- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT03079960
Caractérisation basée sur les données des marqueurs neuronaux lors de la stimulation cérébrale profonde pour les patients atteints de la maladie de Parkinson
La stimulation cérébrale profonde (DBS) du noyau sous-thalamique (STN) est devenue une thérapie standard au stade réfractaire de la maladie de Parkinson (MP). Des micro- et macroélectrodes implantées peuvent être utilisées pour dériver des signaux neuronaux des ganglions de la base (BG). Les signaux corticaux peuvent être obtenus par des mesures de l'électroencéphalogramme (EEG) ou de l'électrocorticogramme (ECoG). Les deux types de signaux peuvent être utilisés pour caractériser le système moteur du patient et permettre d'estimer l'efficacité d'un DBS actuellement effectué. Cependant, la relation entre ces caractéristiques neuronales d'une part et les paramètres de stimulation DBS ou les effets cliniques observables d'autre part est très individuelle et varie d'un patient à l'autre.
Le but de la présente étude est de : (1) déterminer les caractéristiques neuronales qui sont informatives sur l'état moteur cliniquement pertinent des patients atteints de MP. (2) L'étude et la description de la dynamique complexe non stationnaire des caractéristiques neuronales en conséquence de l'évolution des paramètres de stimulation DBS. (3) L'étude de l'effet de la modification des paramètres de stimulation DBS sur les performances motrices.
Les trois objectifs constituent un élément de base important pour les futures stratégies DBS adaptatives en boucle fermée (aDBS). Ici, les paramètres de stimulation doivent être adaptés dans l'essai unique et en fonction de l'état moteur actuellement détecté du patient. Comme cela n'est accessible que dans une mesure très limitée, il convient d'étudier si des informations sur l'état moteur peuvent être obtenues à partir des caractéristiques neuronales.
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
La stimulation cérébrale profonde du noyau sous-thalamique (STN DBS) est devenue une thérapie standard pour le traitement des stades réfractaires de la maladie de Parkinson (MP). Le grand nombre de systèmes DBS implantés de nos jours en routine représente une technologie en boucle ouverte. Ces systèmes dits DBS continus (cDBS) sont relativement simples d'un point de vue technique, car ils délivrent des trains d'impulsions de stimulation haute fréquence ininterrompus généralement 24 heures sur 24. La stimulation est appliquée à la zone cible, comme le STN, sans tenir compte du niveau actuel des symptômes de la MP ou de l'état moteur du patient. Les modifications des paramètres de stimulation - comme la largeur d'impulsion, l'amplitude ou la fréquence - ne peuvent être appliquées que par un expert formé lors d'une soi-disant séance d'ajustement, qui a généralement lieu en clinique. Cela limite le nombre de séances d'adaptation à quelques-unes au maximum par an. Cela peut être suffisant pour adapter le système aux changements à long terme de l'état d'un patient induits par la progression de la MP, qui se déroulent sur des mois et des années, mais ce n'est certainement pas suffisant pour réagir à des conditions quotidiennes variables ou à des changements à des échelles temporelles encore plus petites. Bien qu'il s'agisse d'une approche largement acceptée, le cDBS est connu pour provoquer plusieurs effets secondaires tels que des troubles de la parole ou une tolérance au traitement en raison d'une stimulation continue chronique, et présente des inconvénients en ce qui concerne l'efficacité énergétique et la durée de vie de la batterie du dispositif de stimulation implanté.
Contrairement aux systèmes cDBS disponibles, il serait souhaitable de disposer de systèmes DBS adaptatifs (aDBS), qui fournissent une stimulation à la demande uniquement et, par exemple, réduisent ou arrêtent la délivrance de la stimulation pendant les périodes d'inactivité ou lorsque les performances motrices du patient sont réduites. suffisamment élevé. Même si quelques prototypes d'aDBS ont été rapportés dans la littérature, ils ne sont étudiés que dans des contextes de recherche et n'ont pas encore été inclus dans les routines cliniques.
Pour réaliser le contrôle en boucle fermée des symptômes moteurs d'un patient par une approche aDBS, au moins une source d'informations décrivant l'état moteur du patient est nécessaire. D'une part, ces informations peuvent être accessibles via des capteurs externes ou des appareils portables, qui enregistrent par ex. tonus musculaire, tremblements, informations cinématiques, etc. dans des situations de la vie courante ou lors de l'exécution de tâches motrices spécifiques. Alternativement, les informations peuvent également être exprimées par des signaux cérébraux spécifiques, appelés marqueurs neuronaux, qui sont en corrélation avec l'état moteur et peuvent agir comme son substitut.
Des marqueurs neuronaux informatifs peuvent être extraits de plusieurs zones du cerveau et avec différentes technologies d'enregistrement. L'activité dans le noyau sous-thalamique (STN) et d'autres ganglions de la base peut être mesurée pendant et après l'implantation des électrodes DBS sous la forme de potentiels de champ locaux (LFP) ou d'enregistrements de microélectrodes (MER). Les signaux enregistrés soit pendant la stimulation, à partir de petites fenêtres temporelles entre les séquences de stimulation, soit en l'absence de stimulation peuvent fournir des informations sur l'état moteur cliniquement pertinent des patients atteints de MP. De plus, il a été démontré que les enregistrements de signaux neuronaux via magnéto- ou électroencéphalogramme (MEG/EEG) et électrocorticogramme (ECoG) peuvent fournir des informations complémentaires précieuses par rapport aux signaux obtenus à partir des ganglions de la base.
Au niveau clinique, l'état moteur des patients peut être évalué à l'aide de la partie III de la batterie de tests de l'échelle d'évaluation unifiée de la maladie de Parkinson (UPDRS-III). Son évaluation, cependant, prend assez de temps et nécessite l'implication d'un clinicien (neurologue) et par conséquent le score UPDRS-III complet ne peut pas être utilisé pour une mise en œuvre de l'aDBS. Malheureusement, dans l'état actuel des recherches, les informations sur le comportement moteur ne peuvent pas simplement être remplacées par des informations collectées via des signaux cérébraux. Les raisons en sont que la relation entre les marqueurs neuronaux pertinents des enregistrements LFP et MER et les symptômes moteurs individuels (par exemple, tels que décrits par l'UPDRS-III) est loin d'être complète et nécessite une enquête plus approfondie.
Pour caractériser les candidats de marqueurs neuronaux, qui peuvent être utilisés comme substituts de l'état moteur, il est important d'étudier deux questions : (1) (Comment) le marqueur change-t-il lors de l'application de la DBS ? (2) Ce changement est-il lié aux effets cliniques du DBS observés, par ex. un changement dans le score UPDRS-III ? Dans ce contexte, des composants oscillatoires sélectionnés ont été décrits. Il a été rapporté que la puissance des composants oscillatoires LFP dans la plage bêta (12-30 Hz) chute sur DBS et, malgré une relation causale et des mécanismes d'action peu clairs, elle a également été corrélée aux symptômes parkinsoniens moteurs comme la bradykinésie et la rigueur. De plus, l'interaction de la puissance de bande d'autres composants de fréquence avec des symptômes moteurs spécifiques de la MP a été décrite. Un exemple est la relation entre la puissance des bandes delta et gamma enregistrée à partir du STN avec des symptômes dyskinétiques et la corrélation de la puissance de la bande gamma élevée avec les scores UPDRS-III, et la modulation du gamma élevé par DBS ou L-Dopa. De plus, il a également été observé que la stimulation DBS influence le couplage interfréquence entre les structures cortico-corticales, cortico-sous-corticales et sous-cortico-sous-corticales.
La plupart des études sur l'effet du DBS sur le système moteur et sur les marqueurs neuronaux informatifs rapportent les effets globaux observés dans les études de groupe. Cependant, les résultats de la moyenne générale peuvent ne pas fournir suffisamment d'informations pour contrôler les systèmes aDBS pour un patient individuel. Ceci est souligné par de nombreuses études récentes dans le domaine des interfaces cerveau-ordinateur (BCI), où les signatures neuronales informatives se sont révélées spécifiques au sujet et où des méthodes spécifiques au sujet pour extraire des marqueurs neuronaux informatifs ont été appliquées avec succès. Nous proposons donc d'affiner le niveau d'analyse des données au-delà du niveau des statistiques de groupe.
Outre le fait que les marqueurs neuronaux sont spécifiques à un sujet, la dynamique implicite des marqueurs neuronaux et des effets DBS doit être prise en compte :
- Dynamique des marqueurs neuronaux Même au sein d'un utilisateur individuel et d'une seule journée, l'adaptation des paramètres DBS peut être nécessaire afin de compenser les caractéristiques non stationnaires affichées par les marqueurs neuronaux sur plusieurs échelles temporelles : (a) Sur l'échelle des heures aux minutes , en raison, par exemple, de changements dans l'éveil/la fatigue ou le cycle circadien. (b) Sur l'échelle des minutes aux secondes, les variations, par ex. dans le niveau d'attention, la charge de travail. (c) Sur des échelles de temps encore plus petites en raison de l'état actuel du système moteur (préparation de la tâche par rapport au début de la tâche par rapport aux tâches continues soutenues, tâches de force élevée par rapport aux tâches de précision, tâches isométriques par rapport aux mouvements, etc.). Il faut s'attendre à ce que les marqueurs neuronaux informatifs individuellement, qui peuvent être exploités pour réaliser le système aDBS en boucle fermée, soient susceptibles de modifier leur contenu informatif dans les échelles de temps et les scénarios mentionnés ci-dessus.
- Dynamique des effets DBS En fonction des paramètres DBS (par ex. intensité, fréquence, durée, forme d'impulsion) du modèle de stimulation appliqué dans le passé immédiat, les effets sur (1) le système moteur et sur (2) les marqueurs neuronaux informatifs sont connus pour persister de plusieurs secondes à quelques minutes même après la stimulation été désactivé [Bronte-Stewart et al. 2009]. En raison de cet effet de lavage du DBS, la stratégie de stimulation d'un système aDBS bénéficiera probablement de la prise en compte de l'historique de stimulation (à court terme). La durée et la dynamique temporelle de cette période dite de sevrage dépendent du type de symptôme moteur étudié. Il a été rapporté qu'il était plus long pour l'akinésie (minutes - heures) par opposition à la rigidité (minutes). Ainsi, on peut émettre l'hypothèse que la dynamique des effets de lavage pour les symptômes moteurs et pour les marqueurs neuronaux ne sont pas les mêmes.
Les demandeurs de cette proposition veulent faire un pas en avant substantiel dans la direction d'un système aDBS entièrement en boucle fermée. Pour atteindre cet objectif, il est nécessaire de développer des méthodes d'analyse de données pour les signaux cérébraux, capables d'identifier les marqueurs neuronaux informatifs susmentionnés, et de les utiliser comme entrée pour décoder l'état moteur actuel. Pour les deux tâches, des méthodes d'apprentissage automatique ont été étudiées et utilisées avec succès dans le contexte de systèmes BCI en boucle fermée. Les méthodes développées dans ce domaine permettent un décodage à essai unique des signaux EEG non invasifs et des signaux invasifs comme ECoG et LPF. Les méthodes d'apprentissage automatique permettent la détection des intentions de mouvement en un seul essai et le décodage des mouvements imaginés ou exécutés. En outre, les dernières recherches des demandeurs ont montré que les approches BCI permettent même de prédire la performance d'une tâche motrice à venir, ce qui peut être une information précieuse pour les applications en boucle fermée dépendantes de l'état du cerveau.
Type d'étude
Inscription (Anticipé)
Phase
- N'est pas applicable
Contacts et emplacements
Coordonnées de l'étude
- Nom: Volker Coenen, Prof. Dr.
- Numéro de téléphone: +49 761 27050510
- E-mail: volker.coenen@uniklinik-freiburg.de
Sauvegarde des contacts de l'étude
- Nom: Michael Tangermann, Dr.
- Numéro de téléphone: +49 761 2038423
- E-mail: michael.tangermann@blbt.uni-freiburg.de
Lieux d'étude
-
-
Baden-Württemberg
-
Freiburg im Breisgau, Baden-Württemberg, Allemagne, 79106
- Recrutement
- Medical Center - University of Freiburg - Clinic for Neurosurgery - Dept. of Stereotactical and Functional Neurosurgery
-
Contact:
- Michael Tangermann, Dr.
- Numéro de téléphone: 8423 +49 761 203
- E-mail: michael.tangermann@blbt.uni-freiburg.de
-
Contact:
- Volker Arnd Coenen, Prof. Dr.
- Numéro de téléphone: 50630 +49 761 270
- E-mail: stereo@uniklinik-freiburg.de
-
Chercheur principal:
- Volker Arnd Coenen, Prof. Dr.
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
Sexes éligibles pour l'étude
La description
Critère d'intégration:
- Patients masculins ou féminins âgés de ≥ 35 ans et ≤ 75 ans
- Patients atteints de la maladie de Parkinson diagnostiquée selon les critères britanniques de la banque de cerveaux PDS.
- Consentement éclairé écrit.
- Pour PG-O et PG-pre, les patients éligibles à la chirurgie STN DBS selon les directives de la DGN (www.dgn.org)
- Pour PG-chronic, les patients qui ont reçu une implantation DBS permanente dans le passé et qui utilisent le traitement DBS.
Critère d'exclusion:
- L'IRM montre une contre-indication pour les enregistrements de microélectrodes. Si l'imagerie montre une grande quantité de vaisseaux sanguins dans la région cible et qu'aucune trajectoire sûre pour insérer la microélectrode ne peut être trouvée, le patient peut recevoir l'implantation de la macroélectrode sans mesures préalables de la microélectrode, mais est exclu de l'étude.
- Contre-indication à la neurochirurgie stéréotaxique.
- Démence (Score d'évaluation de la démence de Mattis ≤ 130)
- Psychose aiguë déclarée par un médecin psychiatre
- Incapable de donner un consentement éclairé écrit
- Contre-indications chirurgicales
- Médicaments susceptibles de provoquer des interactions de l'avis de l'investigateur
- Femmes fertiles n'utilisant pas de méthodes contraceptives adéquates : préservatifs féminins, diaphragme ou serpentin, chacun étant utilisé en association avec des spermicides ; dispositif intra-utérin; contraception hormonale en association avec une méthode de contraception mécanique;
- Grossesse en cours ou planifiée, période d'allaitement
Contre-indications selon les instructions de l'appareil ou la brochure de l'investigateur :
- Diathermie (diathermie à ondes courtes, à micro-ondes et/ou à ultrasons thérapeutiques)
- Imagerie par résonance magnétique (IRM)
- Incapacité du patient
- Des patients à attendre de mauvais candidats chirurgicaux
Pour la PG-chronique, seuls les critères d'exclusion 3, 4, 5, 7, 8, 9, 10 sont applicables, puisque les électrodes sont déjà implantées, aucune intervention chirurgicale n'est donc nécessaire.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Objectif principal: Science basique
- Répartition: Non randomisé
- Modèle interventionnel: Affectation parallèle
- Masquage: Aucun (étiquette ouverte)
Armes et Interventions
Groupe de participants / Bras |
Intervention / Traitement |
---|---|
Expérimental: Groupe de patients d'origine (PG-O)
Implantation DBS : les patients subissent une neurochirurgie stéréotaxique standard pour l'implantation DBS. La décision de traitement DBS a été prise avant l'inclusion dans cette étude. Les câbles et les connecteurs des macro-électrodes resteront externalisés pendant quatre jours pour les procédures d'ajustement cDBS. Lors de l'extériorisation, les patients participent à des séances de test de stimulation et d'enregistrement au cours desquelles ils effectuent de courtes tâches motrices. Les connecteurs externalisés des macroélectrodes permettent la stimulation simultanée du STN et l'obtention d'enregistrements LFP avec des dispositifs d'enregistrement et de mesure électrophysiologiques du STN pour l'ajustement des paramètres DBS, selon la procédure clinique standard. |
Externalisation des connecteurs DBS et des macroélectrodes pour les enregistrements LFP de stimulation STN simultanée par l'utilisation d'appareils d'enregistrement et de mesure électrophysiologiques.
Autres noms:
|
Aucune intervention: Groupe de patients chroniques (PG-chronique)
Les patients de ce groupe participeront à une session d'enregistrement à n'importe quel moment après avoir été implantés avec un système DBS dans le cadre de leur traitement clinique de routine. Au cours de cette séance, qui durera env. Pendant 60 minutes, les patients exécuteront différentes tâches motrices tandis que l'activité neuronale est enregistrée de manière non invasive à partir des zones corticales via des électrodes EEG de surface. Les enregistrements sont effectués en appliquant différentes stratégies DBS. Les différentes stratégies DBS sont sélectionnées comme un ensemble de configurations sûres telles qu'elles sont utilisées en routine clinique. Les tests comportementaux effectués pour PG-chronic sont les mêmes que ceux effectués pour PG-O. |
|
Aucune intervention: Groupe de patients préopératoire (PG-pre)
Les patients de ce groupe participeront à une session d'enregistrement qui aura lieu au plus tôt une semaine avant la chirurgie d'implantation, c'est-à-dire entre le jour -7 et le jour 0. La décision de traitement DBS a été prise avant l'inclusion dans cette étude. Au cours de cette session d'enregistrement, qui durera env. Pendant 60 minutes, les patients exécuteront différentes tâches motrices tandis que l'activité neuronale est enregistrée de manière non invasive à partir des zones corticales via des électrodes EEG de surface. Les tests comportementaux effectués pour PG-pre sont les mêmes que ceux effectués pour PG-O. |
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Corrélation des paramètres de stimulation et des performances motrices
Délai: Jours 1 à 4 après la neurochirurgie
|
Pour chaque patient, un modèle de régression linéaire sera formé pour prédire la performance motrice (variable cible) en fonction d'un ensemble de paramètres de stimulation (prédicteur). La valeur r de chacun des modèles formés sur tous les sujets sera comparée aux valeurs r obtenues à partir de modèles bootstrap rééchantillonnés. Les différences statistiquement significatives entre les modèles estimés et bootstrapés seront évaluées par un test de Wilcoxon avec un seuil de signification de 5 %. Le point final est la prédiction de la performance motrice telle qu'évaluée par les valeurs r des modèles estimés. Les paramètres de stimulation incluront le courant (mA), la fréquence (Hz) et la largeur d'impulsion (µs). Les performances du moteur seront évaluées par divers tests de moteur (comparables à UPDRS). |
Jours 1 à 4 après la neurochirurgie
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Corrélation des performances motrices et des marqueurs neuronaux informatifs
Délai: Jours 1 à 4 après la neurochirurgie
|
Pour chaque patient, la corrélation de Pearson entre (1) la puissance de la bande bêta et la performance dans les tâches motrices courtes et (2) le meilleur marqueur neuronal multivarié obtenu par nos modèles avec la performance dans les tâches motrices courtes sera calculée. Les corrélations obtenues sur tous les sujets seront ensuite comparées dans les deux conditions. La différence statistiquement significative entre les marqueurs multivariés et bêta sera estimée par un test de Wilcoxon par paires (niveau de signification de 5 %). Le point final est la prédiction de la performance motrice telle qu'évaluée par les valeurs r des modèles estimés. Les performances du moteur seront évaluées par divers tests de moteur (comparables à l'UPDRS) et les niveaux de fréquence de la bande bêta. Les marqueurs neuronaux informatifs seront évalués par des électroencéphalogrammes (EEG), des électromyélogrammes (EMG) et des paramètres physiologiques (par ex. fréquence respiratoire). |
Jours 1 à 4 après la neurochirurgie
|
Corrélation des paramètres de stimulation et des marqueurs neuronaux informatifs
Délai: Jours 1 à 4 après la neurochirurgie
|
Analogue au critère d'évaluation principal, un modèle de régression linéaire est formé, qui apprend à prédire les valeurs des marqueurs neuronaux multivariés en fonction des paramètres de stimulation. Là encore, nous comparons les valeurs de r des modèles estimés et des modèles correspondants obtenus après rééchantillonnage bootstrap pour chaque sujet. Les différences statistiquement significatives entre eux seront évaluées par un test de Wilcoxon (seuil de signification de 5%). Le point final est la prédiction des valeurs des marqueurs neuronaux telles qu'évaluées par les valeurs r des modèles estimés. Les marqueurs neuronaux informatifs seront évalués par des électroencéphalogrammes (EEG), des électromyélogrammes (EMG) et des paramètres physiologiques (par ex. fréquence respiratoire). |
Jours 1 à 4 après la neurochirurgie
|
Collaborateurs et enquêteurs
Parrainer
Collaborateurs
Les enquêteurs
- Chercheur principal: Volker Coenen, Prof. Dr., University Hospital Freiburg
Publications et liens utiles
Publications générales
- 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.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Anticipé)
Achèvement de l'étude (Anticipé)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- P001449
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .
Essais cliniques sur Maladie de Parkinson
-
ProgenaBiomeRecrutementMaladie de Parkinson | Maladie de Parkinson avec démence | Syndrome de Parkinson-Démence | Maladie de Parkinson 2 | Maladie de Parkinson 3 | Maladie de Parkinson 4États-Unis
-
National Heart, Lung, and Blood Institute (NHLBI)ComplétéMaladie de Parkinson 6, début précoce | Maladie de Parkinson (autosomique récessive, début précoce) 7, humain | Maladie de Parkinson autosomique récessive, début précoce | Maladie de Parkinson, début précoce autosomique récessif, digénique, Pink1/Dj1États-Unis
-
Ahram Canadian UniversityAin Shams UniversityRecrutementMaladie de Parkinson | Parkinson | Maladie de Parkinson et parkinsonismeEgypte
-
Samuel Vilchez, PhDNational Autonomous University of Nicaragua; Wake Forest University; GID BIO... et autres collaborateursComplétéMaladie de Parkinson et parkinsonisme | Maladie de Parkinson idiopathiqueNicaragua
-
King's College LondonGlaxoSmithKlineComplétéMaladie de Parkinson | Maladie de Parkinson idiopathique | Maladie de Parkinson, PARK8Royaume-Uni
-
Ohio State UniversityComplétéLa maladie de Parkinson | Maladie de Parkinson | Maladie de Parkinson idiopathique | Maladie de Parkinson idiopathique | Maladie de Parkinson, idiopathique | Maladie de Parkinson, idiopathiqueÉtats-Unis
-
National Yang Ming UniversityInconnueMaladie de Parkinson à début précoce | Maladie de Parkinson à un stade précoce
-
Assistance Publique - Hôpitaux de ParisFrance Parkinson AssociationInconnueContrôles sains | Maladie de Parkinson avec mutation LRRK2 | Maladie de Parkinson sans mutation LRRK2France
-
University of Campania "Luigi Vanvitelli"Neuromed IRCCSInconnueMaladie de Parkinson secondaireItalie
-
Medical College of WisconsinRetiré