S'abonner

Effects of home-based EEG neurofeedback training as a non-pharmacological intervention for Parkinson's disease - 10/07/24

Doi : 10.1016/j.neucli.2024.102997 
Andrew Cooke a, b, , John Hindle c, d, Catherine Lawrence e, f, Eduardo Bellomo a, Aaron W. Pritchard d, Catherine A. MacLeod g, Pam Martin-Forbes h, Sally Jones h, Martyn Bracewell b, i, j, David E.J. Linden k, l, m, David M.A. Mehler l, m, n, o, p
a Instutute for the Psychology of Elite Performance (IPEP), Bangor University, UK 
b School of Psychology and Sport Science, Bangor University, UK 
c The Centre for Research in Ageing and Cognitive Health (REACH), University of Exeter, UK 
d University of Exeter Medical School, UK 
e Centre for Health Economics and Medicines Evaluation (CHEME), Bangor University, UK 
f School of Health Sciences, Bangor University, UK 
g Centre for Population Health Sciences, Usher Institute, The University of Edinburgh, UK 
h Betsi Cadwaladr University Health Board, UK 
i North Wales Medical School, Bangor University, UK 
j Walton Centre NHS Foundation Trust, UK 
k School for Mental Health and Neuroscience, Faculty of Health, Medicine and Life Sciences, Maastricht University, The Netherlands 
l Cardiff University Brain Research Imaging Centre (CUBRIC), School of Psychology, Cardiff University, UK 
m MRC Center for Neuropsychiatric Genetics and Genomics, School of Medicine, Cardiff University, UK 
n Division of Psychological Medicine and Clinical Neurosciences, School of Medicine, Cardiff University, UK 
o Department of Psychiatry, Psychotherapy and Psychosomatics, Medical School, RWTH Aachen University, Germany 
p Institute for Translational Psychiatry, University Hospital Münster, Germany 

Corresponding author.

Abstract

Objectives

Aberrant movement-related cortical activity has been linked to impaired motor function in Parkinson's disease (PD). Dopaminergic drug treatment can restore these, but dosages and long-term treatment are limited by adverse side-effects. Effective non-pharmacological treatments could help reduce reliance on drugs. This experiment reports the first study of home-based electroencephalographic (EEG) neurofeedback training as a non-pharmacological candidate treatment for PD. Our primary aim was to test the feasibility of our EEG neurofeedback intervention in a home setting.

Methods

Sixteen people with PD received six home visits comprising symptomology self-reports, a standardised motor assessment, and a precision handgrip force production task while EEG was recorded (visits 1, 2 and 6); and 3 × 1-hr EEG neurofeedback training sessions to supress the EEG mu rhythm before initiating handgrip movements (visits 3 to 5).

Results

Participants successfully learned to self-regulate mu activity, and this appeared to expedite the initiation of precision movements (i.e., time to reach target handgrip force off-medication pre-intervention = 628 ms, off-medication post-intervention = 564 ms). There was no evidence of wider symptomology reduction (e.g., Movement Disorder Society Unified Parkinson's Disease Rating Scale Part III Motor Examination, off-medication pre-intervention = 29.00, off-medication post intervention = 30.07). Interviews indicated that the intervention was well-received.

Conclusion

Based on the significant effect of neurofeedback on movement-related cortical activity, positive qualitative reports from participants, and a suggestive benefit to movement initiation, we conclude that home-based neurofeedback for people with PD is a feasible and promising non-pharmacological treatment that warrants further research.

Le texte complet de cet article est disponible en PDF.

Keywords : Neurofeedback, Eeg, Parkinson's disease, Home-based, Intervention, Non-pharmacological


Plan


© 2024  The Author(s). Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 54 - N° 5

Article 102997- septembre 2024 Retour au numéro
Article précédent Article précédent
  • Posterior insula repetitive transcranial magnetic stimulation for chronic pain in patients with Parkinson disease – pain type matters: A double-blinded randomized sham-controlled trial
  • Victor Rossetto Barboza, Gabriel Taricani Kubota, Valquíria Aparecida da Silva, Luciana Mendonça Barbosa, Debora Arnaut, Antônia Lilian de Lima Rodrigues, Ricardo Galhardoni, Egberto Reis Barbosa, Andre Russowsky Brunoni, Manoel Jacobsen Teixeira, Rubens Gisbert Cury, Daniel Ciampi de Andrade
| Article suivant Article suivant
  • Romberg's test revisited: Changes in classical and advanced sway metrics in patients with pure sensory neuropathy
  • Evangelos Anagnostou, Maria Kouvli, Evangelia Karagianni, Anastasia Gamvroula, Theodosis Kalamatianos, George Stranjalis, Maria Skoularidou

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.