experimentell design
det övergripande målet med studien var att bedöma om VCVS DBS modulerade mänskliga kognitiva kontrollfunktioner och kortikala neurala svängningar som är relevanta för dessa funktioner. Detta var en inom-ämnen design, där enskilda individer avslutade identiska mätprotokoll med stimulering på och av., Denna design ökade statistisk kraft (jämfört med alternativa mönster där DBS-ämnen skulle jämföras med icke-implanterade kontroller) genom att erkänna hierarkisk/blandad modellering och kontrollera för den betydande heterogeniteten hos behandlingsresistenta psykiatriska patienter. Våra förutbestämda hypoteser var att:
-
DBS skulle förbättra mänsklig kognitiv kontroll, vilket återspeglas i ökad prestanda i DBS på villkor.,
-
DBS skulle öka kraften i theta-svängningar, främst i lateral prefrontal cortex och dorsal främre cingulate cortex, med tanke på den specifika rollen av dessa svängningar i beslutsfattande och responshämning.
-
graden av DBS-inducerad förändring i ovanstående propositioner skulle förklara en del av dess verkningsmekanism, som bestäms av förutsägelse av det kliniska resultatet.
dessa analyser var inte förhandsregistrerade. Vid tidpunkten för datainsamling och studieuppfattning var förhandsregistrering inte en allmänt tillgänglig tjänst.,
försökspersoner
fjorton försökspersoner med VCVS DBS samtyckte till att delta i experimenten. Alla hade fått VCVS DBS implantat för en tidigare klinisk studie (NCT00640133, NCT00837486, eller NCT00555698), med uppgift kriterier som anges in48,49. Alla var högerhänta. I urvalet ingick sex hanar och åtta honor, i åldern 30-70s vid tidpunkten för datainsamlingen, med minst 6 månaders exponering för kronisk stimulering och högst 7 år. Patienter hade övervägande implanterats för MDD, men 2/14 hade en primär indikation på OCD med comorbid MDD., De flesta hade åtminstone partiellt kliniskt svar på DBS. Informerat samtycke till studiedeltagande erhölls av en läkare som inte var ämnets primära DBS-kliniker, efter att hela naturen och eventuella konsekvenser av studien förklarades. Alla studieförfaranden kombineras med tillämpliga statliga och institutionella etiska riktlinjer. Studieförfaranden granskades och godkändes av Massachusetts General Hospital Institutional Review Board.
experimentellt protokoll
för att sondera kognitiv flexibilitet använde vi en modifierad version av MSIT (huvudtext Fig. 1a)., MSIT kräver ämnen för att identifiera vilken av en uppsättning av tre nummer som skiljer sig från sina grannar. Försökspersonerna måste hålla tre fingrar på sin högra hand placerade över svarstangenter som motsvarar siffrorna 1-3. I kontroll (icke-interferens) försök är målet i samma rumsliga läge som dess motsvarande svarsnyckel, och flankeringssiffrorna är inte giltiga svar (dvs. de är 0s). I interferensförsök är målet i förhållande till motsvarande knapptryckning och flankeras av andra livskraftiga mål., MSIT har visat sig producera robust funktionell magnetisk resonanstomografi (fMRI)25 och elektrofysiologisk26 förändringar, med en signifikant (interferenskontroll) skillnad ofta detekterbar på individnivå. Vi noterar att denna specifika operationalisering av kognitiv kontroll, prestanda på en konfliktuppgift, bara är en av många möjliga experimentella tillvägagångssätt. Kognitiv kontroll framkallas i många situationer, inklusive tillvägagångssätt-undvikande konflikt50, switch-stay beslut16, 51, och eventuellt även i känslomässigt valenserad självreglering52., Den specifika fördelen med MSIT är att det verifieras att inducera statistiskt robusta ämnesnivåeffekter, både på beteende-och neuralnivå, vilket förstärker vår kraft för att upptäcka DBS-inducerade skillnader. Vi lade vidare till en känslomässig interferensdimension, baserad på en hypotes att ämnen med allvarlig behandlingsresistent sjukdom skulle vara uppmärksamt förspända mot negativa bilder. Före varje MSIT-test presenterades en bild som valts från det internationella affektiva bildsystemet eller IAPS53., Bilden förblev på skärmen, delvis skymd av MSIT-stimulansen, under försökstiden. En fast delmängd av 144 bilder valdes från den totala IAPS dataset för att täcka utbudet av tillgängliga Valens (positiva, neutrala och negativa) och emotionell upphetsning betyg.
varje försöksblock innehöll 72 kontroll-och 72 interferensstudier. Vi tilldelade positiva, neutrala och negativa IAPS-bilder tilldelade varje provtyp på ett motvikt sätt, så att varje bild presenterades en gång i en kontroll och en gång i ett störningskontext., De 144 bilderna delades upp mellan dessa två 144-försöksblock på ett sätt som minimerade de genomsnittliga kvadrerade parvisa skillnaderna mellan bildklassificeringar när rankningen beställdes av deras valens. För att förhindra svarsuppsättningar eller habituation var provsekvensen i varje block pseudo-randomiserad så att försökspersonerna aldrig hade mer än två försök i rad som delade samma Valens, interferensnivå eller önskat svarsfinger. Denna mycket interleaved testdesign förväntades ställa större krav på kognitiva kontrollsystem genom att minska förutsägbarheten hos stimuli. Som visas i Fig., 1a, individer tittade på IAPS-bilden ensam för 400 ms, presenterades med MSIT-stimulansen och gavs upp till 1500 ms för att svara och tittade sedan på ett fixeringskors för 3-5 s (randomiserad med en jämn fördelning). De instruerades att minimera ögonblinkning under försöket och att blinka fritt under fixeringsperioden. Före datainsamlingen utförde försökspersonerna ett block med 20 försök där de fick korrekt / felaktig feedback, följt av ett annat block med 40 försök utan feedback., De upprepade denna praxis, om nödvändigt, tills de uppnådde över 90% korrekta svar (räkna missade försök som felaktiga).
många av våra ämnen hade tidigare negativa livserfarenheter med specifika föreningar till teman som presenteras i IAPS. För att kontrollera för dessa starka subjektiva / idiosynkratiska tolkningar i detta lilla prov samlade vi individuella bildbetyg. Efter varje block var klar, var ämnen åter presenteras med varje IAPS bild och ges 25 s att betygsätta bilden känslomässigt., Vi använde samma självbedömningssystem som ursprungligen användes för att utveckla IAPS54, som tilldelar varje bild en valence rating från 1 till 9 (representerar mest negativa till mest positiva) och en upphetsande rating från 1 till 9 (representerar inte alls upphetsande till mycket upphetsande). Både MSIT och post-uppgift IAP betyg bilder presenteras med hjälp av Psykofysik Toolbox (http://psychtoolbox.org) körs under MATLAB 2013a.,
elektroencefalografiska data förvärvades vid 1450 Hz (Nexstim eXimia EEG) från 60 kanaler placerade enligt det internationella 10-20-systemet och tillverkarens standardlock. Markelektroden placerades på näsbroen. En diagonal bipolär elektrookulogramkanal placerades runt höger öga. Kanaler var beredda att < 5 kΩ impedans. Hårbotten platsen för varje kanal digitaliserades efter cap förberedelse och före inspelningar., Vi digitaliserade också nasion och både pre-aurikulära punkter, plus 100 ytterligare hårbottenpunkter som inte motsvarar någon EEG-sensor, för att förbättra kvaliteten på Mr-till-digitaliseringskoregistrering. I fyra ämnen, förutom uppgiftsdata, samlade vi 1 min var och en av ögonen-öppna och ögon-slutna vilande data strax efter varje uppgiftsblock och före IAPS självbedömningsbetyg.
