Charakterisierung unabhängiger aufgabenbezogener neuronaler Korrelate verschiedener Ebenen der geistigen Arbeitsbelastung (CARACOg)
9. Oktober 2018 aktualisiert von: University Hospital, Grenoble
Ziel ist es, neurophysiologische Signaturen auf verschiedenen Ebenen der mentalen Belastung bei der Umsetzung von Aufgaben aller Probanden zu identifizieren.
Parallel dazu wird es eine methodische Arbeit geben, die darin besteht, Klassifizierungsalgorithmen zu entwickeln, die diese Ebenen der mentalen Arbeitsbelastung in Echtzeit vorhersagen, mit dem Ziel, eine passive Gehirn-Maschine-Schnittstelle im besten Interesse von Bedienern zu implementieren, die komplexe Aufgaben ausführen.
Zur Feststellung von Ladezuständen und Verhaltensleistungen werden auch Messungen der elektrophysiologischen Aktivität erfasst.
Studienübersicht
Status
Beendet
Bedingungen
Intervention / Behandlung
Studientyp
Interventionell
Einschreibung (Tatsächlich)
19
Phase
- Unzutreffend
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
-
La Tronche, Frankreich, 38700
- UniversityHospitalGrenoble
-
-
Teilnahmekriterien
Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.
Zulassungskriterien
Studienberechtigtes Alter
20 Jahre bis 40 Jahre (Erwachsene)
Akzeptiert gesunde Freiwillige
Ja
Studienberechtigte Geschlechter
Alle
Beschreibung
Einschlusskriterien:
- Unterzeichnete Einverständniserklärung
- Ärztliche Untersuchung vor Einbeziehung der Suchaktion
- Zwischen 20 und 40 Jahren
- Rechtshändig
- Mindeststudienniveau: Baccalauréat
- Mitgliedschaft in der französischen Sozialversicherung
- Normales Sehen und Hören (oder auf Normal korrigiert)
Ausschlusskriterien:
- Themen, die an einer laufenden klinischen oder therapeutischen Studie beteiligt sind
- Wesentliche Seh- oder Hörstörung
- Neurologische oder neuropsychiatrische Pathologie aktuell oder verschwunden
- Arzneimittelbehandlung, die die Gehirnaktivität verändern könnte (Antidepressiva, Benzodiazepin, Lithium usw.)
- Schwangere, gebärende oder stillende Frauen
- Alle anderen Kategorien geschützter Personen
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Grundlegende Wissenschaft
- Zuteilung: N / A
- Interventionsmodell: Einzelgruppenzuweisung
- Maskierung: Keine (Offenes Etikett)
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
|---|---|
|
Sonstiges: Gesunde Freiwillige
Erwachsene gesunde Freiwillige
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Elektroenzephalographie (EEG)
Zeitfenster: 10 Minuten
|
Mit einem EEG-Helm. Klassische Stemberg-Aufgabe Stemberg-Aufgabe mit Zeitdruck N-Back-Aufgabe Kopfrechnenaufgabe 13 Minuten MATB-Multiattribut-Aufgabe Batterie: Geteilte Aufmerksamkeitsaufgabe |
10 Minuten
|
|
Elektrookulographie (EOG)
Zeitfenster: 10 Minuten
|
Gleichzeitig mit dem EEG wird eine Elektrookulographie (EOG) aufgezeichnet Mit einem EEG-Helm. Klassische Stemberg-Aufgabe Stemberg-Aufgabe mit Zeitdruck N-Back-Aufgabe Kopfrechnenaufgabe 13 Minuten MATB-Multiattribut-Aufgabe Batterie: Geteilte Aufmerksamkeitsaufgabe |
10 Minuten
|
|
Subjektive und Verhaltensdaten
Zeitfenster: 10 Minuten
|
KSS-Skala zur Beurteilung des Wachsamkeitszustands des Patienten Klassische Stemberg-Aufgabe Stemberg-Aufgabe mit Zeitdruck N-Back-Aufgabe Kopfrechnenaufgabe 13 Minuten MATB-Multiattribut-Aufgabe Batterie: Geteilte Aufmerksamkeitsaufgabe |
10 Minuten
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
Ermittler
- Hauptermittler: Laurent Verceuil, Doctor, Grenoble Hospital University
Publikationen und hilfreiche Links
Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.
Allgemeine Veröffentlichungen
- Akerstedt T, Gillberg M. Subjective and objective sleepiness in the active individual. Int J Neurosci. 1990 May;52(1-2):29-37. doi: 10.3109/00207459008994241.
- Gevins A, Smith ME. Neurophysiological measures of working memory and individual differences in cognitive ability and cognitive style. Cereb Cortex. 2000 Sep;10(9):829-39. doi: 10.1093/cercor/10.9.829.
- KIRCHNER WK. Age differences in short-term retention of rapidly changing information. J Exp Psychol. 1958 Apr;55(4):352-8. doi: 10.1037/h0043688. No abstract available.
- Allison BZ, Polich J. Workload assessment of computer gaming using a single-stimulus event-related potential paradigm. Biol Psychol. 2008 Mar;77(3):277-83. doi: 10.1016/j.biopsycho.2007.10.014. Epub 2007 Nov 4.
- Antonenko, P., Paas, F., Grabner, R., & Gog, T. (2010). Using Electroencephalography to Measure Cognitive Load. Educational Psychology Review, 22, 425-438.
- Baldwin CL, Penaranda BN. Adaptive training using an artificial neural network and EEG metrics for within- and cross-task workload classification. Neuroimage. 2012 Jan 2;59(1):48-56. doi: 10.1016/j.neuroimage.2011.07.047. Epub 2011 Jul 30.
- Barachant, A. (2012) Commande robuste d'un effecteur par une interface cerveau-machine EEG asynchrone. (Unpublished doctoral dissertation). Université de Grenoble, Grenoble, France.
- Bashashati A, Fatourechi M, Ward RK, Birch GE. A survey of signal processing algorithms in brain-computer interfaces based on electrical brain signals. J Neural Eng. 2007 Jun;4(2):R32-57. doi: 10.1088/1741-2560/4/2/R03. Epub 2007 Mar 27.
- Berka C, Levendowski DJ, Lumicao MN, Yau A, Davis G, Zivkovic VT, Olmstead RE, Tremoulet PD, Craven PL. EEG correlates of task engagement and mental workload in vigilance, learning, and memory tasks. Aviat Space Environ Med. 2007 May;78(5 Suppl):B231-44.
- Besserve, M., Martinerie, J., & Garnero, L. (2008). Non-invasive classification of cortical activities for brain computer interface: A variable selection approach (p. 1063-1066). IEEE.
- Brouwer AM, Hogervorst MA, van Erp JB, Heffelaar T, Zimmerman PH, Oostenveld R. Estimating workload using EEG spectral power and ERPs in the n-back task. J Neural Eng. 2012 Aug;9(4):045008. doi: 10.1088/1741-2560/9/4/045008. Epub 2012 Jul 25.
- Cain, B. (2007) "A review of the mental workload literature 1.0".
- Christensen JC, Estepp JR, Wilson GF, Russell CA. The effects of day-to-day variability of physiological data on operator functional state classification. Neuroimage. 2012 Jan 2;59(1):57-63. doi: 10.1016/j.neuroimage.2011.07.091. Epub 2011 Aug 5.
- Comstock, J. R., Jr., & Arnegard, R. J. (1992) The Multi-Attribute Task Battery for human operator workload and strategic behavior research (NASA TM-104174). Hampton, Virginia: NASA Langley Research Center.
- Dussault C, Jouanin JC, Philippe M, Guezennec CY. EEG and ECG changes during simulator operation reflect mental workload and vigilance. Aviat Space Environ Med. 2005 Apr;76(4):344-51.
- Fu, S. & Parasuraman, R. (2007) Event-related potentials (ERPs) in Neuroergonomics. . In Parasuraman, R. & Rizzo, M. (Eds), Neuroergonomics: The brain at work (pp. 15-31). New York, NY: Oxford University Press, Inc.
- George, L., & Lécuyer, A. (2010). An overview of research on " passive " brain-computer interfaces for implicit human-computer interaction. International Conference on Applied Bionics and Biomechanics (ICABB), Venice, Italy, October 14-16, 2010.
- Gevins, A., & Smith, M. E. (2003). Neurophysiological measures of cognitive workload during human-computer interaction. Theoretical Issues in Ergonomics Science, 1, 113-131.
- Gevins, A. & Smith, M. E. (2007) Electroencephalography (EEG) in Neuroergnomics. In Parasuraman, R. & Rizzo, M. (Eds), Neuroergonomics: The brain at work (pp. 15-31). New York, NY: Oxford University Press, Inc.
- Gomarus HK, Althaus M, Wijers AA, Minderaa RB. The effects of memory load and stimulus relevance on the EEG during a visual selective memory search task: an ERP and ERD/ERS study. Clin Neurophysiol. 2006 Apr;117(4):871-84. doi: 10.1016/j.clinph.2005.12.008. Epub 2006 Jan 25.
- Graimann, B, Allison, B. & Pfurstscheller, G. (2010) Brain-computer interfaces: A gentle introduction. In Graimann, B, Allison, B. & Pfurstscheller, G. (Eds) Brain-computer interfaces: Revolutionizing human-computer interaction, (pp. 1-28), Berlin Heidelberg, Springer-Verlag.
- Grimes, D., Tan, D. S., Hudson, S. E., Shenoy, P., & Rao, R. P. N. (2008). Feasibility and pragmatics of classifying working memory load with an electroencephalograph (p. 835). ACM Press.
- Heger, D., Putze, F., & Schultz, T. (2010). Online workload recognition from EEG data during cognitive tests and human-machine interaction. KI 2010: Advances in Artificial Intelligence, 410-417.
- Henelius A, Hirvonen K, Holm A, Korpela J, Muller K. Mental workload classification using heart rate metrics. Annu Int Conf IEEE Eng Med Biol Soc. 2009;2009:1836-9. doi: 10.1109/IEMBS.2009.5332602.
- Holland MK, Tarlow G. Blinking and mental load. Psychol Rep. 1972 Aug;31(1):119-27. doi: 10.2466/pr0.1972.31.1.119. No abstract available.
- Holm A, Lukander K, Korpela J, Sallinen M, Muller KM. Estimating brain load from the EEG. ScientificWorldJournal. 2009 Jul 14;9:639-51. doi: 10.1100/tsw.2009.83.
- Honal, M., & Schultz, T. (2008). Determine task demand from brain activity. In Proceedings of the 3rd International Conference on Bio-inspired Systems and Signal Processing.
- Kahol K, Smith M, Brandenberger J, Ashby A, Ferrara JJ. Impact of fatigue on neurophysiologic measures of surgical residents. J Am Coll Surg. 2011 Jul;213(1):29-34; discussion 34-6. doi: 10.1016/j.jamcollsurg.2011.03.028. Epub 2011 Apr 23.
- Kok A. On the utility of P3 amplitude as a measure of processing capacity. Psychophysiology. 2001 May;38(3):557-77. doi: 10.1017/s0048577201990559.
- Koles ZJ, Flor-Henry P. Mental activity and the e.e.g.: task and workload related effects. Med Biol Eng Comput. 1981 Mar;19(2):185-94. doi: 10.1007/BF02442714. No abstract available.
- D. Levendowsk, Z. Konstantinovic, R. Olmstead, and C. Berka (2000). Method for the quantification of human alertness, patent.
- Lotte F, Congedo M, Lecuyer A, Lamarche F, Arnaldi B. A review of classification algorithms for EEG-based brain-computer interfaces. J Neural Eng. 2007 Jun;4(2):R1-R13. doi: 10.1088/1741-2560/4/2/R01. Epub 2007 Jan 31.
- McDonald NJ, Soussou W. QUASAR's QStates cognitive gauge performance in the cognitive state assessment competition 2011. Annu Int Conf IEEE Eng Med Biol Soc. 2011;2011:6542-6. doi: 10.1109/IEMBS.2011.6091614.
- Miller MW, Rietschel JC, McDonald CG, Hatfield BD. A novel approach to the physiological measurement of mental workload. Int J Psychophysiol. 2011 Apr;80(1):75-8. doi: 10.1016/j.ijpsycho.2011.02.003. Epub 2011 Feb 20.
- Missonnier P, Deiber MP, Gold G, Millet P, Gex-Fabry Pun M, Fazio-Costa L, Giannakopoulos P, Ibanez V. Frontal theta event-related synchronization: comparison of directed attention and working memory load effects. J Neural Transm (Vienna). 2006 Oct;113(10):1477-86. doi: 10.1007/s00702-005-0443-9. Epub 2006 Apr 11.
- Natani, K., & Gomer, F. E. (1981). Electrocortical activity and operator workload: A comparison of changes in the electroencephalogram and in event-related potentials. (McDonnell Douglas Technical Report E2427). Long Beach, CA: McDonnell Douglas Corporation.
- Nourbakhsh, N., Wang, Y., & Chen, F. (2013). GSR and Blink Features for Cognitive Load Classification. In P. Kotzé, G. Marsden, G. Lindgaard, J. Wesson, & M. Winckler (Éd.), Human-Computer Interaction - INTERACT 2013 (Vol. 8117, p. 159-166). Berlin, Heidelberg: Springer Berlin Heidelberg.
- Ossandon T, Jerbi K, Vidal JR, Bayle DJ, Henaff MA, Jung J, Minotti L, Bertrand O, Kahane P, Lachaux JP. Transient suppression of broadband gamma power in the default-mode network is correlated with task complexity and subject performance. J Neurosci. 2011 Oct 12;31(41):14521-30. doi: 10.1523/JNEUROSCI.2483-11.2011.
- Putze, F., Jarvis, J. P., & Schultz, T. (2010) Multimodal Recognition of Cognitive Workload for Multitasking in the Car. International Conference on Pattern Recognition (ICPR), 20, 3748-3751.
- Schober F, Schellenberg R, Dimpfel W. Reflection of mental exercise in the dynamic quantitative topographical EEG. Neuropsychobiology. 1995;31(2):98-112. doi: 10.1159/000119179.
- Schultheis, H. & Jameson, A. (2004) Assessing Cognitive Load in Adaptive Hypermedia Systems: Physiological and Behavioral Methods. Lecture Notes in Computer Science, 313, 225-234.
- Sternberg S. High-speed scanning in human memory. Science. 1966 Aug 5;153(3736):652-4. doi: 10.1126/science.153.3736.652.
- Sternberg S. Memory-scanning: mental processes revealed by reaction-time experiments. Am Sci. 1969 Winter;57(4):421-57. No abstract available.
- Tanaka Y, Yamaoka K. Blink activity and task difficulty. Percept Mot Skills. 1993 Aug;77(1):55-66. doi: 10.2466/pms.1993.77.1.55.
- Tremoulet, P. D., Craven, P. L., Regli, S. H., Wilcox, S., Barton, J., Stibler and K., Clark, M. (2009). Workload-Based Assessment of a User Interface Design. In V. G. Duffy (Éd.), Digital Human Modeling (Vol. 5620, p. 333-342). Berlin, Heidelberg: Springer Berlin Heidelberg.
- Veltman JA, Gaillard AW. Physiological indices of workload in a simulated flight task. Biol Psychol. 1996 Feb 5;42(3):323-42. doi: 10.1016/0301-0511(95)05165-1.
- Wang Z, Hope RM, Wang Z, Ji Q, Gray WD. Cross-subject workload classification with a hierarchical Bayes model. Neuroimage. 2012 Jan 2;59(1):64-9. doi: 10.1016/j.neuroimage.2011.07.094. Epub 2011 Aug 16.
- Wolpaw JR, Birbaumer N, McFarland DJ, Pfurtscheller G, Vaughan TM. Brain-computer interfaces for communication and control. Clin Neurophysiol. 2002 Jun;113(6):767-91. doi: 10.1016/s1388-2457(02)00057-3.
- Zander, T.O., Kothe, C., Jatzev, S. & Gaertner, M. (2010) Enhancing human-computer interaction with input from active and passive brain-computer interfaces. In Tan, D.S. & Nijholt, A. (Eds) Brain-computer interfaces: Applying our minds to human-computer interaction (pp. 181-196), London, Springer-Verlag.
Studienaufzeichnungsdaten
Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.
Haupttermine studieren
Studienbeginn (Tatsächlich)
1. Dezember 2014
Primärer Abschluss (Tatsächlich)
1. Dezember 2017
Studienabschluss (Tatsächlich)
1. Dezember 2017
Studienanmeldedaten
Zuerst eingereicht
11. Juli 2016
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
22. Juli 2016
Zuerst gepostet (Schätzen)
26. Juli 2016
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
12. Oktober 2018
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
9. Oktober 2018
Zuletzt verifiziert
1. Oktober 2018
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Andere Studien-ID-Nummern
- 38RC14.009
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .