- ICH GCP
- Реестр клинических исследований США
- Клиническое испытание NCT04467658
Нейрофизиологический маркер СДВГ у детей
16 февраля 2024 г. обновлено: Junwon Kim, Daegu Catholic University Medical Center
Нейрофизиологический маркер синдрома дефицита внимания с гиперактивностью у детей
В этом исследовании изучались подтипы количественной электроэнцефалографии (QEEG) в качестве вспомогательных инструментов для оценки синдрома дефицита внимания и гиперактивности (СДВГ).
Пациентов оценивали с использованием корейской версии Графика диагностических интервью для детей версии IV, и они были отнесены к одной из трех групп: СДВГ, СДВГ-не указано иначе (NOS) и нейротипичное (NT).
Исследователи измерили абсолютную и относительную мощность ЭЭГ по 19 каналам и провели непрерывный слуховой тест.
Исследователи анализировали ЭКЭГ по частотному диапазону: дельта (1–4 Гц), тета (4–8 Гц), медленная альфа (8–10 Гц), быстрая альфа (10–13,5 Гц) и бета (13,5–30 Гц).
Гц).
Затем испытуемые были сгруппированы по методу кластерного анализа Уорда с использованием квадрата евклидова расстояния для измерения различий.
Обзор исследования
Статус
Завершенный
Вмешательство/лечение
- Диагностический тест: электроэнцефалография абсолютная дельта-мощность
- Диагностический тест: электроэнцефалография относительной мощности дельты
- Диагностический тест: электроэнцефалография абсолютная тета-мощность
- Диагностический тест: электроэнцефалография относительная тета мощность
- Диагностический тест: электроэнцефалография абсолютная медленная мощность альфа
- Диагностический тест: электроэнцефалография относительная медленная альфа-мощность
- Диагностический тест: электроэнцефалография абсолютная быстрая альфа-мощность
- Диагностический тест: электроэнцефалография относительная мощность быстрого альфа-излучения
- Диагностический тест: электроэнцефалография абсолютная мощность бета
- Диагностический тест: электроэнцефалография относительная мощность бета
- Диагностический тест: Корейская шкала оценки СДВГ
- Диагностический тест: Корейская версия расписания диагностических интервью для детей, версия IV
Подробное описание
В исследование были включены участники в возрасте от 7 до 12 лет с диагнозом СДВГ в соответствии с критериями DSM-5.
Диагноз СДВГ был основан на корейской версии Графика диагностических интервью для детей версии IV (DISC-IV), который представляет собой инструмент структурированного интервью, и эти диагнозы были подтверждены несколькими детскими и подростковыми психиатрами.
Если участники не соответствовали диагностическим критериям СДВГ DSM-IV и DISC-IV, они были отнесены к нейротипической (NT) группе.
На основании результатов теста DISC-IV участники были отнесены к группе с СДВГ или неспецифической группой (NOS).
Пациенты, которые соответствовали диагностическим критериям СДВГ в DSM-IV, но чей балл не превышал шести, и имели балл больше трех по шкале дефицита внимания или гиперактивности/имактивности DISC-IV, были включены в группу NOS.
Дети с поражением головного мозга, неврологическими расстройствами, генетическими нарушениями, зависимостью от психоактивных веществ, эпилепсией или любым другим психическим расстройством в анамнезе исключались из участия.
Дети с IQ 70 или ниже по корейской шкале интеллекта для детей Векслера (четвертое издание) или получавшие медикаментозное лечение также были исключены из этого исследования.
Запись ЭЭГ выполнялась с использованием усилителя постоянного тока (DC) SynAmps2 и 64-канальной системы размещения электродов Quick-Cap с компоновкой 10-20 (Neuroscan Inc., Северная Каролина, США).
Данные ЭЭГ записывали в цифровом виде с 19 золотых чашечных электродов, установленных по международной системе 10-20.
Полное сопротивление поддерживалось ниже 5 кОм, а частота дискретизации составляла 1000 Гц.
Исследователи используют связанный эталонный сосцевидный отросток и два дополнительных биполярных электрода для измерения горизонтальных и вертикальных движений глаз.
Во время записи каждый участник лежал в слабо освещенной, электрически экранированной, шумопоглощающей комнате.
Записи ЭЭГ в состоянии покоя были записаны через три минуты с закрытыми глазами участников.
Тип исследования
Наблюдательный
Регистрация (Действительный)
140
Контакты и местонахождение
В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.
Места учебы
-
-
Nam-gu
-
Daegu, Nam-gu, Корея, Республика, 42471
- Daegu Catholic University Medical Center
-
-
Критерии участия
Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.
Критерии приемлемости
Возраст, подходящий для обучения
От 5 лет до 10 лет (Ребенок)
Принимает здоровых добровольцев
Да
Метод выборки
Вероятностная выборка
Исследуемая популяция
Пациенты с подозрением на синдром дефицита внимания/гиперактивности провели ЭКЭГ и поставили диагноз DISC-IV.
Описание
Критерии включения:
- В исследование были включены участники в возрасте от 7 до 12 лет с диагнозом СДВГ в соответствии с критериями DSM-5.
Критерий исключения:
- Дети с поражением головного мозга, неврологическими расстройствами, генетическими нарушениями, зависимостью от психоактивных веществ, эпилепсией или любым другим психическим расстройством в анамнезе исключались из участия.
- Дети с IQ 70 или ниже по корейской шкале интеллекта для детей Векслера (четвертое издание) или получавшие медикаментозное лечение также были исключены из этого исследования.
Учебный план
В этом разделе представлена подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.
Как устроено исследование?
Детали дизайна
- Наблюдательные модели: Только для случая
- Временные перспективы: Ретроспектива
Когорты и вмешательства
Группа / когорта |
Вмешательство/лечение |
---|---|
СДВГ
|
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
KARS — это стандартизированный инструмент для скрининга СДВГ у корейских детей, который заполняется родителями.
DISC-IV — это структурированный диагностический инструмент, разработанный для использования в эпидемиологических исследованиях у детей и подростков.
|
NT НейроТипичный
|
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
KARS — это стандартизированный инструмент для скрининга СДВГ у корейских детей, который заполняется родителями.
DISC-IV — это структурированный диагностический инструмент, разработанный для использования в эпидемиологических исследованиях у детей и подростков.
|
СДВГ БДУ
|
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
Мы использовали MATLAB 7.0.1 (Math Works, Natick, MA, USA) и набор инструментов EEGLAB для предварительной обработки и анализа записей ЭЭГ.
Во-первых, данные ЭЭГ были понижены до 250 Гц.
Затем данные ЭЭГ были удалены из тренда и вычтены из среднего, чтобы удалить компонент постоянного тока.
Фильтр верхних частот с частотой 1 Гц и режекторный фильтр с частотой 60 Гц применялись для удаления глазных и электрических помех.
Затем был проведен анализ независимых компонентов (ICA) для удаления четко определенных источников артефактов.
Было показано, что ICA надежно изолирует артефакты, вызванные движениями глаз и мышц, а также сердечным шумом (23).
Наконец, клинические психиатры и эксперты по ЭЭГ визуально проверили скорректированные ЭЭГ.
Для анализа были отобраны более двух минут безартефактных показаний ЭЭГ из трехминутных записей.
KARS — это стандартизированный инструмент для скрининга СДВГ у корейских детей, который заполняется родителями.
DISC-IV — это структурированный диагностический инструмент, разработанный для использования в эпидемиологических исследованиях у детей и подростков.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
---|---|---|
Топографические графики QEEG результатов статистического сравнения с нормативными значениями (z-показатели) с использованием программного обеспечения Neuroguide
Временное ограничение: через завершение обучения, в среднем 1 год
|
Исследователи измеряют КЭЭГ в первой поликлинике и проводят топографию для картирования.
|
через завершение обучения, в среднем 1 год
|
Соавторы и исследователи
Здесь вы найдете людей и организации, участвующие в этом исследовании.
Даты записи исследования
Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.
Изучение основных дат
Начало исследования (Действительный)
8 августа 2018 г.
Первичное завершение (Действительный)
28 февраля 2021 г.
Завершение исследования (Действительный)
28 февраля 2021 г.
Даты регистрации исследования
Первый отправленный
1 июля 2020 г.
Впервые представлено, что соответствует критериям контроля качества
8 июля 2020 г.
Первый опубликованный (Действительный)
13 июля 2020 г.
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
20 февраля 2024 г.
Последнее отправленное обновление, отвечающее критериям контроля качества
16 февраля 2024 г.
Последняя проверка
1 февраля 2024 г.
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- CR-18-096
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
НЕТ
Описание плана IPD
Данные будут переданы по запросу по уважительной причине
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Нет
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Нет
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .