重复经颅磁刺激治疗创伤性脑损伤 (Smart trace)

背景：在遭受创伤性脑损伤 (TBI) 的人中，一种常见且致残的损伤是左半空间忽视 (LHSN)。 LHSN 是一种空间注意综合征，其特征是在没有原发性感觉缺陷的情况下，注意、感知和有意识地代表左侧病灶对侧空间的能力下降。 患有 LHSN 的人无法注意到来自左侧空间的任何刺激，这会影响执行许多日常任务的能力，例如走路、吃饭、阅读和穿衣。 作为脑损伤和 LHSN 的直接后果，这些患者也经常受到偏瘫和 LHSN 的失认症的影响，这是缺乏对运动和认知缺陷的认识。 这种情况会阻碍运动和认知的恢复，容易跌倒并降低独立性。 此外，在 TBI 中，LHSN 通常与注意力、记忆力、执行功能和处理速度缺陷的混合相关，导致复杂的认知和行为图片，这甚至可能干扰 LHSN 的标准认知治疗（即 视觉扫描协议或棱镜适应）。 还已知，1 Hz 抑制性重复经颅磁刺激 (rTMS) 应用于因右半球缺血性损伤导致的 LHSN 患者未受影响半球的后顶叶皮层 (PPC) 两周，可显着改善rTMS 治疗后持续 15 天的视觉空间症状。 考虑到由于右侧大脑中动脉区域卒中导致的 LHSN 空间注意力缺陷与神经系统的异常激活有关，而神经系统介导健康大脑中的空间注意力操作，这些结果可以得到解释。 在 LHSN 中，右侧 PPC 和大脑半球间连接的损伤导致大脑半球间活动的不平衡，这是由于左半球的活动过度，进而导致对同侧空间的注意力分配偏向。 因此，抑制这种多动症可能会产生重新平衡的效果，从而减少 LHSN 中的左侧空间注意力缺陷。 事实上，最近对中风的研究也显示了提高标准认知治疗效果的可能性（即 视觉扫描）如果后者在未受影响的半球上出现抑制性 rTMS。 尚不清楚的是，在 TBI 导致的 LHSN 中，左侧 PPC 上的抑制性 rTMS 随后进行视觉扫描方案是否可能是一种有效的治疗方法，因为在右半球中风中，考虑到 TBI 中的损伤通常比在 TBI 中更广泛和多灶性以前的情况。

宗旨：

• 在 RCT 的背景下，比较 r-TMS 和 CCT 联合干预的疗效，目的是减少 LHSN 的认知症状，在具有 LHSN 的 TBI 患者样本中。
• 评估干预的长期影响，并评估干预对多项临床指标（日常生活活动、注意力和运动功能）和心理生理指标的影响

方法：随机对照试验，对前测、后测和 3 个月的随访进行盲法评估。

人群：具有 LHSN 临床证据的 TBI 患者。 干预：左侧顶叶皮层的抑制性低频 r-TMS 与常规认知治疗（视觉扫描训练）相结合，持续 2 周。

对照组：SHAM 组采用安慰剂 r-TMS 刺激并结合视觉扫描训练 2 周。

结果：使用临床和心理生理指标进行多学科评估。 主要终点是基于视觉诱发电位（VEP）的心理生理指标。 我们将特别关注 N1 分量，即后验负性，它在 LHSN 群体中的潜伏期和振幅方面发生了变化。 为了研究 r-TMS 在半球间顶叶通路中的影响，我们将提取半球间传输时间 (IHTT) 对 N1 潜伏期的指数和空间注意偏差对 N1 振幅 (VABI) 的指数。 次要结果将考虑干预对认知和运动障碍的其他临床指标以及日常生活活动测试的影响。

预期结果：本项目的主要预期结果将在大量简单的 TBI 患者中提供 LHSN 认知症状潜在的纵裂间功能的证据。 它将指出 rTMS 协议对半球间不平衡的具体影响。 更详细地说，我们期望在 rTMS 组中观察到比对照组更大的再平衡效果，正如心理生理指标所证明的那样，并且效果在随访中持续存在。 此外，与对照组相比，我们期望观察到 rTMS 诱导的 LHSN 的认知和行为症状有更大的改善，如临床测试和电池的更好表现所证明的那样。

随机化：为了确保每个组包含相同数量的个体，符合条件的受试者将被随机分配到两组中的一组，采用基于块大小 4 的块随机化方法。

评估者和患者失明：为了确保双盲评估，将在随机化之前进行治疗前评估。 不了解患者随机分组的评估员将进行治疗后和后续评估。 此外，视觉扫描协议将由不知道患者随机化的治疗师执行，并且患者自己将被指示不要透露有关接受的脑刺激治疗的任何信息。

病例报告和数据监测：评估中每项测试的特定病例报告表 (CRF) 已经可用并将被使用。 在治疗期间，负责的医生将在治疗 CRF 中报告任何不良事件。 所有信息和结果将及时报告在电子数据库中。 研究人员将负责电子数据库、数据分析，并在所有程序结束时起草单个患者记录。 如果无法跟进，将考虑到那一刻可用的信息。 如果参与者在随访中失访，将根据“意向治疗”原则进行分析。 最后，将报告每个在随访中失访的参与者退出研究的原因。

样本量：样本量使用以下公式计算：

https://www.dropbox.com/s/y56umrt7z93en1w/Simple%20size%20formula.docx? dl=0 根据为 VABI 计算的公式得出的样本大小为 24。 因此，达到主要目标的最小样本量是，假设大约 10% 的受试者失访，在三年期间招募 28 名受试者（14 个 X 组）。

数据分析：将使用具有 2X3 设计的混合模型 ANCOVA 对每个测量值进行协方差分析，其中“之间”因素由随机化组（rTMS、SHAM）表示，“内部”因素是评估时间（T0、T1、T2）。 将使用 Matlab 和 SPSS 软件进行数据分析。