ADHD:n neurofysiologinen merkki lapsilla
perjantai 16. helmikuuta 2024 päivittänyt: Junwon Kim, Daegu Catholic University Medical Center
Lasten huomiovaje-hyperaktiivisuushäiriön neurofysiologinen merkki
Tässä tutkimuksessa tutkittiin kvantitatiivisen elektroenkefalografian (QEEG) alatyyppejä apuvälineinä tarkkaavaisuus- ja ylivilkkaushäiriön (ADHD) arvioinnissa.
Potilaat arvioitiin käyttämällä lasten diagnostisen haastattelun aikataulun versio IV korealaista versiota, ja heidät määritettiin johonkin kolmesta ryhmästä: ADHD, ADHD-ei toisin määritelty (NOS) ja neurotyyppinen (NT).
Tutkijat mittaavat absoluuttista ja suhteellista EEG-tehoa 19 kanavassa ja suorittivat jatkuvan kuulotestin.
Tutkijat analysoivat QEEG:tä taajuusalueen mukaan: delta (1-4 Hz), theta (4-8 Hz), hidas alfa (8-10 Hz), nopea alfa (10-13,5 Hz) ja beeta (13,5-30).
Hz).
Koehenkilöt ryhmiteltiin sitten Wardin klusterianalyysimenetelmällä käyttämällä neliöityä euklidiaanista etäisyyttä erojen mittaamiseen.
Tutkimuksen yleiskatsaus
Tila
Valmis
Interventio / Hoito
- Diagnostinen testi: elektroenkefalografia absoluuttinen delta teho
- Diagnostinen testi: elektroenkefalografia suhteellinen deltavoima
- Diagnostinen testi: elektroenkefalografia absoluuttinen theta teho
- Diagnostinen testi: elektroenkefalografia suhteellinen theta teho
- Diagnostinen testi: elektroenkefalografia absoluuttinen hidas alfateho
- Diagnostinen testi: elektroenkefalografia suhteellinen hidas alfateho
- Diagnostinen testi: elektroenkefalografia absoluuttinen nopea alfa teho
- Diagnostinen testi: elektroenkefalografia suhteellinen nopea alfa-teho
- Diagnostinen testi: elektroenkefalografia absoluuttinen beetateho
- Diagnostinen testi: elektroenkefalografia suhteellinen beetateho
- Diagnostinen testi: Korean ADHD-luokitusasteikko
- Diagnostinen testi: Koreankielinen versio diagnostisten haastattelujen aikataulusta lapsille Versio IV
Yksityiskohtainen kuvaus
Tutkimukseen otettiin mukaan 7–12-vuotiaat osallistujat, joilla oli DSM-5-kriteerien mukaan diagnosoitu ADHD.
ADHD-diagnoosi perustui korealaiseen versioon Diagnostic Interview Schedule for Children Version IV:stä (DISC-IV), joka on jäsennelty haastattelutyökalu, ja useat lasten ja nuorten psykiatrit vahvistivat nämä diagnoosit.
Jos osallistujat eivät täyttäneet DSM-IV:n ja DISC-IV:n ADHD-diagnostisia kriteerejä, heidät määritettiin neurotyyppien (NT) ryhmään.
DISC-IV-testin tulosten perusteella osallistujat jaettiin ADHD- tai Non-Other Specified (NOS) -ryhmään.
Potilaat, jotka täyttivät ADHD:n diagnostiset kriteerit DSM-IV:ssä, mutta joiden pistemäärä ei ylittänyt kuutta ja joiden pistemäärä oli yli kolme DISC-IV:n tarkkaavaisuus- tai hyperaktiivisuus/impaktiivisuusasteikolla, sisällytettiin NOS-ryhmään.
Lapset, joilla on ollut aivovaurioita, neurologisia häiriöitä, geneettisiä häiriöitä, päihderiippuvuutta, epilepsiaa tai muita mielenterveyshäiriöitä, suljettiin pois osallistumisesta.
Lapset, joiden älykkyysosamäärä oli 70 tai pienempi Korean ja Wechslerin lasten älykkyysasteikon (neljäs painos) mukaan tai jotka saivat huumehoitoa, suljettiin myös pois tästä tutkimuksesta.
EEG-tallenteet suoritettiin käyttämällä SynAmps2-tasavirtavahvistinta (DC) ja 10-20 layout 64-kanavaista Quick-Cap-elektrodien sijoitusjärjestelmää (Neuroscan Inc., NC, USA).
EEG-tiedot tallennettiin digitaalisesti 19 kultakuppielektrodista, jotka oli sijoitettu kansainvälisen 10-20-järjestelmän mukaisesti.
Impedanssit pidettiin alle 5 kΩ ja näytteenottotaajuus oli 1000 Hz.
Tutkijat käyttävät yhdistettyä mastoidireferenssiä ja kahta ylimääräistä bipolaarista elektrodia mittaamaan vaaka- ja pystysuuntaisia silmien liikkeitä.
