磁刺激
医学
神经生理学
精神病理学
萧条(经济学)
脑电图
节奏
前额叶皮质
神经科学
背外侧前额叶皮质
刺激
听力学
精神科
心理学
内科学
认知
经济
宏观经济学
作者
А Н Помыткин,V. G. Kaleda,I. V. Klochkova,И. С. Лебедева
出处
期刊:Zhurnal Nevrologii I Psikhiatrii Imeni S S Korsakova
[Media Sphera Publishing Group]
日期:2019-01-01
卷期号:119 (12): 38-38
被引量:1
标识
DOI:10.17116/jnevro201911912138
摘要
To search for neurophysiological predictors of the effectiveness of rhythmic transcranial magnetic stimulation (rTMS) of the left dorsolateral prefrontal cortex in patients with depressive disorder of various nosology.Thirty-four young male patients with protracted treatment resistant depression were studied using psychopathological, psychometric methods and encephalography. A search for predictors of therapeutic efficacy was carried out in a wide range of neurophysiological indicators using different high-frequency rTMS protocols (10 Hz and 20 Hz)..The most significant changes were obtained using rTMS with a frequency of 20 Hz. A favorable effect of treatment was correlated with higher spectral power of the alpha- and beta 1-rhythm bands in EEG.Цель исследования. Поиск нейрофизиологических предикторов эффективности ритмической транскраниальной магнитной стимуляции (рТМС) левой дорсолатеральной префронтальной коры у пациентов с депрессивными расстройствами разной нозологической принадлежности. Материал и методы. Наблюдали 34 пациента юношеского возраста (все мужчины) с затяжными резистентными к терапии депрессивными состояниями. При обследовании пациентов использовали психопатологический и психометрический (шкала Гамильтона) методы, а также метод электроэнцефалографии. Поиск предикторов терапевтической эффективности осуществляли в широком диапазоне нейрофизиологических показателей с использованием разных протоколов высокочастотной рТМС (10 и 20 Гц). Результаты и заключение. Наиболее значимые изменения были зафиксированы при рТМС с частотой 20 Гц. С благоприятным эффектом лечения на ЭЭГ коррелировала более высокая спектральная мощность поддиапазонов альфа- и бета 1-ритмов.
科研通智能强力驱动
Strongly Powered by AbleSci AI