- ICH GCP
- Register voor klinische proeven in de VS.
- Klinische proef NCT03538535
Stel uw doel in: Go/No-Go activerend leren
9 juni 2022 bijgewerkt door: Northwestern University
Computationele modellering van Reinforcement Learning bij depressie
Deze studie zal een computationeel model voor leerversterking bij depressie en angst testen en testen in hoeverre het computationele model de respons op een aangepaste versie van gedragsactiverende psychotherapie voorspelt.
Het model zal gebaseerd zijn op gegevens van een computertaak van leerversterking tijdens 3T functionele magnetische resonantiebeeldvorming bij baseline.
Studie Overzicht
Toestand
Voltooid
Conditie
Interventie / Behandeling
Gedetailleerde beschrijving
De disfunctie van versterkend leren komt naar voren als een transdiagnostische dimensie van stemming en angst.
Computationele modellen van leerversterking kunnen ons vermogen om voorspellers van respons te identificeren versnellen, waardoor de effectiviteitspercentages worden verbeterd.
We zullen ten eerste de neurale substraten van bekrachtigend leren bij depressie en angst onderzoeken, en ten tweede een computationeel model van bekrachtigend leren testen als voorspeller van respons op een aangepaste versie van gedragsactiverende psychotherapie.
Proefpersonen (N=10) zullen worden ingeschreven voor een evaluatie van twee weken, gevolgd door een wekelijks interventieprogramma van negen weken.
Beoordelingen zullen worden uitgevoerd bij baseline en tijdens de interventie als de 3-, 6-, 9-weekse follow-ups.
Reinforcement learning zal worden gemeten met behulp van 3T magnetische resonantie beeldvorming tijdens een computertaak.
Alle andere maatregelen omvatten gestructureerde klinische interviews, vragenlijsten en computertaken.
Studietype
Ingrijpend
Inschrijving (Werkelijk)
13
Fase
- Niet toepasbaar
Contacten en locaties
In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.
Studie Locaties
-
-
Illinois
-
Chicago, Illinois, Verenigde Staten, 60611
- Northwestern University
-
-
Deelname Criteria
Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
21 jaar tot 40 jaar (Volwassen)
Accepteert gezonde vrijwilligers
Nee
Geslachten die in aanmerking komen voor studie
Allemaal
Beschrijving
Inclusiecriteria:
- Tussen 21 en 40 jaar
- Lichamelijk gezond
- Rechtshandig
- Normaal of gecorrigeerd tot normaal zicht
- Scores gelijk aan of hoger van (a) 24 op Inventory of Depressive Symptomatology, Self Report, of (b) 15 op de Generalized Anxiety Disorder Self Report.
Uitsluitingscriteria:
- Momenteel niet in therapie of medicijnen tegen angst of depressie
- Geen contra-indicaties voor de magnetische resonantie scan (claustrofobisch)
- Geen voorgeschiedenis van hoofdtrauma, toevallen, bewustzijnsverlies
- Geen hormoonsuppletie nemen, niet zwanger
- Geen dreigende suïcidaliteit
- Geen melding van overmatig alcohol- of drugsgebruik in de afgelopen drie maanden
Studie plan
Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.
Hoe is de studie opgezet?
Ontwerpdetails
- Primair doel: Behandeling
- Toewijzing: NVT
- Interventioneel model: Opdracht voor een enkele groep
- Masker: Geen (open label)
Wapens en interventies
Deelnemersgroep / Arm |
Interventie / Behandeling |
|---|---|
|
Experimenteel: Go/No-Go actief leren (GOAL)
Aanpassing van gedragsactivering, gericht op versterkende leerstrategieën.
|
Gedragsactiverende psychotherapie aangepast om go/no-go-leren aan te gaan
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Geïntegreerde Bayesiaanse informatiecriteriumscore (BIC) gebaseerd op modellen die gebruik maken van gemodificeerde Q-learning-modellen met twee paren actiewaarden (go en no-go) voor elke status.
Tijdsspanne: Basislijn (week 0)
|
Modellen omvatten een leertempo, een helling van de softmax-regel, ruisfactor, een biasfactor voor de actiewaarde voor 'go' en een Pavloviaanse factor.
|
Basislijn (week 0)
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Sponsor
Onderzoekers
- Hoofdonderzoeker: Jackie Gollan, Ph.D., Associate Professor of Psychiatry and Behavioral Science
Studie record data
Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.
Bestudeer belangrijke data
Studie start (Werkelijk)
1 mei 2018
Primaire voltooiing (Werkelijk)
1 maart 2019
Studie voltooiing (Werkelijk)
1 maart 2019
Studieregistratiedata
Eerst ingediend
14 mei 2018
Eerst ingediend dat voldeed aan de QC-criteria
24 mei 2018
Eerst geplaatst (Werkelijk)
29 mei 2018
Updates van studierecords
Laatste update geplaatst (Werkelijk)
13 juni 2022
Laatste update ingediend die voldeed aan QC-criteria
9 juni 2022
Laatst geverifieerd
1 juni 2022
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- STU00206862
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
NEE
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Nee
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Nee
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .