy of Child and Adolescent Psychiatry. 35 (4), 409-432 (1996).
- Rubia, K., et al. Effects of stimulants on brain function in attention-deficit/hyperactivity disorder: a systematic review and meta-analysis. Biological Psychiatry. 76 (8), 616-628 (2014).
- Ramtvedt, B. E., Roinas, E., Aabech, H. S., Sundet, K. S. Clinical Gains from Including Both Dextroamphetamine and Methylphenidate in Stimulant Trials. Journal of Child and Adolescent Psychopharmacology. , (2013).
- Sangal, R. B., Sangal, J. M. Attention-deficit/hyperactivity disorder: using P300 topography to choose optimal treatment. Expert Review in Neurotherapy. 6 (10), 1429-1437 (2006).
- Ogrim, G., Hestad, K. A., Brunner, J. F., Kropotov, J. Predicting acute side effects of stimulant medication in pediatric attention deficit/hyperactivity disorder: data from quantitative electroencephalography, event-related potentials, and a continuous-performance test. Neuropsychiatric Disease and Treatment. 9, 1301-1309 (2013).
- Barkley, R. A., DuPaul, G. J., McMurray, M. B. Attention deficit disorder with and without hyperactivity: clinical response to three dose levels of methylphenidate. Pediatrics. 87 (4), 519-531 (1991).
- Chabot, R. J., Orgill, A. A., Crawford, G., Harris, M. J., Serfontein, G. Behavioral and electrophysiologic predictors of treatment response to stimulants in children with attention disorders. Journal of Child Neurology. 14 (6), 343-351 (1999).
- Hale, J. B., et al. Executive impairment determines ADHD medication response: implications for academic achievement. Journal of Learning Disabilities. 44 (2), 196-212 (2011).
- Tannock, R., Ickowicz, A., Schachar, R. Differential effects of methylphenidate on working memory in ADHD children with and without comorbid anxiety. Journal of the American Academy of Child and Adolescent Psychiatry. 34 (7), 886-896 (1995).
- Ogrim, G., Aasen, I. E., Brunner, J. F. Single-dose effects on the P3no-go ERP component predict clinical response to stimulants in pediatric ADHD. Clinical Neurophysiology. 127 (10), 3277-3287 (2016).
- Ogrim, G., et al. Predicting the clinical outcome of stimulant medication in pediatric attention-deficit/hyperactivity disorder: data from quantitative electroencephalography, event-related potentials, and a go/no-go test. Neuropsychiatric Disease and Treatment. 10, 231-242 (2014).
- Ogrim, G., Kropotov, J. D. Predicting Clinical Gains and Side Effects of Stimulant Medication in Pediatric Attention-Deficit/Hyperactivity Disorder by Combining Measures From qEEG and ERPs in a Cued GO/NOGO Task. Clinical EEG and Neuroscience. 50 (1), 34-43 (2019).
- Lenartowicz, A., Loo, S. K. Use of EEG to diagnose ADHD. Current Psychiatry Report. 16 (11), 498 (2014).
- Johnstone, S. J., Barry, R. J., Clarke, A. R. Ten years on: a follow-up review of ERP research in attention-deficit/hyperactivity disorder. Clinical Neurophysiology. 124 (4), 644-657 (2013).
- Gamma, A., Kara, O. Event-Related Potentials for Diagnosing Children and Adults With ADHD. Journal of Attention Disorders. , (2016).
- van Dinteren, R., et al. Utility of event-related potentials in predicting antidepressant treatment response: An iSPOT-D report. European Neuropsychopharmacology. 25 (11), 1981-1990 (2015).
