Alzheimer hastalığı olan hastalarda olaya ilişkin potansiyeller kullanarak Episodik Bellek Özellikleri incelenmesi

Özet

Alzheimer hastalığı olan hastalarda tanıma belleği görev yaparken, yüksek yoğunluklu bir olay ile ilgili olası veri toplanması için metodolojinin gözden geçirilir. Bu protokol konu hazırlama, kalite güvencesi, veri toplama ve veri analizi içerecektir.

Özet

Laboratuvarımız, olay ile ilgili EEG potansiyeller (ERP), amnestik hafif bilişsel bozukluk u (aMCI) ve Alzheimer hastalığı (AH) olan hastalarda epizodik bellek davranışsal araştırmalar anlamak ve desteklemek için kullanır. Davranışsal veriler hastaların performansı hakkında bizi bilgilendirmek Oysa, ERP, beyin aktivite bize ayrık değişiklikleri kaydetmek için izin verir. Ayrıca, ERP, başlangıcı, süresi, ve bellek alımı ile ilişkili bağımsız bilişsel süreçlerin etkileşim içine bize fikir verebilir. Hasta popülasyonlarında, bu tür çalışmaların engelli olan ve bir kontrol nüfusa göre nispeten sağlam kaldığı bellek yönlerini incelemek için kullanılır. Bu katılımcıların bir tanıma bellek görevi yaparken savunmasız bir hasta popülasyonu ERP veri toplama yöntemi gözden geçirilir. Bu protokol, katılımcı hazırlanması, kalite güvencesi, veri toplama ve veri analizi içerir. Temel kurulum ve satın alma yanı sıra, aynı zamanda yüksek yoğunluklu (128 kanal) elektrod kullanarak daha yüksek uzaysal çözünürlüğü ve kaynak lokalizasyonu elde etmek için lokalizasyon teknikleri gösterecektir.

Protokol

1. EEG Ekipman ayarlayın

1. Laboratuvarımız, "aktif" elektrotlar (Amsterdam, Hollanda ile 128 kanal BioSemi ActiveTwo EEG toplama sistemi kullanır http://www.biosemi.com elde etmek ve ActiveTwo elektrot kap (Davranış Beyin Bilimleri Merkezi, Birmingham, Birleşik Krallık) ) ERP veri.
2. Pil tam olarak şarj ve amplifikatör takılı olduğundan emin olun.
3. Elektrot kabloları sabitlemek için şırınga, jel, mezura, çeşitli büyüklükteki EEG kapakları, alkol bezlerden, yüz elektrot çıkartmalar ve velcro kayış: set-up katılımcı tamamlamak için gerekli tüm malzemeleri toplayın.
4. Beş yüz elektrotlar çıkartmalar yerleştirin.

2. Uyaranlar Tanıtım ve Veri Toplama Bilgisayar

1. Uyaranlara sunum bilgisayar ve veri toplama bilgisayarı açın.
2. Bizim Laboratuvar uyaranlara sunmak ve davranışsal veri elde etmek için E-Başbakan yazılım (Pittsburgh, PA) kullanır.
3. Deney veri toplama bilgisayar için uygun tetikleme kodları gönderme olduğundan emin olmak için kontrol edin.
4. Bunu yapmak için:
   • Isabet başlangıç ​​(save), açık veri toplama, veri toplama bilgisayar yazılımı, katılımcı odası (Not Bunu yapmak için hiçbir elektrotlar veya kablolar takılı olması gerekir) amplifikatörü açın.
   • Deneme dosyasını açın, uyaranlara sunum bilgisayar gidin ve çalıştırın vurdu.
   • Artık veri toplama yazılım programı üzerinde gösteren deney dosya programlanmış uygun tetikleyici kodlarını göreceksiniz.

3. Katılımcı Hazırlığı

1. Detay katılımcı ve adresi herhangi bir güvenlik endişeleri ile tüm çalışma işlemleri. Ayrıca, hastaların tam olarak onları kendi kelimeleriyle araştırmacı geri protokolü rapor alarak protokol anlamak temin eder.
2. Orta boylu sabit destekli bir sandalyede rahat oturan bir katılımcı var.
3. Katılımcı oturduğundan sonra, ekrandan görme / hat deney için (burada 48 inç) standart olduğundan emin olun.
4. EEG kap kullanılması gerektiğini belirlemek amacıyla katılımcı kafa çevresi ölçünüz.
5. EEG kapağı ve doğru kaydı uygun bir şekilde uyum sağlayacak şekilde herhangi bir takı veya saç aksesuarları kaldırmak için katılımcı isteyin. Ayrıca, eğer katılımcı gözlük takıyor, ona sahip olmak en iyisi / yüz elektrotlar uygulanmış kadar onu bu noktada çıkarmak.
6. Her konu ile aşağıdaki incelemek için de önemlidir:
   • Motor hareketleri azaltmak için herhangi bir sakız ya da şeker / nane şekeri çıkarın
   • EEG kaydı kesmeyin başlayan önce tesislerini kullanmak için katılımcılar isteyin
   • Denemek ve hareketleri ve göz yanıp söner minimumda tutmak için katılımcı sorun, ama bunu yaparken aşırı endişe
7. Her mastoid biri, her biri bir tapınak üzerine ve sol göz altında doğrudan bir alkollü bez kullanarak, katılımcının petrol ve / veya yüz elektrotlar alınacaktır makyaj, cilt temizlemek.
8. Her yüz elektrot üzerine jel yapma küçük bir miktar koyun, elektrot yerinde kalacak olmasını sağlamak için küçük bir miktar basınç uygulayarak, etiket ve katılımcı bir yerden destek çıkarın.
9. Şimdi EEG kap katılımcının başının üzerine yerleştirin ve / çenesinin altında askısı sabitleyin. Katılımcı gözlük takıyor, ona / onu kapağı takmadan önce bu koymak.
10. Inion nasion (burun köprüsü) (başın alt sırt çıkıntısı), ölçü (santimetre). Bu ölçüm 0,5 (orta nokta bulma) ile çarpın ve bu elektrot A1, önden arkaya doğru yerleştirilmiş olmalıdır. Diğer bir kulak öncesi kulak çevresi, ölçü (kulak kıkırdağı üzerindeki girintiler). Bu ölçüm, orta, yan-yan elektrot A1 yere konulmalıdır.

4. Kaynak Yerelleştirme ve Elektrot Yerleştirme için sayısallaştırılması

1. Laboratuvarımız her katılımcının kafasına elektrot pozisyonları üç boyutlu gösterimleri elde etmek için (ya da baş modeller) Polhemus Patriot Sayısallaştırıcı / Yer Belirleme (Colchester, VT) kullanır. Bu, her bir katılımcı için kafatası şekli değişkenlik için kontroller ve daha doğru kaynak localisation hale getirir. Ayrıca, bu kafa modelleri yapısal manyetik rezonans görüntüleri ile birlikte MRG üstün uzaysal çözünürlüğü ve ERP superior temporal çözünürlük bağlamak için ortak kayıtlı olabilir.
2. İlk olarak, yerinde tutmak için chinstrap altında sıkışmış fazla kablosu ile, sol kulak arkasındaki kapağın altında yerelleştirme verici bir yer.
3. Katılımcının kafa verici yaklaşık 6 cm aşağıda bir konuma tahta bir sandalyeye alıcı takın.
4. Sayısallaştırma yazılımını açın ve elektrikli ölçümleri almakkalemle ode yerleri gibi yazılım tarafından istenir.
5. MR Yer Belirleme yazılımı kullanarak elektrot pozisyonları 3B kafa modeli oluşturun ve ham EEG veri lokalizasyonu için kabul.
6. Katılımcı için 3B kafa modeli bilgisayar ekranında doğrulandıktan sonra, önceden tanımlanmış ActiveTwo kap her yerde elektrot yerleştirmek için hazırsınız.
7. Tüm elektrot iletken jel ve fiş kap elektrot kuyu doldurun. Katılımcı arkasındaki tüm kabloları ve yüz elektrotlar toplayın ve amplifikatör içine takın.
8. Deneysel görev ve sürekli ilgi odağı korumak için sık sık mola isteyebilir özellikle yaşlı katılımcı bir mola, Alzheimer hastalığı olan hastalarda, sunun.
9. ActiView yazılımı tüm elektrotlar kabul parazit ve direnç seviyeleri olduğunu sağlamak için kullanılır. Tüm elektrotlar yerleştirilir ve katılımcı deney başlamak için hazır sonra ActiView yazılımı kullanarak veri toplama bilgisayar, elektrotlar direnç seviyeleri kontrol edilmelidir. Ofset seviyeleri + /-25μV içinde olmalıdır.
10. Tüm direnç seviyeleri kabul edildikten sonra, deney çalıştırılmak üzere hazırdır.

5. EEG Veri ve Deney için Veri Toplama

1. Laboratuvarımız, ham EEG verilerini görüntülemek ve satın almak için BioSemi ActiView yazılımı kullanır.
2. Davranışsal veri sunumu dosya yükleyin. Katılımcı sayısını girin. Deneysel yazılım katılımcı cevapları kaydeder ve bu katılımcı sayısı ile çalışan deney işlemini tamamladıktan sonra otomatik olarak bir veri dosyası oluşturur.
3. Katılımcı, 48 inç ekran monitör merkezinden oturduğundan emin olmak için bir kontrol yapın.
4. Deneme yüklendikten sonra, davranış talimatları okumak ve katılımcı ile doğrulanmış olmalıdır.
5. Mevcut tanıma bellek tasarım, deney, resim veya sözcük ya da bir dizi katılımcı sunulacak olan çalışma aşaması ile başlar.
6. Veri toplama bilgisayar ham EEG veri dosyası tasarrufu başlayın.
7. Uyaran sunum bilgisayar uyaran teslim başlayın.
8. Düğmesi kutusuna giriş tepkileri yaşlı yetişkinlerle bir araştırmacı iş var. Bu bilişsel bozukluğu olan hastalar için özellikle önemlidir.
9. Monitör molası için ihtiyacı da dahil olmak üzere davranışsal görevi sırasında katılımcı,.
10. Tüm davranışsal uyaranlar sunulmuştur sonra, ham EEG veri kaydedilmiş olması gerekir. Yine, davranışsal veriler E-Başbakan yazılım tarafından otomatik olarak kaydedilir.
11. Katılımcı tekrar resim veya sözcük ya da bir dizi ile sunulacak test aşamasında, çalışma ya da kodlama veri kaydettikten sonra, önceki 9 adım tekrarlanır. Test aşamasında, öğelerin yarısını roman olacak öğelerin çalışma aşamasında ve yarım olacaktır. Katılımcılar, araştırmacı yüksek sesle cevap raporlama eski / yeni öğenin durumunu belirleyebilir. Araştırmacı düğme kutusu girdi sonra katılımcının tepkisi.

6. Veri İşleme Post-Boru Hattı

1. Laboratuvarımız kullanır EMSE Suite 5.3
2. Ham veri, ilk kez hazırlanan ve dijital her türlü analiz tamamlanabilir önce sinyal gürültü ve yapıyı kaldırmak için filtre gerekir.
3. İlk olarak, sonsuz dürtü yanıtı ve bant geçiren filtreler gibi zamansal filtreler, uygulanabilir olmalıdır.
4. Sonra, veri kafasına bir noktada referans olmalıdır. Kaynakça seçin. Mevcut protokolde, ortak ortalama referans kullanın.
5. Sonra, veri mekansal süzülür ve kötü kanalları interpolasyon olmalıdır. Veri Görsel muayene yapılır ve uygun filtreler yerine konur.
6. Son olarak, göz artifakı düzeltme yöntemleri eyeblink ve göz hareketi artifakı için sinyal düzeltmek için kullanılabilir olmalıdır.

7. Temsilcisi Sonuçlar

Çalışmalarımız sağlıklı yaşlı yetişkinlerin göre hafif Alzheimer Kullanıcı hastalığı olan hastalarda resimler için görmeden kalır, erken frontal eski / yeni etkisi (hit> doğru ret), genellikle kavramsal işleme veya anma aşinalık ile ilişkili olduğu gösterilmiştir, ama değil bir deyişle için (Ally var McKeever, Waring & Budson, 2009). Ally et al. (2009) genellikle hatırlama ile ilişkili parietal yeni / eski etkisi, akranlarına göre hem kelime ve resimler için hasta bozulmuş olduğunu göstermiştir. Diğer bir deyişle, tanınması ile ilişkili frontal anıt süreçleri, AD ve sağlıklı yaşlı yetişkin hastalar arasında resimler için benzer şekilde görünür. Iki grup arasındaki farklılıkları incelemek aksine, bu süreçlerin hastalarda kelimeleri engelli. Gruplar arasındaki bu önemli fark, hem kelime ve resimler için arka bellek süreçleri için açıktır. Erken frontal e ile ilişkili bilişsel süreç olarak dikkate değer bir tartışma olmasına rağmen,ffect, hafif Alzheimer hastalığı olan hastalarda başarıyla kelimelere göre resimler için ayrımcılığı artırmak için kavramsal bir işleme ya da anıt aşinalık yararlanabilirler hipotez, ve bu süreçlerin büyük olasılıkla Alzheimer hastalığı olan hastalarda sağlam resim üstünlük etkisi altında yatan.

Kelime ve resimlerin başarılı alımı ile ilişkili Frontal ERP etkinliği çok hafif Alzheimer hastalığı ve sağlıklı yaşlı kontrolleri (Şekil 1) olan hastalarda gösterilmiştir. Bu görüntüler genellikle kavramsal işleme veya anma aşinalık ile ilişkili 300 ile 500 ms zaman aralığı sırasında alınmıştır. Resimler için benzer frontal eski / yeni etkisi (kırmızı Pseudocolor) ancak gruplar arasında kelimeler için etkisi azalmış dikkat edin. (Mavi Pseudocolor).

Şekil 1: Alzheimer Hastalar ve Sağlıklı Başlık Alma Görev sırasında Temsilcisi ERP Aktivitesi.

Tartışma

ERP ve davranışsal veriler farklı ve tamamlayıcı bilgi bize sağlayabilir. Davranışsal verilere hastaların performansı hakkında bizi bilgilendirir Oysa, ERP, beyin aktivite bize ayrık değişiklikleri kaydetmek için izin verir. Mükemmel zamansal çözünürlüğü nedeniyle, ERP, daha önce belirli eski / yeni bileşenler ile ilişkili olan anıt süreçlerin rolü (örneğin, kavramsal, işleme ve aşinalık, hatırlama, post-alma izleme süreçleri) dissociating ve anlamada çok yararlı ERP dalga (sırasıyla geç frontal, parietal, erken frontal...

Malzemeler

Bu makalede kullanılan malzemelerin listesi

Ad	Şirket	Katalog numarası	Yorumlar
Ürün	Şirket
BioSemi Aktif İki EEG Toplama Sistemi *	Cortech Solutions, Inc.
Polhemus Patriot Sayısallaştırıcı	Cortech Solutions, Inc.
E-Prime 2.0 Professional yazılımı	Psikoloji Yazılım Araçları, Inc.