Application of the quantitative electroencephalography (QEEG) methods allows to assess brain electrical activity with high time resolution enabling thus to obtain new spatiotemporal information i.a. about processes linked to affective disorders and their repair. The aim of the project is to develop new methods of EEG analysis, based on the theory of non-linear dynamics, allowing the elucidation of processes associated with depression and the prediction of individual therapeutic response. The development of these methods will be realized by using the set of retrospective EEG data, obtained from 120 depressive patients at baseline and after 7 days after antidepressive treatment. Newly developed indicators then will be applied to the prospective follow-up of 60 depressive patients, with the aim to validate their predictive ability of treatment response and to compare their efficiency with current prognostic possibilities in depression treatment. We expect that new EEG analysis approaches will achieve the early identification of neuronal processes responsible for treatment outcome.

Aplikace metod kvantitativní elektroencefalografie (QEEG) umožňuje posuzovat mozkovou elektrickou aktivitu s vysokým časovým rozlišením a získávat tak nové časoprostorové informace mimo jiné i o procesech spojených s poruchami nálady a jejich úpravou. Projekt si klade za cíl vyvinout nové metody analýzy EEG signálu, které budou založeny na teorii nelineárních dynamických systémů a umožní identifikovat mozkové procesy spojené s depresivním onemocněním a časně predikovat individuální terapeutickou odpověď. Vývoj těchto metod bude probíhat na souboru retrospektivních dat, získaných u 120 depresívních nemocných před a po 7 dnech nové antidepresivní léčby. Nově vyvinuté indikátory pak budou aplikovány v rámci prospektivního sledování 60 depresivních nemocných s cílem ověřit schopnost nových metod predikovat odpověď na léčbu antidepresivy a srovnat ji se současnými možnostmi prognózy terapeutického efektu u depresívního onemocnění. Očekáváme, že nové přístupy k analýze EEG signálu umožní časně identifikovat neuronální procesy odpovědné za pozitivní léčebnou odpověď.

• MeSH
• antidepresiva MeSH
• deprese terapie   MeSH
• elektroencefalografie MeSH
• nelineární dynamika MeSH
• pozorovací studie jako téma MeSH
• retrospektivní studie MeSH
• výsledek terapie MeSH

• Konspekt
• Patologie. Klinická medicína
• NLK Obory
• psychiatrie
• neurologie
• NLK Publikační typ
• závěrečné zprávy o řešení grantu AZV MZ ČR

In this comparative study, six causality detection methods were compared, namely, the Granger vector autoregressive test, the extended Granger test, the kernel version of the Granger test, the conditional mutual information (transfer entropy), the evaluation of cross mappings between state spaces, and an assessment of predictability improvement due to the use of mixed predictions. Seven test data sets were analyzed: linear coupling of autoregressive models, a unidirectional connection of two Hénon systems, a unidirectional connection of chaotic systems of Rössler and Lorenz type and of two different Rössler systems, an example of bidirectionally connected two-species systems, a fishery model as an example of two correlated observables without a causal relationship, and an example of mediated causality. We tested not only 20000 points long clean time series but also noisy and short variants of the data. The standard and the extended Granger tests worked only for the autoregressive models. The remaining methods were more successful with the more complex test examples, although they differed considerably in their capability to reveal the presence and the direction of coupling and to distinguish causality from mere correlation.

• MeSH
• časové faktory MeSH
• kauzalita MeSH
• systémová analýza MeSH
• teoretické modely * MeSH
• Publikační typ
• práce podpořená grantem MeSH
• srovnávací studie MeSH

Using several methods for detection of causality in time series, we show in a numerical study that coupled chaotic dynamical systems violate the first principle of Granger causality that the cause precedes the effect. While such a violation can be observed in formal applications of time series analysis methods, it cannot occur in nature, due to the relation between entropy production and temporal irreversibility. The obtained knowledge, however, can help to understand the type of causal relations observed in experimental data, namely, it can help to distinguish linear transfer of time-delayed signals from nonlinear interactions. We illustrate these findings in causality detected in experimental time series from the climate system and mammalian cardio-respiratory interactions.

• Publikační typ
• časopisecké články MeSH

• Publikační typ
• abstrakt z konference MeSH

RATIONALE: Disruption of auditory event-related evoked potentials (ERPs) P300 and mismatch negativity (MMN), electrophysiological markers of attentive and pre-attentive cognitive processing, is repeatedly described in psychosis and schizophrenia. Similar findings were observed in a glutamatergic model of psychosis, but the role of serotonergic 5-HT2A receptors in information processing is less clear. OBJECTIVES: We studied ERPs in a serotonergic model of psychosis, induced by psilocybin, a psychedelic with 5-HT2A/C agonistic properties, in healthy volunteers. METHODS: Twenty subjects (10M/10F) were given 0.26 mg/kg of psilocybin orally in a placebo-controlled, double-blind, cross-over design. ERPs (P300, MMN) were registered during the peak of intoxication. Correlations between measured electrophysiological variables and psilocin serum levels and neuropsychological effects were also analyzed. RESULTS: Psilocybin induced robust psychedelic effects and psychotic-like symptoms, decreased P300 amplitude (p = 0.009) but did not affect the MMN. Psilocybin's disruptive effect on P300 correlated with the intensity of the psychedelic state, which was dependent on the psilocin serum levels. We also observed a decrease in N100 amplitude (p = 0.039) in the P300 paradigm and a negative correlation between P300 and MMN amplitude (p = 0.014). CONCLUSIONS: Even though pre-attentive cognition (MMN) was not affected, processing at the early perceptual level (N100) and in higher-order cognition (P300) was significantly disrupted by psilocybin. Our results have implications for the role of 5-HT2A receptors in altered information processing in psychosis and schizophrenia.

• MeSH
• akustická stimulace metody   MeSH
• dospělí MeSH
• dvojitá slepá metoda MeSH
• elektroencefalografie účinky léků   metody   MeSH
• halucinogeny farmakologie   MeSH
• klinické křížové studie MeSH
• kognice účinky léků   fyziologie   MeSH
• kognitivní evokované potenciály P300 účinky léků   fyziologie   MeSH
• lidé středního věku MeSH
• lidé MeSH
• pozornost účinky léků   fyziologie   MeSH
• psilocybin škodlivé účinky   farmakologie   MeSH
• senioři MeSH
• zdraví dobrovolníci pro lékařské studie MeSH
• Check Tag
• dospělí MeSH
• lidé středního věku MeSH
• lidé MeSH
• mužské pohlaví MeSH
• senioři MeSH
• ženské pohlaví MeSH
• Publikační typ
• časopisecké články MeSH
• klinické zkoušky kontrolované MeSH
• práce podpořená grantem MeSH

Nonparametric detection of coupling delay in unidirectionally and bidirectionally coupled nonlinear dynamical systems is examined. Both continuous and discrete-time systems are considered. Two methods of detection are assessed-the method based on conditional mutual information-the CMI method (also known as the transfer entropy method) and the method of convergent cross mapping-the CCM method. Computer simulations show that neither method is generally reliable in the detection of coupling delays. For continuous-time chaotic systems, the CMI method appears to be more sensitive and applicable in a broader range of coupling parameters than the CCM method. In the case of tested discrete-time dynamical systems, the CCM method has been found to be more sensitive, while the CMI method required much stronger coupling strength in order to bring correct results. However, when studied systems contain a strong oscillatory component in their dynamics, results of both methods become ambiguous. The presented study suggests that results of the tested algorithms should be interpreted with utmost care and the nonparametric detection of coupling delay, in general, is a problem not yet solved.

• MeSH
• algoritmy MeSH
• šíření informací MeSH
• systémová analýza MeSH
• teoretické modely * MeSH
• Publikační typ
• práce podpořená grantem MeSH

The substantial non-response rate in depressive patients indicates a continuing need to identify predictors of treatment outcome. The aim of this 6-week, open-label study was (1) to compare the efficacy of a priori defined predictors: ≥20% reduction in MADRS score at week 1, ≥20% reduction in MADRS score at week 2 (RM ≥ 20% W2), decrease of cordance (RC), and increase of serum and plasma level of brain-derived neurotrophic factor at week 1; and (2) to assess whether their combination yields higher efficacy in the prediction of response to selective serotonin re-uptake inhibitors (SSRIs) than when used singly. Twenty-one patients (55%) achieved a response to SSRIs. The RM ≥20% W2 (areas under curve-AUC = 0.83) showed better predictive efficacy compared to all other predictors with the exception of RC. The identified combined model (RM ≥ 20% W2 + RC), which predicted response with an 84% accuracy (AUC = 0.92), may be a useful tool in the prediction of response to SSRIs.

• MeSH
• deprese nereagující na léčbu krev   farmakoterapie   patofyziologie   MeSH
• depresivní porucha unipolární krev   farmakoterapie   patofyziologie   MeSH
• dospělí MeSH
• elektroencefalografie metody   MeSH
• hodnocení výsledků zdravotní péče * MeSH
• lidé středního věku MeSH
• lidé MeSH
• mozkový neurotrofický faktor krev   MeSH
• prediktivní hodnota testů MeSH
• prefrontální mozková kůra patofyziologie   MeSH
• prognóza MeSH
• psychiatrické posuzovací škály MeSH
• selektivní inhibitory zpětného vychytávání serotoninu aplikace a dávkování   farmakologie   MeSH
• theta rytmus EEG fyziologie   MeSH
• Check Tag
• dospělí MeSH
• lidé středního věku MeSH
• lidé MeSH
• mužské pohlaví MeSH
• ženské pohlaví MeSH
• Publikační typ
• časopisecké články MeSH
• srovnávací studie MeSH

Množství dostupných dat, která jsou relevantní pro podporu klinického rozhodování, roste mnohem rychleji, než naše schopnost je analyzovat a interpretovat. Proto dosud není plně využit potenciál dat přispět ke stanovení správné diagnózy, terapie a prognózy jednotlivého pacienta. Měřená data mohou zajistit konkrétní přínos pro konkrétního pacienta, což však platí jen v případě, že jejich biostatistická analýza je provedena spolehlivě a pečlivě. To vyžaduje řešit výzvy, které se mohou jevit nesrozumitelnými pro nestatistiky. Cílem tohoto článku je diskutovat principy statistické analýzy velkých dat ve výzkumu i rutinních aplikacích v klinické medicíně, se zvláštním zřetelem na specifické aspekty psychiatrie. Biostatistická analýza dat ve speciálním oboru vyžaduje své specifické přístupy a odlišné zkušenosti oproti jiným klinickým oblastem, jak dokládají komplikace při analýze psychiatrických dat. Analýza velkých dat v psychiatrickém výzkumu i rutinních aplikacích je velmi vzdálena pouhé servisní činnosti využívající standardní metody mnohorozměrné statistiky a/nebo strojového učení.

The amount of available data relevant for clinical decision support is rising not only rapidly but at the same time much faster than our ability to analyze and interpret them. Thus, the potential of the data to contribute to determining the diagnosis, therapy and prognosis of an individual patient is not appropriately exploited. The hopes to obtain benefit from the data for an individual patient must be accompanied by a reliable and diligent biostatistical analysis which faces serious challenges not always clear to non-statisticians. The aim of this paper is to discuss principles of statistical analysis of big data in research and routine applications in clinical medicine, focusing on particular aspects of psychiatry. The paper brings arguments in favor of the idea that the biostatistical analysis of data in a specialty field requires different approaches and different experience compared to other clinical fields. This is illustrated by a description of common complications of the analysis of psychiatric data. Challenges of the analysis of big data in both psychiatric research and routine practice are explained, which are far from a routine service activity exploiting standard methods of multivariate statistics and/or machine learning. Important research questions, which are important in the current psychiatric research, are presented and discussed from the biostatistical point of view.

• MeSH
• big data MeSH
• biostatistika MeSH
• lidé MeSH
• neurovědy MeSH
• psychiatrie * statistika a číselné údaje   MeSH
• sběr dat MeSH
• statistika jako téma MeSH
• systémy pro podporu klinického rozhodování * MeSH
• Check Tag
• lidé MeSH
• Publikační typ
• práce podpořená grantem MeSH
• přehledy MeSH

• MeSH
• bipolární porucha * genetika   patofyziologie   MeSH
• dítě MeSH
• elektroencefalografie * metody   MeSH
• klinická studie jako téma MeSH
• lidé MeSH
• mladiství MeSH
• rodina MeSH
• Check Tag
• dítě MeSH
• lidé MeSH
• mladiství MeSH
• mužské pohlaví MeSH
• ženské pohlaví MeSH
• Publikační typ
• práce podpořená grantem MeSH

• MeSH
• akustická stimulace metody   přístrojové vybavení   MeSH
• biologické markery MeSH
• depresivní poruchy diagnóza   farmakoterapie   MeSH
• elektroencefalografie MeSH
• lidé MeSH
• selektivní inhibitory zpětného vychytávání serotoninu farmakologie   MeSH
• serotonin * fyziologie   MeSH
• sluchové evokované potenciály * fyziologie   účinky léků   MeSH
• sluchové korové centrum fyziologie   účinky léků   MeSH
• vnímání hlasitosti * fyziologie   MeSH
• Check Tag
• lidé MeSH
• Publikační typ
• práce podpořená grantem MeSH
• přehledy MeSH