Resumo
Uma melhora nos sintomas não devida ao efeito dos produtos químicos ativos no medicamento é caracterizada como efeito placebo, que é altamente prevalente no tratamento de depressão. Este projeto propõe o estudo estatístico de um experimento clínico placebo-controle aleatorizado para depressão, com objetivo de criar um método classificatório de identificação de respondentes a placebo. Modelos de classes latentes são amplamente utilizados na literatura para identificar subgrupos não observados (respondentes ou não-respondentes a placebo, neste estudo). A probabilidade de pertencer a cada subgrupo é modelada utilizando-se covariáveis como sexo e cronicidade da doença, bem como sinais de eletroencefalografia (EEG). Para reduzir a dimensionalidade do modelo, os sinais de EEG foram primeiramente padronizados e classificados em 5 classes. Por fim, foi utilizado o algoritmo EM (Expectation Maximization) para obter os valores da variável latente, podendo então definir qual grupo dado indivíduo melhor se encaixa.
Referências
Jiang, B., Petkova, E., Tarpey, T., & Ogden, R. T. Latent class modeling using matrix covariates with application to identifying early placebo responders based on EEG signals. Ann. Appl. Stat. 2017; 11(3): 1513-1536.
Wade, E. C., & Iosifescu, D. V. Using EEG for treatment guidance in major depressive disorder. Biol. Psychiatry Cogn. Neurosci. Neuroimaging 2016; 1(5): 411-422.
Neto, J. G., Júnior, M. S. C., & von Krakauer Hübner, C. Escala de Depressão de Hamilton (HAM-D). Rev. Fac. Ciênc. Méd. Sorocaba 2001; 3(1): 10-14.
Todos os trabalhos são de acesso livre, sendo que a detenção dos direitos concedidos aos trabalhos são de propriedade da Revista dos Trabalhos de Iniciação Científica da UNICAMP.