Neurophysiologischer Marker für ADHS bei Kindern
16. Februar 2024 aktualisiert von: Junwon Kim, Daegu Catholic University Medical Center
Neurophysiologischer Marker der Aufmerksamkeitsdefizit-Hyperaktivitätsstörung bei Kindern
Diese Studie untersuchte Subtypen der quantitativen Elektroenzephalographie (QEEG) als Hilfsmittel zur Beurteilung der Aufmerksamkeitsdefizit-Hyperaktivitätsstörung (ADHS).
Die Patienten wurden anhand der koreanischen Version des diagnostischen Interviewplans für Kinder, Version IV, beurteilt und einer von drei Gruppen zugeordnet: ADHS, ADHS – nicht anders angegeben (NOS) und neurotypisch (NT).
Die Untersucher messen die absolute und relative EEG-Leistung in 19 Kanälen und führen einen auditiven Dauerleistungstest durch.
Die Forscher analysierten das QEEG nach dem Frequenzbereich: Delta (1–4 Hz), Theta (4–8 Hz), langsames Alpha (8–10 Hz), schnelles Alpha (10–13,5 Hz) und Beta (13,5–30 Hz).
Hertz).
Die Probanden wurden dann nach Wards Methode der Clusteranalyse unter Verwendung des quadrierten euklidischen Abstands gruppiert, um Unähnlichkeiten zu messen.
Studienübersicht
Status
Abgeschlossen
Bedingungen
Intervention / Behandlung
- Diagnosetest: Elektroenzephalographie absolute Deltaleistung
- Diagnosetest: Elektroenzephalographie relative Deltaleistung
- Diagnosetest: Elektroenzephalographie absolute Theta-Leistung
- Diagnosetest: Elektroenzephalographie relative Theta-Leistung
- Diagnosetest: Elektroenzephalographie absolut langsam Alpha-Power
- Diagnosetest: Elektroenzephalographie relativ langsame Alphaleistung
- Diagnosetest: Elektroenzephalographie absolut schnelle Alpha-Power
- Diagnosetest: Elektroenzephalographie relativ schnelle Alphaleistung
- Diagnosetest: Elektroenzephalographie absolute Beta-Power
- Diagnosetest: Elektroenzephalographie relative Beta-Leistung
- Diagnosetest: Koreanische ADHS-Bewertungsskala
- Diagnosetest: Koreanische Version des diagnostischen Interviewplans für Kinder Version IV
Detaillierte Beschreibung
In die Studie wurden Teilnehmer zwischen 7 und 12 Jahren aufgenommen, bei denen gemäß den DSM-5-Kriterien ADHS diagnostiziert wurde.
Die ADHS-Diagnose basierte auf einer koreanischen Version des Diagnostic Interview Schedule for Children Version IV (DISC-IV), einem strukturierten Interview-Tool, und diese Diagnosen wurden von mehreren Kinder- und Jugendpsychiatern bestätigt.
Wenn die Teilnehmer die ADHS-Diagnosekriterien von DSM-IV und DISC-IV nicht erfüllten, wurden sie der neurotypischen (NT) Gruppe zugeordnet.
Basierend auf den Ergebnissen des DISC-IV-Tests wurden die Teilnehmer der ADHS- oder Non-Other-Specified (NOS)-Gruppe zugeordnet.
Patienten, die die diagnostischen Kriterien von ADHS in DSM-IV erfüllten, deren Punktzahl jedoch sechs nicht überstieg und eine Punktzahl von mehr als drei auf der Aufmerksamkeitsdefizit- oder Hyperaktivitäts-/Impaktivitätsskala von DISC-IV aufwiesen, wurden in die NOS-Gruppe aufgenommen.
Kinder mit einer Vorgeschichte von Hirnschäden, neurologischen Störungen, genetischen Störungen, Substanzabhängigkeit, Epilepsie oder anderen psychischen Störungen wurden von der Teilnahme ausgeschlossen.
Kinder mit einem IQ von 70 oder weniger gemäß der Koreanisch-Wechsler-Intelligenzskala für Kinder (Vierte Ausgabe) oder die eine medikamentöse Behandlung erhielten, wurden ebenfalls von dieser Studie ausgeschlossen.
Die EEG-Aufzeichnungen wurden unter Verwendung eines SynAmps2-Gleichstrom(DC)-Verstärkers und eines 10-20-Layout-64-Kanal-Quick-Cap-Elektrodenplatzierungssystems (Neuroscan Inc., NC, USA) durchgeführt.
Die EEG-Daten wurden digital von 19 Goldnapfelektroden aufgezeichnet, die gemäß dem internationalen 10-20-System platziert wurden.
Die Impedanzen wurden unter 5 kΩ gehalten und die Abtastrate betrug 1000 Hz.
Die Ermittler verwenden die verknüpfte Mastoid-Referenz und zwei zusätzliche bipolare Elektroden, um horizontale und vertikale Augenbewegungen zu messen.
Während der Aufzeichnung lag jeder Teilnehmer in einem schwach beleuchteten, elektrisch abgeschirmten, schallgedämpften Raum.
Ruhe-EEG-Aufzeichnungen wurden nach drei Minuten mit geschlossenen Augen der Teilnehmer aufgezeichnet.
Studientyp
Beobachtungs
Einschreibung (Tatsächlich)
140
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
Nam-gu
-
Daegu, Nam-gu, Korea, Republik von, 42471
- Daegu Catholic University Medical Center
-
-
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
3 Jahre bis 8 Jahre (Kind)
Akzeptiert gesunde Freiwillige
Ja
Probenahmeverfahren
Wahrscheinlichkeitsstichprobe
Studienpopulation
Patienten mit Verdacht auf Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung führten QEEG durch und diagnostizierten DISC-IV
Beschreibung
Einschlusskriterien:
- In die Studie wurden Teilnehmer zwischen 7 und 12 Jahren aufgenommen, bei denen gemäß den DSM-5-Kriterien ADHS diagnostiziert wurde
Ausschlusskriterien:
- Kinder mit einer Vorgeschichte von Hirnschäden, neurologischen Störungen, genetischen Störungen, Substanzabhängigkeit, Epilepsie oder anderen psychischen Störungen wurden von der Teilnahme ausgeschlossen.
- Kinder mit einem IQ von 70 oder niedriger gemäß der Koreanisch-Wechsler-Intelligenzskala für Kinder (Vierte Ausgabe) oder die eine medikamentöse Behandlung erhielten, wurden ebenfalls von dieser Studie ausgeschlossen
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
- Beobachtungsmodelle: Nur Fall
- Zeitperspektiven: Retrospektive
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
ADHS
|
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Das KARS ist ein standardisiertes Screening-Tool für ADHS bei koreanischen Kindern und eine Bewertungsskala, die von den Eltern ausgefüllt wird.
Das DISC-IV ist ein strukturiertes Diagnosetool, das für den Einsatz in epidemiologischen Studien bei Kindern und Jugendlichen entwickelt wurde
|
|
NT Neurotypisch
|
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Das KARS ist ein standardisiertes Screening-Tool für ADHS bei koreanischen Kindern und eine Bewertungsskala, die von den Eltern ausgefüllt wird.
Das DISC-IV ist ein strukturiertes Diagnosetool, das für den Einsatz in epidemiologischen Studien bei Kindern und Jugendlichen entwickelt wurde
|
|
ADHS-NR
|
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Wir verwendeten MATLAB 7.0.1 (Math Works, Natick, MA, USA) und die EEGLAB-Toolbox, um die EEG-Aufzeichnungen vorzuverarbeiten und zu analysieren.
Zunächst wurden die EEG-Daten auf 250 Hz heruntergesampelt.
Als nächstes wurden die EEG-Daten trendbereinigt und der Mittelwert subtrahiert, um die DC-Komponente zu entfernen.
Ein 1-Hz-Hochpassfilter und ein 60-Hz-Kerbfilter wurden angewendet, um Augen- und elektrisches Rauschen zu entfernen.
Als nächstes wurde eine unabhängige Komponentenanalyse (ICA) durchgeführt, um die gut definierten Quellen von Artefakten zu entfernen.
Es hat sich gezeigt, dass ICA zuverlässig Artefakte isoliert, die durch Augen- und Muskelbewegungen und Herzgeräusche verursacht werden (23).
Schließlich untersuchten klinische Psychiater und EEG-Experten die korrigierten EEGs visuell.
Für die Analyse haben wir mehr als zwei Minuten artefaktfreier EEG-Messungen aus den dreiminütigen Aufzeichnungen ausgewählt
Das KARS ist ein standardisiertes Screening-Tool für ADHS bei koreanischen Kindern und eine Bewertungsskala, die von den Eltern ausgefüllt wird.
Das DISC-IV ist ein strukturiertes Diagnosetool, das für den Einsatz in epidemiologischen Studien bei Kindern und Jugendlichen entwickelt wurde
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Topografische QEEG-Plots der Ergebnisse der statistischen Vergleiche mit normativen Werten (z-Scores) unter Verwendung der Neuroguide-Software
Zeitfenster: bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Die Ermittler messen das QEEG in der ersten Ambulanz und führen eine Topografie für die Kartierung durch
|
bis zum Studienabschluss, durchschnittlich 1 Jahr
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
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)
8. August 2018
Primärer Abschluss (Tatsächlich)
28. Februar 2021
Studienabschluss (Tatsächlich)
28. Februar 2021
Studienanmeldedaten
Zuerst eingereicht
1. Juli 2020
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
8. Juli 2020
Zuerst gepostet (Tatsächlich)
13. Juli 2020
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
20. Februar 2024
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
16. Februar 2024
Zuletzt verifiziert
1. Februar 2024
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- CR-18-096
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
NEIN
Beschreibung des IPD-Plans
Daten werden auf Anfrage aus angemessenem Grund weitergegeben
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Nein
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Nein
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 .