DOI: https://doi.org/10.31071/kit2020.16.05 Опис-посилання ISSN 1812-7231 Klin.inform.telemed. Volume 15, Issue 16, 2020, Pages 108-120 Автор(и) О. Ю. Майоров1, 2, Е. А. Міхайлова1, А. Б. Прогнімак2, Т. Д. Нессонова2 Установа(ви) 1ГУ "Інститут охорони здоров'я дітей та підлітків НАМН України", Харків 2Харківська медична академія післядипломної освіти МОЗ України Назва статті Факторна модель показників показників ентропії Колмогорова–Сіная ЕЕГ у дітей періоду статевого дозрівання з депресією Анотація (резюме) Вступ. За даними ВООЗ в даний час відбувається збільшення поширеності, частоти виникнення і омолодження депресії. Це явище спостерігається і у підлітків. Мета дослідження. Пошук чутливих і специфічних "маркерів" депресивного розладу у підлітків, які не тільки дозволяють розрізняти пацієнтів і здорових людей, але також зможуть оцінити ефективність різних видів лікування. Контингент обстежених. Методи дослідження. Обстежено: 1. Група підлітків з депресією: 52 пацієнта (35 дівчаток і 17 хлопчиків). 2. Контрольна група (здорові) — 40 підлітків (18 дівчаток і 22 хлопчики). 3. Реєструвалася ЕЕГ в стані спокійного неспання і під час ментального навантаження. 4. Аналіз ЕЕГ — програмний комплекс кЕЕГ — NeuroResearcher®InnovationSuite (Інститут Мі&T, Україна). Обчислювалася ентропія Колмогорова–Сіная ЕЕГ — нелінійний показник стану нейродинамики в досліджуваних відведеннях ЕЕГ. 5. Багатомірний статистичний аналіз. Для створення моделей використовувався факторний аналіз (програма STATISTICA 13.3). Результати. Проведено пошук об'єктивних кількісних "маркерів" депресивного стану підлітків обох статей на основі нелінійного аналізу ЕЕГ і створення факторних моделей отриманих результатів. Отримано факторні моделі ентропії Колмогорова–Сіная ЕЕГ досліджуваних областей півкуль головного мозку хворих і здорових підлітків обох статей в стані спокійного неспання і під час ментального навантаження. Дана фізіологічна інтерпретація виділених головних факторів. Порівняння факторних моделей дозволило виявити відмінності депресивних і здорових підлітків, а також гендерні відмінності. Виявлено також відмінності факторних моделей параметрів еКС ЕЕГ у депресивних підлітків в стані спокійного неспання і під час ментальної навантаження. На підставі отриманих факторних моделей можливе обчислення індивідуальних значень факторів для кожного пацієнта. Це дозволяє визначити індивідуальну вираженість досліджуваної патології. Виявлені суттєві відмінності факторних моделей у підлітків обох статей з депресією в порівнянні з факторними моделями підлітків контрольної групи, можуть бути використані для виявлення депресивного розладу при ЕЕГ обстеженні. Ключові слова депресія у підлітків, ЕЕГ, нелінійний аналіз ЕЕГ, ентропія Колмогорова–Сіная, факторний аналіз Список літератури 1. Depression and Other Common Mental Disorders. Global Health Estimates. WHO. 2017, 24 р. 2. Ito Y., Teicher M. H., Glod C. A., Ackerman E. Preliminary evidence for aberrant cortical development in abused children. A Quantitative EEG study. J. Neuropsychiatry Clin. Neurosci., 1998, vol. 10, рр. 298–307. 3. Handbook of Depression in Adolescents. Ed by Nolen-Hoeksema S. and Hilt L. M. Taylor & Francis Group, LLC., 2009, 711 p. 4. Siever L.J., Davis K.L. Towards a dysregulation hypothesis of depression. Am. J. Psychiatry, 1985, vol. 142, pp. 1017–1031. 5. Майоров О. Ю., Михайлова Е. А., Михальчук О. Я. и др. Критерии ("маркеры") депрессии у подростков на основе оценки состояния нейродинамики методами нелинейного анализа ЭЭГ и корреляции со шкалой CDRS-R. Ж. Клін. Інформ. і Телемед., 2019, т. 14, вип. 15, cс. 35–45. 6. Mayorov O. Yu., Fenchenko V. N. Searching for "neuromarkkers" characteristic for pathologic changes in schizophrenia by using the scaling indices of the cerebral bioelectrical activity. Eur. J. Biomedical Informatics (EJBI), 2018, vol. 14, iss. 1, pp. 67–74. 7. Bente D. Psychophysiologische Hypothesen zur Genese depressiver Erkrankungen. Ärztl. Praxis, 1975, vol. 27, pp. 3641–3643. 8. Leuchter A. F., Cook I. A., Hunter A.M., Cai C., Horvath S. Resting-State Quantitative Electroencephalography Reveals Increased Neurophysiologic Connectivity in Depression. PLoS ONE, 2012, vol. 7, iss. 2, e32508. 9. Insel T., Cuthbert B., Garvey M., Heinssen R., Pine D.S., et al. Research domain criteria (RDoC): toward a new classification framework for research on mental disorders. Am. J. Psychiatry, 2010, iss. 167, pр. 748–751. 10. Pizzagalli D. A., Sherwood R. J., Henriques J. B., Davidson R.J. Frontal brain asymmetry and reward responsiveness: a sourcelocalization study. J. Psychol. Sci., 2005, vol. 16, pp. 805–813. 11. Segrave R. A., Thomson R. H., Cooper N. R., et al. Upper alpha activity during working memory processing reflects abnormal inhibition in major depression. J. Affect. Disord., 2010, vol. 127, pр. 191–198. 12. Regier D. A., Narrow W. E., Kuhl E. A., Kupfer D. J. The conceptual development of DSM-V. Am. J. Psychiatry, 2009, vol. 66, pр. 645–650. 13. Ulrich G., Brand K. Dynamically rigid EEG and subtyping of depressive syndromes. Eur Psychiatry, 1993, iss. 8, pp. 25–34. 14. Olbrich S. & Arns M. EEG biomarkers in major depressive disorder: Discriminative power and prediction of treatment response. Intern. Review of Psychiatry, 2013; vol. 25, iss. 5, pp. 604–618. 15. Лапин И. А., Алфимова М. В. ЭЭГ-маркеры депрессивных состояний. Социальная и клиническая психиатрия, 2014, т. 24, № 4, cc. 81–89. 16. Newson J. J. and Thiagarajan T. C. EEG Frequency Bands in Psychiatric Disorders: A Review of Resting State Studies Front. Hum. Neurosci., 2019, vol. 12, article 521. 17. Coburn K. L., Lauterbach E. C., Boutros N. N. et al. The value of A Report by the Committee on Research of the American Neuropsychiatric Association. J. Neuropsychiatry Clin. Neurosci., 2006, vol. 18, pp. 460–500. 18. Mendlewicz J., & Kerkhofs M. Sleep electroencephalography in depressive illness: A collaborative study by the World Health Organization. The British Journal of Psychiatry, 1991, vol. 159, iss. 4, pp. 505–509. 19. Armitage R. Microarchitectural findings in sleep EEG in depression: diagnostic implications. Biol. Psychiatry, 1995, vol. 15, no. 2, pp. 72–84. 20. Rao U., Hammen C. L., Poland R. E. Risk markers for depression in adolescents: sleep and HPA measures. Neuropsychopharmacology, 2009, vol. 34, no. 8, pp. 1936–1945 21. Kanda P. A. M., Anghinah R., Smidt M. T., Silva J. M. The clinical use of quantitative EEG in cognitive disorders. Dementia & Neuropsychologia, 2009, vol. 3, no. 3, pp. 195–203. 22. Steiger A., Pawlowski M., Kimura M. Sleep electroencephalography as a biomarker in depression. 2015, vol. 5, no. 5, pp. 15–25. 23. Михайлова Е.С., Чахава В.О. Изменения циркадной ритмики некоторых физиологических функций при депрессии. Ж. Невропатол. и психиатр., 1992, № 1, сc. 95–99. 24. Itil T. M., Arikan M. K., Itil K., Le Bars P., Eralp E. Clinical CEEG/DBM Findings with A New Antidepressant: Dothiepin. Integrative Psychiatry, 1992, vol. 8, no. 3, pp. 241–251. 25. Iznak A. F., Monosova A. Zh., Chayanov N. V. Topographical mapping of EEG responses to emotionally-loaded olfactory stimulation in normal subjects and in depressive patients. 19th CINP Congr., Satellite Symp. on Quantitative EEG & Brain Mapping in Psychopharmacol. Washington: DC, 1994, p.16. 26. Grin-Yatsenko V. A., Baas I., Ponomarev V. A., Kropotov J. D. EEG power spectra at early stages of depressive disorders. J. Clin. Neurophysiol., 2009, vol. 26 (6). pp. 401–406. 27. Hinrikus H., Suhhova A., Bachmann M. et al. Electroencephalographic spectral asymmetry index for detection of depression. Med. Biol. Eng. Comput., 2009, vol. 47, no. 12, pp. 1291–1299. 28. Debener S., Beauducel A., Nessler D. et al. Is resting anterior EEG alpha asymmetry a trait marker for depression? Findings for healthy adults and clinically depressed patients. Neuropsychobiology, 2000, vol. 41, pp. 31–37. 29. Itil T. M., Le Bars P., Eralp E. Quantitative EEG as biological marker. Neuropsychopharmaology, 1994, vol. 10, p. 310. 30. Stewart J. L., Coan J. A., Towers D. N., and Allen John J. B. Resting and Task-Elicited Prefrontal EEG Alpha Asymmetry in Depression: Support for the Capability Model. Psychophysiology, 2014, vol. 51, iss. 5, pp. 446–455. 31. Lowry A. Kirkby F. J., Luongo M. B. et al. An Amygdala-Hippocampus Subnetwork that Encodes Variation in Human Mood. J. Cell, 2018, vol. 175, iss. 6, pp. 1688–1700. 32. Mackey M. C. and Glass L. Oscillation and chaos in physiological control systems. Science, 1977, vol. 197, pp. 287–289. 33. Glass L. and Mackey M. C. Pathological physiological conditions resulting from instabilities in physiological control systems. Ann. NY. Acad. Sci., 1979, iss. 316, pp. 214–235. 34. Nandrino J.-L., Pezard L., Martinerie J., et. al. Decrease of comp lexity in EEG as a symptom of depression. NeuroReport, 1994, vol. 5, pp. 528–530. 35. Bélair J., Glass L., van der Heiden U. & Milton J. Dynamical disease: Mathematical analysis of human illness. American Institute of Physics, Woodbury, NY, 1995, 215 p. 36. Thomasson N., Laurent P., Boyer P., Renault B., and Martinerie J. Nonlinear EEG Changes in a 48-Hour Cyclic Manic-Depressive Patient Nonlinear Dynamics. Psychology and Life Sciences, 2002, vol. 6, no. 3, pp. 259–267. 37. Fritzsche M., Mayorov O. Yu., Glukhov A. and oth. Anandamide included model-psychosis assessed by nonlinear EEG analysis. J. BMC Psychiatry (e-Jornal), 2003, 14 p. 38. Mayorov O. Yu., Fritzsche M., Glukchov A. and oth. Disfunctional information processing during acute psychosis. 12th AEP Congr. Assoc. of Europ. Psychiatrists. Geneva. Switzerland. 2004, p. 78. 39. Hanshu Cai, Jiashuo Han, Yunfei Chen, … Jьrg Gutknecht, "A Pervasive Approach to EEG-Based Depression Detection", Complexity, vol. 2018, Article ID 5238028, 13 p. 40. Fern R., Pettinalo S., Alicata F., Gracco S. D., Elia M. & Musumeci S. A. Correlation dimension of EEG slow wave activity during sleep in children and young adults. EEG & Clin. Neurophysiol., 1998, vol. 106, pp. 124-128. 41. Меклер А. А., Болотова Е. В. Особенности вычисления величины корреляционной размерности восстановленного аттрактора ЭЭГ детей 4-6 лет. В кн.: Медленные колебательные процессы в организме человека. В кн.: Теор. и прикладные аспекты нелинейной динамики в физиологии и медицине. /Под ред. А. Н. Флейшмана. Новокузнецк. 2005, cс. 152–153. 42. Редька І. В., Майоров О. Ю. Нелінійні електроенцефалографічні кореляти слухово-моторної інтеграції у хлопчиків з набутими зоровими дизфункціями. Фізіол. журнал, 2015, т. 61, № 3, сс. 90–98. 43. Редька І. В., Майоров О. Ю. Зміни нелінійної динаміки електричної активності головного мозку дівчаток при зорових дисфункціях. Вісник Черкаського університету, 2015, № 2 (335), сс. 86–91. 44. Майоров О. Ю., Михайлова Э. А. Нейрофизиологические особенности депрессии у детей 7–11 лет. В кн. Депрессия у детей и подростков (монография). Стиль-Издат, 2016, сс. 217–238. 45. Mykhailova I., Mayorov O., Goloborodko N., Matkovska T., Mitelov D., Bagatskaya N. Clinical variants of depression in adolescents in the age aspect. Proc. of The 19th WPA World Congress of Psychiatry, Lisbon, Portugal, 21–24 August, 2019, pp. 2201–2202. 46. Mayorov O. Yu., Fritzsche M., Kosidubova S. M., Glukhov A. B., Prognimak A. B., Timschenko L. N. New neurodiagnostics technology for brain research on the basis of multivariate and nonlinear (deterministic chaos) analysis of EEG. Proc. of 2nd Eur. Congr. "Achievements in space medicine into health care practice and industry". Pabst Science Publ., Berlin, 2003, pp. 157–166. 47. Майоров О. Ю., Глухов А. Б., Фенченко В. Н., Прогнимак А. Б. Реализация метода смещения с помощью оценки размеров осей аттрактора по одномерной реализации динамической системы мозга. Труды Инта кибернетики НАН Украины. 2007, вып. 153, сс. 3–11. 48. Майоров О. Ю., Фенченко В. Н. О выявлении нейродинамических систем мозга методами многоразмерного спектрального анализа и детерминистского хаоса по ЭЭГ-сигналам. Труды Инта кибернетики НАН Украины, вып. 155, 2009, сс. 3–9. 49. Mayorov O. Yu., Fenchenko V. N., Prognimak A. B., Fritzsche M., Fritzsche L. Application of EEG multidimensional spectral analysis and deterministic chaos to brain neurodynamic systems. Scharite, Berlin, 2010. Biosignal 2010: Intern. Biosignal Processing Conf. 2010, p. 75. 50. Майоров О. Ю., Фенченко В. Н. Метод выявления на ранних стадиях больных с расстройствами шизофренического ряда из групп больных с "функциональными" психозами на основе скейлинговых показателей ЭЭГ. Ж. Клин. информ. и телемед., 2018, т. 13, № 14, сс. 37–46. 51. Майоров О. Ю., Фенченко В. Н. Повышение надежности исследований биоэлектрической активности (ЭЭГ, ЭКГ и вариабельности сердечного ритма) методами нелинейного анализа. Ж. Клин. информ. и телемед., 2009, т. 5, вып. 6, сс. 10–17. 52. Mayorov O. Yu., Fenchenko V. N. Reliability of bioelectric activity (EEG, ECG and HRV) researches of the deterministic chaos by the nonlinear analysis methods. Book of Abstracts. 3rd Chaotic Modeling and Simulation. Intern.Conf., Chania Crete, Greece, 2010, p. 61. 53. Гублер Е. В. Вычислительные методы анализа и распознавания патологических процессов. Л., Медицина, 1978, 296 с. 54. Юнкеров В. И., Григорьев С. Г. Математико-статистическая обработка данных медицинских исследований. СПб.: ВМедА, 2002, 266 с. 55. Иберла К. Факторный анализ. М. Статистика, 1980, 398 с. 56. Aфифи А., Эйзен С. Статистический анализ. М., Мир, 1982, 486 с. 57. Grassberger P., Procaccia I. Measuring the strangeness of strange attractors. Physica D 9, 1983, pp. 189–208. 58. Kantz H. and Schrieber T., Nonlinear Time Series Analysis. NY. Cambridge University Press, 2000, 304 р. Повнотекстова версія http://kit-journal.com.ua/uk/viewer_uk.html?doc/2020_16/005.pdf |
Наши партнери![]() ![]() ![]() |