自闭症谱系障碍儿童的社交记忆障碍与睡眠纺锤波之间的关系
2024年3月5日 更新者:First Affiliated Hospital Xi'an Jiaotong University
睡眠纺锤波在自闭症谱系障碍儿童社交记忆障碍辅助诊断中的作用
研究背景及项目基础
自闭症谱系障碍(ASD)是一种终生神经发育障碍,其特征是社交障碍和重复刻板行为。 社会记忆障碍是ASD患者的显着特征,目前ASD患者社会记忆障碍的具体发病机制尚不清楚,也没有客观的指标来衡量社会记忆水平。 睡眠纺锤波是睡眠中的一种特殊脑电波,与记忆巩固密切相关。 然而,尚未有人研究睡眠纺锤波对社会记忆的影响。
研究目的
探讨人群睡眠纺锤波与社会记忆的相关性,为自闭症儿童社会记忆障碍的辅助诊断提供参考。
研究概览
详细说明
本观察性研究的目的是探讨人群睡眠纺锤波与社会记忆的相关性,为自闭症谱系障碍(ASD)儿童社会记忆障碍的辅助诊断提供参考。
它旨在回答的主要问题是睡眠纺锤波对社会记忆的影响。
该研究临床招募了30名患有自闭症谱系障碍的儿童和30名正常儿童。
参与者将被要求进行面部和汽车识别记忆测试,其中汽车识别记忆测试作为对照。
两项任务完成后,将记录并进行夜间脑电图记录以及随后的纺锤波分析,然后通过机器学习模型进行社会记忆水平与纺锤波水平之间的相关性分析,以便研究人员可以通过水平推断个体的社会记忆水平脑电图中的纺锤体。
研究类型
观察性的
注册 (估计的)
60
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:Dongqi Cui, PhD
- 电话号码:18501059233
- 邮箱:18501059233@163.com
研究联系人备份
- 姓名:Xiaodan Wang, PhD
- 电话号码:13720418610
- 邮箱:m19834513386@163.com
学习地点
-
-
Shaanxi
-
Xi'an、Shaanxi、中国、710061
- 招聘中
- First Afflicated Hospital Xian Jiaotong University
-
接触:
- Yan Li, MD., PhD.
- 电话号码:13720418610
- 邮箱:liyanxjtu@xjtu.edu.cn
-
接触:
- Dongqi Cui, PhD.
- 电话号码:18501059233
- 邮箱:18501059233@163.com
-
-
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
- 孩子
- 成人
接受健康志愿者
是的
取样方法
非概率样本
研究人群
预计招募60名6-18岁的参与者,其中病例组30例均为西安市中医脑病医院住院及门诊病例,按照统一诊断标准定为自闭症谱系障碍(ASD);健康对照组由来自西安中医脑病医院附近社区幼儿园和小学的30名健康对照组组成,他们没有患有自闭症谱系障碍或与自闭症谱系障碍研究因素相关的其他疾病。
描述
纳入标准:
- 通过 DSM-V 诊断患有 ASD 的儿童(健康对照组没有此要求)
- IQ分数≥75(WISC-IV,韦克斯勒儿童智力量表)
- 年龄:6-18岁
- 未接受精神药物治疗(或在实验前至少停药2周)
排除标准:
- 除了自闭症谱系障碍外,还兼有其他精神疾病
- 存在睡眠障碍、睡眠呼吸暂停、睡眠期间周期性腿部运动或非典型脑电图模式
- 左撇子
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
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
自闭症谱系障碍组
根据DSM-V诊断标准并结合临床表现诊断为ASD。
|
以人脸识别记忆测试和汽车识别记忆测试作为对照。
然后在两个任务完成后记录夜间脑电图记录,并进行后续的纺锤体分析。因此,通过机器学习建模,进行社会记忆水平与脑电图纺锤体水平之间的相关性。
|
|
控制组
健康的孩子
|
以人脸识别记忆测试和汽车识别记忆测试作为对照。
然后在两个任务完成后记录夜间脑电图记录,并进行后续的纺锤体分析。因此,通过机器学习建模,进行社会记忆水平与脑电图纺锤体水平之间的相关性。
|
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 |
|---|---|---|
|
识别准确率
大体时间:通过人脸&汽车识别任务完成,平均2-4天。
|
识别准确率作为汽车和人脸识别的评价指标。 汽车和人脸识别任务包括第一晚的学习阶段(睡前约30分钟)和第二天早上(起床后约30分钟)的识别测试阶段。 学习阶段包括 11 张成人面孔图片(319 × 432 像素)。 在学习阶段,图片随机呈现 3 秒,刺激间隔为 2 秒。 在测试阶段,同时呈现两张图片,其中研究列表中的图片(称为“旧”)与未见过的图片(称为“新”)以随机的左右顺序配对。 参与者被要求通过按向左和向右按钮来选择他们以前看过的图片。 参与者回答后立即呈现下一个刺激。 识别准确度计算为正确响应(命中)的数量。 |
通过人脸&汽车识别任务完成,平均2-4天。
|
|
响应延迟时间
大体时间:通过人脸&汽车识别任务完成,平均2-4天。
|
反应时间通常用于评估认知能力。
计算正确响应(命中)的平均反应时间(毫秒),即响应延迟时间。
|
通过人脸&汽车识别任务完成,平均2-4天。
|
|
睡眠纺锤体密度
大体时间:通过12小时脑电图记录完成,平均5-12天。
|
睡眠纺锤波识别和数据处理利用基于Python的YASA(Yet Another Spindle Algorithm)工具箱实现阶段性脑电图睡眠纺锤波自动识别。
计算睡眠纺锤体的密度(N/min)。
|
通过12小时脑电图记录完成,平均5-12天。
|
|
睡眠纺锤波平均持续时间
大体时间:通过12小时脑电图记录完成,平均5-12天。
|
计算单轴平均持续时间(s)。
|
通过12小时脑电图记录完成,平均5-12天。
|
|
睡眠纺锤波振幅
大体时间:通过12小时脑电图记录完成,平均5-12天。
|
振幅(μV)是指主轴波所拥有的最大能量值。
|
通过12小时脑电图记录完成,平均5-12天。
|
|
睡眠主轴频率
大体时间:通过12小时脑电图记录完成,平均5-12天。
|
频率(Hz)是指主轴波每秒重复振动的次数。
|
通过12小时脑电图记录完成,平均5-12天。
|
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
- 研究主任:Yan Li, PhD、First Afflicated Hospital of Xian Jiaotong University
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。
一般刊物
- Lai M, Lee J, Chiu S, Charm J, So WY, Yuen FP, Kwok C, Tsoi J, Lin Y, Zee B. A machine learning approach for retinal images analysis as an objective screening method for children with autism spectrum disorder. EClinicalMedicine. 2020 Nov 5;28:100588. doi: 10.1016/j.eclinm.2020.100588. eCollection 2020 Nov.
- Georgescu AL, Koehler JC, Weiske J, Vogeley K, Koutsouleris N, Falter-Wagner C. Machine Learning to Study Social Interaction Difficulties in ASD. Front Robot AI. 2019 Nov 29;6:132. doi: 10.3389/frobt.2019.00132. eCollection 2019.
- Das S, Zomorrodi R, Mirjalili M, Kirkovski M, Blumberger DM, Rajji TK, Desarkar P. Machine learning approaches for electroencephalography and magnetoencephalography analyses in autism spectrum disorder: A systematic review. Prog Neuropsychopharmacol Biol Psychiatry. 2023 Apr 20;123:110705. doi: 10.1016/j.pnpbp.2022.110705. Epub 2022 Dec 24.
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 (实际的)
2023年12月4日
初级完成 (估计的)
2024年3月30日
研究完成 (估计的)
2024年4月30日
研究注册日期
首次提交
2024年2月27日
首先提交符合 QC 标准的
2024年3月5日
首次发布 (实际的)
2024年3月12日
研究记录更新
最后更新发布 (实际的)
2024年3月12日
上次提交的符合 QC 标准的更新
2024年3月5日
最后验证
2023年11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.