Fenotipo Cognitivo en La Enfermedad de Parkinson, Discusión

La evidencia sobre la relación entre el fenotipo cognitivo y los marcadores EEG en reposo en la EP, es limitada y heterogénea en cuanto a la determinación de ambas variables. Los parámetros basados en análisis lineales en el dominio de la frecuencia, son los más numerosos, correspondiendo a las MAE clásicas (medidas de frecuencia, potencias e índices espectrales), y las estimaciones de CF (coherencia principalmente).

Los estudios enfocados en métodos no-lineales son pocos, y con importante variabilidad metodológica, restringiendo la factibilidad de una síntesis de marcadores. Por otro lado, los instrumentos para la valoración cognitiva fueron también heterogéneos, oscilando entre el uso exclusivo de criterios clínicos, y la aplicación de pruebas neuropsicológicas de dominio específico.

Estas variaciones introducen confusión en el examen de especificidad de las medidas EEG en la EP, pudiendo generar solapamiento y/o anulación de diferencias electrofisiológicas relevantes entre grupos con dinámicas corticales presumiblemente distintas.

Análisis espectrales. El patrón espectral en la EP se caracteriza de forma general por un incremento en la actividad en bandas de frecuencia lentas (delta/theta), y una disminución comparativa en bandas rápidas (alfa/beta).

Dentro de la población con EP-ND, el grupo con EP-DCL contrasta con la EP-CogNL, por una actividad mayor en theta, y menor en alfa1 y beta1 (Tabla 2). A pesar de que se asume una dinámica espectral similar en la EP-CogNL y en CS, esto fue explorado explícitamente solo por un estudio (40), en el que se aprecian modificaciones EEG coherentes con el patrón general descrito para la EP, pero que no alcanzaron significación estadística. (Vea también: Fenotipo Cognitivo en La Enfermedad de Parkinson, Riesgo de Sesgos)

Las medidas de frecuencia mostraron una relación inversa con el desempeño cognitivo en la EP, discriminando entre los subgrupos cognitivos (EP-D< EP-DCL< EP-CogNL< Control), y señalando un riesgo de demencia 13 veces mayor para pacientes con frecuencias más bajas que la mediana poblacional en la EP-ND (51).

Estos hallazgos confirman, extienden y precisan los resultados de investigaciones previas realizadas por análisis visual del EEG en la EP (62–66), y se asemejan a observaciones magnetoencefalográficas (MEG), reportadas incluso desde el diagnóstico de la enfermedad (67–70).

Una importante investigación reciente, correlacionó los cambios EEG con hallazgos neuropatológicos post-mortem en la EP. Se incluyeron en el estudio sujetos con enfermedad por cuerpos de Lewy de tipo incidental (ECLI), y se los comparó con los subgrupos cognitivos de la EP (71).

El análisis espectral demostró una reducción progresiva de la frecuencia EEG entre todos los grupos, iniciando desde aquellos con ECLI, lo que sugiriere una relación entre la frecuencia de base y la sinucleinopatía.

De la misma manera, la potencia relativa theta fue significativamente más alta en la EP-CogNL, con respecto a la ECLI, sugiriendo la anormalidad en theta como un marcador de la etapa clínica de la EP, independiente de la presencia de DCL (71).

El patrón de modificaciones espectrales y los rasgos cognitivos en la EP, tienen correspondencia con aspectos funcionales de los ritmos cerebrales. Por ejemplo, se ha considerado que la actividad anormal en bandas delta y theta expresaría una patología intrínseca y difusa en las interacciones corticales (72,73).

De hecho, la actividad creciente en frecuencias delta en la EP, aparece como coincidente con el deterioro cognitivo, en lugar de predecir su aparición (54,71).

Por otra parte, mientras que el ritmo alfa está asociado con la actividad cerebral espontánea (74), y con procesos sensoriales (75), atencionales (76), y de memoria de trabajo (77), el contenido funcional en beta se relaciona con las conductas motoras (78), operaciones de control por retroalimentación (Top-Down) (79), atención selectiva (80), memoria de trabajo (81), búsqueda guiada (82), percepción del movimiento (83) e integración sensitivo-motora (84).

Con base en lo anterior, la oscilación anormal en alfa observada en la EP, constituiría un marcador de alteraciones en el procesamiento e integración cortical de la información, sugiriéndose como correlato temprano de las manifestaciones cognitivas.

Asimismo, las alteraciones en frecuencias beta, se asociarían a perturbaciones de procesos de integración sensorial, y de la regulación de conductas motoras y cognitivas observadas en la enfermedad.

Medidas de conectividad: La evidencia indica una sincronización anormal en bandas theta, alfa, beta y gama en la EP-ND. Sin embargo, las modificaciones con respecto a CS, se especifican solo en un estudio exploratorio, advirtiendo una tendencia al aumento de la coherencia en rangos theta, beta2 y gama, y a una disminución parietal alrededor de los ~10 Hz en la EP-ND (55). La incidencia de demencia estaría relacionada con incrementos localizados de la coherencia inter e intrahemisférica en rangos beta (41).

Estudios de CF por MEG, usando la probabilidad de sincronización (PS) como medida, han mostrado tam-bién un acoplamiento cortico-cortical incrementado en la EP-ND, comprometiendo inicialmente alfa1, y progresivamente theta, alfa2 y beta (85).

En la EP-D se reportaron reducciones de la PS intra e interhemisférica anterior en delta, theta, y bandas alfa, así como incrementos intrahemisféricos posteriores en alfa2 y frecuencias beta, al compararse con la EP-ND (86). Estos datos apuntan a que los cambios en la CF en el curso de la EP, tendrían una relación consistente con la progresión de la patología y cierta especificidad espacial (86,87).

En síntesis, los estudios disponibles sugieren que el acoplamiento de la actividad oscilatoria en reposo está alterada desde etapas tempranas de la EP, cuando se supone que la neo-corteza estaría preservada de lesión patológica (87).

Por lo tanto, las anormalidades en la sincronización cortico-cortical en la EP, se asociarían a alteraciones funcionales de los componentes de redes específicas, causados esencialmente por la desregulación GB-tálamo-cortical propia de la enfermedad (88).

No obstante, los defectos específicos en las redes implicadas en el deterioro cognitivo, y su relación con la fisiopatología de la EP en varios niveles de organización, son aún materia de debate (88,89). En este sentido, el análisis formal de redes con base en mediciones de CF por EEG, y sus correspondientes medidas específicas de red, representan un prometedor tipo de bio-marcador (90).

Medidas no-lineales: Las metodologías no-lineales permitieron identificar sujetos con EP-ND, diferencián-dolos de CS, pero no hay evidencias sobre su capacidad de discriminar entre subgrupos dentro del espectro cognitivo de la enfermedad.

En esta dirección, los análisis espectrales han demostrado mayor eficiencia clínica, en términos de sensibilidad y especificidad. Esta disparidad radica en que las medidas no-lineales han sido menos utilizadas, principalmente debido a un mayor costo computacional, y a que sus métodos están menos desarrollados y/o depurados.

La importancia de los marcadores no-lineales está en que captarían información que no puede percibirse a través de análisis convencionales (91). Así, siendo la EP una enfermedad compleja, que afecta la organi-zación cerebral en diferentes escalas (88), se presume una gran cantidad de información en la actividad neural a la que aún no se tiene acceso y de ahí la necesidad de esclarecer un perfil de las dinámicas no-lineales del EEG.

Cada uno de los tres tipos generales de medidas EEG, reflejarían aspectos distintos de la fisiología cortical (72,92), por lo que la valoración integrada de múltiples marcadores, permitiría una definición más completa del “perfil EEG” de la EP (93), con aplicaciones importantes en la investigación y la clínica.

Futuros estudios deberán incorporar estas medidas como referencias comparativas en muestras poblacionales más grandes, y con una caracterización cognitiva adecuada para el fenotipo de la EP. Particularmente, deben considerarse metodologías de localización de fuentes EEG, y profundizar en las correlaciones entre marcadores específicos y el funcionamiento cognitivo.

Esta revisión tiene algunas limitaciones. En primer lugar, el vocabulario controlado de las bases de datos, carece de entradas específicas para términos correspondientes al qEEG. En consecuencia, suponemos una posible recuperación sub-óptima de referencias relevantes.

En segundo término, no existen marcadores estándar relacionados con el deterioro cognitivo en la EP, que puedan servir de referencia para la síntesis interpretativa que reportamos en esta revisión. Un tercer elemento, es la falta de clasificación cognitiva precisa de los pacientes en la mayor parte de los estudios revisados. Específicamente, el concepto de DCL es aún poco aplicado en estudios electrofisiológicos y ha estado sujeto a modificaciones en sus criterios específicos para la EP (94).

Otros factores metodológicos, como la heterogeneidad en variables clínicas y sociodemográficas, las diferencias técnicas en el registro y la falta de control de tratamientos con influencia en la señal EEG, son elementos que complican la formulación de conclusiones exhaustivas.

Finalmente, se podría haber incurri-do en sesgo de publicación al no consultar fuentes de literatura gris, trabajos presentados en eventos, o di-rectamente a los autores, para obtener referencias sin acceso a texto completo.

En conclusión, los resultados de esta revisión indican que diferentes marcadores obtenidos a partir del qEEG en reposo, tienen la capacidad de distinguir sujetos con EP de individuos sanos, así como entre pacientes con distintos grados de menoscabo cognitivo, incluso desde etapas iniciales de la enfermedad.

En este sentido, las alteraciones en medidas espectrales asociadas al deterioro cognitivo en EP, podrían detectarse antes que sus manifestaciones clínicas. Igualmente, las medidas de conectividad muestran sensibilidad consistente a varios tipos de intervenciones terapéuticas.

La evidencia disponible sustenta la aplicabilidad y utilidad de las medidas qEEG en el diagnóstico, seguimiento y pronóstico cognitivo en la EP. De esta manera, los marcadores electrofisiológicos se presentan como una herramienta costo-efectiva que vincula la investigación básica y la práctica clínica, en la intención de trasladar los avances científicos a una asistencia más integral y actualizada de los pacientes y sus familias.

Conflicto de interés

No se declaran conflictos de interés para este artículo.

Financiamiento

Este estudio fue financiado por el comité para el desarrollo de la investigación (CODI) de la Universidad de Antioquia. Proyecto PRG-2014-768: “Procesamiento del lenguaje de acción en pacientes con enfermedad ganglio-basal desde una perspectiva neuropsicológica y neurofisiológica”. La entidad financiadora no tuvo influencia en el diseño, recolección, análisis ni interpretación de los datos de este estudio, ni la preparación o revisión del presente manuscrito.

Referencias

1. Lee A, Gilbert RM. Epidemiology of Parkinson Disease. Neurol Clin. 2016; 34(4): 955–65.
2. Kalia L V, Lang AE. Parkinson’s disease. Lancet. 2015; 386(9996): 896–912.
3. Obeso JA, Rodriguez-Oroz MC, Stamelou M, Bhatia KP, Burn DJ. The expanding universe of disorders of the basal ganglia. Lancet. 2014; 384(9942): 523–31.
4. DeLong MR, Wichmann T. Circuits and circuit disorders of the basal ganglia. Arch Neurol. 2007; 64(1): 20–4.
5. Jankovic J. Parkinson’s disease: clinical features and diagnosis. J Neurol Neurosurg Psychiatry. 2008; 79(4): 368–76.
6. Martinez-Martin P, Rodriguez-Blazquez C, Kurtis MM, Chaudhuri KR. The impact of non-motor symptoms on health-related quality of life of patients with Parkinson’s disease. Mov Disord. 2011; 26(3): 399–406.
7. Grun D, Pieri V, Vaillant M, Diederich NJ. Contributory Factors to Caregiver Burden in Parkinson Disease. J Am Med Dir Assoc. 2016; 17(7): 626–32.
8. Vossius C, Larsen JP, Janvin C, Aarsland D. The economic impact of cognitive impairment in Parkinson’s disease. Mov Disord. 2011; 26(8): 1541–4.
9. Aarsland D, Creese B, Politis M, Chaudhuri KR, Ffytche DH, Weintraub D, et al. Cognitive decline in Parkinson disease. Nat Rev Neurol. 2017; 13(4): 217–31.
10. Muslimovic D, Post B, Speelman JD, Schmand B. Cognitive profile of patients with newly diagnosed Parkinson disease. Neurology. 2005; 65(8): 1239–45.
11. Domellof ME, Ekman U, Forsgren L, Elgh E. Cognitive function in the early phase of Parkinson’s disease, a five-year follow-up. Acta Neurol Scand. 2015; 132(2): 79–88.
12. Hely MA, Reid WGJ, Adena MA, Halliday GM, Morris JGL. The Sydney multicenter study of Parkinson’s disease: the inevitability of dementia at 20 years. Mov Disord. 2008; 23(6): 837–44.
13. Algarni MA, Stoessl AJ. The role of biomarkers and imaging in Parkinson’s disease. Expert Rev Neurother. 2016; 16(2): 187–203.
14. Sporns O, Tononi G, Edelman GM. Connectivity and complexity: the relationship between neuroanatomy and brain dynamics. Neural Netw. 2000; 13(8–9): 909–22.
15. Bassett DS, Sporns O. Network neuroscience. Nat Neurosci. 2017; 20(3): 353–64.
16. Bressler SL, Menon V. Large-scale brain networks in cognition: emerging methods and principles. Trends Cogn Sci. 2010; 14(6): 277–90.
17. Lopes da Silva F. EEG and MEG: Relevance to Neuroscience. Neuron. 2017; 80(5): 1112–28.
18. Raichle ME. The restless brain: how intrinsic activity organizes brain function. Philos Trans R Soc Lond B Biol Sci. 2015; 370(1668).
19. Kanda PA de M, Anghinah R, Smidth MT, Silva JM. The clinical use of quantitative EEG in cognitive disorders. Dement Neuropsychol; 2009; 3: 195–203.
20. Higgins J, Green S, (editors). Cochrane Handbook for Systematic Reviews of Interventions Version 5.1.0 [updated March 2011]. Cochrane Collab. 2011.
21. Liberati A, Altman DG, Tetzlaff J, Mulrow C, Gotzsche PC, Ioannidis JPA, et al. The PRISMA statement for reporting systematic reviews and meta-analyses of studies that evaluate health care interventions: explanation and elaboration. J Clin Epidemiol. 2009; 62(10): e1-34.
22. Reeves B, Deeks J, Higgins J, Wells G. Chapter 13: Including non-randomized studies. In: Higgins JPT, Green S (editors), Cochrane Handbook for Systematic Reviews of Interventions Version 5.1.0 [updated March 2011]. Cochrane Collab. 2011.
23. Downs SH, Black N. The feasibility of creating a checklist for the assessment of the methodological quality both of randomised and non-randomised studies of health care interventions. J Epidemiol Community Health. 1998; 52(6): 377–84.
24. Lopez de Argumedo M, Reviriego E, Rico R, Sobradillo N, Hurtado de Saracho I. Revisión externa y validación de instrumentos metodológicos para la Lectura Crítica y la síntesis de la evidencia científica. Madrid Serv Evaluación Tecnol Sanit del País Vasco. 2006; Report No.2.
25. Soikkeli R, Partanen J, Soininen H, Pääkkönen A, Riekkinen P. Slowing of EEG in Parkinson’s disease. Electroencephalogr Clin Neurophysiol. 1991; 79(3): 159–65.
26. Garcia-Mas A, Rosinol-Far A, Roca-Bennasar M, Llinas J, Rossello-Mir J. Frontal lobe involvement and cortical and subcortical deterioration in Parkinson’s disease evaluated using quantified electroencephalography. Arch Neurobiol (Madr). 1991; 54(6): 303–10.
27. Pin JC, Neau JP, Paquereau J, Rostykus C, Guehl D, Aubert I, et al. [Comparative study by computerized EEG of dementia of the ALzheimer type and Parkinson’s disease with dementia]. NeurophysiolClin. 1992; 22(0987–7053): 301–12.
28. Primavera A, Novello P. Quantitative electroencephalography in Parkinson’s disease, dementia, depression and normal aging. Neuropsychobiology. 1992; 25(2): 102–5.
29. Stanzione P, Marciani MG, Maschio M, Bassetti MA, Spanedda F, Pierantozzi M, et al. Quantitative EEG changes in non-demented Parkinson’s disease patients before and during L-dopa therapy. Eur J Neurol. 1996; 3(4): 354–62.
30. Bonanni L, Thomas A, Tiraboschi P, Perfetti B, Varanese S, Onofrj M, et al. EEG comparisons in early Alzheimer’s disease, dementia with Lewy bodies and Parkinson’s disease with dementia patients with a 2-year follow-up. Brain. 2008 Mar; 131(3): 690–705.
31. Pugnetti L, Baglio F, Farina E, Alberoni M, Calabrese E, Gambini A, et al. EEG evidence of posterior cortical disconnection in PD and related dementias. Int J Neurosci. 2010; 120(2): 88–98.
32. Babiloni C, De Pandis MF, Vecchio F, Buffo P, Sorpresi F, Frisoni GB, et al. Cortical sources of resting state electroencephalographic rhythms in Parkinson’s disease related dementia and Alzheimer’s disease. Clin Neurophysiol. 2011; 122(12): 2355–64.
33. Melgari JM, Curcio G, Mastrolilli F, Salomone G, Trotta L, Tombini M, et al. Alpha and beta EEG power reflects L-dopa acute administration in Parkinsonian patients. Front Aging Neurosci. 2014; 6(Oct).
34. Neufeld MY, Blumen S, Aitkin I, Parmet Y, Korczyn AD. EEG frequency analysis in demented and nondemented Parkinsonian patients. Dement Geriatr Cogn Disord. 1994; 5(1): 23–8.
35. Fogelson N, Kogan E, Korczyn A, Giladi N, Shabtai H, Neufeld M. Effects of rivastigmine on the quantitative EEG in demented Parkinsonian patients. Acta Neurol Scand. 2003; 107(4): 252–5.
36. Stam KJ, Tavy DL, Jelles B, Achtereekte HA, Slaets JP, Keunen RW. Non-linear dynamical analysis of multichannel EEG: clinical applications in dementia and Parkinson’s disease. Brain Topogr. 1994; 7(2): 141–50.
37. Stam C, Jelles B, Achtereekte H, Rombouts S, Slaets J, Keunen R. Investigation of EEG non-linearity in dementia and Parkinson’s disease. Electroencephalogr Clin Neurophysiol. 1995; 95(5): 309–17.
38. Jelles B, Achtereekte HA, Slaets JP, Stam CJ. Specific patterns of cortical dysfunction in dementia and Parkinson’s disease demonstrated by the acceleration spectrum entropy of the EEG. ClinElectroencephalogr. 1995; 26(0009–9155): 188–92.
39. Sandmann M, Piana E, Sousa D, De Bittencourt P. Digital EEG with brain mapping in Alzheimer’s dementia and Parkinson’s disease. A prospective controlled study. Arq Neuropsiquiatr. 1996; 54(1): 50–6.
40. Fonseca L, Tedrus G, Letro G, Bossoni A. Dementia, mild cognitive impairment and quantitative EEG in patients with Parkinson’s disease. Clin EEG Neurosci. 2009; 40(3): 168–72.
41. Fonseca L, Tedrus G, Carvas P, Machado E. Comparison of quantitative EEG between patients with Alzheimer’s disease and those with Parkinson’s disease dementia. Clin Neurophysiol. 2013; 124(10): 1970–4.
42. Muller V, Lutzenberger W, Pulvermuller F, Mohr B, Birbaumer N. Investigation of brain dynamics in Parkinson’s disease by methods derived from nonlinear dynamics. Exp brain Res. 2001; 137(1): 103–10.
43. Tanaka H, Koenig T, Pascual-Marqui RD, Hirata K, Kochi K, Lehmann D. Event-related potential and EEG Parkinson’s disease without and with dementia. Dement Geriatr Cogn Disord. 2000; 11(1): 39–45.
44. Serizawa K, Kamei S, Morita A, Hara M, Mizutani T, Yoshihashi H, et al. Comparison of quantitative EEGs between Parkinson disease and age-adjusted normal controls. J Clin Neurophysiol 2008; 25(6): 361–6.
45. Kamei S, Morita A, Serizawa K, Mizutani T, Hirayanagi K. Quantitative EEG analysis of executive dysfunction in Parkinson disease. J Clin Neurophysiol. 2010; 27(3): 193–7.
46. Morita A, Kamei S, Mizutani T. Relationship between slowing of the EEG and cognitive impairment in Parkinson disease. J Clin Neurophysiol. 2011; 28(4): 384–7.
47. Pezard L, Jech R, Růžička E. Investigation of non-linear properties of multichannel EEG in the early stages of Parkinson’s disease. Clin Neurophysiol. 2001; 112(1): 38.
48. Gagnon J-F, Fantini ML, Bédard M, Petit D, Carrier J, Rompré S, et al. Association between waking EEG slowing and REM sleep behavior disorder in PD without dementia. Neurology. 2004; 62(3): 401–6.
49. Silberstein P, Pogosyan A, Kuhn AA, Hotton G, Tisch S, Kupsch A, et al. Cortico-cortical coupling in Parkinson’s disease and its modulation by therapy. Brain. 2005; 128(Pt 6): 1277–91.
50. Caviness JN, Hentz JG, Evidente VG, Driver-Dunckley E, Samanta J, Mahant P, et al. Both early and late cognitive dysfunction affects the electroencephalogram in Parkinson’s disease. Park Relat Disord. 2007; 13(6): 348–54.
51. Klassen BT, Hentz JG, Shill HA, Driver-Dunckley E, Evidente VGH, Sabbagh MN, et al. Quantitative EEG as a predictive biomarker for Parkinson disease dementia. Neurology. 2011; 77(2): 118–24.
52. George JS, Strunk J, Mak-Mccully R, Houser M, Poizner H, Aron AR. Dopaminergic therapy in Parkinson’s disease decreases cortical beta band coherence in the resting state and increases cortical beta band power during executive control. NeuroImage Clin. 2013; 3: 261–70.
53. Lainscsek C, Hernandez ME, Weyhenmeyer J, Sejnowski TJ, Poizner H. Non-linear dynamical analysis of EEG time series distinguishes patients with Parkinson’s disease from healthy individuals. Front Neurol. 2013; 4(Dec): 1–8.
54. Caviness JN, Hentz JG, Belden CM, Shill HA, DriverDunckley ED, Sabbagh MN, et al. Longitudinal EEG changes correlate with cognitive measure deterioration in Parkinson’s disease. J Parkinsons Dis. 2015; 5(1): 117–24.
55. Moazami-Goudarzi M, Sarnthein J, Michels L, Moukhtieva R, Jeanmonod D. Enhanced frontal low and high frequency power and synchronization in the resting EEG of Parkinsonian patients. Neuroimage. 2008; 41(3): 985–97.
56. Bousleiman H, Zimmermann R, Ahmed S, Hardmeier M, Hatz F, Schindler C, et al. Power spectra for screening Parkinsonian patients for mild cognitive impairment. Ann Clin Transl Neurol. 2014; 1(11): 884–90.
57. Benz N, Hatz F, Bousleiman H, Ehrensperger MM, Gschwandtner U, Hardmeier M, et al. Slowing of EEG background activity in Parkinson’s and Alzheimer’s disease with early cognitive dysfunction. Front Aging Neurosci. 2014; 6(Nov): 314.
58. Zimmermann R, Gschwandtner U, Hatz F, Schindler C, Bousleiman H, Ahmed S, et al. Correlation of EEG slowing with cognitive domains in nondemented patients with Parkinson’s disease. Dement Geriatr Cogn Disord. 2015; 39(3–4): 207–14.
59. Han CX, Wang J, Yi GS, Che YQ. Investigation of EEG abnormalities in the early stage of Parkinson’s disease. Cogn Neurodyn. 2013; 7(4): 351–9.
60. Gu Y, Chen J, Lu Y, Pan S. Integrative Frequency Power of EEG Correlates with Progression of Mild Cognitive Impairment to Dementia in Parkinson’s Disease. Clin EEG Neurosci. 2014; (1838).
61. Pugnetti L, Baglio F, Farina E, Alberoni M, Calabrese E, Gambini A, et al. EEG evidence of posterior cortical disconnection in PD and related dementias. Int J Neurosci. 2010; 120(2): 88–98.
62. England A, Schwab R, Peterson E. The electroencephalogram in Parkinson’s syndrome. Electroencephalogr Clin Neurophysiol. 1959; 11: 723–31.
63. Sirakov A, Mezan I. EEG findings in Parkinsonism. Electroencephalogr Clin Neurophysiol. 1963; 15: 321–2.
64. Yeager C, Alberts W, Denature L. Effect of stereotaxic surgery upon electroencephalographic status of Parkinsonian patients. Neurology. 1966; 16: 904–910.
65. De Weerd A, Perquin W, Jonkman E. Role of the EEG in the prediction of dementia in Parkinson’s disease. Dementia. 1990; 1(2): 115–8.
66. Neufeld MY, Inzelberg R, Korczyn AD. EEG in demented and non-demented Parkinsonian patients. Acta Neurol Scand. 1988; 78(1): 1–5.
67. Kotini A, Anninos P, Adamopoulos A, Prassopoulos P. Low-frequency MEG activity and MRI evaluation in Parkinson’s disease. Brain Topogr. 2005; 18(1): 59–63.
68. Bosboom JLW, Stoffers D, Stam CJ, van Dijk BW, Verbunt J, Berendse HW, et al. Resting state oscillatory brain dynamics in Parkinson’s disease: An MEG study. Clin Neurophysiol. 2006; 117(11): 2521–31.
69. Stoffers D, Bosboom JLW, Deijen JB, Wolters EC, Berendse HW, Stam CJ. Slowing of oscillatory brain activity is a stable characteristic of Parkinson’s disease without dementia. Brain. 2007; 130(7): 1847–60.
70. Olde Dubbelink KTE, Stoffers D, Deijen JB, Twisk JWR, Stam CJ, Berendse HW. Cognitive decline in Parkinson’s disease is associated with slowing of resting-state brain activity: A longitudinal study. Neurobiol Aging. 2013; 34(2): 408–18.
71. Caviness JN, Utianski RL, Hentz JG, Beach TG, Dugger BN, Shill HA, et al. Differential spectral quantitative electroencephalography patterns between control and Parkinson’s disease cohorts. Eur J Neurol. 2016; 23(2): 387–92.
72. Amzica F, Lopes Da Silva F. Cellular substrates of brain rhythms. In: Shomer D, Lopes Da Silva F E, editor. Electroencephalography. 6th edn. New York: Lippincott, Williams-and-Wilkins. 2009; p. 33–63.
73. Colgin LL. Mechanisms and functions of theta rhythms. Annu Rev Neurosci. 2013; 36: 295–312.
74. Klimesch W. alpha-band oscillations, attention, and controlled access to stored information. Trends Cogn Sci. 2012; 16(12): 606–17.
75. Schurmann M, Basar E. Functional aspects of alpha oscillations in the EEG. Int J Psychophysiol. 2001; 39(2–3): 151–8.
76. Capilla A, Schoffelen J-M, Paterson G, Thut G, Gross J. Dissociated alpha-band modulations in the dorsal and ventral visual pathways in visuospatial attention and perception. Cereb Cortex. 2014; 24(2): 550–61.
77. Jensen O, Gelfand J, Kounios J, Lisman JE. Oscillations in the alpha band (9-12 Hz) increase with memory load during retention in a short-term memory task. Cereb Cortex. 2002; 12(8): 877–82.
78. Zhang Y, Chen Y, Bressler SL, Ding M. Response preparation and inhibition: the role of the cortical sensorimotor beta rhythm. Neuroscience. 2008; 156(1): 238–46.
79. Grossberg S, Versace M. Spikes, synchrony, and attentive learning by laminar thalamocortical circuits. Brain Res. 2008; 1218: 278–312.
80. Gross J, Pollok B, Dirks M, Timmermann L, Butz M, Schnitzler A. Task-dependent oscillations during unimanual and bimanual movements in the human primary motor cortex and SMA studied with magnetoencephalography. Neuroimage. 2005; 26(1): 91–8.
81. Tallon-Baudry C, Bertrand O, Fischer C. Oscillatory synchrony between human extrastriate areas during visual short-term memory maintenance. J Neurosci. 2001; 21(20): RC177.
82. Sehatpour P, Molholm S, Schwartz TH, Mahoney JR, Mehta AD, Javitt DC, et al. A human intracranial study of long-range oscillatory coherence across a frontal-occipital-hippocampal brain network during visual object processing. Proc Natl Acad Sci USA. 2008; 105(11): 4399–404.
83. Donner TH, Siegel M, Oostenveld R, Fries P, Bauer M, Engel AK. Population activity in the human dorsal pathway predicts the accuracy of visual motion detection. J Neurophysiol. 2007; 98(1): 345–59.
84. Brovelli A, Ding M, Ledberg A, Chen Y, Nakamura R, Bressler SL. Beta oscillations in a large-scale sensorimotor cortical network: directional influences revealed by Granger causality. Proc Natl Acad Sci USA. 2004; 101(26): 9849–54.
85. Stoffers D, Bosboom JLW, Deijen JB, Wolters EC, Stam CJ, Berendse HW. Increased cortico-cortical functional connectivity in early-stage Parkinson’s disease: an MEG study. Neuroimage. 2008; 41(2): 212–22.
86. Bosboom JLW, Stoffers D, Wolters EC, Stam CJ, Berendse HW. MEG resting state functional connectivity in Parkinson’s disease related dementia. J Neural Transm. 2009; 116(2): 193–202.
87. Braak H, Del Tredici K, Rub U, de Vos R, Jansen-Steur E, Braak E. Staging of brain pathology related to sporadic Parkinson’s disease. Neurobiol Aging. 2003; 24(2): 197–211.
88. Caviness JN. Pathophysiology of Parkinson’s disease behavior–a view from the network. Parkinsonism Relat Disord. 2014; 20 Suppl 1: S39-43.
89. Gratwicke J, Jahanshahi M, Foltynie T. Parkinson’s disease dementia: a neural networks perspective. Brain. 2015; 138(Pt 6): 1454–76.
90. Utianski RL, Caviness JN, van Straaten ECW, Beach TG, Dugger BN, Shill HA, et al. Graph theory network function in Parkinson’s disease assessed with electroencephalography. Clin Neurophysiol. 2016; 127(5): 2228–36.
91. Stam CJ. Nonlinear dynamical analysis of EEG and MEG: review of an emerging field. Clin Neurophysiol. 2005; 116(10): 2266–301.
92. Nunez PL, Wingeier BM, Silberstein RB. Spatial-temporal structures of human alpha rhythms: theory, microcurrent sources, multiscale measurements, and global binding of local networks. Hum Brain Mapp. 2001; 13(3): 125–64.
93. Engedal K, Snaedal J, Hoegh P, Jelic V, Bo Andersen B, Naik M, et al. Quantitative EEG Applying the Statistical Recognition Pattern Method: A Useful Tool in Dementia Diagnostic Workup. Dement Geriatr Cogn Disord. 2015; 40(1–2): 1–12.
94. Bocanegra Y, Trujillo-Orrego N, Pineda D. [Dementia and mild cognitive impairment in Parkinson’s disease: a review]. Rev Neurol. 2014; 59(12): 555–69.

Recibido: 24 de enero de 2018
Aceptado: 10 de mayo de 2018
Correspondencia:
Jairo Carmona jairo.carmona@udea.edu.co