计算式EEG属性预测了对发作的治疗反应.
Rajsekar R Rajaraman1, Rachel J Smith2, Shingo Oana1
1Division of Pediatric Neurology, UCLA Mattel Children's Hospital and University of California, Los Angeles, Los Angeles, CA, USA.
概括
计算式EEG生物标志物,特别是长距离时间相关性 (LRTCs) 和,在预测发作儿童的治疗反应和复发方面表现有前途.
科学领域:
- 神经科学是一个神经科学.
- 计算生物学 计算生物学
- 儿科神经学 儿科神经学
背景情况:
- 发作需要有效的治疗策略.
- 在儿科中预测治疗反应具有临床意义.
- 当前的预测方法可能会从客观生物标志物中受益.
研究的目的:
- 调查电脑电图 (EEG) 生物标志物是否可以预测发作的治疗反应.
- 确定这些生物标志物是否独立于临床因素.
- 为了探索与无复发期的关联.
主要方法:
- 对50名患有前后的儿童的夜间视频EEG数据的分析.
- 自动移除EEG器件并计算振幅,功率频谱,功能连接,和长距离时间相关性 (LRTC).
- 使用后勤和比例危险回归模型来评估与反应和复发的关联.
主要成果:
- 较强的基线和治疗后LRTC和较高的治疗后与治疗反应有关,即使在调整持续时间后也是如此.
- 探索性分析表明,更强的治疗后LRTC和更高的治疗后与免于复发有关.
结论:
- 计算式EEG生物标志物,特别是LRTC和,显示出预测发作的治疗结果的潜力.
- 这些发现表明,更精确的,数据驱动的方法来管理儿科.
- 进一步的研究可以完善这些生物标志物用于临床应用.
更多相关视频
09:00Investigating the Function of Deep Cortical and Subcortical Structures Using Stereotactic Electroencephalography: Lessons from the Anterior Cingulate Cortex
Published on: April 15, 2015
12.3K
08:23A Multimodal Imaging- and Stimulation-based Method of Evaluating Connectivity-related Brain Excitability in Patients with Epilepsy
Published on: November 13, 2016
11.2K
