MétaCan
Menu
Retour à la cohorte
Enregistrement W2581839017 · doi:10.2196/resprot.6907

Neurofeedback as a Treatment for Impulsivity in a Forensic Psychiatric Population With Substance Use Disorder: Study Protocol of a Randomized Controlled Trial Combined With an N-of-1 Clinical Trial

2017· article· en· W2581839017 sur OpenAlexvenueno aff
Sandra Fielenbach, Franc C. L. Donkers, Marinus Spreen, Stefan Bogaerts

Notice bibliographique

RevueJMIR Research Protocols · 2017
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeurotransmitter Receptor Influence on Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImpulsivityPsychiatryNeurofeedbackSubstance abuseClinical psychologyPsychologyRandomized controlled trialPopulationCravingIntervention (counseling)MedicineAddictionElectroencephalography

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Impulsivity and substance use disorder (SUD) are strongly interconnected, with persons scoring high on impulsivity being more vulnerable to develop substance abuse, facing more challenges for successful treatment, and being more prone to engage in criminal behavior. Studies have shown that impulsivity and craving for substances are strongly correlated. Neurofeedback is an effective treatment to reduce impulsive behavior. This study intends to determine to what extent a neurofeedback-intervention that is aimed at reducing impulsivity can also reduce levels of craving in forensic patients with SUD and comorbid Axis I and/or II diagnoses. OBJECTIVE: The main objective of this study is to investigate to what extent a reduction in impulsivity by a sensorimotor rhythm (SMR)-neurofeedback intervention will lead to a reduction in craving in a population of forensic psychiatric patients with a diagnosis of SUD. METHODS: Participants will be male SUD patients with various comorbidities residing in an inpatient forensic treatment facility approached through treatment supervisors for participation. Participants have tested positive for drug use in the past 24 months. The study consists of 2 parts: a randomized controlled trial (RCT) and a n-of-1 clinical series. In the RCT, 50 patients will be randomly assigned to an intervention (n=25) or a control (n=25) condition. Patients in the intervention group will receive 20 SMR neurofeedback sessions aimed at reducing impulsivity; participants in the control group receive treatment-as-usual (TAU). Additionally, 4 in depth n-of-1 clinical trials will be conducted where effects of an SMR neurofeedback intervention will be compared to effects of sham neurofeedback. RESULTS: Results of this study are expected by the end of 2017. CONCLUSIONS: This protocol describes the design of a study testing the effects of an impulsivity-based neurofeedback protocol among forensic patients with SUD and various comorbidities. We expect a significant reduction in impulsive behavior, level of craving, and actual drug-use for participants receiving the SMR neurofeedback protocol. The n-of-1 approach might help to explain effects possibly found in the RCT study since it allows for a more direct focus on treatment effects by following participants more closely and thereby being able to directly attribute behavioral and neurophysiological change to the SMR neurofeedback protocol employed. CLINICALTRIAL: Dutch National Trial Register NTR5386; http://www.trialregister.nl/trialreg/admin/rctview.asp?TC=5386 (Archived by WebCite at http://www.webcitation.org/6nXLQuoLl).

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,138

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,016
Méta-épidémiologie (sens strict)0,0070,003
Méta-épidémiologie (sens large)0,0130,006
Bibliométrie0,0030,003
Études des sciences et des technologies0,0030,003
Communication savante0,0030,003
Science ouverte0,0040,002
Intégrité de la recherche0,0080,006
Charge utile insuffisante (le modèle a refusé de juger)0,0410,008

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,318
Tête enseignante GPT0,578
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetNeurotransmitter Receptor Influence on BehaviorTravaux en français237 207