EFEITOS DO NEUROFEEDBACK NO DESEMPENHO COGNITIVO EM IDOSOS: UMA REVISÃO SISTEMÁTICA
DOI:
https://doi.org/10.66104/52vj6z02Palavras-chave:
Neurofeedback, eeg, Idosos, Cognição, Treinamento cognitivoResumo
Com o envelhecimento da população global, cresce a demanda por intervenções capazes de combater o declínio cognitivo. O neurofeedback (NFB), uma técnica não invasiva de treinamento cerebral, tem demonstrado potencial para melhorar funções cognitivas em idosos. Esta revisão sistemática teve como objetivo avaliar os efeitos do NFB na cognição de pessoas idosas. O estudo seguiu as diretrizes PRISMA e utilizou a estratégia PICO para estruturar a pergunta de pesquisa. As buscas foram realizadas nas bases PubMed, Scopus e Web of Science, contemplando artigos publicados entre 2014 e 2024. O risco de viés foi avaliado por meio das ferramentas Cochrane RoB 2 e ROBINS-I. Dos 452 estudos inicialmente identificados, 12 atenderam aos critérios de inclusão. A maioria dos estudos (75%) incluiu idosos saudáveis, sendo que 58% investigaram exclusivamente essa população. Além disso, 42% das pesquisas incluíram participantes com condições clínicas, como doença de Alzheimer, amnésia, acidente vascular cerebral ou tumores malignos. O treinamento com neurofeedback baseado no ritmo sensório-motor (SMR) demonstrou benefícios na memória de trabalho e na memória verbal em idosos saudáveis, enquanto pacientes pós-AVC apresentaram melhora significativa no Mini Exame do Estado Mental após as intervenções com NFB. Protocolos focados em ondas alfa favoreceram melhorias na memória episódica, na atenção e na velocidade de processamento cognitivo. Entretanto, em indivíduos com doença de Alzheimer, o NFB contribuiu para a estabilização do declínio cognitivo, sem promover ganhos significativos. Os achados sugerem que o NFB possui potencial terapêutico para otimizar o desempenho cognitivo em idosos, especialmente em domínios como memória e atenção. Contudo, a heterogeneidade entre os estudos, incluindo variações nos protocolos de NFB e nas características das populações avaliadas, limita a generalização dos resultados.
Downloads
Referências
1. ACEVEDO, B. P. et al. Cognitive Training with Neurofeedback Using fNIRS Improves Cognitive Function in Older Adults. International Journal of Environmental Research and Public Health, v. 19, n. 9, p. 5531, 2 maio 2022. DOI: https://doi.org/10.3390/ijerph19095531
2. AKL, E. A. et al. Cochrane handbook for systematic reviews of interventions. 2. ed. Chichester: John Wiley & Sons, 2019.
3. ANDRADE, K. et al. Self-Modulation of Gamma-Band Synchronization through EEG-Neurofeedback Training in the Elderly. Journal of Integrative Neuroscience, v. 23, n. 3, p. 67, 21 mar. 2024. DOI: https://doi.org/10.31083/j.jin2303067
4. BOBBY, J. S. Peak alpha neurofeedback training on cognitive performance in elderly subjects. International Journal of Medical Engineering and Informatics, v. 12, n. 3, p. 237, 2020. DOI: https://doi.org/10.1504/IJMEI.2020.107093
5. CAMPOS DA PAZ, V. K. et al. SMR Neurofeedback Training Facilitates Working Memory Performance in Healthy Older Adults: A Behavioral and EEG Study. Frontiers in Behavioral Neuroscience, v. 12, 20 dez. 2018. DOI: https://doi.org/10.3389/fnbeh.2018.00321
6. FINK, M. et al. Neurofeedback Treatment Affects Affective Symptoms, But Not Perceived Cognitive Impairment in Cancer Patients: Results of an Explorative Randomized Controlled Trial. Integrative Cancer Therapies, v. 22, p. 153473542211499-153473542211499, 1 jan. 2023. DOI: https://doi.org/10.1177/15347354221149950
7. GOMEZ-PILAR, J. et al. Assessment of neurofeedback training by means of motor imagery based-BCI for cognitive rehabilitation. Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference, v. 2014, p. 3630–3633, 2014. DOI: https://doi.org/10.1109/EMBC.2014.6944409
8. GOMEZ-PILAR, J. et al. Neurofeedback training with a motor imagery-based BCI: neurocognitive improvements and EEG changes in the elderly. Medical & Biological Engineering & Computing, v. 54, n. 11, p. 1655–1666, 1 nov. 2016. DOI: https://doi.org/10.1007/s11517-016-1454-4
9. HOHENFELD, C. et al. Cognitive Improvement and Brain Changes after Real-Time Functional MRI Neurofeedback Training in Healthy Elderly and Prodromal Alzheimer’s Disease. Frontiers in Neurology, v. 8, 9 ago. 2017. DOI: https://doi.org/10.3389/fneur.2017.00384
10. HSUEH, J.-J. et al. Neurofeedback training of EEG alpha rhythm enhances episodic and working memory. Human Brain Mapping, v. 37, n. 7, p. 2662–2675, 1 abr. 2016. DOI: https://doi.org/10.1002/hbm.23201
11. ISRASENA, P. et al. Brain Exercising Games With Consumer-Grade Single-Channel Electroencephalogram Neurofeedback: Pre-Post Intervention Study. JMIR Serious Games, v. 9, n. 2, p. e26872, 15 jun. 2021. DOI: https://doi.org/10.2196/26872
12. JEONG, J.-H. et al. Investigation of combined treatment of acupuncture and neurofeedback for improving cognitive function in mild neurocognitive disorder. Medicine, v. 100, n. 37, p. e27218–e27218, 17 set. 2021. DOI: https://doi.org/10.1097/MD.0000000000027218
13. JIRAYUCHAROENSAK, S. et al. A game-based neurofeedback training system to enhance cognitive performance in healthy elderly subjects and in patients with amnestic mild cognitive impairment. Clinical Interventions in Aging, v. Volume 14, p. 347–360, fev. 2019. DOI: https://doi.org/10.2147/CIA.S189047
14. KIROVA, A.-M.; BAYS, R. B.; LAGALWAR, S. Working Memory and Executive Function Decline across Normal Aging, Mild Cognitive Impairment, and Alzheimer’s Disease. BioMed Research International, v. 2015, p. 1–9, 2015. DOI: https://doi.org/10.1155/2015/748212
15. KOBER, S. E. et al. Specific effects of EEG based neurofeedback training on memory functions in post-stroke victims. Journal of NeuroEngineering and Rehabilitation, v. 12, n. 1, dez. 2015. DOI: https://doi.org/10.1186/s12984-015-0105-6
16. KONG, T. S. et al. Age-related differences in functional brain network segregation are consistent with a cascade of cerebrovascular, structural, and cognitive effects. Network Neuroscience, v. 4, n. 1, p. 89–114, jan. 2020. DOI: https://doi.org/10.1162/netn_a_00110
17. KRÄMER, C. et al. Classification and prediction of cognitive performance differences in older age based on brain network patterns using a machine learning approach. Network neuroscience, v. 7, n. 1, p. 122–147, 1 jan. 2023. DOI: https://doi.org/10.1162/netn_a_00275
18. LABORDA-SÁNCHEZ, F.; CANSINO, S. The Effects of Neurofeedback on Aging-Associated Cognitive Decline: A Systematic Review. Applied Psychophysiology and Biofeedback, v. 46, n. 1, p. 1–10, 2 jan. 2021. DOI: https://doi.org/10.1007/s10484-020-09497-6
19. LAVY, Y. et al. Mild Cognitive Impairment and Neurofeedback: A Randomized Controlled Trial. Frontiers in Aging Neuroscience, v. 13, 14 jun. 2021. DOI: https://doi.org/10.3389/fnagi.2021.657646
20. LIN, Y.-R. et al. Effectiveness of Electroencephalography Neurofeedback for Improving Working Memory and Episodic Memory in the Elderly: A Meta-Analysis. Medicina, v. 60, n. 3, p. 369–369, 22 fev. 2024. DOI: https://doi.org/10.3390/medicina60030369
21. LORIETTE, C.; ZIANE, C.; BEN HAMED, S. Neurofeedback for cognitive enhancement and intervention and brain plasticity. Revue Neurologique, v. 177, n. 9, p. 1133–1144, 1 nov. 2021. DOI: https://doi.org/10.1016/j.neurol.2021.08.004
22. LUIJMES, R. E.; POUWELS, S.; BOONMAN, J. The effectiveness of neurofeedback on cognitive functioning in patients with Alzheimer’s disease: Preliminary results. Neurophysiologie Clinique/Clinical Neurophysiology, v. 46, n. 3, p. 179–187, jun. 2016. DOI: https://doi.org/10.1016/j.neucli.2016.05.069
23. MARLATS, F. et al. SMR/Theta Neurofeedback Training Improves Cognitive Performance and EEG Activity in Elderly With Mild Cognitive Impairment: A Pilot Study. Frontiers in Aging Neuroscience, v. 12, 16 jun. 2020. DOI: https://doi.org/10.3389/fnagi.2020.00147
24. MARLATS, F. et al. Comparison of effects between SMR/delta-ratio and beta1/theta-ratio neurofeedback training for older adults with Mild Cognitive Impairment: a protocol for a randomized controlled trial. Trials, v. 20, n. 1, 29 jan. 2019. DOI: https://doi.org/10.1186/s13063-018-3170-x
25. MOHANTY, R. et al. Machine Learning-Based Prediction of Changes in Behavioral Outcomes Using Functional Connectivity and Clinical Measures in Brain-Computer Interface Stroke Rehabilitation. Lecture notes in computer science, p. 543–557, 1 jan. 2017. DOI: https://doi.org/10.1007/978-3-319-58628-1_41
26. OUZZANI, M.; HAMMADY, H.; FEDOROWICZ, Z.; ELMAGARMID, A. Rayyan: a web and mobile app for systematic reviews. Systematic Reviews, London, v. 5, n. 1, p. 210, 2016. DOI: https://doi.org/10.1186/s13643-016-0384-4
27. PAGE, M. J. et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ, London, v. 372, p. n71, 2021.
28. PAPO, D. Neurofeedback: Principles, appraisal, and outstanding issues. European Journal of Neuroscience, v. 49, n. 11, p. 1454–1469, 13 fev. 2019. DOI: https://doi.org/10.1111/ejn.14312
29. PERGHER, V. et al. N-back training and transfer effects revealed by behavioral responses and EEG. Brain and Behavior, v. 8, n. 11, p. e01136, 23 out. 2018. DOI: https://doi.org/10.1002/brb3.1136
30. REICHERT, J. L. et al. Resting-state sensorimotor rhythm (SMR) power predicts the ability to up-regulate SMR in an EEG-instrumental conditioning paradigm. Clinical Neurophysiology, v. 126, n. 11, p. 2068–2077, nov. 2015. DOI: https://doi.org/10.1016/j.clinph.2014.09.032
31. REIS, J. et al. An Alpha and Theta Intensive and Short Neurofeedback Protocol for Healthy Aging Working-Memory Training. Frontiers in Aging Neuroscience, v. 8, 7 jul. 2016. DOI: https://doi.org/10.3389/fnagi.2016.00157
32. SCHENKER, M.; COSTA, D. H. DA. Advances and challenges of health care of the elderly population with chronic diseases in Primary Health Care. Ciência & Saúde Coletiva, v. 24, n. 4, p. 1369–1380, abr. 2019. DOI: https://doi.org/10.1590/1413-81232018244.01222019
33. SINGH, A. et al. Mid-frontal theta activity is diminished during cognitive control in Parkinson’s disease. Neuropsychologia, v. 117, p. 113–122, ago. 2018. DOI: https://doi.org/10.1016/j.neuropsychologia.2018.05.020
34. STAUFENBIEL, S. M. et al. Effect of beta and gamma neurofeedback on memory and intelligence in the elderly. Biological Psychology, v. 95, p. 74–85, jan. 2014. DOI: https://doi.org/10.1016/j.biopsycho.2013.05.020
35. STERNE, J. A. et al. ROBINS-I: a tool for assessing risk of bias in non-randomised studies of interventions. BMJ, v. 355, n. 355, p. i4919, 2016. DOI: https://doi.org/10.1136/bmj.i4919
36. STERNE, J. A. C. et al. RoB 2: a revised tool for assessing risk of bias in randomised trials. BMJ, v. 366, n. 1, p. l4898, 28 ago. 2019.
37. MIYAKO TAZAKI. A review: effects of neurofeedback on patients with mild cognitive impairment (MCI), and Alzheimer’s disease (AD). Frontiers in human neuroscience, v. 17, 14 fev. 2024. DOI: https://doi.org/10.3389/fnhum.2023.1331436
38. TRAMBAIOLLI, L. R. et al. Neurofeedback and the Aging Brain: A Systematic Review of Training Protocols for Dementia and Mild Cognitive Impairment. Frontiers in Aging Neuroscience, v. 13, 9 jun. 2021. DOI: https://doi.org/10.3389/fnagi.2021.682683
39. UNITED NATIONS. Department of Economic and Social Affairs. World population prospects 2019: highlights. New York: United Nations, 2019. DOI: https://doi.org/10.18356/a97d12e3-en
40. WEON, H. et al. Effects of Cognicise-Neurofeedback on Health Locus of Control, Depression, and Quantitative Electroencephalography Alpha Asymmetry in Elderly Women. Brain Sciences, v. 11, n. 7, p. 899, 7 jul. 2021. DOI: https://doi.org/10.3390/brainsci11070899
41. WU, Z.; SABEL, B. A. Spacetime in the brain: rapid brain network reorganization in visual processing and recovery. Scientific Reports, v. 11, n. 1, 9 set. 2021. DOI: https://doi.org/10.1038/s41598-021-96971-8
42. YUAN, Z. et al. Effect of BCI-Controlled Pedaling Training System With Multiple Modalities of Feedback on Motor and Cognitive Function Rehabilitation of Early Subacute Stroke Patients. IEEE Transactions on Neural Systems and Rehabilitation Engineering, v. 29, p. 2569–2577, 2021. DOI: https://doi.org/10.1109/TNSRE.2021.3132944
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2026 Ana Clara Lira do Nascimento, Raíssa Eduarda Pereira Coutinho, Ana Iza Gomes da Penha Sobral
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista;
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista, desde que adpatado ao template do repositório em questão;
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
- Os autores são responsáveis por inserir corretamente seus dados, incluindo nome, palavras-chave, resumos e demais informações, definindo assim a forma como desejam ser citados. Dessa forma, o corpo editorial da revista não se responsabiliza por eventuais erros ou inconsistências nesses registros.
POLÍTICA DE PRIVACIDADE
Os nomes e endereços informados nesta revista serão usados exclusivamente para os serviços prestados por esta publicação, não sendo disponibilizados para outras finalidades ou a terceiros.
Obs: todo o conteúdo do trabalho é de responsabilidade do autor e orientador.
