EVALUATION OF THE EFFECTIVENESS OF MEDICATION FOR TREMOR BASED ON ΔR AND EEG ANALYSIS
DOI:
https://doi.org/10.35546/kntu2078-4481.2025.2.2.4Keywords:
Parkinson’s disease, tremor-related neurological disorders, tremor, electroencephalography (EEG), ΔR index, desynchronization, interchannel synchronization, dopaminergic therapy, objective assessment, neurophysiological biomarkerAbstract
Effectiveness of tremor treatment in Parkinson’s disease and other tremor-related neurological disorders requires objective assessment, as visual scale evaluation is overly subjective. Development of a comprehensive approach combining analysis of movement parameters and neurophysiological indicators enhances the accuracy of therapeutic response monitoring and treatment personalization. Study objective – to objectively evaluate the effectiveness of tremor pharmacotherapy in patients with Parkinson’s disease and other tremor-related neurological disorders through comprehensive analysis of graphomotor activity parameters (ΔR) and electroencephalographic (EEG) patterns. Materials and methods. A systematic analysis of scientific literature and synthesis of current methodological approaches to tremor assessment in Parkinson’s disease and other tremor-related neurological disorders was conducted. The theoretical foundations and practical application of the ΔR indicator (deviation from ideal trajectory) in spirographic tests and EEG analysis methods were examined, with emphasis on assessment of inter-channel synchronization and signal coherence.The prospects for integrating these methods for objective evaluation of dopaminergic drug effectiveness were analyzed.Results. The ΔR indicator during spirographic test performance represents a sensitive tool for quantitative tremor assessment regarding objective documentation of changes under pharmacotherapy influence. EEG analysis enabled identification of neuronal activity synchronization patterns characteristic of Parkinson’s disease and other tremor- related neurological disorders, particularly increased coherence in the beta range (13–30 Hz) between motor cortex and frontal brain regions. Application of dopaminergic drugs results in reduction of this pathological synchronization with a characteristic time lag of 200–300 ms between EEG pattern changes and tremor reduction. The inter-channel synchronization phenomenon serves as a potential biomarker for differential diagnosis of various forms of parkinsonism and treatment effectiveness monitoring. Conclusions. Integrated analysis of ΔR and EEG signal patterns provides objective instrumentation for evaluating tremor pharmacotherapy effectiveness in Parkinson’s disease and other tremor- related neurological disorders. Such temporal coincidence indicates a probable causal relationship between brain functional activity normalization and motor function improvement. The comprehensive approach has significant potential for clinical practice implementation to personalize therapeutic strategies.
References
Чиняк О., Дубенко О., Потапов О., Шульга А., Коцюба А. Хвороба Паркінсона та інших нейродегенератив- них розладах – огляд сучасних методів лікування. EUMJ. 2023. Т. 11, № 1. С. 1–13. DOI: https://doi.org/10.21272/ eumj.2023;11(1):1-13
Ben-Shlomo Y., Darweesh S., Llibre-Guerra J., Marras C., San Luciano M., Tanner C. The epidemiology of Parkinson’s disease. The Lancet. 2024. Vol. 403, No. 10423. P. 283–292. DOI: https://doi.org/10.1016/S0140-6736(23)01419-8
Simon D. K., Tanner C. M., Brundin P. Parkinson disease epidemiology, pathology, genetics, and pathophysiology. Clinics in geriatric medicine. 2020. Vol. 36, No. 1. P. 1-12. DOI: https://doi.org/10.1016/j.cger.2019.08.002
Patil R. R. Epidemiology of Parkinson’s disease‒current understanding of causation and risk factors. Techniques for Assessment of Parkinsonism for Diagnosis and Rehabilitation. Singapore : Springer Singapore, 2021. P. 31–48. DOI: https://doi.org/10.1007/978-981-16-3056-9_3
Карабань І., Карасевич Н. Сучасні аспекти діагностики й медикаментозної терапії хвороби Паркінсона та інших нейродегенеративних розладах. Журнал Неврології ім. Б. М. Маньковського. 2020. Т. 8, № 3–4. С. 63–72. https://neuroscience.com.ua/index.php/ journal/article/view/362
Федотова М. С., Панфілова Г. Л. Аналіз сучасних підходів до проведення фармакотерапії деменції, в тому числі хвороби Альцгеймера. Харків, 2021. 26 с. https://dspace.nuph.edu.ua/bitstream/123456789/27418/1/141.pdf
Токар А. С. Клініко-фармакологічні аспекти застосування протипаркінсонічних препаратів. Харків, 2025.
с. https://dspace.nuph.edu.ua/ bitstream/123456789/ 34404/1/ТОКАР%20Аліна%2012.02.2025.pdf
Zeuner K. E., Schäffer E., Hopfner F., Brüggemann N., Berg D. Progress of pharmacological approaches in Parkinson’s disease. Clinical Pharmacology & Therapeutics. 2019. Vol. 105, No. 5. P. 1106–1120. DOI: https://doi.org/ 10.1002/ cpt.1374
Брушко В., Ковельська А., Баннікова Р. Аналіз наявних інструментів оцінювання впливу фізичної терапії на осіб з хворобою Паркінсона та інших нейродегенеративних розладах. Київ, 2021. 22 с. https://reposit.uni-sport.edu.ua/ items/4c860fa4-fb61-486b-b411-f316513dbb30
Hamzehei S., Akbarzadeh O., Attar H., Rezaee K., Fasihihour N., Khosravi M. R. Predicting the total Unified Parkinson’s Disease Rating Scale (UPDRS) based on ML techniques and cloud-based update. Journal of Cloud Computing. 2023. Vol. 12, No. 1. P. 12. DOI: https://doi.org/10.1186/s13677-022-00388-1
Петрик М., Біщак Д., Бачинський М., Бревус В., Чиж В., Михалик Д. Аналіз мимовільних рухів пацієнтів із симптомами тремору під впливом когнітивних впливів. Прикладні питання математичного моделювання. 2024. Т. 7, № 2. С. 150–165. DOI: https://doi.org/10.32782/mathematical-modelling/2024-7-2-14
Осійчук І. В. Розробка інформаційної системи для діагностування тремору з використанням графічного планшету : кваліфікаційна робота магістра. Тернопіль, 2024. 103 с.http://elartu.tntu.edu.ua/handle/lib/44858
Farashi S., Sarihi A., Ramezani M., Kashani H. Parkinson’s disease tremor prediction using EEG data analysis – A preliminary and feasibility study. BMC Neurology. 2023. Vol. 23, No. 1. P. 420. DOI: https://doi.org/10.1186/ s12883-023-03468-0
Мудрик І. Я. Автоматизовані системи діагностування стану пацієнтів, хворих на есенціальний тремор : автореф. дис. ... д-ра філософії. Київ, 2021. 16 с. http://elartu.tntu.edu.ua/handle/lib/35810
Аравіцька Д. Н. Оптимізація комплексного лікування хворих на хворобу Паркінсона та інших нейродегенеративних розладах ІІ стадії з використанням транскраніальної магнітної стимуляції головного мозку. Diss. Запорізький державний медико-фармацевтичний університет, 2024. http://dspace.zsmu.edu.ua/handle/123456789/20444
Deuschl G., Becktepe J. S., Dirkx M., Haubenberger D., Hassan A., Helmich R. C., Elble R. J. The clinical and electrophysiological investigation of tremor. Clinical Neurophysiology. 2022. Vol. 136. P. 93–129. DOI: https://doi.org/10.1016/j.clinph. 2022.01.004
Fratello M., Crisci D., Mazzeo P. L., De Marinis S., Speranza D., De Natale C., Esposito A. Classification-based screening of Parkinson’s disease patients through graph and handwriting signals. Engineering Proceedings. 2021. Vol. 11, No. 1. P. 49. DOI: https://doi.org/10.3390/ASEC2021-11128
Wilkins K. B., Petrucci M. N., Kim J. W., Goldfinger M. H., Kehnemouyi Y. M., Bronte-Stewart H. M. Quantitative digitography measures motor symptoms and disease progression in Parkinson’s disease. Journal of Parkinson’s Disease. 2022. Vol. 12, No. 6. P. 1979–1990. DOI: https://doi.org/10.3233/JPD-223264
Shirahige L., Berenguer-Rocha M., Mendonça M., Rocha S., Rodrigues M., Monteiro A., Simis M. Quantitative electroencephalography characteristics for Parkinson’s disease: a systematic review. Journal of Parkinson’s Disease. 2020. Vol. 10, No. 2. P. 455–470. DOI: https://doi.org/10.3233/JPD-191840
Maitín A. M., García-Tejedor A. J., Romero Muñoz J. P. Machine learning approaches for detecting Parkinson’s disease from EEG analysis: a systematic review. Applied Sciences. 2020. Vol. 10, No. 23. P. 8662. DOI: https://doi.org/10.3390/app10238662
Maitin A. M., Romero Muñoz J. P., García-Tejedor Á. J. Survey of machine learning techniques in the analysis of EEG signals for Parkinson’s disease: A systematic review. Applied Sciences. 2022. Vol. 12, No. 14. P. 6967. DOI: https://doi.org/10.3390/app12146967
Jackson N., Cole S. R., Voytek B., Swann N. C. Characteristics of waveform shape in Parkinson’s disease detected with scalp electroencephalography. eNeuro. 2019. Vol. 6, No. 3. P. ENEURO.0151-19.2019. DOI: https://doi.org/10.1523/ENEURO.0151-19.2019
Schneider M., Dann B., Sheshadri S., Scherberger H., Vinck M. A general theory of coherence between brain areas. bioRxiv. 2020. P. 2020–06. DOI: https://doi.org/10.1101/2020.06.17.156190
Mendoza-Armenta A. A., Palacios-Arellano E. M., Rodríguez-Montes D. A., Franco-Santana R. B., Zalapa- Lúa R. A., Gómez-Velázquez F. R. Implementation of a Real-Time Brain-to-Brain Synchrony Estimation Algorithm for Neuroeducation Applications. Sensors. 2024. Vol. 24, No. 6. P. 1776. DOI: https://doi.org/10.3390/s24061776
Zhang Y., Li R., Zhang Q., Wang Y., Song H., Li J. Synchronous analyses between electroencephalogram and surface electromyogram based on motor imagery and motor execution. Review of Scientific Instruments. 2022. Vol. 93, No. 11. P. 116104. DOI: https://doi.org/10.1063/5.0110827
Brambilla C., Pirovano I., Mira R. M., Rizzo G., Scano A., Mastropietro A. Combined use of EMG and EEG techniques for neuromotor assessment in rehabilitative applications: A systematic review. Sensors. 2021. Vol. 21, No. 21. P. 7014. DOI: https://doi.org/10.3390/s21217014
Токар А. С. Клініко-фармакологічні аспекти застосування протипаркінсонічних препаратів. Харків, 2025. 19 с. https://dspace.nuph.edu.ua/bitstream/123456789/34404/1/ТОКАР%20Аліна%2012.02.2025.pdf
Baizabal-Carvallo J. F., Morgan J. C. Drug-induced tremor, clinical features, diagnostic approach and management. Journal of the neurological sciences. 2022. Vol. 435. P. 120192. DOI: https://doi.org/10.1016/j.jns.2022.120192
Zham P., Kumar D. K., Dabnichki P., Poosapadi Arjunan S., Raghav S. Effect of levodopa on handwriting tasks of different complexity in Parkinson’s disease: a kinematic study. Journal of neurology. 2019. Vol. 266. P. 1376–1382. DOI: https://doi.org/10.1007/s00415-019-09268-2
Мушта С. А. Аналіз електроміограм методами машинного навчання для виявлення хвороби Паркінсона та інших нейродегенеративних розладах : кваліфікаційна робота бакалавра. Київ, 2022. 69 с. https://ela.kpi.ua/server/api/core/bitstreams/954e8aae-f9a1-4a85-99c7-db3442f4300a/content
Zach H., Dirkx M. F., Roth D., Pasman J. W., Bloem B. R., Helmich R. C. Dopamine-responsive and dopamine- resistant resting tremor in Parkinson disease. Neurology. 2020. Vol. 95, No. 11. P. e1461–e1470. DOI: https://doi.org/10.1212/ WNL.0000000000010316
Koren O., Katz R., Gorodetsky C., Porges O., Amiaz R., Dasberg I., Peretz C. Dopaminergic medication reduces interhemispheric hyper-synchronization in Parkinson’s disease. Parkinsonism & Related Disorders. 2022. Vol. 97. P. 39–46. DOI: https://doi.org/10.1016/j.parkreldis.2022.02.009
Aprigio D., Bazile P., Rocon E., Fraga A. A., da Silva A. S., Velasques B., Orsini M. Dopaminergic drugs alter beta coherence during motor imagery and motor execution in healthy adults. Arquivos de Neuro-Psiquiatria. 2020. Vol. 78, No. 04. P. 199–205. DOI: 10.1590/0004-282X20190186
Zhang J., Villringer A., Nikulin V. V. Dopaminergic modulation of local non-oscillatory activity and global- network properties in Parkinson’s disease: an EEG study. Frontiers in Aging Neuroscience. 2022. Vol. 14. P. 846017. DOI: https://doi.org/10.3389/fnagi.2022.846017
Pierro A., Calderara S., Abbiati M., Cesari F., Gaiardelli L., Conti F. Accelerating Linear Recurrent Neural Networks for the Edge with Unstructured Sparsity. arXiv preprint. 2025. arXiv:2502.01330. DOI: https://doi.org/10.48550/arXiv.2502.01330
Bosch T. J., van Ingen S., van Dijk P. T., Costerus S. I., van der Stouwe A. M., Maurits N. M., van Laar T. Functional connectivity in patients with Parkinson’s disease and freezing of gait using resting-state EEG and graph theory. Neurorehabilitation and Neural Repair. 2022. Vol. 36, No. 10–11. P. 715–725. DOI: https://doi.org/ 10.1177/15459683221129282
Nani A., Manuello J., Mancuso L., Liloia D., Costa T., Cauda F. The neural correlates of time: a meta-analysis of neuroimaging studies. Journal of cognitive neuroscience. 2019. Vol. 31, No. 12. P. 1796–1826. DOI: https://doi.org/ 10.1162/jocn_a_01459
Dirkx M. F., Bologna M. The pathophysiology of Parkinson’s disease tremor. Journal of the Neurological Sciences. 2022. Vol. 435. P. 120196. DOI: https://doi.org/10.1016/j.jns.2022.120196
Abusrair A. H., Elsekaily W., Bohlega S. Tremor in Parkinson’s disease: from pathophysiology to advanced therapies. Tremor and Other Hyperkinetic Movements. 2022. Vol. 12. P. 29. https://pmc.ncbi.nlm.nih.gov/articles/PMC9504742/
Moretti D. V. Available and future treatments for atypical parkinsonism. A systematic review. CNS Neuroscience & Therapeutics. 2019. Vol. 25, No. 2. P. 159-174. DOI: https://doi.org/10.1111/cns.13068
Vecchio F., Miraglia F., Judica E., Cotelli M., Alù F., Rossini P. M. Graph theory on brain cortical sources in Parkinson’s disease: the analysis of ‘small world’organization from EEG. Sensors. 2021. Vol. 21, No. 21. P. 7266. DOI: https://doi.org/10.3390/s21217266
Wang Q., Zhang H., Wen Z. Characterization of EEG data revealing relationships with cognitive and motor symptoms in Parkinson’s disease: a systematic review. Frontiers in aging neuroscience. 2020. Vol. 12. P. 587396. DOI: https://doi.org/10.3389/fnagi.2020.587396
Бірюк, В. В. Бірюк В. В. Оптимізація діагностики та лікування ранніх стадій хвороби Паркінсона та інших нейродегенеративних розладах : дис.... канд. мед. наук. Запоріжжя, 2022. 215 с.. http://dspace.zsmu.edu.ua/handle/123456789/20461
Iskhakova L., Rappel P., Deffains M., Fonar G., Farah N., Marmor O., Bar-Gad I. Modulation of dopamine tone induces frequency shifts in cortico-basal ganglia beta oscillations. Nature communications. 2021. Vol. 12, No. 1. P. 7026. DOI: https://doi.org/10.1038/s41467-021-27375-5
Aouraghe I., Khaissidi G., Mrabti M. A literature review of online handwriting analysis to detect Parkinson’s disease at an early stage. Multimedia Tools and Applications. 2023. Vol. 82, No. 8. P. 11923–11948. DOI: https://doi.org/10.1007/s11042-022-13759-2
Демченко А. В., Аравицька Г. Н., Ревенко А. В. Транскраніальна магнітна стимуляція при лікуванні моторних та немоторних симптомів хвороби Паркінсона та інших нейродегенеративних розладах. Український неврологічний журнал. 2020. № 4. С. 5–10. DOI: https://doi.org/10.30978/UNJ2020-4-5
