- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT03079960
Caracterización basada en datos de marcadores neuronales durante la estimulación cerebral profunda para pacientes con enfermedad de Parkinson
La estimulación cerebral profunda (DBS) del núcleo subtalámico (STN) se ha convertido en una terapia estándar en la etapa refractaria de la enfermedad de Parkinson (EP). Los microelectrodos y macroelectrodos implantados se pueden utilizar para derivar señales neurales de los ganglios basales (BG). Las señales corticales se pueden obtener mediante mediciones del electroencefalograma (EEG) o del electrocorticograma (ECoG). Ambos tipos de señales se pueden utilizar para caracterizar el sistema motor del paciente y hacer posible estimar la eficacia de una DBS actualmente realizada. Sin embargo, la relación entre dichas características neuronales por un lado y los parámetros de estimulación DBS o los efectos clínicos observables por otro lado es muy individual y varía de un paciente a otro.
El objetivo del presente estudio es: (1) determinar las características neuronales que son informativas sobre el estado motor clínicamente relevante de los pacientes con EP. (2) La investigación y descripción de la compleja dinámica no estacionaria de las características neuronales como consecuencia del cambio de los parámetros de estimulación DBS. (3) El estudio del efecto de cambiar los parámetros de estimulación DBS en el rendimiento motor.
Los tres objetivos forman un bloque de construcción importante para futuras estrategias de DBS de circuito cerrado adaptativo (aDBS). Aquí, los parámetros de estimulación deben adaptarse en el ensayo único y dependiendo del estado motor detectado actualmente del paciente. Dado que esto es accesible solo de forma muy limitada, se debe investigar si se puede obtener información sobre el estado del motor a partir de las características neuronales.
Descripción general del estudio
Estado
Condiciones
Intervención / Tratamiento
Descripción detallada
La estimulación cerebral profunda del núcleo subtalámico (STN DBS) se ha convertido en una terapia estándar para el tratamiento de las etapas refractarias de la enfermedad de Parkinson (EP). El gran número de sistemas DBS implantados hoy en día de forma rutinaria representan una tecnología de circuito abierto. Estos llamados sistemas DBS continuos (cDBS) son relativamente simples desde una perspectiva técnica, ya que entregan trenes de pulsos de estimulación de alta frecuencia ininterrumpidos típicamente las 24 horas del día. La estimulación se aplica al área objetivo, como el STN, sin tener en cuenta el nivel actual de síntomas de EP o el estado motor del paciente. Los cambios en los parámetros de estimulación, como el ancho del pulso, la amplitud o la frecuencia, solo pueden ser aplicados por un experto capacitado durante una llamada sesión de ajuste, que generalmente se lleva a cabo en la clínica. Esto limita el número de sesiones de ajuste a un máximo de unas pocas por año. Esto puede ser suficiente para adaptar el sistema a los cambios a largo plazo del estado de un paciente inducidos por el progreso de la EP, que tienen lugar durante meses y años, pero ciertamente no es suficiente para reaccionar ante las variaciones de las condiciones diarias o los cambios en escalas temporales aún más pequeñas. A pesar de ser un enfoque ampliamente aceptado, se sabe que la cDBS causa varios efectos secundarios, como deterioro del habla o tolerancia al tratamiento debido a la estimulación continua crónica, y tiene desventajas con respecto a la eficiencia energética y la duración de la batería del dispositivo de estimulación implantado.
A diferencia de los sistemas cDBS disponibles, sería deseable contar con sistemas de DBS adaptativos (aDBS), que proporcionen estimulación solo bajo demanda y, por ejemplo, reduzcan o detengan la administración de estimulación durante períodos de inactividad o cuando el rendimiento motor del paciente es bajo. suficientemente alto. Aunque se han informado algunos prototipos de aDBS en la literatura, se investigan solo en contextos de investigación y aún no se han incluido en las rutinas clínicas.
Para realizar el control de circuito cerrado de los síntomas motores de un paciente mediante un enfoque aDBS, se requiere al menos una fuente de información que describa el estado motor del paciente. Por un lado, esta información puede ser accesible a través de sensores externos o dispositivos portátiles, que registran, p. tono muscular, temblor, información cinemática, etc. en situaciones cotidianas o durante la ejecución de tareas motoras específicas. Alternativamente, la información también puede expresarse mediante señales cerebrales específicas, los llamados marcadores neurales, que se correlacionan con el estado motor y pueden actuar como su sustituto.
Los marcadores neuronales informativos se pueden extraer de varias áreas del cerebro y con diferentes tecnologías de registro. La actividad en el núcleo subtalámico (STN) y otros ganglios basales se puede medir tanto durante como después de la implantación de los electrodos DBS en forma de potenciales de campo locales (LFP) o registros de microelectrodos (MER). Las señales registradas durante la estimulación, desde pequeñas ventanas de tiempo entre secuencias de estimulación o sin estimulación pueden proporcionar información sobre el estado motor clínicamente relevante de los pacientes con EP. Además, se ha demostrado que los registros de señales neuronales a través de magneto o electroencefalograma (MEG/EEG) y electrocorticograma (ECoG) pueden proporcionar información complementaria valiosa en comparación con las señales obtenidas de los ganglios basales.
A nivel clínico, el estado motor de los pacientes se puede evaluar utilizando la parte III de la batería de pruebas de la Escala de calificación de la enfermedad de Parkinson unificada (UPDRS-III). Sin embargo, su evaluación lleva bastante tiempo y requiere la participación de un médico (neurólogo) y, en consecuencia, la puntuación completa de UPDRS-III no se puede utilizar para una implementación de aDBS. Desafortunadamente, con el estado actual de la investigación, la información sobre el comportamiento motor no puede reemplazarse simplemente por información recopilada a través de señales cerebrales. La razón es que la relación entre los marcadores neurales relevantes de las grabaciones de LFP y MER y los síntomas motores individuales (por ejemplo, como se describe en UPDRS-III) está lejos de ser completa y requiere más investigación.
Para caracterizar candidatos de marcadores neuronales, que pueden utilizarse como sustitutos del estado motor, es importante investigar dos preguntas: (1) (¿Cómo) cambia el marcador al aplicar DBS? (2) ¿Este cambio está relacionado con los efectos clínicos de DBS observados, p. un cambio en la puntuación UPDRS-III? En este contexto, se han descrito componentes oscilatorios seleccionados. Se ha informado que el poder de los componentes oscilatorios de LFP en el rango beta (12-30 Hz) cae sobre DBS y, a pesar de que la relación causal y los mecanismos de acción no están claros, también se ha correlacionado con síntomas parkinsonianos motores como bradicinesia y rigidez. Además, se ha descrito la interacción de la potencia de banda de otros componentes de frecuencia con síntomas motores específicos de la EP. Un ejemplo es la relación entre la potencia de banda delta y gamma registrada desde el STN con síntomas discinéticos y la correlación de potencia de banda gamma alta con puntajes UPDRS-III, y la modulación de gamma alta a través de DBS o L-Dopa. Además, también se ha observado que la estimulación DBS influye en el acoplamiento de frecuencias cruzadas entre las estructuras córtico-corticales, córtico-subcorticales y subcorticales-subcorticales.
La mayoría de los estudios sobre el efecto de DBS en el sistema motor y sobre los marcadores neurales informativos informan sobre los efectos globales observados en estudios grupales. Sin embargo, es posible que los resultados del gran promedio no proporcionen suficiente información para controlar los sistemas de aDBS para un paciente individual. Esto está subrayado por muchos estudios recientes del campo de las interfaces cerebro-computadora (BCI), donde se ha encontrado que las firmas neuronales informativas son específicas del sujeto y donde se han aplicado con éxito métodos específicos del sujeto para extraer marcadores neuronales informativos. Por lo tanto, proponemos refinar el nivel de análisis de datos más allá del nivel de estadísticas grupales.
Además de que los marcadores neuronales son específicos del sujeto, se deben considerar las dinámicas implícitas tanto de los marcadores neuronales como de los efectos de DBS:
- Dinámica de los marcadores neuronales Incluso dentro de un usuario individual y un solo día, la adaptación de los parámetros DBS puede ser necesaria para compensar las características no estacionarias mostradas por los marcadores neuronales en varias escalas temporales: (a) En la escala de horas a minutos , debido a, por ejemplo, cambios en la vigilia/cansancio o el ciclo circadiano. (b) En la escala de minutos a segundos, las variaciones, p. en el nivel de atención, carga de trabajo. (c) En escalas de tiempo aún más pequeñas debido al estado actual del sistema motor (preparación de tareas versus inicio de tareas versus tareas continuas sostenidas, tareas de alta fuerza versus tareas de precisión, tareas isométricas versus de movimiento, etc.). Debe esperarse que los marcadores neuronales informativos individualmente, que pueden explotarse para realizar el sistema aDBS de circuito cerrado, estén sujetos a cambiar su contenido informativo en las escalas de tiempo y escenarios mencionados anteriormente.
- Dinámica de los efectos DBS En función de los parámetros DBS (p. intensidad, frecuencia, duración, forma del pulso) del patrón de estimulación aplicado en el pasado inmediato, se sabe que los efectos sobre (1) el sistema motor y sobre (2) los marcadores neurales informativos persisten de varios segundos a minutos, incluso después de que la estimulación haya terminado. sido apagado [Bronte-Stewart et al. 2009]. Debido a este efecto de lavado de DBS, la estrategia de estimulación de un sistema aDBS probablemente se beneficiará al tener en cuenta el historial de estimulación (a corto plazo). La duración y la dinámica temporal de este llamado período de lavado depende del tipo de síntoma motor estudiado. Se ha informado que es más largo para la acinesia (minutos - horas) que para la rigidez (minutos). Por lo tanto, se puede plantear la hipótesis de que la dinámica de los efectos de lavado para los síntomas motores y para los marcadores neurales no es la misma.
Los solicitantes de esta propuesta quieren dar un paso sustancial en la dirección de un sistema aDBS de bucle completamente cerrado. Para alcanzar este objetivo, es necesario desarrollar métodos de análisis de datos para señales cerebrales, que sean capaces de identificar los marcadores neuronales informativos antes mencionados, y utilizarlos como entrada para decodificar el estado motor actual. Para ambas tareas, los métodos de aprendizaje automático se han investigado y utilizado con éxito en el contexto de los sistemas BCI de circuito cerrado. Los métodos desarrollados en este campo permiten la decodificación de un solo ensayo de señales EEG no invasivas y señales invasivas como ECoG y LPF. Los métodos de aprendizaje automático permiten la detección de intenciones de movimiento en un solo intento y la decodificación de movimientos imaginados o ejecutados. Además, la investigación más reciente de los solicitantes ha demostrado que los enfoques BCI permiten incluso predecir el rendimiento de una tarea motora próxima, lo que puede ser información valiosa para aplicaciones de bucle cerrado dependientes del estado cerebral.
Tipo de estudio
Inscripción (Anticipado)
Fase
- No aplica
Contactos y Ubicaciones
Estudio Contacto
- Nombre: Volker Coenen, Prof. Dr.
- Número de teléfono: +49 761 27050510
- Correo electrónico: volker.coenen@uniklinik-freiburg.de
Copia de seguridad de contactos de estudio
- Nombre: Michael Tangermann, Dr.
- Número de teléfono: +49 761 2038423
- Correo electrónico: michael.tangermann@blbt.uni-freiburg.de
Ubicaciones de estudio
-
-
Baden-Württemberg
-
Freiburg im Breisgau, Baden-Württemberg, Alemania, 79106
- Reclutamiento
- Medical Center - University of Freiburg - Clinic for Neurosurgery - Dept. of Stereotactical and Functional Neurosurgery
-
Contacto:
- Michael Tangermann, Dr.
- Número de teléfono: 8423 +49 761 203
- Correo electrónico: michael.tangermann@blbt.uni-freiburg.de
-
Contacto:
- Volker Arnd Coenen, Prof. Dr.
- Número de teléfono: 50630 +49 761 270
- Correo electrónico: stereo@uniklinik-freiburg.de
-
Investigador principal:
- Volker Arnd Coenen, Prof. Dr.
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
Acepta Voluntarios Saludables
Géneros elegibles para el estudio
Descripción
Criterios de inclusión:
- Pacientes masculinos o femeninos de ≥ 35 y ≤ 75 años
- Pacientes con EP diagnosticada según los Criterios del Banco de Cerebros del PDS del Reino Unido.
- Consentimiento informado por escrito.
- Para PG-O y PG-pre, pacientes elegibles para Cirugía STN DBS según las guías de la DGN (www.dgn.org)
- Para PG-crónico, pacientes que han recibido implantes DBS permanentes en el pasado y que usan el tratamiento DBS.
Criterio de exclusión:
- MR Imaging muestra una contraindicación para las grabaciones de microelectrodos. Si las imágenes muestran una gran cantidad de vasos sanguíneos en la región objetivo y no se puede encontrar una trayectoria segura para insertar el microelectrodo, entonces el paciente puede recibir la implantación del macroelectrodo sin mediciones previas del microelectrodo, pero queda excluido del estudio.
- Contraindicación para la neurocirugía estereotáctica.
- Demencia (puntuación de clasificación de demencia de Mattis ≤ 130)
- Psicosis aguda declarada por un médico psiquiatra
- Incapaz de dar consentimiento informado por escrito
- Contraindicaciones quirúrgicas
- Medicamentos que es probable que causen interacciones en la opinión del investigador
- Mujeres fértiles que no usan métodos anticonceptivos adecuados: condones femeninos, diafragma o espiral, cada uno usado en combinación con espermicidas; dispositivo intrauterino; anticoncepción hormonal en combinación con un método anticonceptivo mecánico;
- Embarazo actual o planificado, periodo de lactancia
Contraindicaciones según las instrucciones del dispositivo o el Folleto del investigador:
- Diatermia (diatermia de onda corta, microondas y/o ultrasonido terapéutico)
- Imágenes por resonancia magnética (IRM)
- incapacidad del paciente
- Pacientes esperados malos candidatos quirúrgicos
Para PG-crónico, solo se aplican los criterios de exclusión 3, 4, 5, 7, 8, 9, 10, ya que los electrodos ya están implantados, por lo que no es necesario ningún procedimiento quirúrgico.
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
- Propósito principal: Ciencia básica
- Asignación: No aleatorizado
- Modelo Intervencionista: Asignación paralela
- Enmascaramiento: Ninguno (etiqueta abierta)
Armas e Intervenciones
Grupo de participantes/brazo |
Intervención / Tratamiento |
---|---|
Experimental: Grupo de pacientes original (PG-O)
Implantación de DBS: los pacientes se someten a neurocirugía estereotáctica estándar para la implantación de DBS. La decisión para el tratamiento de DBS se tomó antes de la inclusión en este estudio. Los cables y conectores de los macroelectrodos permanecerán exteriorizados durante cuatro días para los procedimientos de ajuste de cDBS. Durante la externalización, los pacientes participan en sesiones de estimulación y grabación de prueba durante las cuales realizan tareas motoras cortas. Los conectores externalizados de los macroelectrodos permiten la estimulación simultánea del STN y la obtención de registros de LFP con dispositivos de registro y medición electrofisiológicos del STN para el ajuste de parámetros de DBS, según el procedimiento clínico estándar. |
Externalización de conectores DBS y macroelectrodos para registros LFP de estimulación STN simultánea mediante el uso de dispositivos de registro y medición electrofisiológicos.
Otros nombres:
|
Sin intervención: Grupo de pacientes crónicos (PG-crónicos)
Los pacientes de este grupo participarán en una sesión de grabación en cualquier momento deseado después de que se les haya implantado un sistema DBS como parte de su tratamiento clínico de rutina. Durante esta sesión, que tendrá una duración de aprox. 60 minutos, los pacientes ejecutarán diferentes tareas motoras mientras se registra la actividad neuronal de forma no invasiva desde áreas corticales a través de electrodos EEG de superficie. Las grabaciones se realizan mientras se aplican diferentes estrategias de DBS. Las diferentes estrategias de DBS se seleccionan como un conjunto de configuraciones seguras a medida que se utilizan en la rutina clínica. Las pruebas de comportamiento realizadas para PG-crónico son las mismas que se realizan para PG-O. |
|
Sin intervención: Grupo de pacientes preoperatorios (PG-pre)
Los pacientes de este grupo participarán en una sesión de registro que tendrá lugar una semana antes de la cirugía de implantación como muy pronto, es decir, entre el día -7 y el día 0. La decisión del tratamiento DBS se tomó antes de la inclusión en este estudio. Durante esta sesión de grabación, que tendrá una duración de aprox. 60 minutos, los pacientes ejecutarán diferentes tareas motoras mientras se registra la actividad neuronal de forma no invasiva desde áreas corticales a través de electrodos EEG de superficie. Las pruebas de comportamiento realizadas para PG-pre son las mismas que se realizan para PG-O. |
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
---|---|---|
Correlación de parámetros de estimulación y rendimiento motor
Periodo de tiempo: Días 1-4 después de la neurocirugía
|
Para cada paciente, se entrenará un modelo de regresión lineal para predecir el rendimiento motor (variable objetivo) dado un conjunto de parámetros de estimulación (predictor). El valor r de cada uno de los modelos entrenados en todos los sujetos se comparará con los valores r obtenidos de los modelos de arranque remuestreados. Las diferencias estadísticamente significativas entre los modelos estimados y bootstrap se evaluarán mediante una prueba de Wilcoxon con un nivel de significación del 5 %. El criterio de valoración es la predicción del rendimiento motor evaluado por los valores r de los modelos estimados. Los parámetros de estimulación incluirán corriente (mA), frecuencia (Hz) y ancho de impulso (µs). El rendimiento del motor se evaluará mediante varias pruebas de motor (comparable a UPDRS). |
Días 1-4 después de la neurocirugía
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
---|---|---|
Correlación del rendimiento motor y marcadores neurales informativos
Periodo de tiempo: Días 1-4 después de la neurocirugía
|
Para cada paciente, se calculará la correlación de Pearson entre (1) la potencia de la banda beta y el rendimiento en las tareas motoras cortas y (2) el mejor marcador neuronal multivariado obtenido por nuestros modelos con el rendimiento en las tareas motoras cortas. Las correlaciones obtenidas entre todos los sujetos se compararán luego bajo las dos condiciones. La diferencia estadísticamente significativa entre los marcadores multivariados y beta se estimará mediante una prueba de Wilcoxon por pares (nivel de significación del 5 %). El criterio de valoración es la predicción del rendimiento motor evaluado por los valores r de los modelos estimados. El rendimiento del motor se evaluará mediante varias pruebas de motor (comparables a UPDRS) y niveles de frecuencia de banda beta. Los marcadores neurales informativos se evaluarán mediante electroencefalogramas (EEG), electromielogramas (EMG) y parámetros fisiológicos (p. frecuencia respiratoria). |
Días 1-4 después de la neurocirugía
|
Correlación de parámetros de estimulación y marcadores neurales informativos.
Periodo de tiempo: Días 1-4 después de la neurocirugía
|
De manera análoga al criterio de valoración principal, se entrena un modelo de regresión lineal, que aprende a predecir los valores de los marcadores neuronales multivariados en función de los parámetros de estimulación. Nuevamente, comparamos los valores r de los modelos estimados y de los modelos correspondientes obtenidos después del remuestreo de arranque para cada sujeto. Las diferencias estadísticamente significativas entre ellos se evaluarán mediante una prueba de Wilcoxon (nivel de significancia del 5%). El punto final es la predicción de los valores de los marcadores neuronales evaluados por los valores r de los modelos estimados. Los marcadores neurales informativos se evaluarán mediante electroencefalogramas (EEG), electromielogramas (EMG) y parámetros fisiológicos (p. frecuencia respiratoria). |
Días 1-4 después de la neurocirugía
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Volker Coenen, Prof. Dr., University Hospital Freiburg
Publicaciones y enlaces útiles
Publicaciones Generales
- 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.
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Anticipado)
Finalización del estudio (Anticipado)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- P001449
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .
Ensayos clínicos sobre Enfermedad de Parkinson
-
ProgenaBiomeReclutamientoEnfermedad de Parkinson | Enfermedad de Parkinson con demencia | Síndrome de Parkinson-Demencia | Enfermedad de Parkinson 2 | Enfermedad de Parkinson 3 | Enfermedad de Parkinson 4Estados Unidos
-
National Heart, Lung, and Blood Institute (NHLBI)TerminadoEnfermedad de Parkinson 6, inicio temprano | Enfermedad de Parkinson (autosómica recesiva, aparición temprana) 7, humana | Enfermedad de Parkinson Autosómica Recesiva, Inicio Temprano | Enfermedad de Parkinson, autosómica recesiva de aparición temprana, digénica, Pink1/Dj1Estados Unidos
-
Assiut UniversityAún no reclutandoMri en Parkinson
-
Medical College of WisconsinRetirado
-
Hacettepe UniversityTerminadoEnfermedad de Parkinson idiopáticaPavo
-
Pôle Saint HélierRennes University Hospital; Réseau Parkinson BretagneTerminadoEnfermedad de Parkinson | Síndrome de ParkinsonFrancia
-
UCB PharmaTerminadoEnfermedad de Parkinson idiopáticaAlemania
-
Samuel Vilchez, PhDNational Autonomous University of Nicaragua; Wake Forest University; GID BIO, Inc. y otros colaboradoresTerminadoEnfermedad de Parkinson y parkinsonismo | Enfermedad de Parkinson idiopáticaNicaragua
-
AbbVie (prior sponsor, Abbott)Quintiles, Inc.TerminadoEnfermedad de Parkinson avanzadaEstados Unidos, Nueva Zelanda
-
UCB BIOSCIENCES GmbHOtsuka Pharmaceutical Co., Ltd.TerminadoEnfermedad de Parkinson Idiopática AvanzadaCorea, república de, Estados Unidos, Malasia, Singapur, Taiwán