Quantitative Electroencephalographic Biomarkers for Repetitive Transcranial Magnetic Stimulation Treatment Response Prediction in Mild Cognitive Impairment: A Pilot Study Protocol for Multi‐Center, Assessor‐Blinded, Open‐Label Clinical Trial
Notice bibliographique
Résumé
RATIONALE: Over 55 million people worldwide suffer from dementia, with 10 million new cases diagnosed annually. Due to the limited efficacy of drug therapies, alternative approaches like repetitive transcranial magnetic stimulation (rTMS) have gained popularity as a non-invasive, safe method leveraging neural plasticity and brain connectivity. However, its high cost and time commitment highlight the need for biomarkers to predict treatment response. AIMS: This pilot study aims to identify a quantitative electroencephalography (QEEG) biomarker to predict which mild cognitive impairment patients will respond to rTMS. By targeting responders early, clinicians can make rTMS more cost-effective and time-efficient, reducing wasted treatment on non-responders. DESIGN: This multi-center, assessor-blinded clinical trial will examine QEEG biomarkers as predictors of rTMS treatment responsiveness in 25 patients with mild cognitive impairment (MCI). Adults aged 60 years or older will undergo cognitive assessments using the Montreal Cognitive Assessment (MoCA) or mini-mental state examination (MMSE) and have an electroencephalography (EEG) recording. Participants will complete 10 rTMS sessions targeting the left DLPFC over 2 weeks, with 2000 pulses per session at 20 Hz. Cognitive tests will be repeated post-treatment, and participants will be classified as responders or non-responders based on cognitive changes, then baseline QEEG parameters will be compared between the two groups. The primary endpoint is the proportion of responders at ten sessions after rTMS (score post-intervention > score pre-intervention = responder, according to the minimal clinically important difference (MCID) threshold (i.e., an increase of at least 3 points or 10% on the MMSE, or an increase of at least 1 point on the MoCA); score post-intervention ≤ score pre-intervention = non-responder). The secondary endpoints are the differences in baseline QEEG features between responders and non-responders. OUTCOME: By identifying responders prior to treatment, we can optimize resource allocation, minimize the time and cost associated with ineffective treatments, and ultimately improve the quality of care for individuals with MCI. TRIAL REGISTRATION: IRCT registration number: IRCT20240218061042N1 (version updated September 7, 2024).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».