با همکاری مشترک دانشگاه پیام نور و انجمن عصب روان‌شناسی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار گروه مهندسی پزشکی ، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران.

2 استادیار گروه روانشناسی دانشگاه پیام نور، تهران، ایران

3 دکترای پزشکی دانشگاه علوم پزشکی مشهد، مشهد، ایران.

چکیده

مقدمه: هدف این تحقیق، استفاده از پارامترهای استخراج‌شده امواج مغزی و آزمون یکپارچه دیداری- شنیداری IVA به‌منظور تعیین سطح کمبود توجهی و تکانش‌گری است.روش: نمونه‌های تحقیق از بین کودکان مبتلا به ADHD مراجعه‌کننده به کلینیک‌های درمانی شهر مشهد به‌روش نمونه در دسترس انتخاب‌شده‌اند. 50 کودک (32 پسر و 18 دختر) با میانگین و انحراف استاندارد سنی 1.90±9.17 سال مورد تحلیل قرارگرفته‌اند. افراد ابتدا در آزمون IVA و سپس در ثبت امواج مغزی حالت چشم‌بسته و چشم‌باز شرکت کرده‌اند. در این تحقیق از روش همبستگی اسپیرمن و رگرسیون خطی چندگانه برای ارزیابی متغیرهای IVA و امواج مغزی و پیش‌بینی سطوح کمبود توجهی و تکانش گری استفاده‌شده است. یافته‌ها: طبق نتایج حاصله، تمام پارامترهای استخراج‌شده از آزمون IVA، همبستگی منفی معنی‌داری (p<0.05) با سطح کمبود توجهی داشته‌اند. همچنین نسبت تتا/بتای امواج مغزی در حالت چشم‌بسته همبستگی مثبت معنی‌داری (p<0.05) با شاخص تکانش‌گری داشته است. نتایج رگرسیون شاخص تمرکز دیداری توانسته است با ضریب R2=0.391 (p<0.00001) سطح کمبود توجهی را در کودکان ADHD پیش‌بینی کند. همچنین زمان عکس‌العمل دیداری و شنیداری آزمون IVA و نسبت. تتا/ بتای امواج مغزی هرکدام به‌طور جداگانه توانسته‌اند با ضریب R2=022 و (p<0.05) سطح تکانش‌گری را پیش‌بینی کنند. نتیجهگیری: بنابراین متغیرهای آزمون IVA توانسته‌اند نقش مؤثرتری در پیش‌بینی سطح کمبود توجهی داشته‌اند. اما عملکرد نسبت تتا/ بتای امواج مغزی و آزمون IVA در پیش‌بینی سطح تکانش‌گری مشابه هم بوده است. درنتیجه متغیرهای آزمون IVA و نسبت تتا به بتای امواج مغزی می‌توانند نقش مؤثری در پیش‌بینی بیماری ADHD ایفا کنند.

کلیدواژه‌ها

عنوان مقاله [English]

Predicting Attention Deficit and Impulsivity in Children with ADHD Using Brain Signal Analysis and Integrated Visual and Auditory (IVA) Test

نویسندگان [English]

  • Majid Ghoshuni 1
  • Hassan Gharibi 2
  • Iraj Vosough 3

1 Assistant Professor, Department of Medical Engineering, Mashhad Branch, Islamic Azad University, Mashhad, Iran.

2 Assistant Professor, Department of Psychology, Payame Noor University, Tehran, Iran

3 Doctor of Medicine, Mashhad University of Medical Sciences, Mashhad, Iran.

چکیده [English]

Introduction: In this study the features extracted from EEG signal and Integrated Visual and Auditory test (IVA) was used to determine the level of attention deficit and impulsivity. Methods: Participants were selected from children with ADHD using the convenience sampling method. 50 children (32 boys and 18 girls) with mean and standard deviation of age 1.90 ± 9.17 years have been selected. Subjects first participated in the IVA test. Then, EEG signal was recorded with eyes-closed and eyes-open conditions. Spearman correlation and multiple linear regression were used to evaluate the fetures and prediciting attention deficit and impulsivity. Results: Results showed, all parameters extracted from IVA had a significant negative correlation (p<0.05) with the level of attention deficit in ADHD children. Also, theta beta ratio of EEG in the closed-eye condition had a significant positive correlation (p<0.05) with the impulsivity index. In the regression results, the visual focus index of IVA was able to predict attention deficit in children with ADHD (R2=0.391, p<0.00001). Also, the reaction time of children in response to visual and auditory stimuli in IVA test, and the theta beta ratio of brain waves each separately were able to predict impulsivity (R2=0.22, p<0.05). Conclusion: Therefore, IVA variables could have played a more effective role in predicting the level of attention deficit. But the performance of the theta beta ratio of brain waves and the IVA test was similar in predicting the level of impulsivity. Therfore, IVA variables and theta beta ratio of brain waves can play an effective role in predicting ADHD.

کلیدواژه‌ها [English]

  • Attention Deficit/Hyperactivity Disorder
  • attention deficit
  • impulsivity
  • IVA
  • EEG
بخشی پور؛ چلبیان لو و جهان‌بین، فرناز (1398). مقایسه تکانش‌گری سرعت پاسخ و تکانش‌گری انتخاب در کودکان مبتلا به اختلال نقص توجه/ بیش‌فعالی و کودکان عادی. تازه‌های علوم شناختی، 21(4), 1–11.
رجبی، سوران و مرادی، نزهت الزمان (1397). بررسی همه‌گیرشناسی و مقایسه دامنه امواج مغزی، عملکرد پیوسته دیداری حرکتی و عملکرد تحصیلی دانشجویان دارای علائم اختلال کمبود‌توجه همراه با بیش‌فعالی با دانشجویان عادی. همایش بین‌المللی افق‌های نوین در روانشناسی و علوم شناختی.
رستمی، محمد؛ خسروآبادی، رضا و پور اعتماد، حمیدرضا (1399). ویژگی‌های الکتروانسفالوگرافی زیرگروه‌های کودکان با نقص توجه/ بیش‌فعالی. تازه‌های علوم شناختی، سال 22، 70–80.
سادات مدنی، اعظم؛ حیدری نسب، لیلا؛ یعقوبی، حمید و رستمی، رضا (1394). اثربخشی نوروفیدبک همراه با تکالیف شناختی بر علائم اختلال نقص توجه/ بیش‌فعالی (ADHD) دوره بزرگ‌سالی. فصلنامه روانشناسی بالینی، 7(4), 59–69.
شهابیان، آمنه؛ شهیم، سیما؛ بشاش، لعیا و یوسفی، فریده (1386). هنجاریابی تحلیل عاملی و پایایی فرم کوتاه ویژه والدین مقیاس درجه‌بندی کانرز برای کودکان 6 تا 11 ساله شهر شیراز. مطالعات روان‌شناختی، 3(3)، 97–120.
غلامی، رودابه؛ استکی، مهناز و نصرت‌آبادی، مسعود (1396). مقایسه نتایج الکتروانسفالوگرافی کمی (QEEG) با نتایج آزمونIVA  در کودکان دارای اختلال نقص توجه/ بیش‌فعالی. عصب روانشناسی، سال سوم، 25–38.
گنجی، مهدی (1389). ویراستار: دکتر حمزه گنجی، مؤلف آنتونی موریاتی، روان‌شناسی ساتانیسم: راهنمای والدین، مشاوران، روحانیان و معلمان، ناشر: نشر ساوالان، چاپ اول.
نعمتی، شهروز و علیزاده، حمید (1396). واکاوی اثربخشی نوروفیدبک در درمان اختلال نارسایی توجه/ بیش‌فعالی. روان‌شناسی افراد استثنایی، سال هفتم، 1–20.
هاشمی، تورج؛ نظری، محمدعلی؛ نورآذر، غلامرضا و عباسی، نعیمه (1396). نمودهای جدید اختلال نقص توجه/ بیش‌فعالی در آیینه باندهای فرکانسی الکتروانسفالوگرافی کمی: رویکرد نظری معاصر. کودکان استثنایی، سال هفدهم، 49–64.
Adamo, N.; Hodsoll, J.; Asherson, P.; Buitelaar, J. K. & Kuntsi, J (2019). Ex-Gaussian, frequency and reward analyses reveal specificity of reaction time fluctuations to ADHD and not autism traits. Journal of Abnormal Child Psychology. 47(3), 557–567.
Adamou, M.; Fullen, T. & Jones, S. L (2020). EEG for Diagnosis of Adult ADHD : A Systematic Review With Narrative Analysis. 11(August), 1–12. https://doi.org/10.3389/fpsyt.2020.00871.
Ahmadi, A.; Kashefi, M.; Shahrokhi, H .& Ali, M (2021). Computer aided diagnosis system using deep convolutional neural networks for ADHD subtypes. Biomedical Signal Processing and Control, 63(June 2020), 102227. https://doi.org/10.1016/j.bspc.2020.102227.
Albrecht, B.; Uebel-von Sandersleben, H.; Wiedmann, K. & Rothenberger, A (2015). ADHD history of the concept: The case of the continuous performance test. Current Developmental Disorders Reports, 2(1), 10–22.
Andreou, P.; Neale, B. M.; Chen, W. A. I.; Christiansen, H.; Gabriels, I.; Heise, A.; Meidad, S.; Muller, U. C.; Uebel, H.; Banaschewski, T. & others (2007). Reaction time performance in ADHD: improvement under fast-incentive condition and familial effects. Psychological Medicine, 37(12), 1703–1715.
Barry, R. J.; Clarke, A. R. & Johnstone, S. J (2003). A review of electrophysiology in attention-deficit/hyperactivity disorder: I. Qualitative and quantitative electroencephalography. Clinical Neurophysiology, 114(2), 171–183. https://doi.org/10.1016/S1388-2457(02)00362-0.
Baving, L.; Laucht, M. & Schmidt, M. H (2003). Frontal EEG correlates of externalizing spectrum behaviors. Eur Child Adolesc Psychiatry, 12(1), 36–42. https://doi.org/10.1007/s00787-003-0307-5.
Bolfer, C.; Casella, E. B.; Baldo, M. V. C.; Mota, A. M.; Tsunemi, M. H.; Pacheco, S. P. & Reed, U. C (2010). Reaction time assessment in children with ADHD. Arquivos de Neuro-Psiquiatria, 68, 282–286.
Christensen, K. E. & Lundwall, R. A (2018). Errors on a computer task and subclinical symptoms of attention-deficit/hyperactivity disorder (ADHD). Scandinavian Journal of Psychology, 59(5), 511–517.
Conners, C (1997). Conners’ rating scales: revised technical manual.
Conners, C. K (1997a). Conners’ rating scales-revised. North Tonawanda, NY: Multi-Health Systems Publishing.
Conners, C. K (1997). Conners’ rating scales: revised technical manual. North Tonawanda, NY: Multi-Health Systems Publishing.
Conners, C. K (2000). Conners’ Continuous Performance Test II: Computer Program for Windows Technical Guide and Software Manual.
Dietz, S. & Montague, M (2006). Attention deficit hyperactivity disorder comorbid with emotional and behavioral disorders and learning disabilities in adolescents. EXCEPTIONALITY, 14(1), 19–33.
Epstein, J. N.; Hwang, M. E.; Antonini, T.; Langberg, J. M.; Altaye, M. & Arnold, L. E (2010). Examining predictors of reaction times in children with ADHD and normal controls. Journal of the International Neuropsychological Society, 16(1), 138–147.
Ernst, M.; Cohen, R. M.; Liebenauer, L. L.; Jons, P. H. & Zametkin, A. J (1994). Reducedbrain metabolism in hyperactive girls. Journal of the American Academy of Child and Adolescent Psychiatry, 858–868.
Halperin, J. M.; Wolf, L. E.; Pascualvaca, D. M.; Newcorn, J. H.; Healey, J. M.; O’BRIEN, J. D.; Morganstein, A. & Young, J. G (1988). Differential assessment of attention and impulsivity in children. Journal of the American Academy of Child & Adolescent Psychiatry, 27(3), 326–329.
Hervey, A. S.; Epstein, J. N.; Curry, J. F.; Tonev, S.; Eugene Arnold, L.; Keith Conners, C.; Hinshaw, S. P.; Swanson, J. M. & Hechtman, L (2006). Reaction time distribution analysis of neuropsychological performance in an ADHD sample. Child Neuropsychology, 12(2), 125–140.
Jasper, H.; Solomon, P. & Bradley, C (1938). Electroencephalographic analyses of behavior problem children. AM. j Prychiatry, 95, 641–658.
JESTE, P. D. V.; LIEBERMAN, P. E. J. A.; FASSLER, T. D. & PEELE, S. R (2013). Diagnostic and statistical manual of mental disorders. In Am Psychiatric Assoc (Vol. 21).
Jouzizadeh, M.; Khanbabaie, R. & Ghaderi, A. H (2020). A spatial profile difference in electrical distribution of resting-state EEG in ADHD children using sLORETA. International Journal of Neuroscience, 130(9), 917–925. https://doi.org/10.1080/00207454.2019.1709843.
Kaur, S.; Singh, S.; Arun, P.; Kaur, D. & Bajaj, M (2020). Phase Space Reconstruction of EEG Signals for Classification of ADHD and Control Adults. https://doi.org/10.1177/1550059419876525.
Kofler, M. J.; Rapport, M. D.; Sarver, D. E.; Raiker, J. S.; Orban, S. A.; Friedman, L. M. & Kolomeyer, E. G (2013). Reaction time variability in ADHD: a meta-analytic review of 319 studies. Clinical Psychology Review, 33(6), 795–811.
laTorre, G. G.; Barroso, J. M.; Leon-Carrion, J.; Mestre, J. M. & Bozal, R. G (2015). Reaction time and attention: Toward a new standard in the assessment of ADHD. A pilot study. Journal of Attention Disorders, 19(12), 1074–1082.
Levy, F.; Pipingas, A.; Harris, E. V.; Farrow, M. & Silberstein, R. B. (2018). Continuous performance task in ADHD: Is reaction time variability a key measure? Neuropsychiatric Disease and Treatment, 14, 781.
Lindsley, D. & Cutts, K (1940). Electroencephalograms of constitutionally inferior and behaviour problem children: comparison with those of normal children and adults. Arch Neural Psychiatry, 44, 1199–1212.
Maya-Piedrahita, M. C.; Cardenas-Pena, D. & Orozco-Gutierrez, A. A (2021). Diagnosis of attention deficit and hyperactivity disorder (ADHD) using Hidden Markov Models. 2020 28th European Signal Processing Conference (EUSIPCO), 1205–1209.
Mcvoy, M.; Lytle, S.; Fulchiero, E.; Aebi, M. E.; Adeleye, O. & Sajatovic, M (2019). Review article A systematic review of quantitative EEG as a possible biomarker in child psychiatric disorders. Psychiatry Research, 279(June), 331–344. https://doi.org/10.1016/j.psychres.2019.07.004.
Metin, B.; Wiersema, J. R.; Verguts, T.; Gasthuys, R.; van Der Meere, J. J.; Roeyers, H. & Sonuga-Barke, E (2016). Event rate and reaction time performance in ADHD: Testing predictions from the state regulation deficit hypothesis using an ex-Gaussian model. Child Neuropsychology, 22(1), 99–109.
Munger, M.; Candrian, G.; Kasper, J.; Abdel-Rehim, H.; Eich, D., Müller, A. & Jancke, L (2021). Behavioral and Neurophysiological Markers of ADHD in Children, Adolescents, and Adults: A Large-Scale Clinical Study. Clinical EEG and Neuroscience, 1550059421993340.
Ogrim, G.; Kropotov, J. & Hestad, K (2012). The quantitative EEG theta/beta ratio in attention deficit/hyperactivity disorder and normal controls: sensitivity, specificity, and behavioral correlates. Psychiatry Res, 198(3), 482–488. https://doi.org/10.1016/j.psychres.2011.12.041.
Polanczyk, G. & Jensen, P (2008). Epidemiologic considerations in attention deficit hyperactivity disorder: a review and update. Child and Adolescent Psychiatric Clinics of North America, 17, 245–260.
Roshani, F.; Piri, R.; Malek, A.; Michel, T. M. & Vafaee, M. S (2020). Comparison of cognitive flexibility, appropriate risk-taking and reaction time in individuals with and without adult ADHD. Psychiatry Research, 284, 112494.
Rostami, M.; Khosrowabadi, R.; Albrecht, B. & Pouretemad, H (2021). Classifying ADHD subtypes/presentations considering the joint effect of three levels of
investigation. Nordic Journal of Psychiatry, 75(1), 31–37. https://doi.org/10.1080/08039488.2020.1787512.
Sandford, J. A. & Turner, A (1995). Manual for the Integrated Visual and Auditory Continuous Performance Test.
Snyder, S. M. & Hall, J. R (2006). A meta-analysis of quantitative EEG power associated with attention-deficit hyperactivity disorder. Journal of Clinical Neurophysiology, 23(5), 441–456.
Truedsson, E.; Bohlin, G. & Wahlstedt, C (2020). The specificity and independent contribution of inhibition, working memory, and reaction time variability in relation to symptoms of ADHD and ASD. Journal of Attention Disorders, 24(9), 1266–1275.
Won, G. H.; Choi, T. Y. & Kim, J. W (2020). Application of Attention-Deficit/Hyperactivity Disorder Diagnostic Tools: Strengths and Weaknesses of the Korean ADHD Rating Scale and Continuous Performance Test. Neuropsychiatric Disease and Treatment, 16, 2397.