Teamviewer

Freecap

Merken

Merken

Was ist Z-Werte-Training?

Die Z-Werte Trainingssoftware wurde ursprünglich in enger Zusammenarbeit von Brainmaster und Applied Neurosciences entwickelt. Sie ermöglicht es, EEG-Daten in Echtzeit  zu trainieren, indem eine von der FDA (US. Food and Drug Administration) zugelassene Datenbank Verwendung findet, in der die EEG-Untersuchungsergebnisse von mehr als 600 Erwachsenen und Kindern gespeichert sind.

Datengrundlage: Keine Durchschnittsnorm aller, sondern gesunde Normpopulation!

Die Gründe warum heute  das Z-Werte-Training (Z-Score-Training) als eines der sichersten und modernsten Verfahren gilt:

  • Auswahl der Daten ausschließlich auf gesunde Kinder und Erwachsene beschränkt
  • Nur Probanden mit hohem bzw. überdurchschnittlichem IQ
  • Alter von 2 Monaten bis 82 Jahren (Augen geöffnet und Augen geschlossen)
  • Nur Probanden, welche keine Lernstörung, keine Traumata und keine schweren Erkrankungen aufwiesen

Ist Z-Werte-Training zulässig?

Es wird leider immer wieder behauptet, dass das Z-Werte-Verfahren unzulässig sei. Das ist jedoch nicht richtig!

Die Anwendung von Z-Werte-Neurofeedback sollte aber immer von einer darin geschulten Persön durchgeführt werden. Das Verfahren ist derart erfolgreich, dass es mittlerweile von allen namhaften Herstellern übernommen wurde.

Die wesentlichen Eigenschaften des Z-Werte-Verfahrens:

  • Die Trainierenden erhalten ein Feedback, wenn ihre während des Neurofeedbacktrainings gemessenen EEG-Daten innerhalb einer bestimmten Grenze, wie plus/minus 1,0 Z-Werte (Standardabweichungen) fallen.
  • Z-Werte Training misst direkt die Daten an den einzelnen Ableitungsorten, sowie die Verbindungen zwischen diesen Seiten. Es berechnet Parameter, wie Amplitude (Power), Asymmetrie, Verhältnis, Phase und Kohärenz innerhalb der Frequenzen von Delta bis Hibeta.
  • Z-Werte Training ist tatsächlich einfacher für Neulinge auf dem Gebiet des Neurofeedbacks zu erlernen -  auch wenn das Programm sehr komplexe Operationen ausführt.
  • Z-Werte Training kann eine große Vielzahl von Prozessen gleichzeitig bewältigen, indem es das Gehirn ständig über seinen Zustand informiert und in jeder Sekunde hunderte von Rechenoperationen durchführt. Es befreit den Anwender ständig Entscheidungen zu treffen und neue Einstellungen vorzunehmen. Die dynamischen Z-Werte-Protokolle passen sich sogar intelligent den jeweiligen Erfordernissen an. Der Trainer kann sich während des Trainings voll und ganz der Beobachtung des Klienten und der Optimierung des Behandlungsverlaufs widmen. 
  • Z-Werte-Training ist wesentlich einfacher zu erlernen als die traditionellen Neurofeedback-Protokoll-Auswahl-Methoden. Praktizierende, die Z-Werte Training erlernen, haben aber schließlich auch die Möglichkeit, einige der traditionellen Protokolle nach Bedarf hinzuzufügen.

  • Man kann  die Anzeige der Z-Werte immer als eine Art GPS verwenden. Egal welche Frequenz trainiert wird - das Display der Z-Werte zeigt immer, ob die Veränderungen sich in eine günstige Richtung oder ungünstige Richtung entwickeln.

Bell-Curve-Graphik

Erklärung der Grafik

Die Kurve zeigt die sogenannte Gauß´sche Normalverteilung. Wie z.B. die Körpergröße oder der Intelligenzquotient von Menschen eine Normalverteilung aufweist, so zeigen sich auch bei EEG-Wellen typische Normalverteilungen, die mit Hilfe der sogenannten Standardabweichung ausgewiesen werden.  Dabei interessiert immer die Frage ab wann ein Messwert tatsächlich abweichend von der Norm ist.

Zunächst ist hier der Mittelwert wichtig: Vereinfacht ausgedrückt, ist es der Wert der sich ergibt, wenn man alle Messergebnisse zusammenzählt und diese Summe dann durch die Anzahl der gemessenen Individuen teilt. Dieser Wert wird dann in der Mitte der Kurve sein, also statistisch gesehen hat dieser Wert 0 Abweichung von der Norm, da er ja der absolute Mittelwert als solcher ist.

Dann interessiert es natürlich, ab wann ein Wert tatsächlich so stark abweicht, so dass man von einer signifikanten Abweichung sprechen kann.

Average / Durchschnitt/ SD (Standardabweichung)

Damit man ein einfaches Maß für die Abweichungen bekommt, kennt Z-Werte-Skala im Prinzip nur die  Zahlenreihe bis 3 links und rechts von der Null. Die Zahlen links von der Null erhalten das Minuszeichen, die Zahlen rechts von der Null das Pluszeichen. Einfach ausgedrückt hieße das: links von der Null im Vergleich zu wenig und rechts von der Null im Vergleich zu viel.

Die größte Abweichung, die 3 hat den größten Abstand zur 0 und bedeutet zugleich, dass ich nur ganz wenige einer Population diese Abweichung von der Norm besitzen. Anstatt eine Vielzahl von Zahlen zu vergleichen, gewinnt man mit der Z-Werte-Skala einen schnellen und klaren Überblick: Je größer der Abstand zur 0, desto größer auch die Wahrscheinlichkeit der Korrelation mit Symptomen. Natürlich ist nicht jeder abweichende Wert mit einem Beschwerdebild gleichzusetzen. Die Unterscheidung liefert immer die genaue Anamnese und Befragung des Klienten. Hier handelt es sich um den Bereich einer Population deren Werte normal sind. So gilt z.B. ein IQ im Bereich von 85 - 115 als normal. Wobei der Z-Wert von -1 bei 85 läge und der Z-Wert von +1 bei einem IQ von 115 läge. Ein Z-Wert von 1 entspricht dabei dem Begriff von einer Standardabweichung. Sie ist das Maß, welches durch statistisch/mathematische Berechnungen das genaue Normmaß errechnet. Der Wert 1 entspricht  insofern einer moderaten Abweichung und damit einem Grenzwert. Die Forschung hat gezeigt, dass sich die Korrelation zu Symptomen meist jenseits einer moderaten Abweichung ergibt.

Die Kurve ist zwischen  -1 und +1  am höchsten, da die meisten erwachsenen Individuen (68 %) normal sind. Genauso verhält es sich mit den Z-Werten. Die meisten Individuen besitzen normale EEG-Daten. Abweichungen werden nur dann als solche markiert, wenn die gemessenen Werte eben nicht zwischen -1 und +1 liegen.

 

Forschungsarbeiten/Veröffentlichungen zum Thema Z-Werte-Verfahren:


Thatcher, R.W.  EEG database guided neurotherapy.  In: J.R. Evans and A. Abarbanel Editors, Introduction to Quantitative EEG and Neurofeedback, Academic Press, San Diego, 1999.

Thatcher, R.W.  QEEG and traumatic brain injury: Present and future.  Brain Injury, 12: 13-21, 1999.

Thatcher, R.W. “Handbook of QEEG and EEG Biofeedback”, Ani Publishing, Co., 2012

Collura, T., Guan, J., Tarrent, J., Bailey, J., & Starr, R. (2010). EEG biofeedback case studies using live z-score training and a normative database. Journal of Neurotherapy, 14(1), 22–46.

Collura, T., Thatcher, R., Smith, M. L., Lambos, W., & Stark, C. (2009). EEG biofeedback training using live z-scores and a normative database. Philadelphia : Elsevier.

Collura, T.  (2008). Whole head normalization using live Z-scores for connectivity training.  Neuroconnections, April 2008, p 12-18.

Collura, T. (2008).  Time EEG Z-score training: Realities and prospects.  In: Evans, J., Arbanel, L. and Budsynsky, T.  Quantitative EEG and Neurofeedback, Academic Press, San Diego , CA .

Decker, S.L. Roberts,A.M. and Green, J.J. (2014).  LORETA Neurofeedback in College Students with ADHD.  .  In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”.   Academic Press, San Diego, CA ( 2014).

Foster, D.S. and Thatcher, R.W. (2014). Surface and LORETA Neurofeedback in the Treatment of Post-Traumatic Stress Disorder and Mild Traumatic Brain Injury.  .  In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”.   Academic Press, San Diego, CA ( 2014).

Hammer, B.U., Colbert, A.P., Brown, K.A. and Ilioi,  E. C. (2011).  Neurofeedback for Insomnia: A Pilot Study of Z-Score SMR and Individualized Protocols.  Appl Psychophysiol Biofeedback, DOI 10.1007/s10484-011-9165-y

Koberda, J.L. (2011).  Clinical advtabges of quantitative electroencephalogram (QEEG) application in general neurology ractice.  Neuroscience Letters, 500(Suppl.), e32.

Koberda, J.L, Moses, A., Koberda, L. and Koberda, P. (2012).  Cognitive enhancement using 19-Electrode Z-score neurofeedback.  J. of Neurotherapy, 16(3): 224-230.

Koberda, J.L, Hiller, D.S., Jones, B., Moses, A., and Koberda, L. (2012).  Application of Neurofeedback in general neurology practice.  J. of Neurotherapy, 16(3): 231-234.

Koberda, J.L. (2014). Neuromodulation-An Emerging Therapeutic Modality

in Neurology.  J Neurol Stroke 2014, 1(4): 00027

Koberda J, L. and Stodolska-Koberda U (2014). Z-score LORETA Neurofeedback as a Potential Rehabilitation Modality in Patients with CVA.  J Neurol Stroke 1(5): 00029.

Koberda, J.L. et al. 2012. Cognitive enhancement using 19-electrode Z-score Neurofeedback. J. Neurotherapy 3.

Koberda J.L. (2012). Autistic Spectrum Disorder (ASD) as a Potential Target of Z-score LORETA Neurofeedback. The Neuroconnection- winter 2012, edition (ISNR), p. 24.

Koberda JL, Koberda P, Bienkiewicz A, Moses A, Koberda L.  Pain Management Using 19-Electrode Z-Score LORETA Neurofeedback.  Journal of Neurotherapy, 2013, 17:3, 179-190.

Koberda JL, Moses A, KoberdaP, Winslow J. Cognitive Enhancement with LORETA Z-score Neurofeedback. AAPB meeting, 2014.

Koberda,J.L. (2012). Comparison of the effectiveness of Z-score Surface/LORETA 19-electrode Neurofeedback to standard 1-electrode Neurofeedback- J. Neurotherapy.

Koberda, J.L. (2014).  Therapy of Seizures and Epilepsy with Z-score LORETA Neurofeedback.  In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”.   Academic Press, San Diego, CA ( 2014).

Koberda JL, Koberda L, Koberda P, Moses A, Bienkiewicz A (2013) Alzheimer’s dementia as a potential target of Z-score LORETA 19-electrode Neurofeedback. In: Neuroconnection. Winter edition, p.30-32.

Koberda, J.L. (2014).  Z-score LORETA Neurofeedback as a Potential Therapy in Depression/Anxiety and Cognitive Dysfunction. In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”.   Academic Press, San Diego, CA ( 2014).

Lambos, W.A. and Williams, R.A. (2014).  Treating Executive Functioning Disorders Using LORETA Z-scored EEG Biofeedback.  In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”.   Academic Press, San Diego, CA ( 2014).

Lambos, W.A.  and Williams, R. A (2014).  Treating Anxiety Disorders Using Z-scored EEG Biofeedback.  In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”.   Academic Press, San Diego, CA ( 2014).

Little, R.M., Bendixsen, B. H.  and Abbey, R.D.  (2014).  19 Channel Z-Score Training for Learning Disorders and Executive Functioning.  .  In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”.   Academic Press, San Diego, CA ( 2014).

Lubar, J.L. (2014). Optimal procedures in Z score neurofeedback: Strategies for maximizing learning for surface and LORETA Neurofeedback.  In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”.   Academic Press, San Diego, CA ( 2014).

Smith, M.L. (2008).  Case study: Jack.  Neurosconnections, April, 2008.

Stark, C.R. (2008).  Consistent dynamic Z-score patterns observed during Z-score training sessions – Robust among several clients and through time for each client.  Neuroconnections, April, 2008.

Thompson, M.,  Thompson, L. and Reid-Chung, A. (2014).  Combining LORETA Z-Score Neurofeedback with Heart Rate Variability Training.  In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”.   Academic Press, San Diego, CA ( 2014).

Thompson, M., Thompson, L., & Reid, A. (2010). Functional Neuroanatomy and the Rationale for Using EEG Biofeedback for Clients with Asperger’s Syndrome. Journal of Applied Psychophysiology and Biofeedback, 35(1), 39-61.

Thatcher, R.W. (2000).  3-Dimensional EEG Biofeedback using LORETA.,  Society for Neuronal Regulation, Minneapolis, MN, September 23, 2000.

Thatcher, R.W. (2010).  LORETA Z Score Biofeedback.  Neuroconnections, December, pg. 14-17.

Thatcher, R.W.  (2013): Latest Developments in Live Z-Score Training: Symptom Check List, Phase Reset, and Loreta Z-Score Biofeedback, Journal of Neurotherapy: Investigations in Neuromodulation, Neurofeedback and Applied Neuroscience, 17:1, 69-87

Thatcher, R.W.  (2010).   LORETA Z Score Biofeedback.   Neuroconnections, December, p.  9 – 13.

Thatcher, R.W. (2012). Handbook of Quantitative Electroencephalography and EEG Biofeedback.  Anipublishing, Inc., St. Petersburg, Fl

Thatcher, R.W.  (2013). Latest Developments in Live Z-Score Training: Symptom Check List, Phase Reset, and Loreta Z-Score Biofeedback.  Version of record first published: 26 Feb. J. of Neurotherapy.                   

Thatcher, R.W.  North, D.M.and Biver, C.J. (2014). Technical foundations of Z score neurofeedback.  In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”.   Academic Press, San Diego, CA ( 2014).

Thatcher, R.W.  North, D.M. and. Biver, C.J. (2014). Network Connectivity and LORETA Z score NFB.  In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”.   Academic Press, San Diego, CA ( 2014).

Thatcher, R.W.  North, D.M. and Biver, C.J. (2014). BrainSurfer 3-Dimensional Z Score Brain-Computer-Interface.  .  In: RW Thatcher and JF Lubar “Z Score Neurofeedback: Clinical Applications”.   Academic Press, San Diego, CA ( 2014).

Wigton, N.L. (2013) Clinical Perspectives of 19-Channel Z-Score Neurofeedback: Benefits and Limitations, Journal of Neurotherapy: Investigations in Neuromodulation, Neurofeedback and Applied Neuroscience, 17:4, 259-264.

 
 

Zum Seitenanfang