Autonominen modulaatio ja kasvojen ilme autismispektrihäiriössä

Taustaa: Autismikirjon häiriöt (ASD) voivat liittyä aivokuoren rakenteiden poikkeavuksiin ja aiheuttaa käyttäytymisen epätasapainoa. Lisäksi heti, kun diagnoosi on tehty, sitä parempi on ennuste. Tässä yhteydessä erottuu sydämen lyöntitiheyden vaihtelu (HRV), joka on ei-invasiivinen työkalu, joka edustaa autonomista modulaatiota ja jolla on potentiaalista ennustearvoa. Kirjallisuus osoitti, että HRV:ssä levossa ei ole muutoksia lineaarisilla analyysimenetelmillä, mutta muutokset voidaan tunnistaa tehtävien aikana. Epälineaariset HRV-menetelmät ovat herkempiä ja tarjoavat lisätietoa lineaariselle. Tavoite: analysoida autonomista modulaatiota käyttämällä epälineaarisia ja lineaarisia HRV-indeksejä lapsille, joilla on ASD levossa ja tehtävissä verrattuna tyypillisiin lapsiin. Lisäksi korreloida HRV-analyysi niiden välillä, myös käyttäytymisen ja sairauden vakavuuden välillä. Menetelmät: Tässä tutkimuksessa on mukana sekä tyypillisiä lapsia että lapsia, joilla on ASD. Autonominen modulaatio suoritetaan käyttämällä epälineaarisia indeksejä (poimittu Poincarén kaaviosta, trendianalyysin ja toistumiskaavion vaihteluväli) sekä HRV:n lineaarisia indeksejä ajassa (RMSSD e SDNN) ja taajuusalueessa (LF, HF, VLF). Tehtävät koostuvat peleistä kasvojen ja ilmeiden tunnistamiseen ja tunnistamiseen. Käyttäytyminen ja taudin vakavuus arvioidaan käyttämällä autismin käyttäytymisen tarkistuslistaa ja vastaavasti Childhood Autism Rating Scalea. Tilastollinen analyysi: momenttien ja protokollien välisten erojen tunnistamiseen käytetään kaksisuuntaista varianssianalyysiä sekä Bonferronin jälkitestiä tai Dunn-jälkitestiä datajakauman mukaan. Tilastollinen merkitsevyys on 5 %.