Marcador Neurofisiológico de TDAH em Crianças
16 de fevereiro de 2024 atualizado por: Junwon Kim, Daegu Catholic University Medical Center
Marcador Neurofisiológico do Transtorno de Déficit de Atenção e Hiperatividade em Crianças
Este estudo investigou subtipos de eletroencefalografia quantitativa (QEEG) como ferramentas auxiliares para avaliar o Transtorno de Déficit de Atenção e Hiperatividade (TDAH).
Os pacientes foram avaliados usando a versão coreana do Diagnostic Interview Schedule for Children Version IV e foram designados para um dos três grupos: TDAH, TDAH-Sem outra especificação (NOS) e Neurotípico (NT).
Os investigadores mediram a potência absoluta e relativa do EEG em 19 canais e realizaram um teste de desempenho auditivo contínuo.
Os investigadores analisaram o QEEG de acordo com a faixa de frequência: delta (1-4 Hz), teta (4-8 Hz), alfa lento (8-10 Hz), alfa rápido (10-13,5 Hz) e beta (13,5-30
Hz).
Os assuntos foram então agrupados pelo método de análise de cluster de Ward usando a distância euclidiana ao quadrado para medir as dissimilaridades.
Visão geral do estudo
Status
Concluído
Condições
Intervenção / Tratamento
- Teste de diagnostico: eletroencefalografia potência delta absoluta
- Teste de diagnostico: eletroencefalografia poder delta relativo
- Teste de diagnostico: eletroencefalografia potência teta absoluta
- Teste de diagnostico: eletroencefalografia potência teta relativa
- Teste de diagnostico: eletroencefalografia potência alfa lenta absoluta
- Teste de diagnostico: eletroencefalografia potência alfa lenta relativa
- Teste de diagnostico: eletroencefalografia potência alfa rápida absoluta
- Teste de diagnostico: eletroencefalografia potência alfa rápida relativa
- Teste de diagnostico: eletroencefalografia potência beta absoluta
- Teste de diagnostico: eletroencefalografia poder beta relativo
- Teste de diagnostico: Escala coreana de classificação de TDAH
- Teste de diagnostico: Versão coreana do cronograma de entrevista diagnóstica para crianças versão IV
Descrição detalhada
Participantes entre 7 e 12 anos de idade diagnosticados com TDAH de acordo com os critérios do DSM-5 foram incluídos no estudo.
O diagnóstico de TDAH foi baseado em uma versão coreana do Diagnostic Interview Schedule for Children Version IV (DISC-IV), que é uma ferramenta de entrevista estruturada, e esses diagnósticos foram confirmados por vários psiquiatras de crianças e adolescentes.
Se os participantes não atenderam aos critérios de diagnóstico de TDAH do DSM-IV e DISC-IV, eles foram designados para o grupo Neurotípico (NT).
Com base nos resultados do teste DISC-IV, os participantes foram designados para o grupo TDAH ou não especificado (NOS).
Os pacientes que preencheram os critérios diagnósticos de TDAH no DSM-IV, mas cuja pontuação não ultrapassou seis e tiveram uma pontuação superior a três na escala de déficit de atenção ou hiperatividade/impatividade do DISC-IV foram incluídos no grupo NOS.
Crianças com histórico de dano cerebral, distúrbios neurológicos, distúrbios genéticos, dependência de substâncias, epilepsia ou qualquer outro distúrbio mental foram excluídas da participação.
Crianças com QI igual ou inferior a 70 de acordo com a Escala Coreana de Inteligência Wechsler para Crianças (Quarta Edição) ou que estavam recebendo tratamento medicamentoso também foram excluídas deste estudo.
As gravações de EEG foram realizadas usando um amplificador de corrente contínua (DC) SynAmps2 e um sistema de colocação de eletrodo Quick-Cap de 64 canais de layout 10-20 (Neuroscan Inc., NC, EUA).
Os dados do EEG foram registrados digitalmente a partir de 19 eletrodos de ouro colocados de acordo com o sistema internacional 10-20.
As impedâncias foram mantidas abaixo de 5 kΩ e a taxa de amostragem foi de 1000 Hz.
Os investigadores usam a referência mastóide ligada e dois eletrodos bipolares adicionais para medir os movimentos oculares horizontais e verticais.
Durante a gravação, cada participante permaneceu em uma sala com iluminação fraca, eletricamente blindada e com isolamento acústico.
As gravações de EEG em repouso foram registradas após três minutos com os olhos dos participantes fechados.
Tipo de estudo
Observacional
Inscrição (Real)
140
Contactos e Locais
Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.
Locais de estudo
-
-
Nam-gu
-
Daegu, Nam-gu, Republica da Coréia, 42471
- Daegu Catholic University Medical Center
-
-
Critérios de participação
Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.
Critérios de elegibilidade
Idades elegíveis para estudo
3 anos a 8 anos (Filho)
Aceita Voluntários Saudáveis
Sim
Método de amostragem
Amostra de Probabilidade
População do estudo
Pacientes com suspeita de transtorno de déficit de atenção/hiperatividade realizaram QEEG e foram diagnosticados com DISC-IV
Descrição
Critério de inclusão:
- Participantes entre 7 e 12 anos de idade diagnosticados com TDAH de acordo com os critérios do DSM-5 foram incluídos no estudo
Critério de exclusão:
- Crianças com histórico de dano cerebral, distúrbios neurológicos, distúrbios genéticos, dependência de substâncias, epilepsia ou qualquer outro distúrbio mental foram excluídas da participação.
- Crianças com QI de 70 ou menos de acordo com a Escala Coreana de Inteligência Wechsler para Crianças (Quarta Edição) ou que estavam recebendo tratamento medicamentoso também foram excluídas deste estudo
Plano de estudo
Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.
Como o estudo é projetado?
Detalhes do projeto
- Modelos de observação: Caso-somente
- Perspectivas de Tempo: Retrospectivo
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
TDAH
|
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
O KARS é uma ferramenta de triagem padronizada para TDAH em crianças coreanas e uma escala de classificação preenchida pelos pais.
Teste de diagnostico: Versão coreana do cronograma de entrevista diagnóstica para crianças versão IV
O DISC-IV é uma ferramenta diagnóstica estruturada que foi desenvolvida para uso em estudos epidemiológicos em crianças e adolescentes
|
|
NT Neurotípico
|
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
O KARS é uma ferramenta de triagem padronizada para TDAH em crianças coreanas e uma escala de classificação preenchida pelos pais.
Teste de diagnostico: Versão coreana do cronograma de entrevista diagnóstica para crianças versão IV
O DISC-IV é uma ferramenta diagnóstica estruturada que foi desenvolvida para uso em estudos epidemiológicos em crianças e adolescentes
|
|
TDAH SOE
|
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
Usamos MATLAB 7.0.1 (Math Works, Natick, MA, EUA) e a caixa de ferramentas EEGLAB para pré-processar e analisar as gravações de EEG.
Primeiro, os dados do EEG foram reduzidos para 250 Hz.
Em seguida, os dados de EEG foram separados e subtraídos da média para remover o componente DC.
Um filtro passa-alto de 1 Hz e um filtro notch de 60 Hz foram aplicados para remover o ruído visual e elétrico.
Em seguida, a análise de componentes independentes (ICA) foi realizada para remover as fontes bem definidas de artefatos.
Foi demonstrado que o ICA isola de forma confiável artefatos causados por movimentos oculares e musculares e ruído cardíaco (23).
Finalmente, psiquiatras clínicos e especialistas em EEG inspecionaram visualmente os EEGs corrigidos.
Para a análise, selecionamos mais de dois minutos de leituras de EEG sem artefatos das gravações de três minutos
O KARS é uma ferramenta de triagem padronizada para TDAH em crianças coreanas e uma escala de classificação preenchida pelos pais.
Teste de diagnostico: Versão coreana do cronograma de entrevista diagnóstica para crianças versão IV
O DISC-IV é uma ferramenta diagnóstica estruturada que foi desenvolvida para uso em estudos epidemiológicos em crianças e adolescentes
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Gráficos topográficos QEEG dos resultados das comparações estatísticas com valores normativos (z-scores) usando o software Neuroguide
Prazo: até a conclusão do estudo, uma média de 1 ano
|
Os investigadores medem QEEG no primeiro ambulatório e realizam topografia para mapeamento
|
até a conclusão do estudo, uma média de 1 ano
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Datas de registro do estudo
Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.
Datas Principais do Estudo
Início do estudo (Real)
8 de agosto de 2018
Conclusão Primária (Real)
28 de fevereiro de 2021
Conclusão do estudo (Real)
28 de fevereiro de 2021
Datas de inscrição no estudo
Enviado pela primeira vez
1 de julho de 2020
Enviado pela primeira vez que atendeu aos critérios de CQ
8 de julho de 2020
Primeira postagem (Real)
13 de julho de 2020
Atualizações de registro de estudo
Última Atualização Postada (Real)
20 de fevereiro de 2024
Última atualização enviada que atendeu aos critérios de controle de qualidade
16 de fevereiro de 2024
Última verificação
1 de fevereiro de 2024
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- CR-18-096
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
NÃO
Descrição do plano IPD
Os dados serão compartilhados mediante solicitação por motivo adequado
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Não
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Não
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .