病理性疲劳的休息状态EEG和MEG生物标志物 - 一个跨诊断的系统审查
Henrik Heitmann1, Paul Theo Zebhauser2, Vanessa D Hohn2
1Department of Neurology, School of Medicine, Technical University of Munich (TUM), Germany; TUM-Neuroimaging Center, School of Medicine, Technical University of Munich (TUM), Germany; Department of Psychosomatic Medicine and Psychotherapy, School of Medicine, Technical University of Munich (TUM), Germany.
病理性疲劳可以使用大脑活动模式来诊断. 静止电脑图 (EEG) 和磁脑图 (MEG) 在疲劳的人群中显示了提达频率的增加和阿尔法频率的降低,但高偏差需要进一步研究.
科学领域:
- 神经科学是一个神经科学.
- 生物标志物 生物标志物
- 医学诊断 医学诊断 医学诊断
背景情况:
- 疲劳是众多疾病中普遍存在且令人衰弱的症状.
- 疲劳的潜在病理机制是多样化的,并未完全理解.
- 缺乏跨诊断生物标志物阻碍了疲劳的诊断和治疗.
研究的目的:
- 系统地审查定量静止电脑学 (EEG) 和磁脑学 (MEG) 研究.
- 为了确定潜在的病理性疲劳的跨诊断生物标志物.
- 综合关于M/EEG在诊断疲劳中的有用性的证据.
主要方法:
- 进行了成年患者研究的跨诊断系统审查.
- 在 MEDLINE, Web of Science 和 EMBASE 上进行了搜索.
- 偏差风险使用经过修改的纽卡斯尔-太华尺度进行评估,数据通过经过修改的阿尔巴特罗斯地图进行合成.
主要成果:
- 26项研究符合纳入标准.
- 横截面的发现表明,作为潜在的生物标志物,theta活性增加和α频率活性降低.
- 在许多纳入的研究中,注意到存在偏差的高风险.
结论:
- 休息状态的M/EEG显示为病理性疲劳的诊断生物标志物具有前途.
- 需要进一步进行高质量的研究来验证这些发现并减轻偏见.
- 这一审查可以指导未来的M/EEG疲劳生物标志物开发.
更多相关视频
06:40Microstate and Omega Complexity Analyses of the Resting-state Electroencephalography
Published on: June 15, 2018
10:43Developing Neuroimaging Phenotypes of the Default Mode Network in PTSD: Integrating the Resting State, Working Memory, and Structural Connectivity
Published on: July 1, 2014