소아 ADHD의 신경생리학적 표지자
2024년 2월 16일 업데이트: Junwon Kim, Daegu Catholic University Medical Center
소아 주의력결핍 과잉행동장애의 신경생리학적 표지자
이 연구는 주의력 결핍 과잉 행동 장애(ADHD)를 평가하기 위한 보조 도구로 정량적 뇌파 검사(QEEG) 하위 유형을 조사했습니다.
환자는 한국판 소아진단 면담일정 IV 버전을 사용하여 평가되었으며 ADHD, ADHD-NOS(달리 지정되지 않음) 및 신경형(NT)의 세 그룹 중 하나에 할당되었습니다.
조사관은 19개 채널에서 절대 및 상대 EEG 파워를 측정하고 청각적 연속 성능 테스트를 수행했습니다.
연구자들은 델타(1-4Hz), 세타(4-8Hz), 느린 알파(8-10Hz), 빠른 알파(10-13.5Hz) 및 베타(13.5-30Hz)의 주파수 범위에 따라 QEEG를 분석했습니다.
헤르츠).
그런 다음 피험자는 유사성을 측정하기 위해 제곱 유클리드 거리를 사용하는 Ward의 군집 분석 방법으로 그룹화되었습니다.
연구 개요
상태
완전한
상세 설명
DSM-5 기준에 따라 ADHD로 진단된 7세에서 12세 사이의 참가자가 연구에 포함되었습니다.
ADHD 진단은 구조화된 면담 도구인 DISC-IV(Diagnostic Interview Schedule for Children Version IV)의 한국어판을 기반으로 하였으며, 이러한 진단은 다수의 소아청소년 정신과 전문의에 의해 확인되었다.
참가자가 DSM-IV 및 DISC-IV의 ADHD 진단 기준을 충족하지 않으면 Neurotypical(NT) 그룹에 할당되었습니다.
DISC-IV 테스트 결과에 따라 참가자는 ADHD 또는 기타 지정되지 않은(NOS) 그룹에 배정되었습니다.
NOS군은 DSM-IV에서 ADHD 진단기준을 만족하나 6점 이하, 주의력결핍 또는 과잉행동/충동성 척도에서 3점 이상인 환자를 NOS군에 포함시켰다.
뇌 손상, 신경 장애, 유전 장애, 물질 의존, 간질 또는 기타 정신 장애의 병력이 있는 어린이는 참여에서 제외되었습니다.
Korean-Wechsler Intelligence Scale for Children(제4판)에 따라 IQ가 70 이하이거나 약물 치료를 받고 있는 아동도 본 연구에서 제외하였다.
EEG 기록은 SynAmps2 직류(DC) 증폭기와 10-20 레이아웃 64채널 Quick-Cap 전극 배치 시스템(Neuroscan Inc., NC, USA)을 사용하여 수행되었습니다.
EEG 데이터는 국제 10-20 시스템에 따라 배치된 19개의 금 컵 전극에서 디지털 방식으로 기록되었습니다.
임피던스는 5kΩ 미만으로 유지되었고 샘플링 속도는 1000Hz였습니다.
조사관은 수평 및 수직 안구 운동을 측정하기 위해 연결된 유양 돌기 참조와 두 개의 추가 바이폴라 전극을 사용합니다.
녹음하는 동안 각 참가자는 조명이 어둡고 전기적으로 차폐되고 소음이 감소된 방에 누웠습니다.
휴식 EEG 기록은 참가자의 눈을 감고 3분 후에 기록되었습니다.
연구 유형
관찰
등록 (실제)
140
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Nam-gu
-
Daegu, Nam-gu, 대한민국, 42471
- Daegu Catholic University Medical Center
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
3년 (어린이)
건강한 자원 봉사자를 받아들입니다
예
샘플링 방법
확률 샘플
연구 인구
주의력 결핍/과잉 행동 장애가 의심되는 환자는 QEEG를 실시하여 DISC-IV로 진단
설명
포함 기준:
- DSM-5 기준에 따라 ADHD로 진단된 7세에서 12세 사이의 참가자가 연구에 포함되었습니다.
제외 기준:
- 뇌 손상, 신경 장애, 유전 장애, 물질 의존, 간질 또는 기타 정신 장애의 병력이 있는 어린이는 참여에서 제외되었습니다.
- Korean-Wechsler Intelligence Scale for Children(제4판)에 따라 IQ가 70 이하이거나 약물 치료를 받고 있는 아동도 본 연구에서 제외하였다.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 케이스 전용
- 시간 관점: 회고전
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
ADHD
|
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
KARS는 한국 아동의 ADHD에 대한 표준화된 검사 도구이며 부모가 평가 척도를 작성합니다.
DISC-IV는 소아·청소년의 역학 연구에 사용하기 위해 개발된 구조화된 진단 도구입니다.
|
|
NT 신경전형
|
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
KARS는 한국 아동의 ADHD에 대한 표준화된 검사 도구이며 부모가 평가 척도를 작성합니다.
DISC-IV는 소아·청소년의 역학 연구에 사용하기 위해 개발된 구조화된 진단 도구입니다.
|
|
ADHD 아니오
|
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
EEG 기록을 전처리하고 분석하기 위해 MATLAB 7.0.1(Math Works, Natick, MA, USA) 및 EEGLAB 도구 상자를 사용했습니다.
먼저 EEG 데이터를 250Hz로 다운샘플링했습니다.
다음으로, EEG 데이터는 추세를 제거하고 DC 성분을 제거하기 위해 평균을 뺍니다.
1Hz 하이패스 필터와 60Hz 노치 필터를 적용하여 눈과 전기적 노이즈를 제거하였다.
다음으로 잘 정의된 아티팩트 소스를 제거하기 위해 독립 구성 요소 분석(ICA)을 수행했습니다.
ICA는 눈과 근육의 움직임 및 심장 소음으로 인한 아티팩트를 확실하게 분리하는 것으로 나타났습니다(23).
마지막으로 임상 정신과 의사와 EEG 전문가가 수정된 EEG를 육안으로 검사했습니다.
분석을 위해 3분 기록에서 아티팩트가 없는 2분 이상의 EEG 판독값을 선택했습니다.
KARS는 한국 아동의 ADHD에 대한 표준화된 검사 도구이며 부모가 평가 척도를 작성합니다.
DISC-IV는 소아·청소년의 역학 연구에 사용하기 위해 개발된 구조화된 진단 도구입니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
Neuroguide 소프트웨어를 사용하여 규범 값(z 점수)에 대한 통계적 비교 결과의 QEEG 지형 플롯
기간: 학업 수료까지 평균 1년
|
수사관은 첫 번째 외래 진료소에서 QEEG를 측정하고 매핑을 위한 지형을 수행합니다.
|
학업 수료까지 평균 1년
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (실제)
2018년 8월 8일
기본 완료 (실제)
2021년 2월 28일
연구 완료 (실제)
2021년 2월 28일
연구 등록 날짜
최초 제출
2020년 7월 1일
QC 기준을 충족하는 최초 제출
2020년 7월 8일
처음 게시됨 (실제)
2020년 7월 13일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2024년 2월 20일
QC 기준을 충족하는 마지막 업데이트 제출
2024년 2월 16일
마지막으로 확인됨
2024년 2월 1일
추가 정보
이 연구와 관련된 용어
추가 관련 MeSH 약관
기타 연구 ID 번호
- CR-18-096
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
아니요
IPD 계획 설명
데이터는 적절한 이유로 요청 시 공유됩니다.
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
아니
미국 FDA 규제 기기 제품 연구
아니
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .