- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT04467658
Marqueur neurophysiologique du TDAH chez l'enfant
16 février 2024 mis à jour par: Junwon Kim, Daegu Catholic University Medical Center
Marqueur neurophysiologique du trouble déficitaire de l'attention avec hyperactivité chez l'enfant
Cette étude a examiné les sous-types d'électroencéphalographie quantitative (QEEG) comme outils auxiliaires pour évaluer le trouble déficitaire de l'attention avec hyperactivité (TDAH).
Les patients ont été évalués à l'aide de la version coréenne du Diagnostic Interview Schedule for Children Version IV et ont été affectés à l'un des trois groupes : TDAH, TDAH non spécifié (NOS) et Neurotypique (NT).
Les enquêteurs ont mesuré la puissance EEG absolue et relative dans 19 canaux et ont effectué un test de performance auditive continue.
Les enquêteurs ont analysé le QEEG selon la gamme de fréquences : delta (1-4 Hz), thêta (4-8 Hz), alpha lent (8-10 Hz), alpha rapide (10-13,5 Hz) et bêta (13,5-30 Hz).
Hz).
Les sujets ont ensuite été regroupés par la méthode d'analyse par grappes de Ward en utilisant la distance euclidienne au carré pour mesurer les dissemblances.
Aperçu de l'étude
Statut
Complété
Les conditions
Intervention / Traitement
- Test diagnostique: électroencéphalographie delta puissance absolue
- Test diagnostique: delta de puissance relative de l'électroencéphalographie
- Test diagnostique: électroencéphalographie puissance thêta absolue
- Test diagnostique: puissance thêta relative de l'électroencéphalographie
- Test diagnostique: électroencéphalographie puissance alpha lente absolue
- Test diagnostique: électroencéphalographie puissance alpha lente relative
- Test diagnostique: électroencéphalographie puissance alpha rapide absolue
- Test diagnostique: puissance alpha relativement rapide de l'électroencéphalographie
- Test diagnostique: puissance bêta absolue de l'électroencéphalographie
- Test diagnostique: puissance bêta relative de l'électroencéphalographie
- Test diagnostique: Échelle d'évaluation coréenne du TDAH
- Test diagnostique: Version coréenne du programme d'entretien de diagnostic pour les enfants Version IV
Description détaillée
Les participants âgés de 7 à 12 ans diagnostiqués avec un TDAH selon les critères du DSM-5 ont été inclus dans l'étude.
Le diagnostic de TDAH était basé sur une version coréenne du Diagnostic Interview Schedule for Children Version IV (DISC-IV), qui est un outil d'entretien structuré, et ces diagnostics ont été confirmés par plusieurs psychiatres pour enfants et adolescents.
Si les participants ne répondaient pas aux critères de diagnostic du TDAH du DSM-IV et du DISC-IV, ils étaient affectés au groupe Neurotypique (NT).
Sur la base des résultats du test DISC-IV, les participants ont été affectés au groupe TDAH ou non spécifié (NOS).
Les patients qui répondaient aux critères diagnostiques du TDAH dans le DSM-IV, mais dont le score ne dépassait pas six, et avaient un score supérieur à trois sur l'échelle de déficit de l'attention ou d'hyperactivité/impactivité du DISC-IV étaient inclus dans le groupe NOS.
Les enfants ayant des antécédents de lésions cérébrales, de troubles neurologiques, de troubles génétiques, de dépendance à une substance, d'épilepsie ou de tout autre trouble mental ont été exclus de la participation.
Les enfants ayant un QI de 70 ou moins selon l'échelle d'intelligence coréenne-Wechsler pour les enfants (quatrième édition) ou qui recevaient un traitement médicamenteux ont également été exclus de cette étude.
Les enregistrements EEG ont été effectués à l'aide d'un amplificateur à courant continu (CC) SynAmps2 et d'un système de placement d'électrodes Quick-Cap à 64 canaux de disposition 10-20 (Neuroscan Inc., NC, USA).
Les données EEG ont été enregistrées numériquement à partir de 19 électrodes en coupelle d'or placées selon le système international 10-20.
Les impédances ont été maintenues en dessous de 5 kΩ et le taux d'échantillonnage était de 1000 Hz.
Les enquêteurs utilisent la référence mastoïdienne liée et deux électrodes bipolaires supplémentaires pour mesurer les mouvements oculaires horizontaux et verticaux.
Pendant l'enregistrement, chaque participant était allongé dans une pièce faiblement éclairée, blindée électriquement et insonorisée.
Les enregistrements EEG au repos ont été enregistrés après trois minutes avec les yeux des participants fermés.
Type d'étude
Observationnel
Inscription (Réel)
140
Contacts et emplacements
Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.
Coordonnées de l'étude
- Nom: Jun Won Kim, M.D. Ph.D.
- Numéro de téléphone: +82-53-630-4780
- E-mail: f_affection@naver.com
Lieux d'étude
-
-
Nam-gu
-
Daegu, Nam-gu, Corée, République de, 42471
- Daegu Catholic University Medical Center
-
-
Critères de participation
Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.
Critère d'éligibilité
Âges éligibles pour étudier
5 ans à 10 ans (Enfant)
Accepte les volontaires sains
Oui
Méthode d'échantillonnage
Échantillon de probabilité
Population étudiée
Les patients suspectés d'un trouble déficitaire de l'attention/hyperactivité ont effectué un QEEG et ont reçu un diagnostic de DISC-IV
La description
Critère d'intégration:
- Les participants âgés de 7 à 12 ans ayant reçu un diagnostic de TDAH selon les critères du DSM-5 ont été inclus dans l'étude
Critère d'exclusion:
- Les enfants ayant des antécédents de lésions cérébrales, de troubles neurologiques, de troubles génétiques, de dépendance à une substance, d'épilepsie ou de tout autre trouble mental ont été exclus de la participation.
- Les enfants avec un QI de 70 ou moins selon l'échelle d'intelligence coréenne-Wechsler pour les enfants (quatrième édition) ou qui recevaient un traitement médicamenteux ont également été exclus de cette étude
Plan d'étude
Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.
Comment l'étude est-elle conçue ?
Détails de conception
- Modèles d'observation: Cas uniquement
- Perspectives temporelles: Rétrospective
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
---|---|
TDAH
|
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Le KARS est un outil de dépistage standardisé du TDAH chez les enfants coréens et une échelle d'évaluation complétée par les parents.
Le DISC-IV est un outil de diagnostic structuré qui a été développé pour être utilisé dans des études épidémiologiques chez les enfants et les adolescents
|
NT NeuroTypique
|
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Le KARS est un outil de dépistage standardisé du TDAH chez les enfants coréens et une échelle d'évaluation complétée par les parents.
Le DISC-IV est un outil de diagnostic structuré qui a été développé pour être utilisé dans des études épidémiologiques chez les enfants et les adolescents
|
TDAH SAI
|
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Nous avons utilisé MATLAB 7.0.1 (Math Works, Natick, MA, USA) et la boîte à outils EEGLAB pour pré-traiter et analyser les enregistrements EEG.
Tout d'abord, les données EEG ont été sous-échantillonnées à 250 Hz.
Ensuite, les données EEG ont été supprimées et soustraites à la moyenne pour supprimer la composante DC.
Un filtre passe-haut à 1 Hz et un filtre coupe-bande à 60 Hz ont été appliqués pour supprimer le bruit oculaire et électrique.
Ensuite, une analyse en composantes indépendantes (ICA) a été effectuée pour éliminer les sources bien définies d'artefacts.
Il a été démontré que l'ICA isole de manière fiable les artefacts causés par les mouvements oculaires et musculaires et le bruit cardiaque (23).
Enfin, des psychiatres cliniciens et des experts en EEG ont inspecté visuellement les EEG corrigés.
Pour l'analyse, nous avons sélectionné plus de deux minutes de lectures EEG sans artefact à partir des enregistrements de trois minutes
Le KARS est un outil de dépistage standardisé du TDAH chez les enfants coréens et une échelle d'évaluation complétée par les parents.
Le DISC-IV est un outil de diagnostic structuré qui a été développé pour être utilisé dans des études épidémiologiques chez les enfants et les adolescents
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Tracés topographiques QEEG des résultats des comparaisons statistiques aux valeurs normatives (z-scores) à l'aide du logiciel Neuroguide
Délai: jusqu'à la fin des études, en moyenne 1 an
|
Les enquêteurs mesurent le QEEG lors de la première clinique externe et effectuent une topographie pour la cartographie
|
jusqu'à la fin des études, en moyenne 1 an
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Parrainer
Dates d'enregistrement des études
Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.
Dates principales de l'étude
Début de l'étude (Réel)
8 août 2018
Achèvement primaire (Réel)
28 février 2021
Achèvement de l'étude (Réel)
28 février 2021
Dates d'inscription aux études
Première soumission
1 juillet 2020
Première soumission répondant aux critères de contrôle qualité
8 juillet 2020
Première publication (Réel)
13 juillet 2020
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
20 février 2024
Dernière mise à jour soumise répondant aux critères de contrôle qualité
16 février 2024
Dernière vérification
1 février 2024
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- CR-18-096
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
NON
Description du régime IPD
Les données seront partagées sur demande pour une raison valable
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Non
Étudie un produit d'appareil réglementé par la FDA américaine
Non
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 .