Neurofizjologiczny marker ADHD u dzieci
16 lutego 2024 zaktualizowane przez: Junwon Kim, Daegu Catholic University Medical Center
Neurofizjologiczny marker zespołu nadpobudliwości psychoruchowej z deficytem uwagi u dzieci
W tym badaniu zbadano podtypy elektroencefalografii ilościowej (QEEG) jako narzędzia pomocnicze do oceny zespołu nadpobudliwości psychoruchowej z deficytem uwagi (ADHD).
Pacjentów oceniano za pomocą koreańskiej wersji Harmonogramu wywiadu diagnostycznego dla dzieci w wersji IV i przydzielono do jednej z trzech grup: ADHD, ADHD-nieokreślone inaczej (NOS) i neurotypowe (NT).
Badacze zmierzyli bezwzględną i względną moc EEG w 19 kanałach i przeprowadzili ciągły test sprawności słuchowej.
Badacze przeanalizowali QEEG według zakresu częstotliwości: delta (1-4 Hz), theta (4-8 Hz), wolna alfa (8-10 Hz), szybka alfa (10-13,5 Hz) i beta (13,5-30 Hz).
Hz).
Badani zostali następnie pogrupowani według metody analizy skupień Warda przy użyciu kwadratu odległości euklidesowej do pomiaru odmienności.
Przegląd badań
Status
Zakończony
Warunki
Interwencja / Leczenie
- Test diagnostyczny: elektroencefalografia bezwzględna moc delta
- Test diagnostyczny: elektroencefalografia względna moc delta
- Test diagnostyczny: elektroencefalografia bezwzględna moc theta
- Test diagnostyczny: elektroencefalografia względna moc theta
- Test diagnostyczny: elektroencefalografia absolutna wolna moc alfa
- Test diagnostyczny: elektroencefalografia względna niska moc alfa
- Test diagnostyczny: elektroencefalografia absolutna szybka moc alfa
- Test diagnostyczny: elektroencefalografia względna szybka moc alfa
- Test diagnostyczny: absolutna moc beta elektroencefalografii
- Test diagnostyczny: elektroencefalografia względna moc beta
- Test diagnostyczny: Koreańska skala oceny ADHD
- Test diagnostyczny: Koreańska wersja Harmonogramu wywiadu diagnostycznego dla dzieci Wersja IV
Szczegółowy opis
Do badania włączono uczestników w wieku od 7 do 12 lat z rozpoznaniem ADHD według kryteriów DSM-5.
Diagnozę ADHD oparto na koreańskiej wersji Diagnostic Interview Schedule for Children Version IV (DISC-IV), która jest ustrukturyzowanym narzędziem wywiadu, a diagnozy te zostały potwierdzone przez wielu psychiatrów dziecięcych i młodzieżowych.
Jeśli uczestnicy nie spełniali kryteriów diagnostycznych ADHD DSM-IV i DISC-IV, byli przypisywani do grupy neurotypowej (NT).
Na podstawie wyników testu DISC-IV uczestnicy zostali przydzieleni do grupy ADHD lub Non-Other Specified (NOS).
Do grupy NOS włączono pacjentów, którzy spełnili kryteria diagnostyczne ADHD w DSM-IV, ale których wynik nie przekraczał sześciu, aw skali deficytu uwagi lub nadpobudliwości/pobudliwości w skali DISC-IV uzyskali wynik powyżej trzech.
Dzieci z historią uszkodzenia mózgu, zaburzeniami neurologicznymi, zaburzeniami genetycznymi, uzależnieniem od substancji, epilepsją lub jakimkolwiek innym zaburzeniem psychicznym zostały wykluczone z udziału.
Dzieci z ilorazem inteligencji równym 70 lub niższym zgodnie z Koreańską Skalą Inteligencji Wechslera dla dzieci (wydanie czwarte) lub które otrzymywały leczenie farmakologiczne również zostały wykluczone z tego badania.
Zapisy EEG wykonano przy użyciu wzmacniacza prądu stałego (DC) SynAmps2 i 64-kanałowego systemu umieszczania elektrod Quick-Cap w układzie 10-20 (Neuroscan Inc., NC, USA).
Dane EEG rejestrowano cyfrowo z 19 złotych elektrod kubkowych umieszczonych zgodnie z międzynarodowym systemem 10-20.
Impedancje utrzymywano poniżej 5 kΩ, a częstotliwość próbkowania wynosiła 1000 Hz.
Badacze używają połączonego odniesienia wyrostka sutkowatego i dwóch dodatkowych elektrod bipolarnych do pomiaru poziomych i pionowych ruchów gałek ocznych.
Podczas nagrywania każdy uczestnik leżał w słabo oświetlonym, ekranowanym elektrycznie, wyciszonym pokoju.
Spoczynkowe zapisy EEG rejestrowano po trzech minutach przy zamkniętych oczach uczestników.
Typ studiów
Obserwacyjny
Zapisy (Rzeczywisty)
140
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
Lokalizacje studiów
-
-
Nam-gu
-
Daegu, Nam-gu, Republika Korei, 42471
- Daegu Catholic University Medical Center
-
-
Kryteria uczestnictwa
Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.
Kryteria kwalifikacji
Wiek uprawniający do nauki
3 lata do 8 lat (Dziecko)
Akceptuje zdrowych ochotników
Tak
Metoda próbkowania
Próbka prawdopodobieństwa
Badana populacja
Pacjenci, u których podejrzewano zespół nadpobudliwości psychoruchowej z deficytem uwagi, przeprowadzili QEEG i zdiagnozowali DISC-IV
Opis
Kryteria przyjęcia:
- Do badania włączono uczestników w wieku od 7 do 12 lat z rozpoznaniem ADHD według kryteriów DSM-5
Kryteria wyłączenia:
- Dzieci z historią uszkodzenia mózgu, zaburzeniami neurologicznymi, zaburzeniami genetycznymi, uzależnieniem od substancji, epilepsją lub jakimkolwiek innym zaburzeniem psychicznym zostały wykluczone z udziału.
- Dzieci z ilorazem inteligencji równym 70 lub niższym zgodnie z koreańską skalą inteligencji Wechslera dla dzieci (czwarta edycja) lub które otrzymywały leczenie farmakologiczne również zostały wykluczone z tego badania
Plan studiów
Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.
Jak projektuje się badanie?
Szczegóły projektu
- Modele obserwacyjne: Tylko przypadek
- Perspektywy czasowe: Z mocą wsteczną
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
|---|---|
|
ADHD
|
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
KARS to wystandaryzowane narzędzie przesiewowe w kierunku ADHD u koreańskich dzieci i skala ocen wypełniana przez rodziców.
DISC-IV to ustrukturyzowane narzędzie diagnostyczne, które zostało opracowane do użytku w badaniach epidemiologicznych u dzieci i młodzieży
|
|
NT Neurotypowy
|
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
KARS to wystandaryzowane narzędzie przesiewowe w kierunku ADHD u koreańskich dzieci i skala ocen wypełniana przez rodziców.
DISC-IV to ustrukturyzowane narzędzie diagnostyczne, które zostało opracowane do użytku w badaniach epidemiologicznych u dzieci i młodzieży
|
|
ADHD NR
|
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
Użyliśmy MATLAB 7.0.1 (Math Works, Natick, MA, USA) i zestawu narzędzi EEGLAB do wstępnego przetwarzania i analizy nagrań EEG.
Najpierw dane EEG zostały poddane próbkowaniu w dół do 250 Hz.
Następnie dane EEG zostały usunięte i odjęte od średniej w celu usunięcia składowej DC.
Zastosowano filtr górnoprzepustowy 1 Hz i filtr wycinający 60 Hz w celu usunięcia szumu elektrycznego i oczu.
Następnie przeprowadzono niezależną analizę komponentów (ICA), aby usunąć dobrze zdefiniowane źródła artefaktów.
Wykazano, że ICA niezawodnie izoluje artefakty spowodowane ruchami oczu i mięśni oraz hałasem serca (23).
Na koniec psychiatrzy kliniczni i eksperci EEG dokonali wizualnej oceny skorygowanych EEG.
Do analizy wybraliśmy ponad dwie minuty wolnych od artefaktów odczytów EEG z trzyminutowych nagrań
KARS to wystandaryzowane narzędzie przesiewowe w kierunku ADHD u koreańskich dzieci i skala ocen wypełniana przez rodziców.
DISC-IV to ustrukturyzowane narzędzie diagnostyczne, które zostało opracowane do użytku w badaniach epidemiologicznych u dzieci i młodzieży
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Wykresy topograficzne QEEG wyników porównań statystycznych z wartościami normatywnymi (z-score) przy użyciu oprogramowania Neuroguide
Ramy czasowe: do ukończenia studiów, średnio 1 rok
|
Badacze mierzą QEEG w pierwszej ambulatorium i przeprowadzają topografię w celu mapowania
|
do ukończenia studiów, średnio 1 rok
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
Daty zapisu na studia
Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
8 sierpnia 2018
Zakończenie podstawowe (Rzeczywisty)
28 lutego 2021
Ukończenie studiów (Rzeczywisty)
28 lutego 2021
Daty rejestracji na studia
Pierwszy przesłany
1 lipca 2020
Pierwszy przesłany, który spełnia kryteria kontroli jakości
8 lipca 2020
Pierwszy wysłany (Rzeczywisty)
13 lipca 2020
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
20 lutego 2024
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
16 lutego 2024
Ostatnia weryfikacja
1 lutego 2024
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- CR-18-096
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
NIE
Opis planu IPD
Dane zostaną udostępnione na żądanie z uzasadnionego powodu
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Nie
Bada produkt urządzenia regulowany przez amerykańską FDA
Nie
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .