Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Adaptive Recruitment Curve Analysis Using Bayesian Modeling

12 augustus 2026 bijgewerkt door: James McIntosh, Columbia University

Enhancing Speed and Accuracy of Motor Evoked Potential Recruitment Curve Analysis Using Hierarchical Bayesian Modeling

The purpose of this study is to better understand how electrical or magnetic stimulation affect the nervous system by optimizing the way researchers measure muscle responses. The relationship between stimulation intensity and muscle response is described by "neural recruitment curves," which are critical for monitoring the state of the nervous system during therapies like transcranial magnetic stimulation (TMS) and spinal cord stimulation (SCS).

This study tests a new, real-time computational approach based on our previously developed methods (Hierarchical Bayesian models) to estimate these recruitment curves more efficiently. The primary goal is to use this model to dynamically guide the experiment, automatically selecting the optimal stimulation intensities to test.

The investigators hypothesize that this optimized approach will accurately estimate the entire recruitment curve, or specific targets components of it like the motor threshold, using significantly fewer samples than standard methods. By reducing the number of measurements required, this approach aims to decrease experimental time and minimize participant burden, making future TMS and SCS therapies and experiments more feasible and efficient.

Studie Overzicht

Toestand

Werving

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Transcranial magnetic stimulation and other types of neurostimulation play a crucial role in advancing the understanding and manipulation of neural activity for both research and therapeutic purposes. The proposed approach to sampling recruitment curves in real-time promises to significantly improve the efficiency and precision of experiments that use electrical or electromagnetic stimulation techniques, reducing the experimental burden for participants as well as experimenters. By enhancing experimental efficiency in multiple experimental settings and techniques, this research directly contributes to accelerating the translation of scientific discoveries into clinical applications. This study will benchmark the relative performance of different methods against each other by testing existing and proposed algorithms using neurostimulation in people, and comparing the resultant estimates in recruitment curve parameters, and the number of samples required to reach predefined tolerances on these parameters.

Studietype

Ingrijpend

Inschrijving (Geschat)

14

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.

Studiecontact

Studie Locaties

  • Verenigde Staten
    • New York
      • New York, New York, Verenigde Staten, 10032
        • Werving
        • Columbia University Irving Medical Center
        • Contact:
        • Hoofdonderzoeker:
          • James R McIntosh, PhD

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

  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Ja

Beschrijving

Inclusion Criteria:

  • Healthy adult volunteers aged 18 years and older.
  • Able to understand study procedures and provide written informed consent.

Exclusion Criteria:

  • 1. History of adverse reaction to Transcranial Magnetic Stimulation (TMS) or non-invasive neurostimulation.
  • 2. History of seizures, epilepsy, or family history of epilepsy.
  • 3. History of stroke, brain injury, or illness causing brain injury.
  • 4. History of head injury or neurosurgery.
  • 5. History of neurological diseases, or central nervous system lesions.
  • 6. Presence of metallic implants or foreign bodies in the head (outside of dental work/fillings).
  • 7. Presence of implanted electronic or medical devices (e.g., cardiac pacemakers, medical pumps, implanted stimulators).
  • 8. Current pregnancy or possibility of pregnancy.
  • 9. Currently taking medications that alter cortical excitability or lower seizure threshold.

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: Fundamentele wetenschap
  • Toewijzing: NVT
  • Interventioneel model: Opdracht voor een enkele groep
  • Masker: Geen (open label)

Wapens en interventies

Deelnemersgroep / Arm
Interventie / Behandeling
Experimenteel: Test of developed methods
Participants undergo distinct experiments within a single session to compare different neurostimulation sampling algorithms. Each experiment involves recruitment curve sampling with different methods (e.g., Uniform, Expected Information Gain) to evaluate the accuracy and efficiency of motor threshold.
Ander: Algorithm: Uniform Sampling
Standard uniform distribution sampling used as a baseline comparison.
Ander: ML-PEST
Algorithm: Adaptive threshold hunting using the Parameter Estimation by Sequential Testing (PEST) algorithm.
Apparaat: MagPro X100 Transcranial Magnetic Stimulation
The proposed algorithms will deliver stimulation by using this magnetic stimulation methodology.
Apparaat: Digitimer DS8R Transcutaneous Electrical stimulation
The proposed algorithms will deliver stimulation by using this electrical stimulation methodology.
Ander: Algorithm: hbMEP-adaptive algorithm (version 1)
An active sampling algorithm for recruitment curve estimation.
Ander: Algorithm: hbMEP-adaptive algorithm (version 2)
An alternative active sampling algorithm for recruitment curve estimation.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Number of stimuli to reach a pre-defined threshold error
Tijdsspanne: Through completion of the study visit, 2-4 hours.
Number of stimuli required for the compared methods to reach a pre-defined error threshold relative to the ground truth, computed from recruitment curves fitted after sampling using aggregated data.
Through completion of the study visit, 2-4 hours.
Number of stimuli to reach a pre-defined predictive curve error
Tijdsspanne: Through completion of the study visit, 2-4 hours.
Number of stimuli required for the compared methods to reach a pre-defined error threshold relative to the ground truth, computed from recruitment curves fitted after sampling using aggregated data.
Through completion of the study visit, 2-4 hours.

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Mean absolute error in a given parameter (e.g. threshold, predictive curve, slope) for a given number of stimuli
Tijdsspanne: Through completion of the study visit, 2-4 hours.
The error of the methods under comparison, with the ground truth computed from recruitment curves fitted subsequent to sampling using aggregated data.
Through completion of the study visit, 2-4 hours.

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Columbia University

Medewerkers

National Institute of Neurological Disorders and Stroke (NINDS)

Onderzoekers

  • Hoofdonderzoeker: James R McIntosh, PhD, Columbia University

Publicaties en nuttige links

De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.

Algemene publicaties

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 (Geschat)

1 september 2026

Primaire voltooiing (Geschat)

31 maart 2027

Studie voltooiing (Geschat)

31 maart 2027

Studieregistratiedata

Eerst ingediend

20 april 2026

Eerst ingediend dat voldeed aan de QC-criteria

24 april 2026

Eerst geplaatst (Werkelijk)

1 mei 2026

Updates van studierecords

Laatste update geplaatst (Werkelijk)

14 augustus 2026

Laatste update ingediend die voldeed aan QC-criteria

12 augustus 2026

Laatst geverifieerd

1 augustus 2026

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Andere studie-ID-nummers

  • AAAV6853
  • 1R03NS141040-01A1 (Subsidie/contract van de Amerikaanse NIH)

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

JA

Beschrijving IPD-plan

De-identified MEP data and analysis code and algorithms.

IPD-tijdsbestek voor delen

Together with publication at the end of this study (04/2027).

IPD-toegangscriteria voor delen

Open access repository (e.g. Zenodo and Github).

IPD delen Ondersteunend informatietype

  • ANALYTIC_CODE

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Ja

product vervaardigd in en geëxporteerd uit de V.S.

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 .

Abonneren