- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT03079960
Datengesteuerte Charakterisierung neuronaler Marker während der Tiefenhirnstimulation bei Patienten mit Parkinson-Krankheit
Die tiefe Hirnstimulation (DBS) des Nucleus subthalamicus (STN) hat sich zu einer Standardtherapie im refraktären Stadium der Parkinson-Krankheit (PD) entwickelt. Mithilfe implantierter Mikro- und Makroelektroden können neuronale Signale aus den Basalganglien (BG) abgeleitet werden. Kortikale Signale können durch Messungen des Elektroenzephalogramms (EEG) oder des Elektrokortikogramms (ECoG) gewonnen werden. Beide Signaltypen können zur Charakterisierung des motorischen Systems des Patienten genutzt werden und eine Abschätzung der Wirksamkeit einer aktuell durchgeführten DBS ermöglichen. Der Zusammenhang zwischen solchen neuronalen Merkmalen einerseits und den DBS-Stimulationsparametern bzw. den beobachtbaren klinischen Effekten andererseits ist jedoch sehr individuell und von Patient zu Patient unterschiedlich.
Das Ziel der vorliegenden Studie besteht darin, (1) neuronale Merkmale zu bestimmen, die Aufschluss über den klinisch relevanten motorischen Status von Parkinson-Patienten geben. (2) Die Untersuchung und Beschreibung der komplexen instationären Dynamik neuronaler Eigenschaften als Folge sich ändernder DBS-Stimulationsparameter. (3) Die Untersuchung der Auswirkung veränderter DBS-Stimulationsparameter auf die motorische Leistung.
Die drei Ziele bilden einen wichtigen Baustein für zukünftige adaptive Closed-Loop-DBS-Strategien (aDBS). Dabei sind die Stimulationsparameter im Einzelversuch und abhängig vom aktuell erfassten motorischen Zustand des Patienten anzupassen. Da dieser nur sehr eingeschränkt zugänglich ist, soll untersucht werden, ob aus den neuronalen Merkmalen Informationen über den motorischen Zustand gewonnen werden können.
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Die tiefe Hirnstimulation des Nucleus subthalamicus (STN DBS) hat sich zu einer Standardtherapie zur Behandlung refraktärer Stadien der Parkinson-Krankheit (PD) entwickelt. Die große Zahl der heutzutage routinemäßig implantierten DBS-Systeme stellen eine Open-Loop-Technologie dar. Diese sogenannten kontinuierlichen DBS-Systeme (cDBS) sind aus technischer Sicht relativ einfach, da sie typischerweise 24 Stunden am Tag ununterbrochene hochfrequente Stimulationsimpulsfolgen abgeben. Die Stimulation wird auf den Zielbereich wie das STN angewendet, ohne das aktuelle Ausmaß der PD-Symptome oder den motorischen Zustand des Patienten zu berücksichtigen. Änderungen der Stimulationsparameter – wie Pulsbreite, Amplitude oder Frequenz – können nur von einem geschulten Experten im Rahmen einer sogenannten Anpassungssitzung vorgenommen werden, die in der Regel in der Klinik stattfindet. Dadurch wird die Anzahl der Anpassungssitzungen auf höchstens einige pro Jahr begrenzt. Dies kann ausreichen, um das System an langfristige Veränderungen des Zustands eines Patienten anzupassen, die durch das Fortschreiten der Parkinson-Krankheit hervorgerufen werden und über Monate und Jahre hinweg stattfinden, reicht jedoch sicherlich nicht aus, um auf wechselnde Tagesbedingungen oder Veränderungen auf noch kleineren Zeitskalen zu reagieren. Obwohl es sich um einen weithin akzeptierten Ansatz handelt, ist bekannt, dass cDBS aufgrund chronischer kontinuierlicher Stimulation mehrere Nebenwirkungen wie Sprachstörungen oder Behandlungstoleranz verursacht und Nachteile hinsichtlich der Energieeffizienz und der Batterielebensdauer des implantierten Stimulationsgeräts aufweist.
Im Gegensatz zu den verfügbaren cDBS-Systemen wäre es wünschenswert, über adaptive DBS-Systeme (aDBS) zu verfügen, die die Stimulation nur bei Bedarf bereitstellen und beispielsweise die Stimulationsabgabe in Zeiten der Inaktivität oder wenn die motorische Leistungsfähigkeit des Patienten beeinträchtigt ist, reduzieren oder stoppen ausreichend hoch. Obwohl in der Literatur über einige aDBS-Prototypen berichtet wurde, werden sie nur in Forschungskontexten untersucht und sind noch nicht in die klinische Routine integriert.
Um die Steuerung der motorischen Symptome eines Patienten durch einen aDBS-Ansatz zu realisieren, ist mindestens eine Informationsquelle erforderlich, die den motorischen Zustand des Patienten beschreibt. Einerseits können diese Informationen über externe Sensoren oder Wearables zugänglich sein, die z.B. Muskeltonus, Zittern, kinematische Informationen etc. in Alltagssituationen oder bei der Ausführung spezifischer motorischer Aufgaben. Alternativ können die Informationen auch durch spezifische Gehirnsignale, sogenannte neuronale Marker, ausgedrückt werden, die mit dem motorischen Zustand korrelieren und als dessen Stellvertreter fungieren können.
Aussagekräftige neuronale Marker können aus mehreren Hirnregionen und mit unterschiedlichen Aufnahmetechnologien extrahiert werden. Die Aktivität im Nucleus subthalamicus (STN) und anderen Basalganglien kann sowohl während als auch nach der Implantation der DBS-Elektroden in Form von lokalen Feldpotentialen (LFP) oder Mikroelektrodenaufzeichnungen (MER) gemessen werden. Signale, die entweder während der Stimulation, in kleinen Zeitfenstern zwischen Stimulationssequenzen oder bei fehlender Stimulation aufgezeichnet werden, können Informationen über den klinisch relevanten motorischen Zustand von Parkinson-Patienten liefern. Darüber hinaus hat sich gezeigt, dass neuronale Signalaufzeichnungen mittels Magneto- oder Elektroenzephalogramm (MEG/EEG) und Elektrokortikogramm (EKoG) im Vergleich zu den von Basalganglien gewonnenen Signalen wertvolle ergänzende Informationen liefern können.
Auf klinischer Ebene kann der motorische Zustand der Patienten mithilfe von Teil III der Testbatterie der Unified Parkinson's Disease Rating Scale (UPDRS-III) beurteilt werden. Die Beurteilung ist jedoch recht zeitaufwändig und erfordert die Einbeziehung eines Klinikers (Neurologen), weshalb der vollständige UPDRS-III-Score nicht für eine aDBS-Implementierung verwendet werden kann. Leider können die Informationen über das motorische Verhalten beim aktuellen Stand der Forschung nicht einfach durch Informationen ersetzt werden, die über Gehirnsignale gesammelt werden. Der Grund dafür ist, dass der Zusammenhang zwischen relevanten neuronalen Markern der LFP- und MER-Aufzeichnungen und den einzelnen motorischen Symptomen (z. B. wie im UPDRS-III beschrieben) noch lange nicht vollständig ist und weiterer Untersuchungen bedarf.
Um Kandidaten für neuronale Marker zu charakterisieren, die als Ersatz für den motorischen Zustand verwendet werden können, ist es wichtig, zwei Fragen zu untersuchen: (1) (Wie) verändert sich der Marker bei der Anwendung von DBS? (2) Steht diese Veränderung im Zusammenhang mit den beobachteten klinischen Auswirkungen von DBS, z. eine Änderung des UPDRS-III-Scores? In diesem Zusammenhang wurden ausgewählte Schwingungskomponenten beschrieben. Es wurde berichtet, dass die Leistung der LFP-Oszillationskomponenten im Betabereich (12–30 Hz) bei THS abnimmt und trotz unklarer Kausalität und Wirkmechanismen auch mit motorischen Parkinson-Symptomen wie Bradykinesie und Rigor in Zusammenhang steht. Darüber hinaus wurde die Wechselwirkung der Bandleistung anderer Frequenzkomponenten mit spezifischen Parkinson-Motorsymptomen beschrieben. Ein Beispiel ist die Beziehung zwischen der vom STN aufgezeichneten Delta- und Gammabandleistung bei dyskinetischen Symptomen und der Korrelation einer hohen Gammabandleistung mit UPDRS-III-Scores und der Modulation von hohem Gamma durch DBS oder L-Dopa. Darüber hinaus wurde beobachtet, dass die DBS-Stimulation auch die Kreuzfrequenzkopplung zwischen kortikal-kortikalen, kortikal-subkortikalen und subkortikal-subkortikalen Strukturen beeinflusst.
Die meisten Studien zur Wirkung von DBS auf das motorische System und zu informativen neuronalen Markern berichten über globale Effekte, die in Gruppenstudien beobachtet wurden. Allerdings liefern die Gesamtdurchschnittsergebnisse möglicherweise nicht genügend Informationen, um die aDBS-Systeme für einen einzelnen Patienten zu steuern. Dies wird durch viele neuere Studien aus dem Bereich der Brain-Computer-Interfaces (BCI) unterstrichen, in denen sich informative neuronale Signaturen als fachspezifisch erwiesen haben und in denen fachspezifische Methoden zur Extraktion informativer neuronaler Marker erfolgreich angewendet wurden. Daher schlagen wir vor, die Ebene der Datenanalyse über die Ebene der Gruppenstatistik hinaus zu verfeinern.
Abgesehen davon, dass neuronale Marker fachspezifisch sind, sollte die implizite Dynamik sowohl der neuronalen Marker als auch der DBS-Effekte berücksichtigt werden:
- Dynamik der neuronalen Marker Selbst innerhalb eines einzelnen Benutzers und eines einzelnen Tages kann die Anpassung der DBS-Parameter erforderlich sein, um instationäre Eigenschaften zu kompensieren, die von neuronalen Markern auf mehreren Zeitskalen angezeigt werden: (a) Auf der Skala von Stunden bis Minuten , z. B. aufgrund von Veränderungen im Wachzustand/Müdigkeit oder im zirkadianen Zyklus. (b) Auf der Skala von Minuten bis Sekunden sind Variationen möglich, z. in der Aufmerksamkeitsstufe, Arbeitsbelastung. (c) Auf noch kleineren Zeitskalen aufgrund des aktuellen Status des motorischen Systems (Aufgabenvorbereitung vs. Aufgabenbeginn vs. anhaltend laufende Aufgaben, hohe Kraft vs. Präzisionsaufgaben, isometrische vs. Bewegungsaufgaben usw.). Es ist zu erwarten, dass die individuell informativen neuronalen Marker, die zur Realisierung des Closed-Loop-aDBS-Systems genutzt werden können, in den oben genannten Zeitskalen und Szenarien einer Änderung ihres Informationsgehalts unterliegen.
- Dynamik der DBS-Effekte Abhängig von den DBS-Parametern (z.B. (Intensität, Frequenz, Dauer, Pulsform) des in der unmittelbaren Vergangenheit angewendeten Stimulationsmusters sind bekannt, dass die Auswirkungen auf (1) das motorische System und (2) die informativen neuronalen Marker mehrere Sekunden bis Minuten anhalten, selbst nach der Stimulation ausgeschaltet wurde [Bronte-Stewart et al. 2009]. Aufgrund dieses Auswascheffekts von DBS wird die Stimulationsstrategie eines aDBS-Systems wahrscheinlich von der Berücksichtigung der (kurzfristigen) Stimulationshistorie profitieren. Die Dauer und zeitliche Dynamik dieser sogenannten Auswaschphase hängt von der Art des untersuchten motorischen Symptoms ab. Es wurde berichtet, dass die Akinesie länger dauert (Minuten – Stunden) als die Steifheit (Minuten). Daher kann die Hypothese aufgestellt werden, dass die Dynamik der Auswascheffekte für die motorischen Symptome und für die neuronalen Marker nicht gleich ist.
Die Antragsteller dieses Vorschlags wollen einen wesentlichen Schritt in Richtung eines vollständig geschlossenen aDBS-Systems machen. Um dieses Ziel zu erreichen, ist es notwendig, Datenanalysemethoden für Gehirnsignale zu entwickeln, die in der Lage sind, die oben genannten informativen neuronalen Marker zu identifizieren und sie als Input zur Dekodierung des aktuellen motorischen Zustands zu nutzen. Für beide Aufgaben wurden Methoden des maschinellen Lernens erfolgreich untersucht und im Kontext geschlossener BCI-Systeme eingesetzt. In diesem Bereich entwickelte Methoden ermöglichen die Dekodierung nicht-invasiver EEG-Signale und invasiver Signale wie ECoG und LPF in einem einzigen Versuch. Die Methoden des maschinellen Lernens ermöglichen die Erkennung von Bewegungsabsichten im Einzelversuch und die Dekodierung gedachter oder ausgeführter Bewegungen. Darüber hinaus haben neueste Untersuchungen der Antragsteller gezeigt, dass BCI-Ansätze sogar die Vorhersage der Aufgabenleistung einer bevorstehenden motorischen Aufgabe ermöglichen, was wertvolle Informationen für hirnzustandsabhängige Closed-Loop-Anwendungen sein kann.
Studientyp
Einschreibung (Voraussichtlich)
Phase
- Unzutreffend
Kontakte und Standorte
Studienkontakt
- Name: Volker Coenen, Prof. Dr.
- Telefonnummer: +49 761 27050510
- E-Mail: volker.coenen@uniklinik-freiburg.de
Studieren Sie die Kontaktsicherung
- Name: Michael Tangermann, Dr.
- Telefonnummer: +49 761 2038423
- E-Mail: michael.tangermann@blbt.uni-freiburg.de
Studienorte
-
-
Baden-Württemberg
-
Freiburg im Breisgau, Baden-Württemberg, Deutschland, 79106
- Rekrutierung
- Medical Center - University of Freiburg - Clinic for Neurosurgery - Dept. of Stereotactical and Functional Neurosurgery
-
Kontakt:
- Michael Tangermann, Dr.
- Telefonnummer: 8423 +49 761 203
- E-Mail: michael.tangermann@blbt.uni-freiburg.de
-
Kontakt:
- Volker Arnd Coenen, Prof. Dr.
- Telefonnummer: 50630 +49 761 270
- E-Mail: stereo@uniklinik-freiburg.de
-
Hauptermittler:
- Volker Arnd Coenen, Prof. Dr.
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Beschreibung
Einschlusskriterien:
- Männliche oder weibliche Patienten im Alter von ≥ 35 und ≤ 75 Jahren
- Patienten mit diagnostizierter Parkinson-Krankheit gemäß den Kriterien der britischen PDS Brain Bank.
- Schriftliche Einverständniserklärung.
- Für PG-O und PG-pre, Patienten, die gemäß den Richtlinien der DGN (www.dgn.org) für eine STN-DBS-Operation in Frage kommen.
- Für PG-chronische Patienten, die in der Vergangenheit eine dauerhafte DBS-Implantation erhalten haben und die DBS-Behandlung anwenden.
Ausschlusskriterien:
- Die MR-Bildgebung zeigt eine Kontraindikation für Mikroelektrodenaufnahmen. Wenn die Bildgebung eine große Anzahl von Blutgefäßen in der Zielregion zeigt und keine sichere Flugbahn zum Einführen der Mikroelektrode gefunden werden kann, kann der Patient die Implantation der Makroelektrode ohne vorherige Mikroelektrodenmessungen erhalten, wird aber von der Studie ausgeschlossen.
- Kontraindikation für stereotaktische Neurochirurgie.
- Demenz (Mattis Dementia Rating Score ≤ 130)
- Von einem psychiatrischen Arzt festgestellte akute Psychose
- Es ist nicht möglich, eine schriftliche Einverständniserklärung abzugeben
- Chirurgische Kontraindikationen
- Medikamente, bei denen nach Ansicht des Prüfarztes wahrscheinlich Wechselwirkungen auftreten
- Fruchtbare Frauen, die keine geeigneten Verhütungsmethoden anwenden: Frauenkondome, Diaphragma oder Spirale, jeweils in Kombination mit Spermiziden; Intrauterinpessar; hormonelle Empfängnisverhütung in Kombination mit einer mechanischen Verhütungsmethode;
- Aktuelle oder geplante Schwangerschaft, Stillzeit
Kontraindikationen gemäß Geräteanleitung oder Prüferbroschüre:
- Diathermie (Kurzwellen-, Mikrowellen- und/oder therapeutische Ultraschall-Diathermie)
- Magnetresonanztomographie (MRT)
- Unfähigkeit des Patienten
- Von den Patienten sind voraussichtlich schlechte chirurgische Kandidaten
Für PG-chronisch gelten nur die Ausschlusskriterien 3, 4, 5, 7, 8, 9, 10, da die Elektroden bereits implantiert sind und somit kein chirurgischer Eingriff erforderlich ist.
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Grundlegende Wissenschaft
- Zuteilung: Nicht randomisiert
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Keine (Offenes Etikett)
Waffen und Interventionen
Teilnehmergruppe / Arm |
Intervention / Behandlung |
---|---|
Experimental: Ursprüngliche Patientengruppe (PG-O)
DBS-Implantation: Patienten unterziehen sich zur DBS-Implantation einer standardmäßigen stereotaktischen Neurochirurgie. Die Entscheidung für eine DBS-Behandlung wurde vor der Aufnahme in diese Studie getroffen. Kabel und Anschlüsse der Makroelektroden bleiben für cDBS-Anpassungsverfahren vier Tage lang externalisiert. Während der Externalisierung nehmen die Patienten an Teststimulations- und Aufzeichnungssitzungen teil, in denen sie kurze motorische Aufgaben ausführen. Die externalisierten Anschlüsse der Makroelektroden ermöglichen die gleichzeitige Stimulation des STN und den Erhalt von LFP-Aufzeichnungen mit elektrophysiologischen Aufzeichnungs- und Messgeräten vom STN zur Anpassung von DBS-Parametern gemäß dem klinischen Standardverfahren. |
Externalisierung von DBS-Anschlüssen und Makroelektroden für gleichzeitige STN-Stimulations-LFP-Aufzeichnungen durch den Einsatz elektrophysiologischer Aufzeichnungs- und Messgeräte.
Andere Namen:
|
Kein Eingriff: Chronische Patientengruppe (PG-chronisch)
Patienten dieser Gruppe nehmen zu jedem gewünschten Zeitpunkt an einer Aufzeichnungssitzung teil, nachdem ihnen im Rahmen ihrer klinischen Routinebehandlung ein DBS-System implantiert wurde. Während dieser Sitzung, die ca. Innerhalb von 60 Minuten führen die Patienten verschiedene motorische Aufgaben aus, während die neuronale Aktivität nicht-invasiv aus kortikalen Bereichen über Oberflächen-EEG-Elektroden aufgezeichnet wird. Die Aufzeichnungen werden unter Anwendung verschiedener DBS-Strategien durchgeführt. Die verschiedenen DBS-Strategien werden als eine Reihe sicherer Konfigurationen ausgewählt, wie sie im klinischen Alltag verwendet werden. Die für PG-chronisch durchgeführten Verhaltenstests sind die gleichen wie für PG-O. |
|
Kein Eingriff: Präoperative Patientengruppe (PG-prä)
Patienten dieser Gruppe nehmen an einer Aufzeichnungssitzung teil, die frühestens eine Woche vor der Implantationsoperation stattfindet, d. h. zwischen Tag -7 und Tag 0. Die Entscheidung für eine DBS-Behandlung wurde vor der Aufnahme in diese Studie getroffen. Während dieser Aufnahmesitzung, die ca. Innerhalb von 60 Minuten führen die Patienten verschiedene motorische Aufgaben aus, während die neuronale Aktivität nicht-invasiv aus kortikalen Bereichen über Oberflächen-EEG-Elektroden aufgezeichnet wird. Die für PG-pre durchgeführten Verhaltenstests sind die gleichen wie für PG-O. |
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Korrelation von Stimulationsparametern und motorischer Leistung
Zeitfenster: Tage 1–4 nach der Neurochirurgie
|
Für jeden Patienten wird ein lineares Regressionsmodell trainiert, um die motorische Leistung (Zielvariable) anhand eines Stimulationsparametersatzes (Prädiktor) vorherzusagen. Der R-Wert jedes der trainierten Modelle aller Probanden wird mit den R-Werten verglichen, die aus neu abgetasteten Bootstrap-Modellen erhalten wurden. Statistisch signifikante Unterschiede zwischen geschätzten und Bootstrapped-Modellen werden durch einen Wilcoxon-Test mit einem Signifikanzniveau von 5 % bewertet. Endpunkt ist die Vorhersage der motorischen Leistung anhand der R-Werte der geschätzten Modelle. Zu den Stimulationsparametern gehören Strom (mA), Frequenz (Hz) und Impulsbreite (µs). Die Motorleistung wird durch verschiedene Motortests (vergleichbar mit UPDRS) bewertet. |
Tage 1–4 nach der Neurochirurgie
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Korrelation von motorischer Leistung und informativen neuronalen Markern
Zeitfenster: Tage 1–4 nach der Neurochirurgie
|
Für jeden Patienten wird die Pearson-Korrelation zwischen (1) der Betabandleistung und der Leistung bei den kurzmotorischen Aufgaben und (2) dem besten multivariaten neuronalen Marker, den unsere Modelle mit der Leistung bei den kurzmotorischen Aufgaben erhalten haben, berechnet. Anschließend werden die über alle Fächer hinweg ermittelten Korrelationen unter den beiden Bedingungen verglichen. Der statistisch signifikante Unterschied zwischen multivariaten und Beta-Markern wird durch einen paarweisen Wilcoxon-Test (Signifikanzniveau von 5 %) geschätzt. Endpunkt ist die Vorhersage der motorischen Leistung anhand der R-Werte der geschätzten Modelle. Die Motorleistung wird durch verschiedene Motortests (vergleichbar mit UPDRS) und Betaband-Frequenzniveaus bewertet. Aufschlussreiche neuronale Marker werden durch Elektroenzephalogramme (EEG), Elektromyelogramme (EMG) und physiologische Parameter (z. B. Atemfrequenz). |
Tage 1–4 nach der Neurochirurgie
|
Korrelation von Stimulationsparametern und informativen neuronalen Markern
Zeitfenster: Tage 1–4 nach der Neurochirurgie
|
Analog zum primären Endpunkt wird ein lineares Regressionsmodell trainiert, das lernt, die Werte multivariater neuronaler Marker anhand von Stimulationsparametern vorherzusagen. Auch hier vergleichen wir die R-Werte der geschätzten Modelle und der entsprechenden Modelle, die nach Bootstrap-Resampling für jedes Subjekt erhalten wurden. Statistisch signifikante Unterschiede zwischen ihnen werden durch einen Wilcoxon-Test (Signifikanzniveau von 5 %) bewertet. Endpunkt ist die Vorhersage neuronaler Markerwerte, die anhand der R-Werte der geschätzten Modelle bewertet werden. Aufschlussreiche neuronale Marker werden durch Elektroenzephalogramme (EEG), Elektromyelogramme (EMG) und physiologische Parameter (z. B. Atemfrequenz). |
Tage 1–4 nach der Neurochirurgie
|
Mitarbeiter und Ermittler
Sponsor
Mitarbeiter
Ermittler
- Hauptermittler: Volker Coenen, Prof. Dr., University Hospital Freiburg
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Ramaker C, Marinus J, Stiggelbout AM, Van Hilten BJ. Systematic evaluation of rating scales for impairment and disability in Parkinson's disease. Mov Disord. 2002 Sep;17(5):867-76. doi: 10.1002/mds.10248.
- Little S, Pogosyan A, Neal S, Zavala B, Zrinzo L, Hariz M, Foltynie T, Limousin P, Ashkan K, FitzGerald J, Green AL, Aziz TZ, Brown P. Adaptive deep brain stimulation in advanced Parkinson disease. Ann Neurol. 2013 Sep;74(3):449-57. doi: 10.1002/ana.23951. Epub 2013 Jul 12.
- Kuhn AA, Kempf F, Brucke C, Gaynor Doyle L, Martinez-Torres I, Pogosyan A, Trottenberg T, Kupsch A, Schneider GH, Hariz MI, Vandenberghe W, Nuttin B, Brown P. High-frequency stimulation of the subthalamic nucleus suppresses oscillatory beta activity in patients with Parkinson's disease in parallel with improvement in motor performance. J Neurosci. 2008 Jun 11;28(24):6165-73. doi: 10.1523/JNEUROSCI.0282-08.2008.
- Little S, Beudel M, Zrinzo L, Foltynie T, Limousin P, Hariz M, Neal S, Cheeran B, Cagnan H, Gratwicke J, Aziz TZ, Pogosyan A, Brown P. Bilateral adaptive deep brain stimulation is effective in Parkinson's disease. J Neurol Neurosurg Psychiatry. 2016 Jul;87(7):717-21. doi: 10.1136/jnnp-2015-310972. Epub 2015 Sep 30.
- 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.
- Androulidakis AG, Kuhn AA, Chen CC, Blomstedt P, Kempf F, Kupsch A, Schneider GH, Doyle L, Dowsey-Limousin P, Hariz MI, Brown P. Dopaminergic therapy promotes lateralized motor activity in the subthalamic area in Parkinson's disease. Brain. 2007 Feb;130(Pt 2):457-68. doi: 10.1093/brain/awl358. Epub 2007 Jan 8.
- Beudel M, Brown P. Adaptive deep brain stimulation in Parkinson's disease. Parkinsonism Relat Disord. 2016 Jan;22 Suppl 1(Suppl 1):S123-6. doi: 10.1016/j.parkreldis.2015.09.028. Epub 2015 Sep 15.
- Blankertz B, Lemm S, Treder M, Haufe S, Muller KR. Single-trial analysis and classification of ERP components--a tutorial. Neuroimage. 2011 May 15;56(2):814-25. doi: 10.1016/j.neuroimage.2010.06.048. Epub 2010 Jun 28.
- Blankertz, B., Tomioka, R., Lemm, S., Kawanabe, M., & Müller, K.-R. (2008). Optimizing spatial filters for robust EEG single-trial analysis. Signal Processing Magazine, IEEE, 25(1), 41-56.
- Blumenfeld Z, Bronte-Stewart H. High Frequency Deep Brain Stimulation and Neural Rhythms in Parkinson's Disease. Neuropsychol Rev. 2015 Dec;25(4):384-97. doi: 10.1007/s11065-015-9308-7. Epub 2015 Nov 25.
- Blumenfeld Z, Velisar A, Miller Koop M, Hill BC, Shreve LA, Quinn EJ, Kilbane C, Yu H, Henderson JM, Bronte-Stewart H. Sixty hertz neurostimulation amplifies subthalamic neural synchrony in Parkinson's disease. PLoS One. 2015 Mar 25;10(3):e0121067. doi: 10.1371/journal.pone.0121067. eCollection 2015.
- Borghini G, Astolfi L, Vecchiato G, Mattia D, Babiloni F. Measuring neurophysiological signals in aircraft pilots and car drivers for the assessment of mental workload, fatigue and drowsiness. Neurosci Biobehav Rev. 2014 Jul;44:58-75. doi: 10.1016/j.neubiorev.2012.10.003. Epub 2012 Oct 30.
- Carron R, Chaillet A, Filipchuk A, Pasillas-Lepine W, Hammond C. Closing the loop of deep brain stimulation. Front Syst Neurosci. 2013 Dec 20;7:112. doi: 10.3389/fnsys.2013.00112.
- Castano-Candamil S, Meinel A, Dahne S, Tangermann M. Probing meaningfulness of oscillatory EEG components with bootstrapping, label noise and reduced training sets. Annu Int Conf IEEE Eng Med Biol Soc. 2015;2015:5159-62. doi: 10.1109/EMBC.2015.7319553.
- Dahne S, Meinecke FC, Haufe S, Hohne J, Tangermann M, Muller KR, Nikulin VV. SPoC: a novel framework for relating the amplitude of neuronal oscillations to behaviorally relevant parameters. Neuroimage. 2014 Feb 1;86:111-22. doi: 10.1016/j.neuroimage.2013.07.079. Epub 2013 Aug 15.
- Engel AK, Fries P. Beta-band oscillations--signalling the status quo? Curr Opin Neurobiol. 2010 Apr;20(2):156-65. doi: 10.1016/j.conb.2010.02.015. Epub 2010 Mar 30.
- Hamilton L, McConley M, Angermueller K, Goldberg D, Corba M, Kim L, Moran J, Parks PD, Sang Chin, Widge AS, Dougherty DD, Eskandar EN. Neural signal processing and closed-loop control algorithm design for an implanted neural recording and stimulation system. Annu Int Conf IEEE Eng Med Biol Soc. 2015 Aug;2015:7831-6. doi: 10.1109/EMBC.2015.7320207.
- Castaño-Candamil, S., Meinel, A., Reis, J., Tangermann, M. Correlates to influence user performance in a hand motor rehabilitation task. Clinical Neurophysiology, Volume 126, Issue 8, e166-e167, 2015.
- Hohne J, Bartz D, Hebart MN, Muller KR, Blankertz B. Analyzing neuroimaging data with subclasses: A shrinkage approach. Neuroimage. 2016 Jan 1;124(Pt A):740-751. doi: 10.1016/j.neuroimage.2015.09.031. Epub 2015 Sep 25.
- Jayaram, V., Alamgir, M., Altun, Y., Schölkopf, B., & Grosse-Wentrup, M. Transfer Learning in Brain-Computer Interfaces. arXiv preprint arXiv:1512.00296, 2015.
- Khobragade N, Graupe D, Tuninetti D. Towards fully automated closed-loop Deep Brain Stimulation in Parkinson's disease patients: A LAMSTAR-based tremor predictor. Annu Int Conf IEEE Eng Med Biol Soc. 2015;2015:2616-9. doi: 10.1109/EMBC.2015.7318928.
- Kindermans PJ, Tangermann M, Muller KR, Schrauwen B. Integrating dynamic stopping, transfer learning and language models in an adaptive zero-training ERP speller. J Neural Eng. 2014 Jun;11(3):035005. doi: 10.1088/1741-2560/11/3/035005. Epub 2014 May 19.
- Kindermans PJ, Verstraeten D, Schrauwen B. A bayesian model for exploiting application constraints to enable unsupervised training of a P300-based BCI. PLoS One. 2012;7(4):e33758. doi: 10.1371/journal.pone.0033758. Epub 2012 Apr 4.
- Kuhn AA, Tsui A, Aziz T, Ray N, Brucke C, Kupsch A, Schneider GH, Brown P. Pathological synchronisation in the subthalamic nucleus of patients with Parkinson's disease relates to both bradykinesia and rigidity. Exp Neurol. 2009 Feb;215(2):380-7. doi: 10.1016/j.expneurol.2008.11.008. Epub 2008 Nov 25.
- Lopez-Azcarate J, Tainta M, Rodriguez-Oroz MC, Valencia M, Gonzalez R, Guridi J, Iriarte J, Obeso JA, Artieda J, Alegre M. Coupling between beta and high-frequency activity in the human subthalamic nucleus may be a pathophysiological mechanism in Parkinson's disease. J Neurosci. 2010 May 12;30(19):6667-77. doi: 10.1523/JNEUROSCI.5459-09.2010.
- Makeig, S., Kothe, C., Mullen, T., Bigdely-Shamlo, N., Zhang, Z., & Kreutz-Delgado, K. Evolving signal processing for brain-computer interfaces. Proceedings of the IEEE, 100(Special Centennial Issue), 1567-1584, 2012.
- Meinel A, Castano-Candamil S, Reis J, Tangermann M. Pre-Trial EEG-Based Single-Trial Motor Performance Prediction to Enhance Neuroergonomics for a Hand Force Task. Front Hum Neurosci. 2016 Apr 25;10:170. doi: 10.3389/fnhum.2016.00170. eCollection 2016.
- Mohammed A, Zamani M, Bayford R, Demosthenous A. Patient specific Parkinson's disease detection for adaptive deep brain stimulation. Annu Int Conf IEEE Eng Med Biol Soc. 2015 Aug;2015:1528-31. doi: 10.1109/EMBC.2015.7318662.
- Niketeghad S, Hebb AO, Nedrud J, Hanrahan SJ, Mahoor MH. Single trial behavioral task classification using subthalamic nucleus local field potential signals. Annu Int Conf IEEE Eng Med Biol Soc. 2014;2014:3793-6. doi: 10.1109/EMBC.2014.6944449.
- Pan, S., Iplikci, S., Warwick, K., & Aziz, T. Z. Parkinson's Disease tremor classification-A comparison between Support Vector Machines and neural networks. Expert Systems with Applications, 39(12), 10764-10771, 2012.
- Pistohl T, Schulze-Bonhage A, Aertsen A, Mehring C, Ball T. Decoding natural grasp types from human ECoG. Neuroimage. 2012 Jan 2;59(1):248-60. doi: 10.1016/j.neuroimage.2011.06.084. Epub 2011 Jul 8.
- Pollok B, Krause V, Martsch W, Wach C, Schnitzler A, Sudmeyer M. Motor-cortical oscillations in early stages of Parkinson's disease. J Physiol. 2012 Jul 1;590(13):3203-12. doi: 10.1113/jphysiol.2012.231316. Epub 2012 Apr 30.
- Priori A, Foffani G, Rossi L, Marceglia S. Adaptive deep brain stimulation (aDBS) controlled by local field potential oscillations. Exp Neurol. 2013 Jul;245:77-86. doi: 10.1016/j.expneurol.2012.09.013. Epub 2012 Sep 27.
- Priori A. Technology for deep brain stimulation at a gallop. Mov Disord. 2015 Aug;30(9):1206-12. doi: 10.1002/mds.26253. Epub 2015 May 23. No abstract available.
- Rosa M, Arlotti M, Ardolino G, Cogiamanian F, Marceglia S, Di Fonzo A, Cortese F, Rampini PM, Priori A. Adaptive deep brain stimulation in a freely moving Parkinsonian patient. Mov Disord. 2015 Jun;30(7):1003-5. doi: 10.1002/mds.26241. Epub 2015 May 21. No abstract available.
- Rosa M, Giannicola G, Servello D, Marceglia S, Pacchetti C, Porta M, Sassi M, Scelzo E, Barbieri S, Priori A. Subthalamic local field beta oscillations during ongoing deep brain stimulation in Parkinson's disease in hyperacute and chronic phases. Neurosignals. 2011;19(3):151-62. doi: 10.1159/000328508. Epub 2011 Jul 12.
- Samek W, Meinecke FC, Muller KR. Transferring subspaces between subjects in brain--computer interfacing. IEEE Trans Biomed Eng. 2013 Aug;60(8):2289-98. doi: 10.1109/TBME.2013.2253608. Epub 2013 Mar 20.
- Silberstein P, Pogosyan A, Kuhn AA, Hotton G, Tisch S, Kupsch A, Dowsey-Limousin P, Hariz MI, Brown P. Cortico-cortical coupling in Parkinson's disease and its modulation by therapy. Brain. 2005 Jun;128(Pt 6):1277-91. doi: 10.1093/brain/awh480. Epub 2005 Mar 17.
- Tangermann M, Muller KR, Aertsen A, Birbaumer N, Braun C, Brunner C, Leeb R, Mehring C, Miller KJ, Muller-Putz GR, Nolte G, Pfurtscheller G, Preissl H, Schalk G, Schlogl A, Vidaurre C, Waldert S, Blankertz B. Review of the BCI Competition IV. Front Neurosci. 2012 Jul 13;6:55. doi: 10.3389/fnins.2012.00055. eCollection 2012.
- Tangermann M., Reis J. and Meinel A. Commonalities of Motor Performance Metrics are Revealed by Predictive Oscillatory EEG Components. In Proceedings of the 3rd International Congress on Neurotechnology, Electronics and Informatics, p32-38, 2015.
- Weiss D, Klotz R, Govindan RB, Scholten M, Naros G, Ramos-Murguialday A, Bunjes F, Meisner C, Plewnia C, Kruger R, Gharabaghi A. Subthalamic stimulation modulates cortical motor network activity and synchronization in Parkinson's disease. Brain. 2015 Mar;138(Pt 3):679-93. doi: 10.1093/brain/awu380. Epub 2015 Jan 2.
- Whitmer D, de Solages C, Hill B, Yu H, Henderson JM, Bronte-Stewart H. High frequency deep brain stimulation attenuates subthalamic and cortical rhythms in Parkinson's disease. Front Hum Neurosci. 2012 Jun 4;6:155. doi: 10.3389/fnhum.2012.00155. eCollection 2012.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Voraussichtlich)
Studienabschluss (Voraussichtlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- P001449
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
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 .
Klinische Studien zur Parkinson Krankheit
-
ProgenaBiomeRekrutierungParkinson Krankheit | Parkinson-Krankheit mit Demenz | Parkinson-Demenz-Syndrom | Parkinson-Krankheit 2 | Parkinson-Krankheit 3 | Parkinson-Krankheit 4Vereinigte Staaten
-
National Heart, Lung, and Blood Institute (NHLBI)AbgeschlossenParkinson-Krankheit 6, früher Beginn | Parkinson-Krankheit (autosomal rezessiv, früher Beginn) 7, Mensch | Parkinson-Krankheit, autosomal rezessiv, früher Beginn | Parkinson-Krankheit, autosomal-rezessiver Frühbeginn, Digenic, Pink1/Dj1Vereinigte Staaten
-
Ahram Canadian UniversityAin Shams UniversityRekrutierungParkinson Krankheit | Parkinson | Parkinson-Krankheit und ParkinsonismusÄgypten
-
Boehringer IngelheimAbgeschlossenFrühe Parkinson-Krankheit (frühe Parkinson-Krankheit)Vereinigte Staaten, Argentinien, Österreich, Tschechische Republik, Finnland, Deutschland, Ungarn, Indien, Japan, Malaysia, Russische Föderation, Slowakei, Taiwan, Ukraine
-
King's College LondonGlaxoSmithKlineAbgeschlossenParkinson Krankheit | Idiopathische Parkinson-Krankheit | Parkinson-Krankheit, PARK8Vereinigtes Königreich
-
Samuel Vilchez, PhDNational Autonomous University of Nicaragua; Wake Forest University; GID BIO,... und andere MitarbeiterAbgeschlossenParkinson-Krankheit und Parkinsonismus | Idiopathische Parkinson-KrankheitNicaragua
-
Ohio State UniversityAbgeschlossenParkinson-Krankheit | Parkinson Krankheit | Idiopathische Parkinson-Krankheit | Idiopathische Parkinson-Krankheit | Parkinson-Krankheit, idiopathisch | Parkinson-Krankheit, idiopathischVereinigte Staaten
-
National Yang Ming UniversityUnbekanntFrüh einsetzende Parkinson-Krankheit | Parkinson-Krankheit im Frühstadium
-
Assistance Publique - Hôpitaux de ParisFrance Parkinson AssociationUnbekanntGesunde Kontrollen | Parkinson-Krankheit mit LRRK2-Mutation | Parkinson-Krankheit ohne LRRK2-MutationFrankreich
-
University of MichiganNational Institute on Aging (NIA)RekrutierungParkinson-Anzeichen bei älteren PersonenVereinigte Staaten
Klinische Studien zur Elektrophysiologische Aufzeichnungs- und Messgeräte
-
University of Colorado, DenverNational Cancer Institute (NCI)RekrutierungKinderkrebs | ÜberlebenVereinigte Staaten
-
Michigan State UniversityNational Institute of Nursing Research (NINR)AbgeschlossenBrustkrebsVereinigte Staaten
-
Washington University School of MedicineAbgeschlossenBrustkrebs | Neoplasien der Brust | Brustkrebs | Krebs der BrustVereinigte Staaten
-
H. Lee Moffitt Cancer Center and Research InstituteKite, A Gilead CompanyAktiv, nicht rekrutierendDiffuses großzelliges B-Zell-Lymphom | Transformiertes LymphomVereinigte Staaten