การเปลี่ยนแปลงการเชื่อมต่อของสมองขณะพักในความเหนื่อยล้าที่เกี่ยวข้องกับมะเร็งเรื้อรัง Ⅰ

เชิงนามธรรม

มีผู้หญิงประมาณ 3 ล้านคนในสหรัฐฯ ที่อาศัยในฐานะผู้รอดชีวิตจากมะเร็งเต้านมและอยู่อย่างต่อเนื่องความเหนื่อยล้าที่เกี่ยวข้องกับมะเร็ง(PCRF) ทำลายชีวิตของผู้หญิงเหล่านี้ประมาณ 30 เปอร์เซ็นต์ PCRF สัมพันธ์กับคุณภาพชีวิตที่ลดลง คุณภาพการนอนหลับที่ลดลง ความบกพร่องในการรับรู้ และภาวะซึมเศร้า กลไกของความเหนื่อยล้าที่เกี่ยวข้องกับมะเร็งไม่เข้าใจดี อย่างไรก็ตามเบื้องต้นการค้นพบบ่งชี้กิจกรรมที่ผิดปกติในสมองเป็นปัจจัยที่อาจเกิดขึ้น ที่นี่เราตรวจสอบความสัมพันธ์ระหว่าง PCRF กับการเชื่อมต่อสถานะการพักที่แท้จริงในประชากรกลุ่มนี้ ผู้รอดชีวิตจากมะเร็งเต้านมที่อายุเท่ากันยี่สิบสามคน (ป่วย 15 คนและไม่เหนื่อยล้า 8 คน) ที่เสร็จสิ้นการรักษาที่เกี่ยวข้องกับมะเร็งทั้งหมดอย่างน้อย 12 สัปดาห์ก่อนการศึกษา ได้รับคัดเลือกให้รับการถ่ายภาพด้วยคลื่นสนามแม่เหล็ก (fMRI) เพื่อเชื่อมต่อการทำงาน ตรวจสอบเครือข่ายสถานะที่พักภายในโดยใช้วิธีการวิเคราะห์ส่วนประกอบทั้งแบบเมล็ดและแบบอิสระ เปรียบเทียบรูปแบบการเชื่อมต่อของสมองระหว่างกลุ่มต่างๆ ตลอดจนความสัมพันธ์กับอาการเมื่อยล้าที่รายงานด้วยตนเอง (P b 0.05 แก้ไข FDR แล้ว) การเชื่อมต่อที่เพิ่มขึ้นนี้สัมพันธ์กับความเหนื่อยล้าทางกายภาพที่เพิ่มขึ้น (P = 0.04, r = 0.52) และคุณภาพการนอนหลับไม่ดี (P = 0.04, r = 0.52) ในกลุ่มที่เหนื่อยล้า ในทางตรงกันข้าม พบการเชื่อมต่อมากขึ้นในกลุ่มที่ไม่เมื่อยล้าระหว่าง precuneus ด้านขวากับ periaqueductal grey และ IPL ด้านซ้ายไปยัง subgenual cortex (P b 0.05 แก้ไข FDR แล้ว)ความเหนื่อยล้าทางจิตใจคะแนนมีความเกี่ยวข้องกับการเชื่อมต่อเครือข่ายโหมดเริ่มต้น (DMN) ที่มากขึ้นกับการหมุนวนด้านหน้าที่เหนือกว่า (P = 0.05 แก้ไข FDR แล้ว) ในกลุ่มตัวอย่างที่เหนื่อยล้า (r = 0.82) และการเชื่อมต่อน้อยลงในกลุ่มที่ไม่เมื่อยล้า (r = −0.88) เหล่านี้การค้นพบบ่งชี้ว่ามีการเชื่อมต่อ DMN ภายในที่เพิ่มขึ้นกับรอยนูนด้านหน้าในผู้รอดชีวิตจากมะเร็งเต้านมที่มีความเหนื่อยล้าอย่างต่อเนื่อง เนื่องจาก DMN เป็นเครือข่ายที่เกี่ยวข้องกับการคิดแบบอ้างอิงตนเอง เราคาดการณ์ว่าการเชื่อมต่อที่เพิ่มขึ้นระหว่าง DMN และไจรัสหน้าผากอาจเกี่ยวข้องกับความเหนื่อยล้าทางจิตใจและคุณภาพการนอนหลับที่ไม่ดี ในทางตรงกันข้าม การเชื่อมต่อที่เพิ่มขึ้นระหว่าง DMN และบริเวณใน subgenual cingulate และก้านสมองอาจทำหน้าที่ป้องกันในกลุ่มที่ไม่เมื่อยล้า

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการรักษา Cistanche CFS

1. บทนำ

ผู้หญิงประมาณ 3 ล้านคนในสหรัฐอเมริกามีชีวิตอยู่ในฐานะผู้รอดชีวิตจากมะเร็งเต้านม (BC) (American Cancer Society, 2012) แม้ว่ามะเร็งเต้านมเป็นมะเร็งชนิดที่แพร่หลายมากที่สุดในสตรี แต่ผู้ป่วยจำนวนมากขึ้นอยู่ในภาวะทุเลาลง สาเหตุหลักมาจากการตรวจพบแต่เนิ่นๆ และความก้าวหน้าที่สำคัญในการรักษา (American Cancer Society, 2014) อย่างไรก็ตาม ในผู้รอดชีวิตจากมะเร็ง อาการของความเหนื่อยล้า ความเจ็บปวด การนอนหลับไม่ดี และภาวะซึมเศร้า เป็นเรื่องปกติ

ความเหนื่อยล้าที่เกี่ยวข้องกับมะเร็งเรื้อรัง (PCRF) เป็นหนึ่งในผลข้างเคียงที่เป็นปัญหาในระยะยาวของการรักษามะเร็ง (Kim, Son et al., 2008; Alexander et al., 2009; Pearce et al., 2009) และยังคงดำเนินต่อไป ส่งผลกระทบต่อผู้รอดชีวิตจากคริสตศักราชประมาณ 33 เปอร์เซ็นต์ โดยยังคงมีอยู่ในบางกรณีเป็นเวลาหลายปีหลังจากเสร็จสิ้นการรักษามะเร็ง กลไกของ PCRF นั้นส่วนใหญ่ไม่ทราบ เนื่องจาก PCRF เกี่ยวข้องกับการรับรู้ที่บกพร่อง (Rodriguez et al., 2008) คุณภาพการนอนหลับที่ลดลง (Alexander et al., 2009) และภาวะซึมเศร้า (Bower, 2005; Kim, Son et al., 2008) จึงเป็นไปได้ที่ PCRF มีพยาธิวิทยาทางระบบประสาทส่วนกลาง เพื่อสนับสนุนสมมติฐานนี้ มีการสังเกตความแตกต่างของเมแทบอไลต์ในสมองระหว่างผู้รอดชีวิตที่เหนื่อยล้าและไม่เหนื่อยล้า (Zick et al., 2014) ไม่ทราบแน่ชัดว่าการรบกวนของเครือข่ายสมองในวงกว้างอาจรองรับความเหนื่อยล้าในประชากรกลุ่มนี้หรือไม่ ความก้าวหน้าล่าสุดในวิธีการสร้างภาพประสาทได้เกิดขึ้นซึ่งช่วยให้นักวิจัยสามารถสำรวจการทำงานของเครือข่ายสมองและศึกษาโครงข่ายประสาทเทียมที่เปลี่ยนแปลงไปโดยไม่รุกราน

หนึ่งในเทคนิคดังกล่าวคือการพักสถานะการทำงานการถ่ายภาพด้วยคลื่นสนามแม่เหล็ก (fMRI) การใช้เทคนิคนี้ทำให้พบรูปแบบการเชื่อมต่อของสมองที่ผิดปกติในความเจ็บปวด (Napadow et al., 2010) ภาวะซึมเศร้าและการนอนไม่หลับ (Li, Wang et al., 2014) อาการทั่วไปสองประการที่พบในผู้รอดชีวิตจากมะเร็งที่เหนื่อยล้า อย่างไรก็ตาม ไม่มีการศึกษาใดที่ตรวจสอบบทบาทของความเหนื่อยล้าในการเชื่อมต่อของสมองที่เปลี่ยนแปลงไปในประชากรกลุ่มนี้ การศึกษา fMRI ก่อนหน้านี้เกี่ยวกับกลุ่มอาการเหนื่อยล้าเรื้อรัง (CFS) แสดงให้เห็นการเปลี่ยนแปลงในการกระตุ้นสมองในเยื่อหุ้มสมองส่วนหน้าที่เหนือกว่า, พรีมอเตอร์ และเครือข่ายโหมดเริ่มต้น (DMN; ดูด้านล่าง) ในขณะที่ทำงานเกี่ยวกับการรับรู้ที่เหนื่อยล้า (Lange et al., 2005; Caseras et คณะ, 2006; Cook et al., 2007) การศึกษาอื่นที่ศึกษาการเปลี่ยนแปลงโครงสร้างยังแสดงให้เห็นว่าปริมาณสารสีเทาลดลงในระดับทวิภาคีในพื้นที่ส่วนหน้าในผู้ป่วย CFS เนื่องจากเป็นภูมิภาคที่ควบคุมความรู้สึกของความเหนื่อยล้า (Okada et al., 2004) ในการสำรวจภูมิภาคเหล่านี้ (และเครือข่าย) อย่างละเอียดยิ่งขึ้น เราใช้ fcMRI ขณะพักในผู้รอดชีวิตจากมะเร็งเต้านม มีสองแนวทางพื้นฐานในการศึกษาการเชื่อมต่อระหว่างสภาวะพัก: แนวทางแบบ seed-based และวิธีการขับเคลื่อนด้วยข้อมูลที่เรียกว่า การวิเคราะห์ส่วนประกอบอิสระ (ICA) ด้วยทั้งสองวิธี การเชื่อมต่อเชิงหน้าที่อนุมานบนพื้นฐานของความสัมพันธ์ระหว่างบริเวณสมองสำหรับข้อมูลอนุกรมเวลาจากสัญญาณการพึ่งพาระดับออกซิเจนในเลือด (BOLD) (i) ด้วยวิธีการแบบ Seed-based ขอบเขตเฉพาะของสมองจะถูกเลือกเป็น Priori ตามงานก่อนหน้านี้ และระยะเวลาของสัญญาณ BOLD ในเมล็ดจะสัมพันธ์กับแต่ละช่วงเวลาของ voxel ของสมองส่วนที่เหลือ ความสัมพันธ์ที่มีนัยสำคัญจะเกิดขึ้นเมื่อส่วนต่างๆ ของสมอง "เชื่อมต่อกัน" (ii) วิธีการแบบหลายตัวแปรที่ขับเคลื่อนด้วยข้อมูล เช่น ICA ไม่ต้องการสมมติฐานก่อนหน้าที่เฉพาะเจาะจง และใช้ข้อมูลจากทุกภูมิภาคของสมองแทนเพื่อระบุส่วนประกอบอิสระที่ทำหน้าที่เป็นเครือข่ายที่เชื่อมต่อกับส่วนอื่นๆ ของสมอง ด้วยเครือข่ายสถานะพักแยกของ ICA ที่แสดงกิจกรรมของสมองที่สัมพันธ์กันในช่วงเวลาหนึ่ง สามารถประเมินการเชื่อมต่อกับส่วนอื่นๆ ของสมองได้ เนื่องจากการศึกษา MRI ก่อนหน้านี้ได้ตรวจสอบผลลัพธ์ของสมองใน CFS เราจึงเลือกที่จะตรวจสอบบริเวณสมองที่คล้ายกันโดยใช้เมล็ดพันธุ์จากการศึกษาเหล่านี้ นอกจากนี้ เรายังใช้ ICA เพื่อระบุรูปแบบการเชื่อมต่อแบบใหม่ เนื่องจากไม่ได้รับอิทธิพลจากสมมติฐานก่อนหน้านี้ เครือข่ายสถานะพักทั่วไปหนึ่งเครือข่ายคือเครือข่ายโหมดเริ่มต้น (DMN) เครือข่ายนี้ประกอบด้วยคอร์เทกซ์พรีฟรอนทัลที่อยู่ตรงกลาง คอร์เทกซ์คอร์เทกซ์หลัง ซิงกูเลตคอร์เทกซ์ กลีบข้างขม่อมที่ด้อยกว่า และพรีคิวเนียส (Buckner and Vincent, 2007; Fox and Raichle, 2007) การวิจัยในช่วงทศวรรษที่ผ่านมาแสดงให้เห็นว่าเครือข่ายนี้เปิดใช้งานเมื่อบุคคลไม่ได้พักผ่อน โดยมีความคิดเกี่ยวกับตนเองเกี่ยวกับตนเองโดยไม่เกี่ยวข้องกับสิ่งแวดล้อม

การศึกษาล่าสุดแสดงให้เห็นถึงความเชื่อมโยงที่เพิ่มขึ้นกับเครือข่ายนี้ในกลุ่มอาการปวดเรื้อรัง (Napadow et al., 2010) และภาวะซึมเศร้า (Greicius et al., 2007) ผู้ป่วย; สองอาการที่มักพบในผู้รอดชีวิตจากมะเร็งด้วยความเหนื่อยล้า ด้วยเหตุนี้ เราจึงตั้งสมมติฐานว่าความแตกต่างของรูปแบบการเชื่อมต่อของสมองกับ DMN เช่นเดียวกับบริเวณสมองอื่นๆ ของผู้รอดชีวิตจากมะเร็งเต้านมที่เหนื่อยล้า อาจมีความเกี่ยวข้องโดยเฉพาะกับอาการตามอัตวิสัยของความเหนื่อยล้า และความแตกต่างเหล่านี้อาจไม่ขึ้นกับอาการร่วมอื่นๆ ที่นี่ เรารายงานการศึกษาเชิงสำรวจ ซึ่งเป็นความรู้แรกของเราที่ตรวจสอบความแตกต่างของรูปแบบการเชื่อมต่อของสมองภายในของผู้รอดชีวิตจากมะเร็งเต้านมทั้งที่มีและไม่มีอาการเมื่อยล้า

2. วิธีการ

2.1. ผู้เข้าร่วม

การศึกษาได้รับการอนุมัติโดยคณะกรรมการพิจารณาสถาบันของโรงเรียนแพทย์มหาวิทยาลัยมิชิแกน และผู้เข้าร่วมได้รับความยินยอมเป็นลายลักษณ์อักษร ผู้เข้าร่วมการศึกษาได้รับการระบุผ่านทางคลินิกมะเร็งเต้านมของมหาวิทยาลัยมิชิแกนและจากผู้เข้าร่วมในการทดลองทางคลินิกในอดีตที่ดำเนินการในผู้รอดชีวิตจากมะเร็งเต้านม ผู้เข้าร่วมที่มีสิทธิ์คือสตรีอายุสิบแปดปีขึ้นไป ที่ได้รับการวินิจฉัยว่าเป็นมะเร็งเต้านม (ระยะ {0}} ถึง IIIA) และได้เสร็จสิ้นการรักษาที่เกี่ยวข้องกับมะเร็งทั้งหมดแล้ว (เช่น การผ่าตัด เคมีบำบัด รังสีบำบัด ภูมิคุ้มกันบำบัด เป็นต้น .) ยกเว้นการรักษาด้วยฮอร์โมนอย่างน้อย 12 สัปดาห์ก่อนการศึกษา ผู้เข้าร่วมจะถูกยกเว้นหากพวกเขา: มีโรคมะเร็งกำเริบ; กำลังตั้งครรภ์หรือให้นมบุตร ได้รับการวินิจฉัยว่าเป็นโรคโลหิตจางที่มีระดับฮีโมโกลบินน้อยกว่า 12 g/dl หรือได้รับการรักษาภาวะโลหิตจาง หรือได้รับการวินิจฉัยว่าเป็นโรคร่วมที่ไม่เสถียรหรือไม่ได้รับการรักษาที่มีแนวโน้มว่าจะทำให้เกิดความเหนื่อยล้า (เช่น ภาวะหัวใจล้มเหลวระดับปานกลางถึงรุนแรง ภาวะไทรอยด์ทำงานต่ำ) มีการวินิจฉัยความผิดปกติของ DSM-IV-TR Axis-I หรือ Axis-II ที่ไม่ได้รับการรักษา มีการเริ่ม การหยุด หรือเปลี่ยนขนาดยาในการรักษา (สูงสุด 3 สัปดาห์ก่อนเริ่มการศึกษา) ของยาเรื้อรังหรืออาหารเสริม หรือหากมีการปลูกถ่ายโลหะ (เช่น คลิปผ่าตัดหรือลวดเย็บกระดาษ) หรือข้อห้ามอื่นๆ เกี่ยวกับการถ่ายภาพด้วยคลื่นสนามแม่เหล็ก (MRI) ในระหว่างการคัดกรองผู้เข้าร่วมทางสังคมและประชากร ส่วนสูงและน้ำหนัก (ใช้ในการคำนวณ BMI) ยาและอาหารเสริมร่วมกัน; ประวัติทางการแพทย์; ร่างกายโดยสังเขปรวมทั้งความมีชีวิตชีวา; การเจาะเลือดเพื่อการนับเม็ดเลือดที่สมบูรณ์ และทำการทดสอบการตั้งครรภ์ด้วยปัสสาวะ สถานะวัยหมดประจำเดือน ณ เวลาที่วินิจฉัยมะเร็งเต้านมถูกกำหนดโดยแผนภูมิทางการแพทย์ของสตรี 3 ซึ่งผู้หญิงที่มีประสบการณ์อย่างน้อย 12 เดือนติดต่อกันโดยไม่มีรอบประจำเดือนจะถือว่าหลังหมดประจำเดือน ผู้เข้าร่วมถูกขอให้กรอกแบตเตอรี่ของแบบสอบถามที่จัดการด้วยตนเอง เช่น บัญชีรายการความเมื่อยล้าหลายมิติ (MFI) (Smets et al., 1995) บัญชีรายการความล้าโดยย่อ (BFI) (เมนโดซาและคณะ, 1999) ความวิตกกังวลในโรงพยาบาลและภาวะซึมเศร้า มาตราส่วน (HADS) (Zigmond and Snaith, 1983), Pittsburgh sleeps quality index (PSQI) (Buysse et al., 1989) และ the Brief pain Inventory (BPI) (Cleeland and Ryan, 1994) เป็นเวลา 2 สัปดาห์หลังจากการนัดตรวจคัดกรองครั้งแรก ผู้เข้าร่วมจะได้รับการติดต่อทางโทรศัพท์สัปดาห์ละครั้งและจะกำหนดคะแนน BFI ทางโทรศัพท์ ในการกำหนดให้เป็นผู้รอดชีวิตจาก BC ที่เหนื่อยล้าจำเป็นต้องมี BFI เฉลี่ยมากกว่าหรือเท่ากับ 4.0 ตาม BFI ทั้งสามที่ใช้เวลาประมาณ 1 สัปดาห์จากการนัดตรวจคัดกรองและผ่านทางการติดต่อทางโทรศัพท์ใน 2 สัปดาห์ถัดไป ผู้รอดชีวิตจาก BC ที่ไม่เมื่อยล้าต้องการ BFI b 4.0 โดยเฉลี่ยในช่วงเวลาเดียวกับผู้รอดชีวิตที่เหนื่อยล้า เช่นเดียวกับคะแนนความเจ็บปวดโดยเฉลี่ย b 4 สำหรับ BPI คะแนนรวม PSQI b 7 และ HADS b 11 สำหรับระดับย่อยของความวิตกกังวลและภาวะซึมเศร้า ผู้ป่วยที่ไม่เมื่อยล้าที่มีอาการเหล่านี้แสดงนัยสำคัญ ไม่ได้รับการยกเว้น เนื่องจากความเจ็บปวด ภาวะซึมเศร้า หรือปัญหาการนอนหลับในระดับสูง อาจส่งผลต่อการเชื่อมต่อของสมองในกลุ่มนั้น อาการเหล่านี้ไม่ได้ถูกแยกออกจากกลุ่มอาการอ่อนล้า เนื่องจากผู้รอดชีวิตจากมะเร็งที่มีความเหนื่อยล้ามักมีอาการร่วมของความเจ็บปวด ความผิดปกติของการนอนหลับ ภาวะซึมเศร้า และความวิตกกังวล ซึ่งทำให้การลงทะเบียนของผู้ป่วยที่เหนื่อยล้าล้วนมีปัญหา เพื่อทดสอบว่ารูปแบบการเชื่อมต่อของสมองในกลุ่มที่เหนื่อยล้านั้นสัมพันธ์กับระดับของความเจ็บปวด ความซึมเศร้า หรือปัญหาการนอนหลับ เราใช้ความสัมพันธ์แบบสองตัวแปรระหว่างผลการถ่ายภาพสมองแต่ละอย่างกับระดับอาการร่วมภายในกลุ่มที่เหนื่อยล้า

2.2. การเก็บข้อมูล

ผู้เข้าร่วมได้รับคัดเลือกให้เข้ารับการตรวจ fcMRI ในสถานะพักบนเครื่องสแกน 3 T Philips Achieva (ดีที่สุด ประเทศเนเธอร์แลนด์) โดยใช้ 8-เฮดคอยล์ช่องสัญญาณ 8- ข้อมูล fMRI ของสถานะพักเป็นเวลาสิบนาทีได้มาโดยใช้ลำดับเกลียวแบบถ่วงน้ำหนัก T2* แบบกำหนดเอง (เวลาทำซ้ำ (TR)=2000 ms, เวลาเสียงสะท้อน (TE)=30 ms,พลิกมุม (FA)=90 องศา , ขนาดเมทริกซ์ 80 × 80 มี 30 ชิ้น,สนามมุมมอง (FOV) {{0}} ซม. 2.75 × 2.75 × 4 มม. voxels และ 300 ปริมาตร) ตามด้วยการสแกนโครงสร้าง MPRAGE ความละเอียดสูงแบบถ่วงน้ำหนัก T1 สำหรับการทำให้เป็นมาตรฐานโดยใช้พารามิเตอร์ต่อไปนี้ [ TR=9.78 ms, TE=4.59 ms, FA=90 องศา , FOV=219 มม. ขนาดเมทริกซ์ 240 × 240 เมทริกซ์ 150 ชิ้น และ 0.83 × 0.83 × ว็อกเซล 1 มม.]. ระหว่างอยู่ในสภาวะพัก ผู้รับการทดลอง fMRI จะได้รับคำสั่งไม่ให้จดจ่อกับงานใด ๆ โดยเฉพาะและตื่นตัวโดยลืมตาที่การตรึงข้าม. เนื่องจากหัวใจและระบบทางเดินหายใจฟลเป็นที่ทราบกันดีว่า uctuations มีอิทธิพลต่อการเชื่อมต่อของสมองภายในเครือข่ายต่างๆ (Murphy et al., 2013) ข้อมูลทางสรีรวิทยาของอาสาสมัครถูกเก็บรวบรวมพร้อมกันโดยใช้เครื่องตรวจ plethysmograph สำหรับการหายใจและเครื่องวัดความอิ่มตัวของออกซิเจนในเลือดของอาสาสมัคร3 นิ้วสำหรับข้อมูลการเต้นของหัวใจ การวิเคราะห์ fMRI ได้รวมเฉพาะข้อมูลการทำงานของหัวเรื่องที่มีการแปลน้อยกว่า 2 มม. และการเคลื่อนที่ของหัวหมุนน้อยกว่า 1 องศาภายในเครื่องสแกน ครอบคลุมทั้งสมองรวมถึงสมองส่วนกลางและก้านสมอง rostral

2.3. การวิเคราะห์ข้อมูล

ข้อมูล fMRI ถูกประมวลผลล่วงหน้าและวิเคราะห์โดยใช้แพ็คเกจซอฟต์แวร์การทำแผนที่พารามิเตอร์เชิงสถิติ (SPM) เวอร์ชัน 8 (Wellcome Department of Cognitive Neurology, London, สหราชอาณาจักร)Conn(ห้องปฏิบัติการประสาทวิทยาทางปัญญาและอารมณ์, สถาบันเทคโนโลยีแมสซาชูเซตส์, เคมบริดจ์, สหรัฐอเมริกา) กล่องเครื่องมือการเชื่อมต่อที่ใช้งานได้ และแถบเครื่องมือ GIFT (กลุ่ม ICA ของกล่องเครื่องมือ fMRI) ที่ทำงานบน MATLAB 7.10 (Mathworks, Sherborn, MA, USA) เมื่อรวบรวมข้อมูล fMRI ของสถานะพัก สิ่งประดิษฐ์ทางสรีรวิทยาจะถูกลบออกโดยใช้อัลกอริธึม Matlab ที่กำหนดเอง และแก้ไขเวลาแบ่งส่วนโดยใช้ FSL 4.1.9 (FMRIB)3ห้องสมุดซอฟต์แวร์,http://www.fmrib. ox.ac.uk/fsl) ซอฟต์แวร์ ขั้นตอนก่อนการประมวลผลประกอบด้วยการแก้ไขการเคลื่อนไหว การปรับแนวใหม่ การลงทะเบียน การปรับให้เป็นมาตรฐานสำหรับเทมเพลต MNI มาตรฐาน (Montreal Neurological Institute) และการปรับให้เรียบ (FWHM Gaussian kernel ขนาด 8 มม.) โดยใช้ SPM8

2.3.1. การวิเคราะห์การเชื่อมต่อเมล็ดพันธุ์

การวิเคราะห์การเชื่อมต่อการทำงานแบบ Seed to whole-brain ทำได้โดยใช้Connกล่องเครื่องมือ (Whitfifiเอล-กาบรีเอลีและนีโต-คาสตานอน 2012) บริเวณเมล็ดถูกระบุจากการศึกษา fMRI ที่ตีพิมพ์ก่อนหน้านี้เกี่ยวกับอาการอ่อนเพลียเรื้อรัง (Lange et al., 2005; Caseras et al., 2006; Cook et al., 2007; Caseras et al., 2008) และสร้างขึ้นเป็นทรงกลม (รัศมี 5 มม.) ) รอบพิกัด voxel สูงสุด (ตารางเสริม S1) พารามิเตอร์ White Matter, CSF และการเคลื่อนไหวถูกป้อนลงในการวิเคราะห์เป็น covariates ที่ไม่มีดอกเบี้ย ตัวกรองแบนด์ผ่าน (ช่วงความถี่: 0.01–0.1 เฮิรตซ์) ถูกนำไปใช้เพื่อขจัดการดริฟท์เชิงเส้นและสัญญาณรบกวนความถี่สูงออกจากข้อมูล การวิเคราะห์ระดับแรกทำขึ้นโดยสัมพันธ์กับระยะเวลาตั้งแต่เมล็ดไปจนถึง voxel ของสมองทั้งหมด โดยสร้างแผนที่การเชื่อมต่อสำหรับแต่ละภูมิภาคของเมล็ด โดยใช้สหสัมพันธ์แบบสองตัวแปร จากนั้นแผนที่การเชื่อมต่อเหล่านี้จะถูกส่งต่อไปยังการวิเคราะห์ระดับกลุ่มโดยเปรียบเทียบความแตกต่างในการเชื่อมต่อระหว่างผู้รอดชีวิตจาก BC ที่เหนื่อยล้ากับที่ไม่เมื่อยล้าโดยใช้อายุเป็นตัวแปรที่ไม่สนใจ แผนที่ผลลัพธ์เป็นเกณฑ์ที่ทั้งสมองP b 0.001 (หรือP b 0.0001) เกณฑ์ voxel ที่ไม่ได้รับการแก้ไขและP น้อยกว่าหรือเท่ากับ0.05 คลัสเตอร์ FDR แก้ไขสำหรับการเปรียบเทียบหลายรายการ เมื่อเลือกเมล็ดพืชหลายเมล็ด (n = 8) สำหรับการวิเคราะห์ของเรา เราได้ดำเนินการแก้ไข Bonferroni ที่เข้มงวดมากขึ้นสำหรับผลลัพธ์ของเรา เกณฑ์นี้ตั้งไว้ที่P b {{0}}.0063 (เช่น 0.05/8 การทดสอบ) ความสัมพันธ์ของผลลัพธ์การเชื่อมต่อของสมองกับข้อมูลพฤติกรรมของผู้เข้าร่วมทำได้โดยการแปลงตัวเข้าเส้นชัยโดยเฉลี่ยr ค่าของสัญญาณผลลัพธ์fifiไม่สามารถทำคลัสเตอร์โดยใช้กล่องเครื่องมือ Marsbar (Poldrack, 2007) แล้วสัมพันธ์กับการวัดพฤติกรรม (MFI, BFI และ PSQI) ใน SPSS 21 (แพ็คเกจทางสถิติสำหรับ Social Sciences, IBM Corp., Armonk, NY) ความแตกต่างของกลุ่มกับสหสัมพันธ์การวัดความล้าถูกควบคุมทั้งความเจ็บปวดและภาวะซึมเศร้าโดยใช้การถดถอยเชิงเส้นใน SPSS การแก้ไข Bonferroni ของP b {{0}}.017 (เช่น การทดสอบ 0.05/3) ยังดำเนินการกับความสัมพันธ์ของอาการ

2.3.2. การวิเคราะห์องค์ประกอบอิสระ

กลุ่ม ICA ดำเนินการโดยใช้แถบเครื่องมือ GIFT (Calhoun et al., 2004) การประมาณการส่วนประกอบได้รับการตรวจสอบโดยใช้ซอฟต์แวร์ ICASSO (Himberg et al., 2004) สำหรับการทำซ้ำ 10 ครั้งเพื่อให้มั่นใจถึงความน่าเชื่อถือของอัลกอริธึม ICA และเพื่อเพิ่มความทนทานของผลลัพธ์ จำนวนของส่วนประกอบอิสระ (IC) ถูกจำกัดไว้ที่ 25 เพื่อลดการแยกออกเป็นองค์ประกอบย่อย แผนที่เชิงพื้นที่เฉพาะเรื่องและหลักสูตรเวลากลับมาสร้างขึ้นใหม่โดยใช้การถดถอยเชิงพื้นที่ (STR) หรือตัวเลือกการถดถอยแบบคู่ที่มีอยู่ใน GIFT STR ถดถอย (i) ข้อมูลหัวเรื่องดั้งเดิมลงในแผนที่เชิงพื้นที่ของ ICA ที่รวมกันเพื่อประเมินหลักสูตรเวลาเฉพาะของวิชาสำหรับแต่ละองค์ประกอบ และ (ii) จากนั้นจะถดถอยข้อมูลแต่ละวิชากลับไปที่เมทริกซ์ของหลักสูตรเวลาเหล่านี้เพื่อประเมินแผนที่เชิงพื้นที่เฉพาะเรื่อง ดังนั้น แผนที่เชิงพื้นที่แบบรวมดั้งเดิมและแผนที่เชิงพื้นที่โดยประมาณในภายหลังจึงเป็นการประมาณที่ดีที่สุดสำหรับแต่ละเรื่องที่เฉพาะเจาะจงZแผนที่องค์ประกอบ -score เหล่านี้Z ค่าจะสะท้อนถึงระดับการเชื่อมต่อระหว่างแต่ละว็อกเซลและระยะเวลาเฉลี่ยของกลุ่มของส่วนประกอบ แผนที่ส่วนประกอบที่แสดงถึงเครือข่ายสถานะที่พักถูกระบุโดยความสัมพันธ์เชิงพื้นที่กับแม่แบบที่จัดทำโดย Beckmann et al (2005) และสมิ ธ และคณะ (2009). จากนั้นแผนที่เครือข่ายสถานะพักรายบุคคลเหล่านี้จะถูกส่งต่อไปยังการวิเคราะห์ระดับที่สองของกลุ่มใน SPM ซึ่งมีความแตกต่างในการเชื่อมต่อเครือข่ายสถานะพักระหว่างผู้เข้าร่วมที่มีความเหนื่อยล้าและผู้เข้าร่วมที่ไม่เมื่อยล้า นอกจากนี้เรายังทำการวิเคราะห์การโต้ตอบความสนใจร่วมกันของทั้งสมองโดยใช้ 2-แบบจำลอง ANOVA ที่มีการเชื่อมต่อของสมองและการวัดพฤติกรรมเป็นปัจจัยในการประเมินความสัมพันธ์ที่แตกต่างกันระหว่างระดับอาการเมื่อยล้า (คะแนน MFI และ BFI) และการเชื่อมต่อเครือข่ายระหว่างกลุ่ม . สำหรับการวิเคราะห์ ICA ทั้งหมด signififiกลุ่มลาดเทถูกระบุโดยเกณฑ์แผนที่สมองผลลัพธ์ที่P b 0.0001 เกณฑ์ voxel ที่ไม่ได้รับการแก้ไขและP น้อยกว่าหรือเท่ากับ0.05 คลัสเตอร์ FDR หรือ FWE แก้ไขนัยสำคัญสำหรับการเปรียบเทียบหลายรายการ เนื่องจากความเจ็บปวดและภาวะซึมเศร้าเป็นอาการร่วมที่สำคัญfifiการค้นพบอาการเมื่อยล้าไม่สามารถควบคุมได้ทั้งความเจ็บปวดและภาวะซึมเศร้าใน SPM เนื่องจากตัวถดถอยที่ไม่สนใจ

ค้นหาการดูแลแบบองค์รวมทางพฤกษศาสตร์ที่ดีที่สุดสำหรับความเหนื่อยล้าในตอนเช้าและตอนเย็นที่ผิดปกติ

สูตร Neuro Regen ที่รังสรรค์ขึ้นด้วยมืออย่างพิถีพิถันของเราประกอบด้วยสมุนไพรที่ได้รับการวิจัยอย่างดีที่สุด แต่ละคนแสดงศักยภาพอันน่าทึ่งของการจัดการความเหนื่อยล้าของร่างกายรวมทั้งการสนับสนุนความเหนื่อยล้าทางร่างกายและจิตใจโดยรวมโดยรวม

รวมถึง:

ซิสแทนเช่-Cistanche เป็นสมุนไพรที่นิยมใช้กันมากที่สุดในใบสั่งแพทย์แผนจีนสำหรับบรรเทาความเมื่อยล้าทางร่างกาย. ในความเป็นจริง,Cistancheเป็นวัสดุอาหารชนิดหนึ่ง บนพื้นฐานทางทฤษฎีของการแพทย์แผนโบราณ ยาแผนปัจจุบันยังได้ทำการวิจัยมากมายเกี่ยวกับฤทธิ์ต้านความเหนื่อยล้าของ Cistanche การทดลองได้พิสูจน์แล้วว่าฤทธิ์ต้านความเหนื่อยล้าของ Cistanche เกิดจากการปรับปรุงอวัยวะในร่างกายของCistanche. Cistancheสามารถปรับปรุงการทำงานของไตและตับจึงบรรลุป้องกันความเมื่อยล้าผล. ภาพต่อไปนี้เป็นภาพรวมว่า Cistanche สามารถบรรเทาความเหนื่อยล้าได้อย่างไร