Marcatore neurofisiologico dell'ADHD nei bambini
16 febbraio 2024 aggiornato da: Junwon Kim, Daegu Catholic University Medical Center
Marcatore neurofisiologico del disturbo da deficit di attenzione e iperattività nei bambini
Questo studio ha esaminato i sottotipi di elettroencefalografia quantitativa (QEEG) come strumenti ausiliari per valutare il disturbo da deficit di attenzione e iperattività (ADHD).
I pazienti sono stati valutati utilizzando la versione coreana del programma di interviste diagnostiche per bambini versione IV e sono stati assegnati a uno dei tre gruppi: ADHD, ADHD-non altrimenti specificato (NOS) e neurotipico (NT).
Gli investigatori misurano la potenza EEG assoluta e relativa in 19 canali e hanno condotto un test di prestazione continua uditiva.
I ricercatori hanno analizzato il QEEG in base all'intervallo di frequenza: delta (1-4 Hz), theta (4-8 Hz), alfa lento (8-10 Hz), alfa veloce (10-13,5 Hz) e beta (13,5-30
Hz).
I soggetti sono stati poi raggruppati secondo il metodo di cluster analysis di Ward utilizzando la distanza euclidea al quadrato per misurare le differenze.
Panoramica dello studio
Stato
Completato
Condizioni
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
Nello studio sono stati inclusi partecipanti di età compresa tra 7 e 12 anni con diagnosi di ADHD secondo i criteri del DSM-5.
La diagnosi di ADHD era basata su una versione coreana del Diagnostic Interview Schedule for Children Version IV (DISC-IV), che è uno strumento di intervista strutturato, e queste diagnosi sono state confermate da più psichiatri infantili e adolescenti.
Se i partecipanti non soddisfacevano i criteri diagnostici ADHD del DSM-IV e del DISC-IV, venivano assegnati al gruppo Neurotipico (NT).
Sulla base dei risultati del test DISC-IV, i partecipanti sono stati assegnati al gruppo ADHD o Non-Altro Specificato (NOS).
I pazienti che soddisfacevano i criteri diagnostici di ADHD nel DSM-IV, ma il cui punteggio non superava il sei e avevano un punteggio superiore a tre nella scala del deficit di attenzione o iperattività/impattività del DISC-IV sono stati inclusi nel gruppo NOS.
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.
Le registrazioni EEG sono state eseguite utilizzando un amplificatore a corrente continua (DC) SynAmps2 e un sistema di posizionamento degli elettrodi Quick-Cap a 64 canali con layout 10-20 (Neuroscan Inc., NC, USA).
I dati EEG sono stati registrati digitalmente da 19 elettrodi a coppa d'oro posizionati secondo il sistema internazionale 10-20.
Le impedenze sono state mantenute al di sotto di 5 kΩ e la frequenza di campionamento era di 1000 Hz.
Gli investigatori usano il riferimento mastoideo collegato e due elettrodi bipolari aggiuntivi per misurare i movimenti oculari orizzontali e verticali.
Durante la registrazione, ogni partecipante giaceva in una stanza poco illuminata, schermata elettricamente e insonorizzata.
Le registrazioni EEG a riposo sono state registrate dopo tre minuti con gli occhi chiusi dei partecipanti.
Tipo di studio
Osservativo
Iscrizione (Effettivo)
140
Contatti e Sedi
Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.
Luoghi di studio
-
-
Nam-gu
-
Daegu, Nam-gu, Corea, Repubblica di, 42471
- Daegu Catholic University Medical Center
-
-
Criteri di partecipazione
I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.
Criteri di ammissibilità
Età idonea allo studio
Da 3 anni a 8 anni (Bambino)
Accetta volontari sani
Sì
Metodo di campionamento
Campione di probabilità
Popolazione di studio
I pazienti che sospettavano un disturbo da deficit di attenzione/iperattività hanno condotto il QEEG e hanno ricevuto la diagnosi di DISC-IV
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
Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.
Come è strutturato lo studio?
Dettagli di progettazione
- Modelli osservazionali: Solo caso
- Prospettive temporali: Retrospettiva
Coorti e interventi
Gruppo / Coorte |
Intervento / 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
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
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Studiare le date dei record
Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.
Studia le date principali
Inizio studio (Effettivo)
8 agosto 2018
Completamento primario (Effettivo)
28 febbraio 2021
Completamento dello studio (Effettivo)
28 febbraio 2021
Date di iscrizione allo studio
Primo inviato
1 luglio 2020
Primo inviato che soddisfa i criteri di controllo qualità
8 luglio 2020
Primo Inserito (Effettivo)
13 luglio 2020
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
20 febbraio 2024
Ultimo aggiornamento inviato che soddisfa i criteri QC
16 febbraio 2024
Ultimo verificato
1 febbraio 2024
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
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)?
NO
Descrizione del piano IPD
I dati saranno condivisi su richiesta per giusta ragione
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
No
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
No
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 .