كاربرد داده هاي EEG به عنوان شاخص پيش بيني اثربخشي كلوزاپين دردرمان بيماران مبتلا به اسكيزوفرني مقاوم به درمان

EEG Data as a Predictor Index of Efficacy of Clozapine Therapy in Resistant Schizophrenia

به عنوان يك ابزار پيش بيني كننده پاسخ به درمان دارويي در برخي از بيماري هاي EEG سابقه و هدف: امروزه از به عنوان عامل پيشگويي EEG روان پزشكي از جمله اسكيزوفرني استفاده مي شود. هدف از اين مطالعه تعيين شاخص هاي كننده پاسخ درماني به كلوزاپين در بيماران مبتلا به اسكيزوفرني مقاوم به درمان است. مواد و روش ها: در يك مطالعه مقطعي، 70 بيمار مبتلا به اسكيزوفرني مقاوم به درمان كه كانديد دريافت كلوزاپين ،EEG بودند و در بخش روان پزشكي بيمارستان ز ارع ساري بستري شدند، مورد مطالعه قرار گرفتند . شاخص هاي پيش بيني كننده اثر بخشي درمان به كلوزاپين شامل اسيمتري و كوهرنسي بود و به منظور ارزيابي پاسخ به درمان از بيماران پايه، به عنوان پاسخ به درمان PANSS حين درمان نسبت به PANSS گرفته شد و كاهش 20 درصدي امتيازات PANSS و رگرسيون خطي استفاده شد. Chi-square در نظر گرفته شد و براي تحليل داده ها از آمار و پاسخ به درمان به كلوزاپين ارتباط معني داري وجود EEG يافته ها: يافته ها نشان داد بين وجود كوهرنسي در .(p =0/ و پاسخ به درمان به كلوزاپين ارتباط معن يداري وجود نداشت ( 8 EEG ولي بين وجود آسيمتري در (p =0/ داشت ( 00 پيش بيني كننده پاسخ درماني به كلوزاپين در بيماران مبتلا به اسكيزوفرني مقاوم ،EEG استنتاج: وجود كوهرنسي در به درمان است.

Background and purpose: EEG is used as a diagnostic tool in the diagnosis and prognosis of disease spread. Among the psychiatric illnesses that can utilize EEG to measure response to treatment, schizophrenia can be noted. Many investigations on the application of data EEG as a predictor of treatment response in patients with schizophrenia refractory to clozapine has been done in order to resolve contradictions and the limitations of previous studies. We studied the response to treatment with clozapine, with the PANSS greater number of samples making them prior studies have examined. Material & methods: In a cross-sectional study, 70 patients with schizophrenia resistant to treatment with candidates receiving clozapine were selected from those EEG and PANSS baseline was patient during twelve weeks of treatment with clozapine were again patients PANSS was used and EEG raw patients with a good response to treatment and disease with poor response to treatment were compared with each other. After data collection, descriptive statistics software SPSS17 square test was used for the analysis of EEG data from a linear regression to examine the relationship between the indicators of response to clozapine treatment. Results: The results showed that there is coherence of EEG and the treatment response to clozapine significant correlation was (P= 0.00). The results showed that there is presence of asymmetry in EEG and the treatment response to clozapine significant correlation was (P= 0.8). Conclusion: The EEG abnormalities include coherence of EEG in predicting response to treatment in patients with treatment-resistant schizophrenia to clozapine which is effective.