Kísérleti design
Az átfogó vizsgálatok a vizsgálat célja az volt, hogy felmérje, hogy VCVS DBS-modulált emberi kognitív ellenőrzési képességek, illetve az agyi neurális rezgések lényeges, hogy ezek a képességek. Ez egy alanyokon belüli tervezés volt, ahol az egyes alanyok azonos mérési protokollokat hajtottak végre stimulációval be-és kikapcsolt állapotban., Ez a design fokozott statisztikai erő (szemben az alternatív minták, ahol a DBS tantárgyak lenne ahhoz képest, szemben a nem-beültetett ellenőrzések), ha hozzájárul, hierarchikus/vegyes modell, irányító a jelentős heterogenitás kezelése-rezisztens pszichiátriai betegek. Előre meghatározott hipotéziseink Az voltak, hogy:
-
a DBS javítja az emberi kognitív kontrollt, ami a DBS fokozott teljesítményében tükröződik.,
-
a DBS növelné a theta oszcillációk erejét, elsősorban a laterális prefrontális kéregben és a dorsalis anterior cingulate kéregben, mivel ezeknek az oszcillációknak a döntéshozatalban és a válaszgátlásban betöltött különleges szerepe van.
-
a DBS által kiváltott változás mértéke a fenti javaslatokban megmagyarázza hatásmechanizmusának egy részét, amint azt a klinikai eredmény előrejelzése határozza meg.
ezek az elemzések nem voltak előzetesen regisztrálva. Az adatgyűjtés és a tanulmányi koncepció idején az előzetes regisztráció nem volt széles körben elérhető szolgáltatás.,
Subjects
tizennégy vcvs DBS-szel rendelkező személy hozzájárult a kísérletekben való részvételhez. Mindegyik VCVS DBS implantátumot kapott egy korábbi klinikai vizsgálathoz (NCT00640133, NCT00837486, vagy NCT00555698), az in48,49 belépési kritériumokkal. Minden jobbkezes volt. A mintában hat hím és nyolc nő vett részt, akik az adatgyűjtés idején 30-70 évesek voltak, és legalább 6 hónapos krónikus stimulációnak voltak kitéve, és legfeljebb 7 év. Az alanyokat túlnyomórészt MDD-re ültették be, de a 2/14 elsődleges indikációja volt az OCD-nek a komorbid MDD-vel., A legtöbb esetben legalább részleges klinikai válasz volt a DBS-re. Tájékozott beleegyezést kapott a vizsgálatban való részvételhez egy olyan orvos, aki nem volt az alany elsődleges DBS klinikusa, miután a vizsgálat teljes természetét és lehetséges következményeit kifejtették. Minden vizsgálati eljárás megfelel az alkalmazandó kormányzati és intézményi etikai iránymutatásoknak. A vizsgálati eljárásokat a Massachusetts General Hospital Institutional Review Board felülvizsgálta és jóváhagyta.
kísérleti protokoll
a kognitív rugalmasság szondázásához az MSIT módosított változatát alkalmaztuk(fő szöveg ábra. 1a)., Az MSIT megköveteli az alanyoktól, hogy azonosítsák, melyik három számkészlet különbözik a szomszédaitól. Az alanyoknak a jobb kezük három ujját az 1-3 számjegynek megfelelő válaszgombok fölé kell helyezniük. A kontroll (nem interferencia) kísérletekben a cél ugyanolyan térbeli helyzetben van, mint a megfelelő válaszkulcs, és a szegélyező számjegyek nem érvényes válaszok (azaz 0s). Az interferencia-vizsgálatok során a cél a megfelelő gombnyomáshoz képest nem megfelelő helyzetben van, és más életképes célok is vannak., MSIT kimutatták, hogy robusztus funkcionális mágneses rezonancia képalkotás (fMRI)25 és elektrofiziológia26 változásokat eredményez, jelentős (interferencia–kontroll) különbséggel, amely gyakran kimutatható az egyes alanyok szintjén. Megjegyezzük, hogy a kognitív kontrollnak ez a specifikus operacionalizálása, a konfliktusfeladat teljesítménye csak egy a sok lehetséges kísérleti megközelítés közül. A kognitív kontrollt sok esetben kiváltják, beleértve a megközelítési-elkerülési konfliktust50,a kapcsolási-tartózkodási döntéseket16, 51, és esetleg az érzelmileg megerősített önszabályozásban52., Az MSIT sajátos előnye, hogy igazolható, hogy statisztikailag robusztus tárgyszintű hatásokat indukál, mind viselkedési, mind idegi szinten, erősítve erőnket a DBS által kiváltott különbségek kimutatására. További érzelmi interferencia dimenziót adtunk hozzá, amely azon hipotézis alapján készült, hogy a súlyos, kezelés-rezisztens betegségben szenvedő alanyok óvatosan elfogultak a negatív képek felé. Minden MSIT tárgyalás előtt bemutatták a nemzetközi affektív Képrendszerből vagy az IAPS53-ból kiválasztott képet., A kép a képernyőn maradt, részben eltakarta az MSIT inger, a próba időtartama alatt. A teljes IAPS adatkészletből 144 kép rögzített részhalmazát választották ki, hogy lefedjék a rendelkezésre álló valenciák (Pozitív, Semleges és negatív) és érzelmi izgalmi besorolások körét.
a vizsgálatok mindegyik blokkjában 72 kontroll-és 72 interferencia-vizsgálat volt. Az egyes próbatípusokhoz rendelt Pozitív, Semleges és negatív IAP-képeket ellensúlyozott módon rendeltük hozzá, úgy, hogy minden képet egyszer egy kontrollban, egyszer pedig interferencia kontextusban mutattunk be., A 144 képek között oszlik meg a két 144-tárgyalás blokkok oly módon, hogy minimalizálja az átlagos négyzetes páronkénti különbségek kép ratings, amikor rank által elrendelt, a valence. Hogy megakadályozzák a válasz beállítja, vagy a megszokás, a tárgyalás sorrendje az egyes blokk volt pszeudo-véletlen tehát, hogy az alanyok nem volt több, mint két vizsgálatok során egymás után ugyanazokkal a valence, interferencia szintje, vagy a kívánt válasz ujját. Ez a rendkívül interleaved próbatervezés várhatóan nagyobb követelményeket támaszt a kognitív kontroll rendszerekkel szemben az ingerek kiszámíthatóságának csökkentésével. Amint az ábrán látható., 1a, alanyok nézett az IAPS kép önmagában 400 ms, mutatták be a MSIT inger és feladta 1500 ms válaszolni, majd megtekintette a rögzítés kereszt 3-5 s (randomizált egységes Eloszlás). Arra utasították őket, hogy minimalizálják a szem villogását a vizsgálat során, és szabadon pislogjanak a rögzítési időszak alatt. Az adatgyűjtés előtt az alanyok egy 20 kísérletből álló blokkot végeztek, ahol helyes / helytelen visszajelzést kaptak, majd egy másik 40 kísérletből álló blokkot visszacsatolás nélkül., Megismételték ezt a gyakorlatot, ha szükséges, amíg el nem érik a 90% – os helyes válaszokat (a kihagyott kísérleteket hibásnak számolva).
sok alanyunk korábban negatív élettapasztalattal rendelkezett az IAPS-ben bemutatott témák sajátos társulásaival. Ezen erős szubjektív/idioszinkratikus értelmezések ellenőrzéséhez ebben a kis mintában összegyűjtöttük az egyes képminősítéseket. Miután minden blokk befejeződött, az alanyokat újra bemutatták minden IAPS képpel, és 25 másodpercet adtak a kép érzelmi értékeléséhez., Mi ugyanazt önértékelés próbabábu rendszer eredetileg fejleszteni a IAPS54, amely rendel minden egyes kép egy valence értékelés 1-től 9 (ami a legtöbb negatív, hogy a legtöbb pozitív), valamint az ébredés értékelés 1-től 9 (ami egyáltalán nem izgató, hogy rendkívül izgató). Mind az MSIT, mind a feladat utáni IAPS minősítési képeket a Matlab 2013a alatt futó pszichofizikai eszköztár (http://psychtoolbox.org) segítségével mutatták be.,
az elektroencefalográfiai adatokat 1450 Hz-en (Nexstim eXimia EEG) szerezték be a nemzetközi 10-20 rendszer szerint elhelyezett 60 csatornából és a gyártó szabványos kupakjából. A földi elektródát az orrhídra helyezték. Az egyik átlós bipoláris elektro-oculogram csatornát a jobb szem körül helyezték el. A csatornák <5 kΩ impedanciára készültek. A fejbőr helyét minden csatorna digitalizálta a sapka elkészítése után, valamint a felvételek előtt., Digitalizáltuk a nasion-ot és mindkét pre-auricularis pontot, plusz 100 további fejbőr pontot, amelyek nem felelnek meg az EEG-érzékelőnek, hogy javítsuk az MRI-digitalizálási együttregisztráció minőségét. Négy tantárgyban a feladatadatok mellett minden egyes feladatblokk után és az IAPS önértékelési értékelése előtt 1 percet gyűjtöttünk szem-nyitott és szem-zárt nyugalmi adatokból.
minden alany először elvégezte az MSIT-blokkot, a nyugalmi állapot-gyűjteményt, és a képértékelést a szokásos klinikai beállításokkal (DBS ON)., Közvetlenül az MSIT után, de a pihenő-állami és képminősítő blokkok előtt az alanyok 15 percet is teljesítettek a Jutalomkiadásokért (Eefrt)27. Egy képzett klinikus ezután aktiválta a kétoldali beültetett neurostimulátorokat, és az alany legalább 1 órán át pihent anélkül, hogy eltávolította volna az EEG sapkát. Állatkísérletekben a krónikus stimuláció egy órás megvonása elegendő volt ahhoz, hogy erőteljes változásokat idézzen elő a neurális aktivitásban, amelyek rebound/Counter-regulatory response55-nek tűntek., Ez a visszapattanó hatás nem szűnik meg egy órán belül, de hosszabb ideig fennáll, amint azt a klinikai vizsgálatok dokumentálták, ahol a betegek a DBS abbahagyását követő egy héten belül lassan visszaesnek56. Ennek a rebound hatásnak a jelenléte hangsúlyozza vagy erősíti a krónikus stimuláció által okozott neurológiai változásokat. A nagy impedanciájú csatornák újrakészítése után az alanyok ismét MSIT-t, eefrt-t, nyugalmi állapotot és képminőséget (DBS OFF condition) végeztek a neurostimulátor újbóli aktiválása előtt., Az alanyok tisztában voltak a készülék állapotával, csakúgy, mint a kísérletezők, bár egyetlen alany sem tapasztalt káros pszichológiai következményeket a tanulmány manipulációjából.
EEG preprocessing
EEG analyses used the minimum norm becslés (MNE)-Python suite57. Offline állapotban az EEG-adatokat 0,5-50 Hz között szűrték, majd korszakosan. Ez hatékonyan eltávolítja a DBS műtárgyat, amint azt a mi és mások korábbi munkáiban37, 58, mivel az összes alany stimulátorát a vágási frekvencia fölé állították., A DBS-stimuláció harmonikus frekvenciái szintén teljesen kívül esnek a szűrő átsávján, valamint az ebben a munkában elemzett összes frekvenciasávon kívül. Az egyes alanyok stimulációs gyakoriságát lásd az 1.táblázatban. Az eyeblinkeket és az izomszöveteket jeltér-kivetítéssel távolítottuk el. Ezután kivágjuk a kísérleteket / korszakokat a folyamatos adatokból. Az inger-zárolt analízisek az IAPS kezdete előtt 1,5 másodpercről 3,4 másodpercre, az IAPS kezdete után (1500 ms a vizsgálat befejezése után) használtak adatokat. Válasz-zárolt analízisek -1,5 s-ot használtak a válasz után 1,5 másodpercre., Amplitúdó kilökődés (küszöb = ± 150 µV) eltávolított vizsgálatok maradék leletek. Végül az összes vizsgálatot a kiindulási értékhez képest 0,5-0,1 másodpercre változtattuk az IAPS megjelenése előtt. Az idő-domain elemzésekhez kivonjuk ennek az ablaknak az átlagát az adott téma összes kísérletéből; a frekvenciatartomány esetében az adatokat decibelekké (dB) alakítottuk át a kiindulási értékhez képest.
a 14 alany közül hatot kizártak a további EEG-elemzésből az előfeldolgozás során. Négy alanyt kizártak, mert EEG-adataikat digitalizációs rendszer használata nélkül rögzítették., Adataikat tehát nem lehetett pontosan lokalizálni. További két alanyt kizártak a további EEG-elemzésből a jelentős elektromiográfiai lelet miatt, ami a vizsgálatok túlnyomó többségének elutasítását eredményezte a fent leírt minőségbiztosítási eljárásokat követően. A fennmaradó nyolc alany EEG-adatait ezután forrás lokalizációnak vetették alá, az alábbiakban ismertetett további elemzéseket.
EEG forrás lokalizáció
az alanyok agykérgi felületeit rekonstruáltuk az elősebészeti T1 MRI képekből a Freesurfer v5.360 segítségével., Az EEG cap digitalizálását manuálisan regisztrálták a Freesurfer anatómiai rekonstrukciójára az MNE parancssori eszközök csomag segítségével. Ezután az MNE-Python-ban az agykérgi hálószemek félgömbönként ~160 000 csúcsról 4098 dipólus-helyre (csúcsokra) csökkentek. A freesurfer vízválasztó algoritmusából rekonstruált belső és külső koponyafelülettel rendelkező, három rekeszes határelemes 61 modell segítségével előre kalkuláltunk., A dipól amplitúdót (áramforrás-sűrűség) minden egyes kortikális helyen az anatómiailag korlátozott MNEs-módszer63 segítségével becsülték meg, hasonlóan a region of interest (ROI) – alapú oszcillációs elemzésekhez64., Röviden, a MNE módszer megtalálja a maximális utólagos becslések szerint a látens agykérgi források, mivel a megfigyelt érzékelő források, feltételezve, hogy (1) a jelenlegi forrás legjelentősebb a gyér általában elosztott egy ismert forrás covariance mátrix, valamint (2) a megfigyelt érzékelő adatait tartalmazza additív zaj egy normális eloszlás, valamint egy ismert térbeli covariance mátrix. Fontos, hogy más beamforming módszerekkel ellentétben az MNE módszer megőrzi az oszcillációkat, így az oszcillációs teljesítmény a forrás lokalizációját követően becsülhető meg., Minden csúcs jelenlegi forrásbecslése dipól orientációt tartalmaz, oly módon, hogy a forrásidőfolyam bármikor pozitív vagy negatív lehet. Itt a dipólusok orientációit az ajánlott alapértelmezett paraméterek (laza = 0,2, mélység = 0,8) segítségével korlátozták a kéregre. A forrás lokalizációjához szükséges zaj-kovariancia mátrixokat alanyonként 500 ms-os kiindulási értékre becsülték az egyes vizsgálatok megkezdése előtt. Az empirikus kovarianciás becsléseket az Engemann és a Gramfort65 által ajánlott “zsugorított” módszerrel szabályozták., Az egyes forrásbecslési adatokat ezután a Freesurfer “fsaverage” kortikális felületére térképezték fel. Végül forrása becsült idő tanfolyamok az egyes csúcsok voltak kombinált belül egy sor agykérgi címkék megfelelő a ROIs: cinguláris kéreg (rACC, dACC, mCC), dorso-mPFC (dmPFC/superior frontális gyrus), dorso-oldalsó prefrontális kéreg (DLPFC/középső frontális gyrus), valamint ventrolateral prefrontális kéreg (VLPFC/gyengébb frontális gyrus). A ROI-n belüli átlagos időtartamot az MNE-Python” PCA flip ” technikájával számítottuk ki., Röviden, a szinguláris értékbomlást (SVD) a ROI-n belüli vertex-bölcs időfolyamokra alkalmazzuk, majd az első jobb oldali szinguláris vektort extraháljuk. Az egyes csúcsok időpályáját ezután skálázzák, majd a jel megfordítva jelenik meg. A méretezés úgy történik, hogy megfeleljen az átlagos teljesítménye vertex-bölcs idő tanfolyamok. A jele, hogy az idő persze beállítani, hogy megszorozzuk a jel a bal egyedülálló vektor a SVD, amely biztosítja, hogy a szakasz nem változtatja meg 180 fokkal az egyik forrás idő természetesen a következő., Az 1. Kiegészítő táblázat felsorolja ezeket a címkéket, valamint a fő szöveg/számok mindegyikéhez használt anatómiai rövidítést. Az anatómiai címkéket/ROIs-kat kézzel szerelték össze a Lausanne 243 régió atlas66 több kisebb, összefüggő címkéjének összevonásával. Az itt használt címkéket úgy tervezték, hogy biztosítsák, hogy minden kortikális régió közel azonos számú csúcsnak felel meg a standard sablon agyában. Kiválasztottuk azt a címkekészletet,amely az MSIT13, 25 funkcionális neuro-képalkotásában korábban érintett régiókra vonatkozik.,
statisztikai elemzés-viselkedés
az MSIT elsődleges viselkedési eredménye az alanyok RT-je, mivel előzetesen képzettek a nagyon alacsony hibaarányokra. Másokkal együtt megmutattuk,hogy a konfliktus-és döntéshozatali feladatok során az RTs-t jobban közelíti a gamma, mint a Gauss-eloszlások13, 67. Így elemeztük a viselkedést vegyes hatásokban a gamma-eloszlás és az identitás-kapcsolat funkcióval. Ezt a GLM-et per-trial szinten alkalmazták, lehetővé téve a DBS és a próba-specifikus hatások, például az érzelem és a kognitív interferencia hatásainak modellezését., A vegyes hatások kialakítása, amely magában foglalja a téma véletlenszerű elfogását, kifejezetten az alanyon belüli korreláció ellenőrzését (kísérletek és ülések ismételt intézkedésekként). Kizártuk a hiányzó válaszokkal, hibakísérletekkel és a hiba utáni próbákkal végzett kísérleteket. Mi a további kizárt vizsgálatok során a kiugró RTs, amely által meghatározott illik egy gamma-eloszlás, hogy minden alany RT adatok összevonása a DBS A KI fut erre előfeldolgozás lépés. Ezután kizártuk a kísérleteket RT valószínűséggel <0.005 a felszerelt elosztás alapján. Ezek a megközelítések 247 vizsgálatot zártak ki (6.,Az összes vizsgálat 12% – A, N = 3785 vizsgálat az analízis során).
ellenőrzésére vonatkozó általános RT variabilitás át tantárgyak, mi megadott GLMs egy téma-specifikus random elfogja plusz fix hatások kísérlet változók (vegyes modell). A korábbi Jelentésekhez hasonlóan, pl. 28, meghatároztuk a megfelelő modellt az Akaike információs kritériumának (AIC) minimalizálásával a változók fokozatos hozzáadása során. Fontos, hogy az AIC minimalizálása matematikailag egyenértékű a modell mintán kívüli keresztértékeléssel36 történő felépítésével, egy olyan megközelítéssel, amelyet a biomarker kutatásában38 alapvetőnek azonosítottunk., Az interferenciát, a DBS-t, a Valenciát és az izgalmat a lehetséges RT prediktoroknak tekintettük előre meghatározott hipotéziseink és a feladattervezés alapján. Ezen fő hatások közötti interakciós feltételeket is teszteltük. A próbaszámot egy futáson belül kellemetlen regresszornak tekintettük, ellenőrizve a fáradtságot és/vagy a tanulási hatásokat. Az adatokat leginkább egy olyan modell magyarázza, amelynek a fő hatásai vannak, de nincsenek interakciós kifejezések (lásd a fő szöveget és a kiegészítő ábrát. 1). Más prediktorokkal rendelkező modellek, például RT az előző vizsgálatban (autoregresszív hatás), nem voltak azonosíthatók., A konfliktusokat és a DBS-t kódolták, míg a Valenciát, az izgalmat és a próbaszámokat folytonos változóként kezelték. Az összes független változót a regresszió 0-1 intervallumára szabványosították, de a cikkben az értelmezés megkönnyítése érdekében a konverzió után visszaállnak a természetes egységekbe.
statisztikai elemzés—EEG moduláció feladatváltozók és DBS
az idő-domain (kiváltott potenciális) elemzés, érzékelő és forrás tér idő tanfolyamok csökkentették a (-0.5, 2.0) s időablak inger-zárolt korszakok és (-1.0, 1.0) ablakok válasz-zárolt korszakok., Ezenkívül az összes korszak alacsony áteresztőképességű volt, 15 Hz-re szűrve, majd 3-as tényezővel csökkentették. Konfidencia intervallumok ábrázolt esemény kapcsolatos potenciálok (ERPs) számítottuk 1000 bootstrap resamplements cserével (megőrizve a kísérletek száma az egyes alanyok). Minden ERP mutatja a nagy átlag az összes alanyok.
a spektrális tartomány elemzéséhez három érdekes sávban számítottuk ki a nem fáziszárt teljesítményt: a theta (4-8 Hz), az alfa (8-15 Hz) és a béta (15-30 Hz)., Hangsúlyoztuk a nem fáziszárt vagy indukált rezgéseket, mert úgy tűnik, hogy közvetlenebb kapcsolatban állnak a proaktív kognitív ellenőrzéssel17. A Simon-effektus feladatainak próbaalapú elemzéseiben a konfliktussal / ellenőrzéssel kapcsolatos theta teljesítményváltozás több mint 80%-a nem volt fáziszárva23. A nem fázis-zárolt theta teljesítmény Korrelált próba-próba RTs, több, mint a fázis-zárolt theta tükröződik a time-domain ERP., Továbbá, egy nem próba-strukturált kognitív kontroll feladat, theta oszcillációk úgy tűnt, hogy folyamatosan jelen van a közép-frontális kéreg, növekvő teljesítmény, amikor több kontroll volt szükség68. Ezzel szemben a fáziszárt theta oszcillációk inkább a hibával kapcsolatos teljesítményfigyeléshez kapcsolódhatnak69, ezt a jelenséget itt nem vizsgálták a nagyon kis számú hibakísérlet miatt.
a nem fáziszárt teljesítményváltozások kiszámításához először kivontuk az átlagos ERP-t minden trial23-ból., A kivont ERP-t (és azokat a vizsgálatokat, amelyekből kivonták) az alany, a feltétel (DBS ON/OFF × interferencia/Konfliktuspróbák) és a ROI/érzékelő minden egyes kombinációjára kiszámították. Az EEG power összes parcellája adatokat mutat az ERP eltávolítása után.
A szenzor és a forrás lokalizált adatok ezután a Morlet wavelet konvolúción keresztül az időfrekvenciás reprezentációjukba bomlottak. Wavelets volt alapfrekvenciák mintavételezett 2-50 Hz 25 logaritmikusan elosztott lépéseket, ahol minden wavelet jellemezte három ciklus. A bomlást egypróbás adatokon végezték, nem átlagban vagy ERP-ben., Minden frekvencia teljesítmény becsléseket normalizálódott az átlagos teljesítmény egy pre-inger alapvonal (-0,5 s -0,1 s) minden frekvenciasávban. Egy dB transzformációt használtunk a normalizáláshoz. Az alapteljesítményt minden egyes alany és a DBS állapot (KI, BE) esetében külön számították ki. Ugyanezt az inger-zárolt elemzésekhez használt pre-inger kiindulási időszakot használták a válasz-zárolt elemzésekhez is. Ezután átlagoltuk az értékeket az egyes előre meghatározott frekvenciasávon belül, hogy minden egyes sávra per-trial power time kurzust kapjunk. A cikkben bemutatott összes kapott teljesítményértéket a fentiek szerint dB-re normalizálták., Minden teljesítmény topográfiai és idő tanfolyam telkek képviselik a nagy átlag alattvalók.
mind az érzékelő, mind a forrástérben mind az idő-tartomány, mind a frekvenciatartomány EEG-adatait elemeztük a szokásos legkisebb négyzetek regression70,71 segítségével. Az egypróba feszültség vagy teljesítmény minden egyes időpontban lépett egy lineáris modell ugyanazokat a független változókat, mint a viselkedési GLM: interferencia, DBS, valence, ébredés, próbaszám. Az összes független változót szabványosítottuk a modell intervallumára is., Figyelembe vettük azt a lehetőséget is, hogy az interferencia és a DBS kölcsönhatásba léphet a neurális szinten, annak ellenére, hogy nem láttunk viselkedési interakciót, és így tartalmaztunk egy DBS × interferencia interakció kifejezést ebben a regresszióban. Megismételni a hatása, hogy a téma-specifikus azokat a viselkedési modell, akkor le kell vonni az egyes alany minden-vizsgálatok azt jelenti, feszültség vagy áram idő természetesen a téma vizsgálatok. A kontraszt statisztikákat (t-teszteket) minden egyes kapott béta tömegre (regressziós együttható) kiszámítottuk minden mintán., Az egyes ROI/elektródákon belüli többszörös statisztikai összehasonlítások (timepoints) vezérléséhez permutációs következtetést és időbeli klaszter korrekciót végeztünk72. Minden elemzéshez 1000 permutációt használtunk ,az eldobott klaszterek<50 ms időbeli mértékben, és csak olyan klasztereket tartottunk fenn, amelyek jelentősek voltak α = 0,05. A forrásterület idő-tartomány elemzéséhez ezeket a klaszter p-értékeket tovább javítottuk a Benjamini-Hochberg hamis felfedezési sebesség (FDR) lépés-lefelé irányuló eljárásával az összes tesztelt ROIs-ban., A frekvenciatartomány-analízishez ugyanezt tettük, de egyetlen lépésben, a ROIs-k és frekvenciasávok között egyszerre. A cikkben bemutatott összes jelentős klaszter túlélte ezeket a korrekciókat. Kivételt képez ez alól az, hogy a szenzor-tér analízis során nem korrigáltunk több érzékelőt, mert csak egy érzékelőt teszteltünk időtartományra, egy érzékelőt pedig frekvencia-tartomány elemzésre. Az érzékelő-tér frekvenciatartományú p-értékeket ismét több sávra korrigálták.,
statisztikai elemzés—EEG / viselkedési változások biomarkerekként
feltételeztük, hogy mind a theta sáv EEG, mind az MSIT viselkedésbeli változásai a DBS által kiváltott változások korrelálhatnak az alanyok klinikai válaszával a VCVS DBS kezelésre. Továbbá feltételeztük, hogy ez a korreláció lehet pozitív klinikai válasz (depresszió javulása) vagy klinikai szövődmények (hypomania, mint in28)., Ezeket egyéni tárgyszinten számszerűsítettük: az MSIT RT az átlagos (DBS ON–DBS OFF) különbség, a Theta EEG pedig a (DBS ON–DBS OFF) különbséghullám integrált magassága a VLPFC-ben (elülső inferior frontális gyrus). A VLPFC címkét prediktor változóként választották ki az előző elemzések eredményeinek megtekintése után. A különbségi hullámot kifejezetten abban az időszakban számítottuk ki, amikor a forrástér-elemzés során jelentős klasztert találtunk., Depresszió mértük a Montgomery–Åsberg Depresszió Skála (MADRS), mint gyűjtött során az alanyok eredeti klinikai vizsgálatok; nem tettünk kísérletet, megfelelési a KÉNYSZERES tünetek, mert csak két személy a minta KÉNYSZERBETEG. A MADRS változását az implantátum előtti vizsgálat kezdetétől az adatgyűjtés napjáig, vagy az adatgyűjtés legközelebbi klinikai látogatásáig (mindig 1 hónapon belül) alkalmaztuk, ha egy adott alany nem tudta befejezni a MADRS-t azon a napon., A Hypomania ugyanazt az adatkészletet alkalmazta, mint A28, amelyben a hypomanic epizódok jelenlétét/hiányát minden egyes alanyra képzett klinikai patkányok kódolták. A függő változó az volt, hogy az adott alanynak volt-e valaha hypomania a DBS-kezelés során. A klinikai adatok hiánya miatt a hypomania-analízisben egy alany nem vett részt.
