Markers of patients’ condition after orthodontic treatment: application of recurrent analysis to EEG data obtained during cognitive tests

Cover Page

Cite item

Full Text

Abstract

The purpose of this study — is to study the differences in recurrent indicators based on electroencephalography signals of patients after orthodontic treatment during cognitive tests. Depending on the type of impact (installation of braces or aligners), identify markers in the canals, which can be used to further determine the strength of stress from orthodontic intervention for subsequent correction of treatment. Methods. Recurrence analysis was used to study electroencephalography data. In particular, recurrent indicators were constructed for each channel of each patient. Results. The channels in which changes in recurrent indicators with different types of orthodontic influence are the greatest are demonstrated. For these channels, the dynamics of recurrent indicators in them is described to highlight some markers of stress and pain experienced by the patient. Conclusion. In the course of the study, recurrent indices were constructed based on the electroencephalography data of patients after orthodontic treatment. It was shown that the highest differences in patients of different groups were demonstrated by the temporal and occipital canals (O1, O2, T3, T4, T5, T6). Thus, the value of recurrent indices of this group of indices should be used as a marker of the patient’s condition.

About the authors

Anton Olegovich Selskii

Saratov State University

ORCID iD: 0000-0003-3175-895X
SPIN-code: 7269-0414
Scopus Author ID: 54882328300
ResearcherId: A-9503-2015
ul. Astrakhanskaya, 83, Saratov, 410012, Russia

Elizaveta Petrovna Emelyanova

Saratov State University

ORCID iD: 0000-0001-5535-8921
SPIN-code: 6722-8649
ul. Astrakhanskaya, 83, Saratov, 410012, Russia

Evgeniya Evgenievna Drozhdeva

Saratov State University

ORCID iD: 0009-0008-5361-378X
SPIN-code: 4452-8149
Scopus Author ID: 58849361100
ResearcherId: KBD-1155-2024
ul. Astrakhanskaya, 83, Saratov, 410012, Russia

References

  1. Bulut O. C., Wallner F., Oladokun D., Kayser C., Plath M., Schulz E., Plinkert P. K., Baumann I. Long-term quality of life changes after primary septorhinoplasty // Qual Life Res. 2018. Vol. 27, no. 4. P. 987–991. doi: 10.1007/s11136-017-1761-8.
  2. de Araujo C. M., Schroder A. G. D., de Araujo B. M. M., Cavalcante-Leao B. L., Stechman-Neto J., Zeigelboim B. S., Santos R. S., Guariza-Filho O. Impact of orthodontic-surgical treatment on quality of life: a meta-analysis // European Journal of Orthodontics. 2020. Vol. 42, no. 3. P. 281–289. doi: 10.1093/ejo/cjz093.
  3. Parkin N. A., Almutairi S., Benson P. E. Surgical exposure and orthodontic alignment of palatally displaced canines: can we shorten treatment time // Journal of Orthodontics. 2019. Vol. 46. P. 54–59. doi: 10.1177/1465312519841384.
  4. Zimmo N., Saleh M. H., Mandelaris G. A., Chan H. L., Wang H. L. Corticotomy-Accelerated Orthodontics: A Comprehensive Review and Update // Compend. Contin. Educ. Dent. 2017. Vol. 38, no. 1. P. 17–25.
  5. Dab S., Chen K., Flores Mir C. Short- and long-term potential effects of accelerated osteogenic orthodontic treatment: A systematic review and meta-analysis // Journal of Orthodontics. 2019. Vol. 22, no. 2. P. 61–68. doi: 10.1111/ocr.12272.
  6. Zhuravlev M., Novikov M., Parsamyan R., Selskii A., Runnova A. The objective assessment of event-related potentials: An influence of chronic pain on ERP parameters // Neurosci Bull. 2023. Vol. 39, no. 7. P. 1105–1116. doi: 10.1007/s12264-023-01035-8.
  7. Makarov V. V., Zhuravlev M. O., Runnova A. E., Protasov P., Maksimenko V. A., Frolov N. S., Pisarchik A. N., Hramov A. E. Betweenness centrality in multiplex brain network during mental task evaluation // Phys. Rev. E. 2018. Vol. 98. P. 062413. doi: 10.1103/PhysRevE.98.062413.
  8. Maksimenko V. A., Runnova A. E., Zhuravlev M. O., Protasov P., Kulanin R., Khramova M. V., Pisarchik A. N., Hramov A. E. Human personality reflects spatio-temporal and time-frequency EEG structure // PloS One. 2018. Vol. 13, no. 9. P. e0197642. doi: 10.1371/journal.pone.0197642.
  9. Miyamoto I., Yoshida K., Bessho K. Shortened dental arch and cerebral regional blood volume: an experimental pilot study with optical topography // Cranio. 2009. Vol. 27. P. 94–100. doi: 10.1179/crn.2009.015.
  10. Kordass B., Lucas C., Huetzen D., Zimmermann C., Gedrange T., Langner S., Domin M., Hosten N. Functional magnetic resonance imaging of brain activity during chewing and occlusion by natural teeth and occlusal splints // Ann. Anat. 2007. Vol. 189. P. 371–376. doi: 10.1016/j.aanat.2007. 02.027.
  11. Morokuma M. Influence of the functional improvement of complete dentures on brain activity // Nihon Hotetsu Shika Gakkai Zasshi. 2008. Vol. 52. P. 194–199. doi: 10.2186/jjps.52.194.
  12. Ono Y., Yamamoto T., Kubo K. Y., Onozuka M. Occlusion and brain function: mastication as a prevention of cognitive dysfunction // J. Oral. Rehabil. 2010. Vol. 37, no. 8. P. 624–640. doi: 10.1111/j.1365-2842.2010.02079.x.
  13. Zanetti M., Faes L., Nollo G., De Cecco M., Pernice R., Maule L., Pertile M., Fornaser A. Information Dynamics of the Brain, Cardiovascular and Respiratory Network during Different Levels of Mental Stress // Entropy. 2019. Vol. 21, no. 3. P. 275. doi: 10.3390/e21030275.
  14. Pollatos O., Schandry R., Auer D. P., Kaufmann C. Brain structures mediating cardiovascular arousal and interoceptive awareness // Brain Research. 2007. Vol. 1141. P. 178–187. DOI: 10.1016/ j.brainres.2007.01.026.
  15. Yang Y. X., Gao Z. K., Wang X. M., Li Y. L., Han J. W., Marwan N., Kurths J. A recurrence quantification analysis-based channel-frequency convolutional neural network for emotion recognition from EEG // Chaos. 2018. Vol. 28, no. 8. P. 085724. doi: 10.1063/1.5023857.
  16. Chou E. F., Khine M., Lockhart T., Soangra R. Effects of ECG data length on heart rate variability among young healthy adults // Sensors. 2021. Vol. 21, no. 18. P. 6286. DOI: 10.3390/ s21186286.
  17. Terrill P. I., Wilson S. J., Suresh S., Cooper D. M., Dakin C. Characterising non-linear dynamics in nocturnal breathing patterns of healthy infants using recurrence quantification analysis // Computers in biology and medicine. 2013. Vol. 43, no. 4. P. 231–239. doi: 10.1016/j.compbiomed. 2013.01.005.
  18. Parro V. C., Valdo L. Sleep-wake detection using recurrence quantification analysis // Chaos. 2018. Vol. 28, no. 8. P. 085706. doi: 10.1063/1.5024692.
  19. Jenkins B. N., Hunter J. F., Richardson M. J., Conner T. S., Pressman S. D. Affect variability and predictability: Using recurrence quantification analysis to better understand how the dynamics of affect relate to health // Emotion. 2020. Vol. 20, no. 3. P. 391–402. doi: 10.1037/emo0000556.
  20. Rojas G. M., Alvarez C., Montoya C. E., de la Iglesia-Vaya M., Cisternas J. E., G alvez M. Study of resting-state functional connectivity networks using EEG electrodes position as seed // Front. Neurosci. 2018. Vol. 12. P. 235. doi: 10.3389/fnins.2018.00235.
  21. Acharya U. R., Sree S. V., Swapna G., Martis R. J., Suri J. S. Automated EEG analysis of epilepsy: A review //Knowledge-Based Systems. 2013. Vol. 45. P. 147–165. doi: 10.1016/j.knosys.2013.02.014.
  22. Acharya U. R., Sree S V., Chattopadhyay S., Yu W., Ang P. C. Application of recurrence quantification analysis for the automated identification of epileptic EEG signals // International Journal of Neural Systems. 2011. Vol. 21, no. 3. P. 199–211. doi: 10.1142/S0129065711002808.
  23. Eckmann J.-P., Kamphorst S. O., Ruelle D. Recurrence plots of dynamical systems // Europhysics Letters. 1987. Vol. 4, no. 9. P. 973–977. doi: 10.1209/0295-5075/4/9/004.
  24. Marwan N., Romano M. C., Thiel M., Kurths J. Recurrence plots for the analysis of complex systems // Physics Reports. 2007. Vol. 438, iss. 5–6. P. 237–329. doi: 10.1016/j.physrep.2006. 11.001.
  25. Zhuravlev M., Suetenkova D., Parsamyan R., Runnova A., Simonyan M., Nasrullaev R., Kiselev A., Suetenkov D. Changes in EEG oscillatory patterns due to acute stress caused by orthodontic correction // Eur. Phys. J. Spec. Top. 2024. Vol. 233. P. 505–518. doi: 10.1140/epjs/s11734-023- 01064-4.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».