Home-based transcranial direct current stimulation (tDCS) in major depressive disorder: Enhanced network synchronization with active relative to sham and deep learning-based predictors of remission
Notice bibliographique
Résumé
Aim To investigate neural oscillatory networks in major depressive disorder (MDD), effects of home-based transcranial direct current stimulation (tDCS) treatment, and predictors of treatment remission. Methods In a randomized controlled trial, EEG data were acquired from 21 MDD participants (16 women, mean age 36.63 ± 9.71 years) with moderate to severe depressive episodes (mean HAMD score 18.42 ± 1.80). Participants were randomized to active (n = 11) or sham tDCS (n = 8). Home-based tDCS treatment was administered for 10 weeks, with 5 sessions per week for 3 weeks, then 3 sessions per week for 7 weeks. Active tDCS was 2 mA, and sham tDCS was 0 mA with brief ramp-up/down periods. Clinical remission was defined as HAMD score ≤ 7. Resting-state EEG data were collected at baseline and at the 10-week end of treatment using a portable 4-channel EEG device. EEG band power and functional connectivity (phase locking value, PLV) were analyzed. Deep learning identified predictors of treatment remission from baseline PLV features. Results The active tDCS group showed higher gamma PLV in frontal and temporal regions compared to the sham group. Positive correlations between changes in delta, theta, alpha, and beta PLV and depression improvement were observed in the active group. Combining PLV features from theta, alpha, and beta achieved the highest treatment remission prediction accuracy: 71.94 % (sensitivity 52.88 %, specificity 83.06 %). Conclusions Synchronized brain activity in gamma PLV may be a mechanism of active tDCS. Baseline resting-state EEG could predict treatment remission. Home-based EEG measures are feasible and useful predictors of clinical outcomes.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».