alla försökspersoner avslutade först ett MSIT-block, viloläge och bildbedömning med sina DBS på vid sina vanliga kliniska inställningar (DBS på)., Direkt efter MSIT, men innan vila-state och bild-rating block, ämnen också slutfört 15 min av Ansträngningsutgifter för belöningar uppgift (EEfRT)27. En utbildad kliniker deaktiverade sedan de bilaterala implanterade neurostimulatorerna, och ämnet vilade i minst 1 h utan att ta bort EEG-locket. I djurstudier var en timmes utsättning av kronisk stimulering tillräcklig för att producera robusta förändringar i neural aktivitet som tycktes vara ett rebound / counter-regulatory response55., Denna rebound-effekt upphör inte inom en timme, men kvarstår under en längre period, vilket dokumenteras av kliniska studier där patienter långsamt återkommer under en vecka efter DBS-avbrytande56. Förekomsten av denna rebound-effekt bör betona eller förstärka de neurologiska förändringarna som orsakas av kronisk stimulering. Efter att ha förberett några högimpedanskanaler utförde försökspersonerna igen MSIT, EEfRT, viloläge och bildbetyg (DBS OFF condition) före neurostimulator re-activation., Ämnen var medvetna om deras enhetsstatus, liksom experimenterna, även om inget ämne upplevde negativa psykologiska konsekvenser från studiemanipulationen.
EEG förbehandling
EEG-analyser använde miniminormestimat (mne) – Python suite57. Offline, EEG-data bandpass filtrerades mellan 0,5 och 50 Hz, sedan epoched. Detta tar effektivt bort DBS-artefakten som visas i vårt och andras tidigare arbete37, 58, eftersom alla försökspersoners stimulatorer sattes över cutoff-frekvensen., Harmoniska frekvenser av DBS-stimulering skulle på samma sätt vara helt utanför passbandet i detta filter och utanför alla frekvensband som analyseras i detta arbete. Se Tabell 1 för enskilda personers stimuleringsfrekvenser. Vi tog bort ögonglober och muskel artefakter med signal space projection59. Vi skär sedan försök / epoker från kontinuerliga data. Stimulus-locked analyser använde data från 1.5 s före IAPS-starten till 3.4 s efter IAPS-starten (1500 ms efter slutet av försöket). Svarslåsta analyser används -1,5 s före till 1,5 s efter svaret., Amplitudavstötning (tröskel = ± 150 µV) avlägsnade försök med kvarstående artefakter. Slutligen konverterade vi alla försök att förändras i förhållande till baslinjen, definierat som 0, 5 s till 0, 1 s före IAPS-starten. För tidsdomänanalyser subtraherade vi medelvärdet av det här fönstret från alla försök för det specifika ämnet. för frekvensdomän konverterade vi data till decibel (dB) i förhållande till baslinjen.
av de 14 försökspersonerna uteslöts sex från ytterligare EEG-analys under förbehandling. Fyra försökspersoner uteslöts eftersom deras EEG-data registrerades utan användning av ett digitaliseringssystem., Deras data kunde således inte vara exakt källa lokaliserad. Ytterligare två försökspersoner uteslöts från ytterligare EEG-analys på grund av betydande elektromyografisk artefakt, vilket resulterade i att de allra flesta försök som följde på de ovan beskrivna kvalitetssäkringsförfarandena förkastades. EEG-data för de återstående åtta försökspersonerna utsattes sedan för källlokalisering och all ytterligare analys som beskrivs nedan.
EEG källa lokalisering
vi rekonstruerade försökspersonernas kortikala ytor från prekirurgiska T1 MRI bilder med Freesurfer v5.360., EEG cap digitaliseringen var manuellt medregistrerad till freesurfer anatomisk rekonstruktion med hjälp av mne kommandoradsverktyg paketet. Sedan, i mne-Python, blev de kortikala maskorna nedsamplade från ~ 160.000 hörn per halvklot till 4098 dipolplatser (hörn) per halvklot. Vi beräknade en framåtriktad lösning med hjälp av trefacksgräns – elementmodell61 med de inre och yttre skallytorna rekonstruerade från Freesurfers vattendelade algoritm62., Dipolsamplituden (nuvarande källdensitet) vid varje kortikal plats uppskattades med hjälp av den anatomiskt begränsade MNEs-metoden63, med hjälp av en rörledning som liknar andra rapporter av intresseregionbaserade oscillerande analyser64., Kortfattat finner mne-metoden de maximala a posteriori-uppskattningarna av de latenta kortikala källorna, med tanke på de observerade sensorkällorna, förutsatt att (1) de nuvarande källamplituderna är glesa och normalt fördelade med en känd källkovariansmatris och (2) de observerade sensordata innehåller additiv brus med en normal fördelning och en känd rumslig kovariansmatris. Viktigt, i motsats till andra beamformingmetoder, mne-metoden bevarar svängningar så att oscillerande effekt kan uppskattas efter källlokalisering., Varje vertex nuvarande källestimat innehåller en dipolorientering, så att källtidskursen kan vara antingen positiv eller negativ vid varje given tidpunkt. Här begränsades dipolernas orienteringar till cortex med rekommenderade standardparametrar (lös = 0,2, djup = 0,8). De bullermovariansmatriser som är nödvändiga för källlokalisering uppskattades per ämne från en baslinje på 500 ms före starten av varje försök. De empiriska kovariansberäkningarna reglerades via ”shrunk” – metoden, som rekommenderades av Engemann och Gramfort65., Individuella källberäkningsdata kartlades sedan till Freesurfers” fsaverage ” kortikala yta. Slutligen, källa uppskatta tidsåtgång för enskilda noder kombinerades i en uppsättning av kortikala etiketter som motsvarar vår Roi: cingulate cortex (rACC, dACC, mCC), dorso-mPFC (dmPFC/överlägsen frontal gyrus), dorso-lateral prefrontal cortex (DLPFC/mitten frontal gyrus), och ventrolateral prefrontala cortex (VLPFC/sämre frontal gyrus). Den genomsnittliga tidskursen per ROI beräknades med hjälp av” PCA flip ” – tekniken i mne-Python., Kortfattat, singulärvärdesuppdelning (SVD) tillämpas på vertex-wise tidsåtgång per ROI och första höger singular vektor utvinns. Varje vertex tid kurs sedan skalas och tecken vänt. Skalningen utförs för att matcha den genomsnittliga effekten av vertex-kloka tidskurser. Tecknet på tidskursen justeras genom att multiplicera det med tecknet på den vänstra singulära vektorn från SVD, vilket säkerställer att fasen inte ändras med 180 grader från en källtidskurs till nästa., I Tilläggstabell 1 anges dessa etiketter och den anatomiska stenografi som används för var och en i huvudtexten/figurerna. De anatomiska etiketterna / ROIs monterades manuellt genom sammanslagning av flera mindre, sammanhängande etiketter från Lausanne 243-regionen atlas66. Etiketterna som används här var utformade för att säkerställa att varje kortikal region motsvarade ett nästan lika stort antal hörn i standardmallhjärnan. Vi valde etiketten för att täcka regioner som tidigare varit inblandade i funktionell neuro-avbildning av msit13, 25.,
statistisk analys—beteende
det primära beteenderesultatet i MSIT är ämnenas RT, eftersom de är förutbildade till mycket låga felfrekvenser. Tillsammans med andra har vi visat att RTs under konflikt-och beslutsuppgifter är bättre approximerade av gamma än av gaussiska distributioner13, 67. Vi analyserade sålunda beteende i en blandad effekt GLM med gammafördelning och identitetslänkfunktion. Att GLM applicerades på per försöksnivå, så att vi kunde modellera effekterna av DBS och testspecifika effekter som känslor och kognitiv störning., Utformningen av blandade effekter, som omfattar en slumpmässig avlyssning av ämnet, särskilt kontroller för intraindividuell korrelation (försök och sessioner som upprepade åtgärder). Vi har uteslutit försök med saknade svar, felförsök och försök efter fel. Vi utesluter vidare försök med outlier RTs, som vi definierade genom att montera en gammafördelning till varje individs RT-data, samla DBS på och av körningar för detta förbehandlingssteg. Vi utesluter sedan försök med RT Sannolikhet < 0.005 baserat på den monterade distributionen. Dessa tillvägagångssätt utesluter 247 studier (6.,12% av det totala antalet n = 3785 försök som kvarhållits i analysen).
för att kontrollera för övergripande RT-variabilitet mellan försökspersoner specificerade vi GLMs med en ämnesspecifik slumpmässig avlyssning plus fasta effekter för experimentvariabler (blandade modeller). I likhet med tidigare rapporter, t.ex. 28, identifierade vi lämplig modell genom att minimera Akaikes informationskriterium (AIC) under stegvis tillsats av variabler. Viktigt är att AIC-minimering matematiskt motsvarar att konstruera modellen genom korsrekrytering36, ett tillvägagångssätt som vi har identifierat som viktigt i biomarkörforskning38., Vi ansåg störningar, DBS, valence, och upphetsning som möjligt RT prediktorer baserat på våra förutbestämda hypoteser och uppgiften design. Vi testade också interaktionsvillkor mellan dessa huvudeffekter. Vi ansåg provnummer inom en körning som en olägenhet regressor, kontrollera för trötthet och / eller inlärningseffekter. Uppgifterna förklarades bäst av en modell med aforegoing main effects, men inga interaktionsvillkor (se huvudtext och kompletterande Fig. 1). Modeller med andra prediktorer, t.ex. RT på föregående försök (en autoregressiv effekt), kunde inte identifieras., Konflikt och DBS var dummy kodade, medan Valens, upphetsning och provnummer behandlades som kontinuerliga variabler. Alla oberoende variabler standardiserades till 0-1-intervallet för regression, men rapporteras i artikeln efter omvandling tillbaka till sina naturliga enheter för enkel tolkning.
statistisk analys—EEG-modulering av uppgiftsvariabler och DBS
för tidsdomänen (framkallad potential) analys, sensor och källutrymme tidskurser reducerades till (-0.5, 2.0) s tidsfönster för stimulanslåsta epoker och (-1.0, 1.0) fönster för svarslåsta epoker., Vidare filtrerades alla epoker till 15 Hz och nedsamplades med en faktor 3. Konfidensintervaller för plottade händelserelaterade potentialer (ERPs) beräknades med 1000 bootstrap-resamplings med ersättning (bevarar antalet försök inom varje ämne). Alla ERP som visas är det stora medelvärdet för alla ämnen.
för spektraldomänanalysen beräknade vi icke-faslåst effekt i tre intresseband: theta (4-8 Hz), alfa (8-15 Hz) och beta (15-30 Hz)., Vi betonade icke-faslåsta eller inducerade svängningar eftersom de verkar vara mer direkt relaterade till proaktiv kognitiv kontroll17. I försöksbaserade analyser av Simon-effects uppgifter var över 80% av konflikts-/kontrollrelaterade theta power change icke-faslåst23. Den icke-faslåsta theta-kraften var korrelerad med trial-to-trial RTs, mer så än den faslåsta theta som återspeglas i tidsdomänen ERP., Vidare, i en icke-provstrukturerad kognitiv kontrolluppgift, tycktes theta-svängningar vara kontinuerligt närvarande över mitten av frontal cortex, vilket ökade i kraft när mer kontroll behövdes68. Däremot kan faslåsta Theta-svängningar vara mer relaterade till felrelaterad prestandaövervakning69, ett fenomen som inte studerats här på grund av det mycket lilla antalet felförsök.
för att beräkna icke-faslåsta effektförändringar subtraherade vi först medelvärdet för ERP från varje trial23., Den subtraherade ERP (och de försök från vilka den subtraherades) beräknades för varje kombination av ämne, tillstånd (DBS ON/OFF × Interference/Conflict trials) och ROI/sensor. Alla tomter av EEG kraft visa data efter denna ERP-borttagning.
sensorn och källlokaliserade data sönderdelades sedan i sin tidfrekvensrepresentation via Morlet wavelet convolution. Wavelets hade basfrekvenser samplade från 2 till 50 Hz i 25 logaritmiskt åtskilda steg, där varje wavelet präglades av tre cykler. Sönderdelning utfördes på enstaka försöksdata, inte i genomsnitt eller ERP., Alla frekvenseffektuppskattningar normaliserades till den genomsnittliga effekten av en före stimulus-baslinje (-0,5 s till -0,1 s) för varje frekvensband. Vi använde en dB-transformation för normalisering. Utgångseffekten beräknades separat för varje ämne och DBS-tillstånd (OFF, ON). Samma referensperiod före stimulus som användes för stimulanslåsta analyser användes också för svarslåsta analyser. Vi beräknade sedan värdena inom varje förutbestämt frekvensband för att erhålla en strömkurs per prov för varje band. Alla resulterande effektvärden som visas i artikeln normaliserades till dB enligt ovan., Alla power topografiska och Time kursplaner representerar det stora medelvärdet över ämnen.
i både sensor-och källutrymme analyserades både tidsdomän-och frekvensdomänen EEG-data med vanliga minsta kvadraterregression70, 71. Den enda försöksspänningen eller kraften vid varje tidpunkt infördes i en linjär modell med samma oberoende variabler som beteendemässiga GLM: interferens, DBS, Valens, upphetsning och provnummer. Vi standardiserade alla oberoende variabler till intervallet för denna modell också., Vi övervägde också möjligheten att störningar och DBS kan interagera på neuralnivån trots att vi inte såg någon beteendemässig interaktion och därmed inkluderade en DBS × interferensinteraktionsperiod i denna regression. För att replikera effekten av de ämnesspecifika avlyssningarna i beteendemodellen, subtraherade vi varje individs alla försök innebär spänning eller effekt tid kurs från det ämnets försök. Kontraststatistik (t-test) beräknades för varje resulterande betavikt (regressionskoefficient) vid varje prov., För att styra för flera statistiska jämförelser (timepoints) inom varje ROI/elektrod utförde vi permutation inferens och temporal cluster correction72. Vi använde 1000 permutationer för varje analys, kasserade kluster <50 ms i tidsmässig utsträckning och behöll endast kluster som var signifikanta vid α = 0,05. För tidsdomänanalysen i källutrymmet korrigerade vi ytterligare dessa kluster p-värden med hjälp av Benjamini-Hochberg false discovery rate (FDR) step-down-proceduren över alla testade ROIs., För frekvensdomänanalys gjorde vi detsamma, men med hjälp av ett enda steg ner över ROIs och frekvensband samtidigt. Alla signifikanta kluster som visas i artikeln överlevde dessa korrigeringar. Undantaget är att för sensorrymdanalys korrigerade vi inte för flera sensorer, eftersom vi bara testade en sensor för tidsdomän och en sensor för frekvensdomänanalys. Sensor-space frequency-domain p-värden korrigerades igen för flera band.,
statistisk analys—EEG/beteendeförändringar som biomarkörer
vi hypoteser att både Theta band EEG och MSIT beteendeförändringar inducerade av DBS kan korrelera med försökspersonernas kliniska svar på VCVS DBS behandling. Vi hypoteser vidare att denna korrelation kan vara med positivt kliniskt svar (förbättring av depression) eller med kliniska komplikationer (hypomani, som in28)., Vi kvantifierade dessa på individuell ämnesnivå: MSIT RT som skillnaden mellan (DBS ON–DBS OFF) och theta EEG som den integrerade höjden på differensvågen (DBS ON–DBS OFF) i VLPFC (anterior inferior frontal gyrus). VLPFC-etiketten valdes som prediktorvariabel efter att ha tittat på resultaten från de föregående analyserna. Differensvågen beräknades specifikt över den tidsperiod där vi hittade ett signifikant kluster under källrumsanalysen., Depression mättes med Montgomery–Åsberg Depression Rating Scale (MADRS) som samlats in under försökspersonernas ursprungliga kliniska prövningar. vi gjorde inte försöka samband med OCD symptom eftersom det bara är två ämnen i provet hade OCD. Vi använde MADRS-ändringen från före implantatets baslinje till dagen för datainsamling, eller till närmaste kliniska besök i datainsamlingen (alltid inom 1 månad) om en viss patient inte kunde slutföra MADRS den dagen., Hypomani använde samma dataset as28, där förekomst/frånvaro av hypomaniska episoder hade kodats för varje ämne av utbildade kliniska raters. Den beroende variabeln var om det ämnet någonsin hade haft hypomani under sin DBS-behandlingskurs. En patient ingick inte i hypomanianalyser på grund av att kliniska data inte var tillgängliga.
Out-of-sample prediction capability är viktigt att bedöma för putative psychiatric biomarkers37,38, men svårt att mäta i sällsynta populationer som DBS-patienter., Som surrogat genererade vi konfidensintervall för kliniska / biomarkörer korrelationer genom att dra 1000 bootstrap resamples (med ersättning) från den ursprungliga ämnespopulationen. Vi använde samma bootstrap drar för att konstruera konfidensintervallet för området under kurvan (AUC) för mottagare-operatörskarakteristik (ROC) kurvor för klassificering av hypomania närvarande/frånvarande och depression responder/nonresponder. Den senare använde samma tröskelvärde för 50% MADRS-förbättring som i de kliniska prövningarna, t.ex. in49.,
statistisk analys—vilande tillstånd data
de förändringar som observerats under MSIT prestanda kanske inte är specifika för uppgiften, men kan uppstå från en allmän förskjutning i EEG frekvensspektrum under DBS. Fem försökspersoner bidrog med minst 2 min ögon-öppna viloläge med DBS på och av. Från dessa data skär vi 60 1-s artefaktfria epoker från på och av inspelningarna i varje ämne och beräknar sedan en effektspektral densitet (PSD) från 0 till 30 Hz via multitaper-metoden., Vi beräknade medelkraft inom theta (4-8 Hz)–regionen i varje epoks PSD, och testade sedan skillnaden mellan dessa distributioner med Mann-Whitney U-testet. Vi utförde dessa analyser på theta power från sensor Fz, som var hårbotten med högsta theta-effekt under MSIT-prestanda.
validering av MSIT beteendemässiga resultat i epilepsi kontroller
en potentiell oro är att alla RT resultat vi observerar kan förklaras av praktiken effekter. Även om på-och av-blocken separerades med en timme eller mer, kan ämnen fortfarande behålla något procedurminne av uppgiften., För att ta itu med den här förvirringen analyserade vi data från en grupp ämnen som utförde flera temporalt åtskilda MSIT-körningar utan de emotionella distraktorerna. Dessa ämnen ingick i en större studie med fokus på mental sjukdoms nätverksnivå13. De togs in för inpatient elektrofysiologisk övervakning av medicinering-eldfast epilepsi. Medan slutenvård, kontaktades de dagligen för att utföra flera kognitiva uppgifter, inklusive MSIT. I det här fallet använde vi den ursprungliga versionen av uppgiften, som inte inkluderar Bakgrunds IAPS distraktorer., På grund av den typ av kliniskt arbete på en slutenvårdsenhet, inklusive raster för måltider och kliniska rundor, utförde dessa ämnen ofta ett eller flera 64-prövningsmsit-block med en väsentlig paus mellan. Detta replikerar effektivt utformningen av vår primära studie, förutom DBS-manipuleringen. Vi analyserade uppgiftsblock utförda före och efter dessa raster, i åtta ämnen. För dessa ämnen passar vi deras MSIT trial RTs med en GAMMAFÖRDELNING GLM som efterliknade huvudkohortanalysen, dvs,, oberoende / prediktor termer för block (som efterliknar DBS termen), konflikt, försöksnummer, och en ämnesspecifik avlyssning. Liksom vid huvudkohorten gav alla dessa ämnen fullständigt informerat samtycke före eventuella undersökningsförfaranden. Alla experimentella förfaranden med dessa ämnen uppfyllde statliga och institutionella etiska krav och godkändes av Massachusetts General Hospital Institutional Review Board.