Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Adaptive Recruitment Curve Analysis Using Bayesian Modeling

12. August 2026 aktualisiert von: James McIntosh, Columbia University

Enhancing Speed and Accuracy of Motor Evoked Potential Recruitment Curve Analysis Using Hierarchical Bayesian Modeling

The purpose of this study is to better understand how electrical or magnetic stimulation affect the nervous system by optimizing the way researchers measure muscle responses. The relationship between stimulation intensity and muscle response is described by "neural recruitment curves," which are critical for monitoring the state of the nervous system during therapies like transcranial magnetic stimulation (TMS) and spinal cord stimulation (SCS).

This study tests a new, real-time computational approach based on our previously developed methods (Hierarchical Bayesian models) to estimate these recruitment curves more efficiently. The primary goal is to use this model to dynamically guide the experiment, automatically selecting the optimal stimulation intensities to test.

The investigators hypothesize that this optimized approach will accurately estimate the entire recruitment curve, or specific targets components of it like the motor threshold, using significantly fewer samples than standard methods. By reducing the number of measurements required, this approach aims to decrease experimental time and minimize participant burden, making future TMS and SCS therapies and experiments more feasible and efficient.

Studienübersicht

Status

Rekrutierung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Transcranial magnetic stimulation and other types of neurostimulation play a crucial role in advancing the understanding and manipulation of neural activity for both research and therapeutic purposes. The proposed approach to sampling recruitment curves in real-time promises to significantly improve the efficiency and precision of experiments that use electrical or electromagnetic stimulation techniques, reducing the experimental burden for participants as well as experimenters. By enhancing experimental efficiency in multiple experimental settings and techniques, this research directly contributes to accelerating the translation of scientific discoveries into clinical applications. This study will benchmark the relative performance of different methods against each other by testing existing and proposed algorithms using neurostimulation in people, and comparing the resultant estimates in recruitment curve parameters, and the number of samples required to reach predefined tolerances on these parameters.

Studientyp

Interventionell

Einschreibung (Geschätzt)

14

Phase

  • Unzutreffend

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienkontakt

Studienorte

  • Vereinigte Staaten
    • New York
      • New York, New York, Vereinigte Staaten, 10032
        • Rekrutierung
        • Columbia University Irving Medical Center
        • Kontakt:
        • Hauptermittler:
          • James R McIntosh, PhD

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

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Ja

Beschreibung

Inclusion Criteria:

  • Healthy adult volunteers aged 18 years and older.
  • Able to understand study procedures and provide written informed consent.

Exclusion Criteria:

  • 1. History of adverse reaction to Transcranial Magnetic Stimulation (TMS) or non-invasive neurostimulation.
  • 2. History of seizures, epilepsy, or family history of epilepsy.
  • 3. History of stroke, brain injury, or illness causing brain injury.
  • 4. History of head injury or neurosurgery.
  • 5. History of neurological diseases, or central nervous system lesions.
  • 6. Presence of metallic implants or foreign bodies in the head (outside of dental work/fillings).
  • 7. Presence of implanted electronic or medical devices (e.g., cardiac pacemakers, medical pumps, implanted stimulators).
  • 8. Current pregnancy or possibility of pregnancy.
  • 9. Currently taking medications that alter cortical excitability or lower seizure threshold.

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
Experimental: Test of developed methods
Participants undergo distinct experiments within a single session to compare different neurostimulation sampling algorithms. Each experiment involves recruitment curve sampling with different methods (e.g., Uniform, Expected Information Gain) to evaluate the accuracy and efficiency of motor threshold.
Sonstiges: Algorithm: Uniform Sampling
Standard uniform distribution sampling used as a baseline comparison.
Sonstiges: ML-PEST
Algorithm: Adaptive threshold hunting using the Parameter Estimation by Sequential Testing (PEST) algorithm.
Gerät: MagPro X100 Transcranial Magnetic Stimulation
The proposed algorithms will deliver stimulation by using this magnetic stimulation methodology.
Gerät: Digitimer DS8R Transcutaneous Electrical stimulation
The proposed algorithms will deliver stimulation by using this electrical stimulation methodology.
Sonstiges: Algorithm: hbMEP-adaptive algorithm (version 1)
An active sampling algorithm for recruitment curve estimation.
Sonstiges: Algorithm: hbMEP-adaptive algorithm (version 2)
An alternative active sampling algorithm for recruitment curve estimation.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Number of stimuli to reach a pre-defined threshold error
Zeitfenster: Through completion of the study visit, 2-4 hours.
Number of stimuli required for the compared methods to reach a pre-defined error threshold relative to the ground truth, computed from recruitment curves fitted after sampling using aggregated data.
Through completion of the study visit, 2-4 hours.
Number of stimuli to reach a pre-defined predictive curve error
Zeitfenster: Through completion of the study visit, 2-4 hours.
Number of stimuli required for the compared methods to reach a pre-defined error threshold relative to the ground truth, computed from recruitment curves fitted after sampling using aggregated data.
Through completion of the study visit, 2-4 hours.

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Mean absolute error in a given parameter (e.g. threshold, predictive curve, slope) for a given number of stimuli
Zeitfenster: Through completion of the study visit, 2-4 hours.
The error of the methods under comparison, with the ground truth computed from recruitment curves fitted subsequent to sampling using aggregated data.
Through completion of the study visit, 2-4 hours.

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Columbia University

Mitarbeiter

National Institute of Neurological Disorders and Stroke (NINDS)

Ermittler

  • Hauptermittler: James R McIntosh, PhD, Columbia 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

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 (Geschätzt)

1. September 2026

Primärer Abschluss (Geschätzt)

31. März 2027

Studienabschluss (Geschätzt)

31. März 2027

Studienanmeldedaten

Zuerst eingereicht

20. April 2026

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

24. April 2026

Zuerst gepostet (Tatsächlich)

1. Mai 2026

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

14. August 2026

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

12. August 2026

Zuletzt verifiziert

1. August 2026

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Andere Studien-ID-Nummern

  • AAAV6853
  • 1R03NS141040-01A1 (US NIH Stipendium/Vertrag)

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

JA

Beschreibung des IPD-Plans

De-identified MEP data and analysis code and algorithms.

IPD-Sharing-Zeitrahmen

Together with publication at the end of this study (04/2027).

IPD-Sharing-Zugriffskriterien

Open access repository (e.g. Zenodo and Github).

Art der unterstützenden IPD-Freigabeinformationen

  • ANALYTIC_CODE

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Ja

Produkt, das in den USA hergestellt und aus den USA exportiert wird

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 .

Abonnieren