自闭症大脑可塑性对早期行为干预的反应：一项多模态 MRI 研究
2024年1月11日 更新者：Huafu Chen、University of Electronic Science and Technology of China
自闭症是一种公认的神经发育障碍，严重影响儿童的健康。
自闭症的神经生物学基础不明，缺乏有效的药物治疗，目前最常用的治疗方法是行为干预。
然而，干预治疗背后的病理生理机制仍未完全了解。
本项目旨在利用多模态MRI技术探讨不同早期行为干预方法对自闭症大脑可塑性的影响，并通过评估这些方法的有效性为自闭症的干预和治疗提供指导。
研究概览
详细说明
自闭症是一种公认的神经发育障碍，严重影响儿童的健康。
自闭症的神经生物学基础不明，缺乏有效的药物治疗，目前最常用的治疗方法是行为干预。
然而，干预治疗背后的病理生理机制仍未完全了解。
本项目旨在利用多模态MRI技术探讨不同早期行为干预方法对自闭症大脑可塑性的影响，并通过评估这些方法的有效性为自闭症的干预和治疗提供指导。
研究人员首先调查了行为干预对自闭症儿童大脑结构和功能的纵向影响。
此外，研究者在多模态大规模脑连接体上提供了新的生物学指标来评估干预的疗效。
最后，研究者提出了一种基于多模态多变量模式分析方法的干预效果预测模型。
此外，研究人员希望在多模式网络上绘制最先进的生物标志物，以提供对自闭症病理生理机制的新解释。
研究类型
介入性
注册 (估计的)
150
阶段
- 不适用
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习联系方式
- 姓名：Huafu Chen
- 邮箱：chenhf@uestc.edu.cn
学习地点
-
-
Heilongjiang
-
Harbin、Heilongjiang、中国、150086
- 招聘中
- Department of Children's and Adolescent Health, Public Health College of Harbin Medical University
-
接触：
- Lijie Wu
- 邮箱：wangjiahyd@163.com
-
-
Sichuan
-
Chengdu、Sichuan、中国、610054
- 招聘中
- Center for Information in BioMedicine, Key laboratory for NeuroInformation of Ministry of Education, School of Life Science and Technology, University of Electronic Science and Technology of China
-
首席研究员：
- Huafu Chen
-
接触：
- Huafu Chen
- 邮箱：chenhf@uestc.edu.cn
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
2年 至 8年 (孩子)
接受健康志愿者
是的
描述
纳入标准：
- 年龄范围从2岁到8岁。
- 自闭症的临床 DSM-IV 诊断。
排除标准：
- 患有其他神经发育疾病的受试者。
- 有 MRI 禁忌症的受试者。
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
- 主要用途：基础科学
- 分配：随机化
- 介入模型：阶乘赋值
- 屏蔽：三倍
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
实验性的：感觉统合训练
行为矫正和感觉统合训练
|
每组30个科目，历时六个月的训练。
|
|
实验性的：应用行为分析
行为矫正和应用行为分析。
|
每组30个科目，历时六个月的训练。
|
|
实验性的：教学
行为矫正和 TEACCH。
|
每组30个科目，历时六个月的训练。
|
|
其他：行为矫正
行为矫正。
|
每组30个科目，历时六个月的训练。
|
|
无干预：健康对照组
没有干预。
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
自闭症儿童 6 个月时行为干预下的大脑结构和功能变化
大体时间：通过学习完成，平均1年
|
行为干预对自闭症儿童大脑结构和功能的纵向影响将通过基于体素的形态计量分析评估结构变化，以及区域同质性、低频波动幅度等功能变化。
|
通过学习完成，平均1年
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
基于多模态多元模式分析方法的干预效果预测模型
大体时间：通过学习完成，平均1年
|
首先，根据6个月的干预效果将自闭症个体分为治疗有效组和治疗无效组。
其次，利用稀疏优化算法对 MRI 数据进行特征选择和聚类分析。
第三，设计集成支持向量机和高斯朴素贝叶斯分类器的优化分类器。
|
通过学习完成，平均1年
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
调查人员
- 首席研究员：Huafu Chen、School of Life science and Technology, University of Electronic Science and Technology of China
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始
2016年5月1日
初级完成 (估计的)
2024年12月1日
研究完成 (估计的)
2024年12月1日
研究注册日期
首次提交
2016年6月13日
首先提交符合 QC 标准的
2016年6月16日
首次发布 (估计的)
2016年6月21日
研究记录更新
最后更新发布 (估计的)
2024年1月15日
上次提交的符合 QC 标准的更新
2024年1月11日
最后验证
2024年1月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.