Musicoterapia com Inteligência Artificial para Funções Psicossociais e Cognitivas de Idosos (AMT)

Objetivos.

1. para avaliar ainda mais os benefícios da musicoterapia tradicional (TMT) em adultos mais velhos
2. avaliar os benefícios adicionais da musicoterapia empática dinâmica de IA do Pi Speaker (AIT) em comparação com o TMT em adultos mais velhos
3. para avaliar a durabilidade a longo prazo durante um período de 3 meses dos benefícios do treinamento, se houver
4. para validar o fone de ouvido EEG em tempo real do Pi e o alto-falante AI correspondente para uso terapêutico futuro.

Amostra: idosos saudáveis ​​(65 anos ou mais) serão recrutados do Ryerson Seniors Participants Pool (RSPP) e por meio de publicidade. O tamanho da amostra alvo será de 45 participantes, randomizados uniformemente nos três braços de intervenção: TMT, AIT e grupo de controle (GC) em lista de espera sem tratamento.

Projeto geral e procedimento: o consentimento informado será coletado. Todos os grupos completarão avaliações de resultados comportamentais e neurofisiológicos em três momentos: pré-teste, pós-teste e acompanhamento de 3 meses. A validação do EEG e do humor será realizada no pré-teste para o grupo AIT. Durante este procedimento, os participantes serão expostos ao banco de dados de música padrão para induzir o humor alvo enquanto o EEG é gravado e a regulação do humor é monitorada (por exemplo, Sourina et al., 2012). Os participantes serão solicitados a autoavaliar sua valência emocional positiva (feliz e calmo), completando o Esquema de Afeto Positivo e Negativo (Watson, et al., 1988). Os participantes dos grupos de intervenção receberão instruções sobre seus respectivos programas de intervenção para garantir que estejam totalmente familiarizados.

Intervenção: os grupos TMT e AIT durarão 4 semanas, exigindo envolvimento em pelo menos quatro sessões de 30 minutos de audição de música por semana, entregues on-line através da nuvem dos Pi Speakers. O grupo AIT será exposto a peças musicais selecionadas individualmente com base nos dados coletados no pré-teste. O grupo TMT será exposto aleatoriamente ao mesmo conjunto de música, mas não contingente ao seu estado de humor.

Plano de análise de dados: um modelo de regressão de efeitos mistos será realizado em cada variável de resultado nas sessões pós-teste e de acompanhamento, com o desempenho pré-teste como uma covariável e as condições de intervenção inseridas como variáveis ​​preditoras primárias. Em outras palavras, as diferenças do grupo no desempenho do resultado padronizado no pós-teste e nas sessões de acompanhamento de 3 meses serão analisadas, controlando o desempenho pré-teste da linha de base, para validar os benefícios do treinamento de TMT e AIT, em relação ao GC. O estudo também validará o fone de ouvido Pi Electronics EEG com o sistema BioSemi de 64 canais EEG, comparando a diferença de pico médio de formas de onda médias de potenciais relacionados a eventos usando testes t.

Linha do tempo:

Período de 1 ano a partir de 2022, descrito abaixo em meses:

• 1º-2º: Aprovação do Conselho de Ética em Pesquisa
• 2º-3º: Preparação do projeto e teste
• 2º-6º: Treinamento de Assistente de Pesquisa; recrutamento de participantes
• 3 a 9: Coleta e validação de dados
• 8 a 11: Análise de dados
• 10 a 12: Disseminação do conhecimento
• Dia 12: Relatório final e pesquisa da Mitacs