Nauhoituksen aikana jokainen osallistuja makasi hämärässä, sähkösuojatussa, äänivaimennettussa huoneessa.
Lepo-EEG-tallenteet tallennettiin kolmen minuutin kuluttua osallistujien silmät kiinni.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Todellinen)
140
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Nam-gu
-
Daegu, Nam-gu, Korean tasavalta, 42471
- Daegu Catholic University Medical Center
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
3 vuotta - 8 vuotta (Lapsi)
Hyväksyy terveitä vapaaehtoisia
Joo
Näytteenottomenetelmä
Todennäköisyysnäyte
Tutkimusväestö
Potilaille, jotka epäilivät tarkkaavaisuus-/hyperaktiivisuushäiriötä, suoritettiin QEEG ja diagnosoitiin DISC-IV
Kuvaus
Sisällyttämiskriteerit:
- Tutkimukseen otettiin mukaan 7–12-vuotiaat osallistujat, joilla oli DSM-5-kriteerien mukaan diagnosoitu ADHD.
Poissulkemiskriteerit:
- Lapset, joilla on ollut aivovaurioita, neurologisia häiriöitä, geneettisiä häiriöitä, päihderiippuvuutta, epilepsiaa tai muita mielenterveyshäiriöitä, suljettiin pois osallistumisesta.
- Lapset, joiden älykkyysosamäärä oli 70 tai pienempi Korean ja Wechslerin lasten älykkyysasteikon (4. painos) mukaan tai jotka saivat huumehoitoa, suljettiin myös pois tästä tutkimuksesta.
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Havaintomallit: Vain tapaus
- Aikanäkymät: Takautuva
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
ADHD
|
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
KARS on standardoitu ADHD-seulontatyökalu korealaisilla lapsilla ja vanhempien täyttämä luokitusasteikko.
DISC-IV on strukturoitu diagnostinen työkalu, joka on kehitetty käytettäväksi epidemiologisissa tutkimuksissa lapsilla ja nuorilla.
|
|
NT NeuroTypical
|
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
KARS on standardoitu ADHD-seulontatyökalu korealaisilla lapsilla ja vanhempien täyttämä luokitusasteikko.
DISC-IV on strukturoitu diagnostinen työkalu, joka on kehitetty käytettäväksi epidemiologisissa tutkimuksissa lapsilla ja nuorilla.
|
|
ADHD NOS
|
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
Käytimme MATLAB 7.0.1:tä (Math Works, Natick, MA, USA) ja EEGLAB-työkalupakkia EEG-tallenteiden esikäsittelyyn ja analysointiin.
Ensin EEG-tiedot näytteistettiin 250 Hz:iin.
Seuraavaksi EEG-data detrendoitiin ja keskiarvo vähennettiin DC-komponentin poistamiseksi.
1 Hz:n ylipäästösuodatin ja 60 Hz:n lovisuodatin käytettiin poistamaan silmä- ja sähkökohinaa.
Seuraavaksi suoritettiin riippumaton komponenttianalyysi (ICA) tarkasti määritellyjen artefaktien lähteiden poistamiseksi.
ICA:n on osoitettu eristävän luotettavasti silmien ja lihasten liikkeiden sekä sydämen melun aiheuttamat artefaktit (23).
Lopuksi kliiniset psykiatrit ja EEG-asiantuntijat tarkastivat silmämääräisesti korjatut EEG:t.
Valitsimme analyysiin kolmen minuutin tallennuksista yli kaksi minuuttia artefaktittomia EEG-lukemia
KARS on standardoitu ADHD-seulontatyökalu korealaisilla lapsilla ja vanhempien täyttämä luokitusasteikko.
DISC-IV on strukturoitu diagnostinen työkalu, joka on kehitetty käytettäväksi epidemiologisissa tutkimuksissa lapsilla ja nuorilla.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
QEEG-topografiset kaaviot tilastollisten vertailujen tuloksista normatiivisiin arvoihin (z-pisteisiin) Neuroguide-ohjelmistolla
Aikaikkuna: opintojen päätyttyä keskimäärin 1 vuosi
|
Tutkijat mittaavat QEEG:tä ensimmäisellä poliklinikalla ja tekevät topografian kartoitusta varten
|
opintojen päätyttyä keskimäärin 1 vuosi
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Keskiviikko 8. elokuuta 2018
Ensisijainen valmistuminen (Todellinen)
Sunnuntai 28. helmikuuta 2021
Opintojen valmistuminen (Todellinen)
Sunnuntai 28. helmikuuta 2021
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Keskiviikko 1. heinäkuuta 2020
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Keskiviikko 8. heinäkuuta 2020
Ensimmäinen Lähetetty (Todellinen)
Maanantai 13. heinäkuuta 2020
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Tiistai 20. helmikuuta 2024
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Perjantai 16. helmikuuta 2024
Viimeksi vahvistettu
Torstai 1. helmikuuta 2024
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- CR-18-096
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
IPD-suunnitelman kuvaus
Tietoja jaetaan pyynnöstä asianmukaisesta syystä
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .