medigraphic.com
Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubirán

2013, Número 1

<< Anterior Siguiente >>

Rev Invest Clin 2013; 65 (1)


Potencia absoluta de oscilaciones corticales y su distribución topográfica en una muestra de adultos jóvenes en vigilia inactiva y en atención inespecífica

Brust-Carmona H, Valadez G, Flores-Ávalos B, Martínez JA, Sánchez A, Rodríguez MÁ, Peñaloza Y, Yáñez Ó

Idioma: Español
Referencias bibliográficas: 41
Paginas: 52-64
Archivo PDF: 270.49 Kb.


RESUMEN

Introducción. El EEG registra oscilaciones del potencial de membrana neuronal que dependen de características morfofuncionales y modificaciones por potenciales postsinápticos excitadores (PPSE) e inhibidores (PPSI). El EEG cuantitativo (EEGc) mide la potencia absoluta (PA) de oscilaciones separadas en frecuencias, que resultan de las interacciones entre ensambles subcórtico-córtico-subcorticales. La hipótesis es que los circuitos neuronales funcionan con determinada frecuencia y que sus PA son claves, que al sincronizarse en diversos ensambles generan la conducta. Objetivo. Establecer el espectro de potencia de oscilaciones corticales en diversos paradigmas de estudio y diferentes poblaciones. En particular, identificar la PA y la distribución topográfica de cuatro bandas de frecuencia en vigilia de reposo y en activación, e integrar los resultados en una base de estándares de comparación. Material y métodos. Estudiantes de licenciatura, edad promedio de 20.6 ± 2.6 años, que voluntariamente participaron en el estudio. De los registros realizados con un EEG digital, se seleccionaron de la etapa 1, ojos cerrados (OC), tres muestras de 12 s; en la etapa 2 se hicieron pares de muestras de 6 s, primero con OC y enseguida con ojos abiertos (OA). Para su análisis se aplicó el periodograma de Welch y se graficó el promedio de la PA (PPA) y desviación estándar (DE) de las bandas delta, theta, alfa y beta. Las diferencias se analizaron con pruebas no paramétricas (Wilcoxon y Dunnett T3), aceptando significancia estadística de&"945; = 0.05. Resultados. Los PPA de cada banda de frecuencia difieren significativamente en intensidad y distribución topográfica, generando un perfil específico de cada ritmo. Al abrir los ojos se desincronizan significativamente los ritmos con diferentes intensidades en las diversas derivaciones, excepto beta en frontal del hemisfe rio izquierdo. Estos PPA y la DE integrados en plantillas Excell permiten calcular los valores Z de la PA de los mismos ritmos y derivaciones de nuevos registros. Discusión. El registro de los ritmos indica la existencia de ensambles corticales que se sincronizan en determinada frecuencia, que se modifican por estimulación visual indicando los efectos de circuitos subcórtico-corticales. La base de datos integrada proporciona estándares comparativos para apoyo diagnóstico y de tratamiento.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Buzsáki G, Draguhn A. Neuronal oscillations in cortical networks. Science 2004; 30: 1926-29.

  2. Sauseng P, Klimesch W. What does phase information of oscillatory brain activity tell us about cognitive processes? Neurosci Biobehav Rev 2008; 32: 1001-13.

  3. Heeger DJ, Ress D. What does fMRI tell us about neuronal activity? Nat Rev Neurosci 2002; 3: 142-51.

  4. Logothetis NK, Pauls J, Augath M, Trinath T, Oeltermann A. Neurophysiological investigation of the basis of the fMRI signal. Nature 2001; 412: 150-57.

  5. Buzsáki G. Neural syntax: cell assemblies, synapsembles, and readers. Neuron 2010; 68: 362-85.

  6. Niedermeyer E. Alpha rhythms as physiological and abnormal phenomena. Int J Psychophysiol 1997; 26: 31-49.

  7. Chelaru MI, Dragoi V. Efficient coding in heterogeneous neuronal populations. Proc Natl Acad Scie U.S.A. 2008; 105(42): 16344-9.

  8. Hummel F, Gerloff C. Larger interregional synchrony is associated with greater behavioral success in a complex sensory integration task in humans. Cerebral Cortex 2005; 15: 670-78.

  9. Engel AK, Fries P, Singer W. Dynamic predictions: oscillations and synchrony in Top-down processing. Nat Rev Neurosci 2001; 2(10): 704-16.

  10. Ben-Simon EB, Podlipsky I, Arieli A, Zhdanov A,Hendler T. Never resting brain: simultaneous representation of two alpha related processes in humans. 2008; 3: 1-8. Available from: www.plosone.org

  11. van Dijk H, Schoffelen JM, Oostenveld R, Jensen O. Prestimulus oscillatory in the alpha band predicts visual discrimination ability. J Neurosci 2008; 28: 1816-23.

  12. Kopell N, Kramer MA, Malerba P, Whittington MA. Are different rhythms good for different functions? Front Hum Neurosci 2010; 4: 187. Doi 10.3389/fnhum.2010.00187

  13. Hubel DH, Wiesel TN. Brain mechanisms of vision. Sci Am 1979; 241: 150-62.

  14. Fries P, Neuenschwander S, Engel AK, Goebel R, Singer W. Rapid feature selective neuronal synchronization through correlated latency shifting. Nat Neurosci 2001; 4: 194-200.

  15. Varela F, Lachaux JP, Rodriguez E, Martinerie J. The brainweb: phase synchronization and large-scale integration. Nat Rev Neurosci 2001; 2: 229-39.

  16. Grossberg S. The link between brain learning, attention, and consciousness. Conscious Cogn 1999; 8: 1-44.

  17. Wyart V, Sergent C. The phase of ongoing EEG oscillations uncovers the fine temporal structure of conscious perception. J Neurosci 2009; 29: 12939-41.

  18. Tononi J. An information integration theory of consciousness. BMC Neurosci 2004; 5: 42-64.

  19. Pfurstscheller G. The cortical activation model (CAM). Prog Brain Res 2006; 159: 19-27.

  20. Pfurtscheller G. EEG event-related desynchronization (ERD) and event related synchronization (ERS). En: Niedermeyer E, Lopes da Silva F. Electroencephalography basic principles, clinical applications, and related fields. 4th Ed. Lippincott Williams & Wilkins; 1998, p. 958-67.

  21. Barry RJ, Johnstone SJ, Magee CA. EEG differences between eyes-closed and eyes-open resting conditions. Clin Neurophysiology 2007; 118: 2765-73.

  22. Klimesh W. EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis. Brain Res Rev 2009; 29: 169-95.

  23. Bouvier SE. Top-Down Influences of Spatial Attention in Visual Cortex. J Neurosci 2009; 29: 1597-98.

  24. Fries P. A mechanism for cognitive dynamics: neuronal communication through neuronal coherence. Trends Cogn Sci 2009; 13: 474-80.

  25. Singer W, Tononi G, Sporns O. From complex networks to intelligent systems. En: Creating brain like intelligence. Lecture Notes in Computer Science 2009; 5439: 15-30. Doi 10.1007/ 998-3-642-00616-6-2.

  26. Neuper C, Wörtz M, Pfurtscheller G. ERD/ERS patterns reflecting sensorimotor activation and deactivation. Prog Brain Res 2006; 159: 211-22.

  27. Wöertz M, Pfurtscheller G. Klimesch W. Alpha power dependent light stimulation: dynamics of event-related (de)synchronization in human electroencephalogram. Cogn Brain Res 2004; 20: 256-60.

  28. Boly M, Garrido MI, Gosseries O, Bruno MA, Boveroux P, Schnakers C, Massimini M, et al. Preserved feed forward but impaired top-down processes in the vegetative state. Science 2011; 332: 858-62.

  29. Roy JE, Prichep L, Easton P. Normative data banks and neurometrics: Basic concepts, methods and results of norms constructions. In: Remond A (ed.). Handbook of Electroencephalography and clinical neurophysiology. Vol. III. Computer Analysis of the EEG and other neurophysiological signals. Amsterdam: Elsevier; 1987, p. 449-95.

  30. Thatcher RW, Lubar JF. History of the scientific standards of qEEG normative databases. En: Budzinsky T, Budzinski H, Evans J, Abarbanel A (eds.). Introduction to QEEG and neurofeedback: Advanced theory and applications. San Diego, California: Academic Press; 2008, p. 28-62.

  31. Gasser T, Verleger R, Bâcher P, Sroka L. Development of the EEG of school-age children and adolescents. I. Analysis of band power. Electroencephalogr Clin Neurophysiol 1988; 69: 91-99.

  32. Benninger C, Mattis P. EEG development of healthy boys and girls. Results of longitudinal study. Electroencephalogr Clin Neurophysiol 1984; 57: 1-12.

  33. Harmony T, Fernández T, Silva J, Bernal J, Díaz-Comas L, Reyes A. EEG delta activity: an indicator of attention to internal processing during performance of mental tasks. Int J Psychophysiol 1996; 24(1-2): 161-71.

  34. Steriade M. Cellular substrates of brain rhythms. In: Niedermeyer E, Lopes da Silva F (ed.). Electroencephalography basic principles, clinical applications, and related fields. 4th Ed. Lippincott Williams & Wilkins; 1998, p. 28-75.

  35. Bruns A, Eckhorn R. Task-related coupling from high-to lowfrequency signals among visual cortical areas in human subdural recordings. Int J Psychophysiol 2004; 51: 97-116.

  36. Womelsdorf T, Fries P. Neuronal coherence during selective attentional processing and sensory–motor integration. J Physiol Paris 2006; 100: 182-93.

  37. Mölle M, Marshall L, Fehm HL, Born J. EEG theta synchronization conjoined with alpha desynchronization in dicate intentional encoding. Eur J Neurosci 2002; 15: 923-28.

  38. Corsi-Cabrera M, Solis-Ortiz S, Guevara MA. Stability of EEG inter-and intrahemispheric correlation in women. Electroencephalogr Clin Neurophysiol 1997; 102: 248-55.

  39. Adrian E, Matthews B. The Berger rhythm: potential changes from the occipital lobes in man. Brain 1934; 57: 355-85.

  40. Palva S, Palva JM. New vistas for α-frequency band oscillations. Trends Neurosci 2007; 30: 150-58.

  41. Chabot RJ, di Michele F, Prichep L, John ER. The clinical role of computerized EEG in the evaluation and treatment of learning and attention disorders in children and adolescents. J Neuropsychiatry Clin Neurosci 2001; 13: 171-86.




2020     |     www.medigraphic.com