TMS piloto para el trastorno por consumo de metanfetamina

Descripción general: este es un ensayo clínico de un solo brazo, con controles históricos como grupo de comparación para resultados seleccionados. Los sujetos con MAUD recibirán 16 sesiones de estimulación theta burst de doble objetivo para DLPFC y MPFC durante 4 semanas. Seguiremos los resultados durante 12 semanas. Los resultados incluyen retención del tratamiento, ansia, consumo de estimulantes o MA autoinformado, resultados de detección de drogas en la orina, síntomas depresivos, síntomas de ansiedad, calidad del sueño, calidad de vida, inhibición de la respuesta y conectividad funcional. Se completarán imágenes de resonancia magnética (IRM) para medir la conectividad funcional y una tarea de flanco para medir la inhibición de la respuesta al inicio del estudio y a las cuatro semanas. Se proporcionan más detalles en la sección de medidas de resultado. Los sujetos también completarán el Big Five Inventory al inicio del estudio, una medida de las características de la personalidad, para explorar cómo se relacionan con los resultados, incluida la retención en el tratamiento y el estudio.

Adquisición de imágenes de RM: la RM se completará al inicio y después de la última sesión de TMS. Las sesiones de resonancia magnética se llevarán a cabo utilizando escáneres de resonancia magnética dedicados a la investigación en cada sitio. Las imágenes anatómicas incluirán imágenes ponderadas T1 y T2 volumétricas con una resolución espacial isotrópica de 1,0 mm. Se realizará una IRMf en estado de reposo para recopilar 20 minutos de datos.

Análisis estadístico:

Retención en el estudio y tratamiento psicosocial: Describiremos la proporción de sujetos que completan el período de tratamiento de TMS de 4 semanas y completan cada visita de seguimiento mensual subsiguiente. Usaremos las curvas de Kaplan-Meier para describir la retención en el estudio y en el tratamiento psicosocial. Si la falta de retención es lo suficientemente común, utilizaremos la regresión de Cox para explorar medidas de referencia como predictores de retención. Anticipamos que el análisis multivariado no será factible con el tamaño de la muestra.

Síntomas y medidas de control de impulsos: Los análisis primarios para otras medidas se centrarán en los cambios durante el período de tratamiento de 4 semanas de TMS. Cambios en los síntomas evaluados semanal o quincenalmente (p. ansia, depresión, afecto, ansiedad, sueño) se evaluarán utilizando modelos mixtos lineales generalizados con distribuciones apropiadas. Anticipamos una distribución de Poisson para los días de MA u otro uso de estimulantes y usaremos una distribución binomial con un enlace logit para evaluar los cambios en las pruebas positivas de detección de drogas en la orina. El tiempo será la principal variable de interés para evaluar las pendientes de cambio durante el tratamiento. Se usarán pruebas t pareadas o pruebas de rango con signo de Wilcoxon para evaluar los cambios en las medidas completadas al inicio y después de 4 semanas de tratamiento. Compararemos las medidas al inicio ya las 4 semanas con las de las 8 semanas y las 12 semanas de manera similar, pero en análisis separados, ya que los efectos pueden disminuir después de que termine el TMS.

Análisis de conectividad funcional: el análisis de conectividad funcional de fMRI se realizará utilizando una canalización de análisis estándar. Las imágenes funcionales se someterán a un preprocesamiento que incluye extracción de cerebro, corrección de movimiento, suavizado espacial (6 mm FWHM) y filtrado temporal (0,008 Hz < f < 0,08 Hz). Después del preprocesamiento, la señal de fMRI se corregirá en busca de posibles fuentes de ruido utilizando estimaciones basadas en imágenes y parámetros de corrección de movimiento. La serie temporal corregida resultante se utilizará para todos los análisis de conectividad funcional. La conectividad funcional se medirá extrayendo datos de series temporales de los datos de imágenes preprocesados ​​para las regiones de interés (ROI). Se examinarán múltiples ROI y se definirán como esferas (6 mm de radio) en función de las ubicaciones de coordenadas publicadas previamente por Yeo y sus colegas. Específicamente, nos centraremos en la conectividad en la red cingulo-opercular implicada en el control cognitivo y la prominencia (DLPFC - ínsula anterior; DLPFC - cíngulo anterior) y el circuito de motivación/procesamiento de recompensas (MPFC - cuerpo estriado ventral). Los análisis se promediarán entre los hemisferios derecho e izquierdo, pero también exploraremos las diferencias entre los hemisferios derecho e izquierdo. La serie temporal de los ROI se correlacionará de forma cruzada con la serie temporal de los otros ROI para determinar la fuerza de la conectividad funcional entre las regiones. La r de Pearson resultante se convertirá en puntuaciones z de Fisher para mejorar la normalidad del análisis estadístico. Trataremos cada conexión de par de ROI (DLPFC - ínsula anterior, DLPFC - cíngulo anterior, MPFC - cuerpo estriado ventral) como una variable dependiente. Los análisis primarios utilizarán pruebas t pareadas o pruebas de rangos con signo de Wilcoxon para comparar la conectividad al inicio frente al tratamiento con TMS. Exploraremos correlatos de conectividad y cambios utilizando correlaciones de Pearson o Spearman y regresión lineal o modelos mixtos.

Análisis exploratorio: se realizarán análisis exploratorios de seguimiento de vóxeles para la conectividad funcional, que proporcionarán miles de predictores individuales. Esto ayudará a confirmar los hallazgos en el análisis basado en el ROI de parcelas grandes. Usaremos los mismos modelos estadísticos que se usaron para el análisis basado en el ROI descrito anteriormente, pero a nivel de vóxel. Los datos de Voxel-wise crean un problema de alta dimensión en el que la cantidad de predictores supera con creces la cantidad de participantes. Se utilizarán métodos de aprendizaje automático, como el bosque aleatorio, para manejar los subanálisis de alta dimensión. Random forest requiere un mínimo de suposiciones de datos, da cuenta automáticamente de los efectos no lineales y de interacción, y ha demostrado ser útil para identificar predictores útiles en contextos de alta dimensión.

Comparación con controles históricos: compararemos la retención en los programas de tratamiento psicosocial y las pruebas de detección de drogas en orina positivas a partir de la revisión de gráficos con un grupo de control histórico de pacientes con trastorno por consumo de AM emparejados por edad, sexo, sitio y modalidad de tratamiento psicosocial. La retención del tratamiento se comparará mediante una prueba de rango logarítmico. Las pruebas de detección de drogas en orina positivas en cada semana de seguimiento se compararán utilizando modelos de ecuaciones de estimación generalizadas con un enlace logit, agrupados por sujeto, con la participación en el estudio TMS como la variable de interés.