在休息状态电脑电图 (EEG) 中使用阿尔法频段活动与 MATRICS 共识认知电池 (MCCB) 结合,表征严重抑郁症 (MDD)
Bin Wang1, Meijia Li2, Naem Haihambo2
1The National Clinical Research Center for Mental Disorders & Beijing Key Laboratory of Mental Disorders, Beijing Anding Hospital, Capital Medical University, Beijing 100088, China; Advanced Innovation Center for Human Brain Protection, Capital Medical University, 100191 Beijing, China.
Journal of affective disorders
|April 1, 2024
概括
需要主要抑郁障碍 (MDD) 的客观生物标志物. 电脑电图 (EEG) 中的α子振荡与认知测试相结合,对诊断MDD和指导治疗有希望.
科学领域:
- 神经科学是一个神经科学.
- 精神病学是一个精神病学.
- 生物标志物 生物标志物
背景情况:
- 大型抑郁症 (MDD) 的诊断依赖于主观的精神病学评估.
- 客观生物标志物对于准确的MDD诊断和治疗至关重要.
- 静止电脑电图 (EEG) 中的α频段活动是一种潜在的生物标志物,具有明显的子振荡.
研究的目的:
- 研究阿尔法子振荡在MDD诊断中的作用.
- 确定阿尔法子振荡是否与MDD的认知功能相关.
- 评估结合EEGα振荡和认知分数用于MDD分类的有用性.
主要方法:
- 记录了MDD和健康对照 (HC) 参与者的静止状态EEG.
- 使用 MATRICS 共识认知电池 (MCCB) 评估认知处理.
- 分析了α次振荡功率,并将其与MCCB得分相关联.
主要成果:
- 与HC相比,MDD组表现出更高的高α功率 (10.5-11.5 Hz) 和更低的低α功率 (7-8.5 Hz).
- 在MDD中,高α功率与工作记忆 (MCCB) 有负相关,与HC不同.
- 结合阿尔法振荡和MCCB评分,提高了MDD的分类准确性.
结论:
- 阿尔法频段子振荡显示出作为MDD的独特生物标志物的潜力.
- 将α振荡与认知评估相结合,可能有助于MDD的诊断和治疗策略.
