Tieteellinen tausta

BrainID®-palvelun tieteellinen tausta

BrainID®-kartoitus (qEEG-mittaus ja BrainMind Audit®-profiili) pohjautuu neurotieteelliseen perustutkimukseen, jota on tehty 1970-luvulta alkaen. – Lähdeviitteet lopussa.

BrainMind Audit® -profiili kuvaa yhdeksää mitattavaa aivotoiminnan piirrettä tai markkeria, jotka yhdistetään käytettävissä olevan tutkimustiedon pohjalta mielen toimintoihin. Mitattavat markkerit ovat tunnistettavia, pysyviä ja niiden mittaaminen on luotettavaa. Kutakin mittausta verrataan normiaineistoon neurometriikan periaatteiden mukaisesti. Näin saadaan profiili yksilön aivojen kognitiivisen ja emotionaalisen toiminnan optimaalisuudesta.

Näiden yhdeksän markkerin taustalla on kartoituksen kehittäneiden BM-Sciencen tutkijoiden tieteellinen ammattitaito, josta yhtenä osoituksena 156 julkaistua artikkelia, heidän yli 400:sta neurotieteellisestä julkaisusta kokoamansa, juuri näihin markkereihin liittyvä tutkimustieto sekä tästä työstä kehitetty ainutlaatuinen innovaatio. BM-Science – Brain & Mind Technologies Research Centre | www.bm-science.com

Tieteellinen keksintö yhdistettynä mentorointiin on tuotteistettu BrainID®-palveluksi, jonka tavoitteena on olla hyödyksi erityisesti työssä käyville ihmisille herättelemällä ja tukemalla heidän omia pyrkimyksiään kohti hyvinvointia.

Mittaustulos on funktionaalinen, ei kliininen. BrainID®-palvelun ulkopuolelle rajataan kaikki sellainen käyttö, jossa kriteerit eivät täyty kuten eivät lääketieteellisen käytön kohdalla.

Tehty tutkimustyö tukee BrainID®-kartoituksen soveltamista osana mentorointia, työnohjausta ja coachausta. BrainMind Audit® on kaupallisen käytön ohella myös aktiivisessa tutkimuskäytössä. Meneillään oleva jatkotutkimus hyödyttää jatkokehittämistä.

BrainID®-palvelussa BrainMind Audit® toimii mentorin työkaluna. Mentorointi on keskustelua tutkimustuloksesta ja sen herättämistä ajatuksista. Mentorin kanssa käytävien keskustelujen tukemana asiakas itse löytää parhaiten omasta arjestaan hyvinvointiaan kohentavia muutoksia. Tieteellisessä arviointiprosessissa on tällä hetkellä tutkimus, jolla selvitetään, miten mentorointi auttaa asiakasta sitoutumaan haluamiinsa muutoksiin kuten elintapamuutokset ja viemään ne läpi.

BrainID Oy sertifioi mentoreiksi vain koulutettuja työelämän kehittämisen ammattilaisia (valmentajia, coacheja, työnohjaajia), jotka ovat täydentäneet osaamistaan menetelmän käyttöön liittyvällä lisäkoulutuksella.

BrainMind Audit® -profiilissa markkereiden yhteydessä käytetään neurotieteellisessä tutkimuksessa vakiintuneita käsitteitä:

  • Valppaus, jännite
  • Suorituskyvyn nopeus
  • Sisäinen fokusoituminen
  • Tunne-motivoituvuus taipumus
  • Sosiaalisuus
  • Ahdistuneisuuden suuntautuminen
  • Stressinhallinta
  • Aivojen kokonaisvoimavarat
  • Poikkeama optimaalisesta aivotoimintojen tilasta

BrainID®-kartoitus

  • qEEG-mittaus  on vaivaton ja turvallinen ja eikä aiheuta minkäänlaisia sivuvaikutuksia
  • Saatu tieto on luottamuksellista, vain mitattavalle itselleen luovutettavaa tietoa
  • Tietoja käsitellään tietosuojalainsäädännön edellyttämällä tavalla

Lähdeviitteet

BrainID®-kartoituksen taustalla taustalla oleva julkaistu tutkimustieto
Fingelkurts A.A., Fingelkurts A.A., Kallio-Tamminen T. EEG-guided meditation: A personalized approach. J. Physiol. Paris 2015; 109: 180–190.

qEEG-mittauksen reliabiliteetti
Begleiter H., Porjesz B. Genetics of human brain oscillations. Int. J. Psychophysiol. 2006; 60: 162–171.
Fingelkurts A.A., Fingelkurts A.A., Ermolaev V.A., Kaplan A.Y. Stability, reliability and consistency of the compositions of brain oscillations. Int. J. Psychophysiol. 2006; 59: 116–126.
Gasser T., Bächer P., Steinberg H. Test–retest reliability of spectral parameters of the EEG. Electroencephalogr. Clin. Neurophysiol. 1985; 60: 312–319.
Huang J., Sander C., Jawinski P., Ulke C., Spada J., Hegerl U., Hensch, T. Test-retest reliability of brain arousal regulation as assessed with VIGALL 2.0., 2015.
Kondacs A., Szabo M. Long-term intra-individual variability of the background EEG in normals. Clin. Neurophysiol. 1999; 110: 1708–1716.
Smit D.J.A., Postuma D., Boomsma D.I., De Geus E.J.C. Heritability of background EEG across the power spectrum. Psychophysiology 2005; 42: 691–697.
Smit C.M., Wright M.J., Hansell N.K., Geffen G.M., Martin N.G. Genetic variation of individual alpha frequency (IAF) and alpha power in a large adolescent twin sample. Int. J. Psychophysiol. 2006; 61: 235–243.
van Beijsterveldt C.E., van Baal G.C. Twin and family studies of the human electroencephalogram: a review and a meta-analysis. Biol. Psychol. 2002; 61: 111–138.

qEEG ja mielen toiminnot
Angelakis E., Stathopoulou S., Frymiare J.L., Green D.L., Lubar J.F., Kounios J. EEG neurofeedback: a brief overview and an example of peak alpha frequency training for cognitive enhancement in the elderly. Clin. Neuropsychol. 2007; 21: 110–129.
Bartrés-Faz D., Arenaza-Urquijo E.M. Structural and functional imaging correlates of cognitive and brain reserve hypotheses in healthy and pathological aging. Brain Topogr. 2011; 24: 340–357.
Basar E. Oscillations in “brain-body-mind” — A holistic view including the autonomous system. Brain Res. 2008; 1235: 2-11.
Basar E. Brain function and oscillations: I. Brain oscillations, principles and approaches. Berlin: Springer; 1998.
Basar E. Brain function and oscillations: II. Integrative brain function. Neurophysiology and Cognitive Processes. Berlin: Springer; 1999.
Cecere R., Rees G., Romei V. Individual differences in alpha frequency drive crossmodal illusory perception. Curr. Biol. 2015; 25: 231–235.
Collura T.F. Neuronal dynamics in relation to normative electroencephalography assessment and training. Biofeedback 2008; 36: 134–139.
Danko S.G., Larisa M. Kachalova L.M., Solovjeva M.L. Differentiation of cognitive-specific states of attention: EEG when verbal memorizing and when recalling. Activ. Nerv. Super. 2013; 55.
Hanslmayr S., Sauseng P., Doppelmayr M., Schabus M., Klimesch, W. Increasing individual upper alpha power by neurofeedback improves cognitive performance in human subjects. Appl. Psychophysiol. Biofeedback 2005; 30: 1–10.
Hughes J.R., John E.R. Conventional and quantitative electroencephalography in psychiatry. Neuropsychiatry 1999; 11: 190-208.
Klimesch W. EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis. Brain Res. Brain Res. Rev. 1999; 29: 169–195.
Knyazev G.G., Slobodskaya H.R. Personality trait of behavioural inhibition is associated with oscillatory systems reciprocal relationships. Int. J. Psychophysiol. 2003; 48: 247–261.
Knyazev G.G., Slobodskaya H.R., Safronova M.V., Sorokin O.V., Goodman R., Wilson G.D. Personality, psychopathology and brain oscillations. Pers. Individ. Dif. 2003; 35: 1331-1349.
Lazarev V.V. The relationship of theory and methodology in EEG studies of mental activity. Int. J. Psychophysiol. 2006; 62: 384–393.
Prichep L., John E., Ferris B., Reisberg B., Alper K., Cancro, R. Quantitative EEG correlates of cognitive deterioration in the elderly. Neurobiol. Aging 1994; 15: 85–90.
Samaha J., Bauer P., Cimaroli S., Postle B.R. Top-down control of the phase of alpha-band oscillations as a mechanism for temporal prediction. Proc. Natl. Acad. Sci. USA 2015; 112: 8439–8444.
Samaha J., Postle B.R. The speed of alpha-band oscillations predicts the temporal resolution of visual perception. Curr. Biol. 2015; 25: 2985–2990.
Steffener J., Stern Y. Exploring the neural basis of cognitive reserve in aging. Biochim. Biophys. Acta 2012; 1822: 467–473.
Takahashi T., Murata T., Hamada T., Omori M., Kosaka H., Kikuchi M., et al. Changes in EEG and autonomic nervous activity during meditation and their association with personality traits. Int. J. Psychophysiol. 2005; 55: 199–207.

Neurometriikka
Aurlien H., Gjerde I.O., Aarseth J.H., Eldoen G., Karlsen B., Skeidsvoll H., Gilhus N.E. EEG background activity described by a large computerized database. Clin. Neurophysiol. 2004; 115: 665–673.
John E.R. Neurometrics: Clinical Applications of Quantitative Electrophysiology. 1977; Lawrence Erlbaum Associates Publishers: Hillsdale, New Jersey.
John E.R., Karmel B.Z., Corning W.C., Easton P., Brown D., Ahn H., John M., et al. Neurometrics: Numerical taxonomy identifies different profiles of brain functions within groups of behaviorally similar people. Science 1977; 196: 1383–410.
John E.R., Karmel B.Z., Corning, Easton P., Brown D., Ahn H., John M., et al. Neurometrics: Computerized diagnosis and remediation of brain dysfunctions. In: Chacko G.K., ed. Health Handbook. Amsterdam: N. Holland Publishing; 1979: 330–481.
John E.R., Prichep L.S., Chabot R.J. Quantitative electrophysiological maps of mental activity. In: Basar E., Bullock T.H., eds. Dynamics of Sensory and Cognitive Processing by the Brain. Springer-Verlag; 1989.
John E.R., Prichep L.S., Easton P. Normative data banks and Neurometrics: Basic concepts, methods and results of norm construction. In: Gevins A.S., Remond A., eds. Handbook of Electroencephalography and Clinical Neurophysiology, Vol. I. Amsterdam: Elsevier; 1987: 449–495.
John E.R., Prichep L.S., Friedman J., Easton P. Neurometrics: Computer-assisted differential diagnosis of brain dysfunctions. Science 1988; 293: 162–169.