a mintán kívüli előrejelzési képesség fontos a feltételezett pszichiátriai biomarkerek értékeléséhez37, 38, de nehéz mérni ritka populációkban, például DBS-betegekben., Helyettesítőként megbízhatósági intervallumokat generáltunk a klinikai / biomarker korrelációkhoz, 1000 bootstrap resamples (helyettesítéssel) rajzolásával az eredeti alanypopulációból. Ugyanazokat a bootstrap-rajzokat használtuk a görbe alatti terület (AUC) konfidencia-intervallumának felépítéséhez a vevő-operátor jellemző (ROC) görbéknél a hypomania jelen/hiányzik és depresszióra reagáló/nem válaszadó besorolásához. Ez utóbbi ugyanazt az 50% – os küszöbértéket alkalmazta, mint a klinikai vizsgálatokban, például az in49-ben.,
statisztikai elemzés-nyugalmi állapot adatok
az MSIT-teljesítmény során megfigyelt Theta-változások nem feltétlenül specifikusak a feladatra, hanem az EEG frekvenciaspektrumának a DBS során bekövetkező általános eltolódásából eredhetnek. Öt alany legalább 2 min szem-nyitott nyugalmi állapot adatokat adott meg a DBS be-és kikapcsolásával. Ezekből az adatokból 60 1-s műtárgymentes korszakot vágtunk le az egyes alanyok be-és kikapcsolt felvételeiből, majd 0-ról 30 Hz-re számítottuk a teljesítmény spektrális sűrűséget (PSD) a multitaper módszerrel., Kiszámítottuk az átlagos teljesítményt az egyes korszakok PSD-jének theta (4-8 Hz) régiójában, majd teszteltük a különbséget ezen eloszlások között a Mann-Whitney U-teszttel. Ezeket az elemzéseket az FZ érzékelő theta teljesítményén végeztük, amely az MSIT teljesítmény során a legmagasabb theta teljesítmény skalppontja volt.
az MSIT viselkedési eredményeinek érvényesítése az epilepszia-kontrollokban
lehetséges aggodalomra ad okot, hogy az általunk megfigyelt RT eredmények gyakorlati hatásokkal magyarázhatók. Bár a be-és kikapcsolási blokkokat egy vagy több óra választotta el egymástól, az alanyok továbbra is megtarthatják a feladat valamilyen eljárási emlékét., Ennek a zavarnak a kezelése érdekében elemeztük az alanyok egy csoportjának adatait, akik több időben elhelyezett MSIT futást végeztek az érzelmi zavaró tényezők nélkül. Ezek az alanyok egy nagyobb tanulmány részét képezték, amely a mentális betegségek hálózati szintű fiziológiájára összpontosított13. A gyógyszeres-refrakter epilepszia fekvőbeteg elektrofiziológiai monitorozására kerültek be. Fekvőbetegként naponta több kognitív feladat elvégzésére közelítették meg őket, beleértve az MSIT-t is. Ebben az esetben a feladat eredeti verzióját használtuk, amely nem tartalmazza a háttér IAP-zavarókat., A fekvőbeteg-osztályon végzett klinikai munka jellege miatt, beleértve az étkezések és a klinikai fordulók szüneteit is, ezek az alanyok gyakran egy vagy több 64 vizsgálati MSIT blokkot végeztek, amelyek között jelentős szünet volt. Ez hatékonyan megismétli az elsődleges tanulmányunk kialakítását, kivéve a DBS manipulációt. A szünetek előtt és után elvégzett feladatblokkokat nyolc témakörben elemeztük. Ezekre az alanyokra az MSIT trial RTs-t egy gamma-eloszlású GLM-hez illesztjük, amely utánozta a fő kohorsz elemzést, azaz,, független/prediktor kifejezések blokk (amely utánozza a DBS kifejezés), konfliktus, próbaszám, és egy tárgy-specifikus intercept. A fő kohorszhoz hasonlóan ezek a tantárgyak teljes körű tájékoztatást nyújtottak a vizsgálati eljárások előtt. Minden kísérleti eljárás ezekkel a tantárgyakkal megfelelt a kormányzati és intézményi etikai követelményeknek, és a Massachusetts General Hospital Institutional Review Board jóváhagyta.