Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Adaptive Recruitment Curve Analysis Using Bayesian Modeling

keskiviikko 12. elokuuta 2026 päivittänyt: 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.

Tutkimuksen yleiskatsaus

Tila

Rekrytointi

Ehdot

Interventio / Hoito

Yksityiskohtainen kuvaus

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.

Opintotyyppi

Interventio

Ilmoittautuminen (Arvioitu)

14

Vaihe

  • Ei sovellettavissa

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskeluyhteys

Opiskelupaikat

  • Yhdysvallat
    • New York
      • New York, New York, Yhdysvallat, 10032
        • Rekrytointi
        • Columbia University Irving Medical Center
        • Ottaa yhteyttä:
        • Päätutkija:
          • James R McIntosh, PhD

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

  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Joo

Kuvaus

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.

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Ensisijainen käyttötarkoitus: Perustiede
  • Jako: Ei käytössä
  • Inventiomalli: Yksittäinen ryhmätehtävä
  • Naamiointi: Ei mitään (avoin tarra)

Aseet ja interventiot

Osallistujaryhmä / Arm
Interventio / Hoito
Kokeellinen: 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.
Muut: Algorithm: Uniform Sampling
Standard uniform distribution sampling used as a baseline comparison.
Muut: ML-PEST
Algorithm: Adaptive threshold hunting using the Parameter Estimation by Sequential Testing (PEST) algorithm.
Laite: MagPro X100 Transcranial Magnetic Stimulation
The proposed algorithms will deliver stimulation by using this magnetic stimulation methodology.
Laite: Digitimer DS8R Transcutaneous Electrical stimulation
The proposed algorithms will deliver stimulation by using this electrical stimulation methodology.
Muut: Algorithm: hbMEP-adaptive algorithm (version 1)
An active sampling algorithm for recruitment curve estimation.
Muut: Algorithm: hbMEP-adaptive algorithm (version 2)
An alternative active sampling algorithm for recruitment curve estimation.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Number of stimuli to reach a pre-defined threshold error
Aikaikkuna: 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
Aikaikkuna: 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.

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Mean absolute error in a given parameter (e.g. threshold, predictive curve, slope) for a given number of stimuli
Aikaikkuna: 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.

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

Columbia University

Yhteistyökumppanit

National Institute of Neurological Disorders and Stroke (NINDS)

Tutkijat

  • Päätutkija: James R McIntosh, PhD, Columbia University

Julkaisuja ja hyödyllisiä linkkejä

Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.

Yleiset julkaisut

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 (Arvioitu)

Tiistai 1. syyskuuta 2026

Ensisijainen valmistuminen (Arvioitu)

Keskiviikko 31. maaliskuuta 2027

Opintojen valmistuminen (Arvioitu)

Keskiviikko 31. maaliskuuta 2027

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Maanantai 20. huhtikuuta 2026

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Perjantai 24. huhtikuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Perjantai 1. toukokuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Perjantai 14. elokuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Keskiviikko 12. elokuuta 2026

Viimeksi vahvistettu

Lauantai 1. elokuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muut tutkimustunnusnumerot

  • AAAV6853
  • 1R03NS141040-01A1 (Yhdysvaltain NIH-apuraha/sopimus)

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

JOO

IPD-suunnitelman kuvaus

De-identified MEP data and analysis code and algorithms.

IPD-jaon aikakehys

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

IPD-jaon käyttöoikeuskriteerit

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

IPD-jakamista tukeva tietotyyppi

  • ANALYTIC_CODE

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Joo

Yhdysvalloissa valmistettu ja sieltä viety tuote

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 .

Tilaa