Marcatore neurofisiologico dell'ADHD nei bambini
Marcatore neurofisiologico del disturbo da deficit di attenzione e iperattività nei bambini
Panoramica dello studio
Stato
Stato
Condizioni
Condizioni
Intervento / Trattamento
Intervento / Trattamento
- Test diagnostico: elettroencefalografia delta potenza assoluta
- Test diagnostico: elettroencefalografia delta potenza relativa
- Test diagnostico: elettroencefalografia potenza theta assoluta
- Test diagnostico: elettroencefalografia relativa potenza theta
- Test diagnostico: elettroencefalografia potere alfa lento assoluto
- Test diagnostico: elettroencefalografia potenza alfa lenta relativa
- Test diagnostico: elettroencefalografia potenza alfa veloce assoluta
- Test diagnostico: elettroencefalografia potenza alfa rapida relativa
- Test diagnostico: elettroencefalografia potenza beta assoluta
- Test diagnostico: elettroencefalografia potenza beta relativa
- Test diagnostico: Scala di valutazione coreana dell'ADHD
- Test diagnostico: Versione coreana del programma di interviste diagnostiche per bambini Versione IV
Descrizione dettagliata
Tipo di studio
Tipo di studio
Iscrizione (Effettivo)
Iscrizione
Contatti e Sedi
Contatto studio
Contatto studio
- Nome: Jun Won Kim, M.D. Ph.D.
- Numero di telefono: +82-53-630-4780
- Email: f_affection@naver.com
Luoghi di studio
-
-
Nam-gu
-
Daegu, Nam-gu, Corea, Repubblica di, 42471
- Daegu Catholic University Medical Center
-
-
Criteri di partecipazione
Criteri di ammissibilità
Criteri di ammissibilità
Età idonea allo studio
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
Criterio di inclusione:
- Nello studio sono stati inclusi partecipanti di età compresa tra 7 e 12 anni con diagnosi di ADHD secondo i criteri del DSM-5
Criteri di esclusione:
- I bambini con una storia di danno cerebrale, disturbi neurologici, disturbi genetici, dipendenza da sostanze, epilessia o qualsiasi altro disturbo mentale sono stati esclusi dalla partecipazione.
- Sono stati esclusi da questo studio anche i bambini con un QI di 70 o inferiore secondo la Korean-Wechsler Intelligence Scale for Children (Quarta Edizione) o che stavano ricevendo un trattamento farmacologico
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
- Modelli osservazionali: Solo caso
- Prospettive temporali: Retrospettiva
Numero di gruppi/coorti
Coorti e interventi
Gruppo / CoorteGruppo / Coorte |
Intervento / TrattamentoIntervento / Trattamento |
|---|---|
|
ADHD
|
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Il KARS è uno strumento di screening standardizzato per l'ADHD nei bambini coreani e una scala di valutazione completata dai genitori.
Il DISC-IV è uno strumento diagnostico strutturato che è stato sviluppato per l'uso in studi epidemiologici su bambini e adolescenti
|
|
NT neurotipico
|
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Il KARS è uno strumento di screening standardizzato per l'ADHD nei bambini coreani e una scala di valutazione completata dai genitori.
Il DISC-IV è uno strumento diagnostico strutturato che è stato sviluppato per l'uso in studi epidemiologici su bambini e adolescenti
|
|
ADHD NO
|
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Abbiamo utilizzato MATLAB 7.0.1 (Math Works, Natick, MA, USA) e il toolbox EEGLAB per pre-elaborare e analizzare le registrazioni EEG.
Innanzitutto, i dati EEG sono stati sottocampionati a 250 Hz.
Successivamente, i dati EEG sono stati detrendizzati e sottratti in media per rimuovere la componente DC.
Sono stati applicati un filtro passa-alto da 1 Hz e un filtro notch da 60 Hz per rimuovere il rumore visivo e elettrico.
Successivamente, è stata eseguita l'analisi dei componenti indipendenti (ICA) per rimuovere le fonti ben definite di artefatti.
È stato dimostrato che l'ICA isola in modo affidabile gli artefatti causati dai movimenti oculari e muscolari e dal rumore cardiaco (23).
Infine, psichiatri clinici ed esperti di EEG hanno ispezionato visivamente gli EEG corretti.
Per l'analisi, abbiamo selezionato più di due minuti di letture EEG prive di artefatti dalle registrazioni di tre minuti
Il KARS è uno strumento di screening standardizzato per l'ADHD nei bambini coreani e una scala di valutazione completata dai genitori.
Il DISC-IV è uno strumento diagnostico strutturato che è stato sviluppato per l'uso in studi epidemiologici su bambini e adolescenti
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Grafici topografici QEEG dei risultati dei confronti statistici con i valori normativi (punteggi z) utilizzando il software Neuroguide
Lasso di tempo: attraverso il completamento degli studi, una media di 1 anno
|
Gli investigatori misurano il QEEG nella prima clinica ambulatoriale e conducono la topografia per la mappatura
|
attraverso il completamento degli studi, una media di 1 anno
|
Collaboratori e investigatori
Sponsor
Sponsor
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Inizio studio
Completamento primario (Effettivo)
Completamento primario
Completamento dello studio (Effettivo)
Completamento dello studio
Date di iscrizione allo studio
Primo inviato
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Primo Inserito
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento pubblicato
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
Altri numeri di identificazione dello studio
- CR-18-096
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Descrizione del piano IPD
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .