Non-linear Entropy Analysis in EEG to Predict Treatment Response to Repetitive Transcranial Magnetic Stimulation in Depression
Notice bibliographique
Résumé
Background: Biomarkers that predict clinical outcomes in depression are essential for increasing the precision of treatments and clinical outcomes. The electroencephalogram (EEG) is a non-invasive neurophysiological test that has promise as a biomarker sensitive to treatment effects. The aim of our study was to investigate a novel nonlinear index of resting state EEG activity as a predictor of clinical outcome, and compare its predictive capacity to traditional frequency-based indices. Methods: EEG was recorded from 62 patients with treatment resistant depression (TRD) and 25 healthy comparison (HC) subjects. TRD patients were treated with excitatory repetitive transcranial magnetic stimulation(rTMS) to the dorsolateral prefrontal cortex(DLPFC) for 4 to 6 weeks. EEG signals were first decomposed using the empirical mode decomposition(EMD) method into band-limited intrinsic mode functions(IMFs). Subsequently, Permutation Entropy(PE) was computed from the obtained second IMF to yield an index named PEIMF2. Receiver Operator Characteristic(ROC) curve analysis and ANOVA test were used to evaluate the efficiency of this index(PEIMF2) and were compared to frequency-band based methods. Results: Responders(RP) to rTMS exhibited an increase in the PEIMF2 index compared to non-responders(NR) at F3, FCz and FC3 sites (p<0.01). The area under the curve (AUC) for ROC analysis was 0.8 for PEIMF2 index for the FC3 electrode. The PEIMF2 index was superior to ordinary frequency band measures. Conclusions: Our data show that the PEIMF2 index, yields superior outcome prediction performance compared to traditional frequency band indices. Our findings warrant further investigation of EEG-based biomarkers in depression; specifically entropy indices applied in band-limited EEG components.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».