Microstate-based Neurofeedback in Attention Deficit Hyperactivity Disorder Population: A Randomized Controlled Crossover Trial
Notice bibliographique
Résumé
Neurofeedback (NFB) therapy based on spectral neuromarkers of Attention-Deficit/Hyperactivity Disorder (ADHD) has faced challenges regarding its efficacy and replicability. In this study, we investigate whether a microstate-based EEG marker, recently implicated in ADHD, could serve as a novel target for neurofeedback. Emerging research suggests that ADHD patients often exhibit an excess of microstate D, a state characterized by fronto-central cortical activity linked to attentional functions. This study aims to assess whether neurofeedback training can effectively modulate microstate D in adult ADHD patients, along with its short-term neurobehavioral correlates. We employed a within-subject, crossover design with 19 adults with ADHD, who participated in two counterbalanced neurofeedback sessions: one aimed at upregulating microstate D percent time coverage, and the other at downregulating it. While patients were able to volitionally increase microstate D during the upregulation session, no significant change was observed during the downregulation session. Direct comparison between the two sessions revealed that online control of microstate D was specific to the closed-loop feedback, rather than merely task engagement. No short-term effects of the neurofeedback sessions were observed. No moderate nor major adverse effects were reported. Despite lack of statistical power, this study provides controlled indicationfor the specificity and safety of neurofeedback training based on microstate D in adult ADHD patients. Although the short-term design did not yield clinical improvements, the findings demonstrate the feasibility of microstate-based neurofeedback protocols in a clinical population and offer valuable technical and methodological insights for designing futur studies.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 ».