- ICH GCP
- Registr klinických studií v USA
- Klinická studie NCT04647825
POTŘEBUJETE: Databáze EEG neuromed Epilepsie. Velká EEG databáze pacientů s epilepsií pro výzkumnou komunitu. (NEED)
POTŘEBUJETE: Databáze EEG neuromed Epilepsie. Velká databáze elektroencefalografických (EEG) signálů pacientů s epilepsií pro výzkumnou komunitu.
Přehled studie
Postavení
Podmínky
Intervence / Léčba
Detailní popis
Asi 50 milionů lidí na celém světě trpí epilepsií, která je jedním z nejčastějších neurologických onemocnění. Je charakterizována nepředvídatelnými a náhlými záchvaty, které by mohly vést ke ztrátě vědomí a nekontrolovaným motorickým reakcím, což vážně ovlivnilo kvalitu života pacientů s epilepsií. Pouze dvě třetiny pacientů s epilepsií mohou kontrolovat záchvaty pomocí antiepileptik nebo pomocí epileptických operací. U zbývajících pacientů by měly být zváženy jiné terapeutické přístupy. Tyto přístupy zahrnují vývoj intervenčního zařízení s uzavřenou smyčkou, schopného detekovat záchvaty a spustit intervenční operaci, jako je podávání antiepileptik nebo elektrická stimulace epileptogenního ohniska k přerušení záchvatu. Aby bylo možné těmto pacientům poskytnout účinné terapeutické přístupy, bylo v posledních desetiletích vynaloženo mnoho úsilí na vývoj automatických metod k nalezení spolehlivých markerů v elektroencefalografickém (EEG) signálu, což je zlatý standard pro diagnostiku epilepsie, který je schopen předvídat nebo včas detekovat záchvaty na EEG. Tyto metody jsou založeny na matematických nebo výpočtových přístupech pro analýzu EEG signálu, jejichž cílem je extrahovat z EEG signálu komplexní míry (tzv. „vlastnosti“), které nejsou rozpoznatelné při klasické vizuální kontrole EEG signálů prováděné epileptology během diagnostika epilepsie, za účelem použití takových vlastností, jako jsou prekurzory přicházejících záchvatů (predikce záchvatů) nebo jako indikátory probíhajícího záchvatu (detekce záchvatů). V posledních letech bylo navrženo mnoho metod, využívajících lineární nebo nelineární, k extrakci znaků z EEG signálu. Některé studie v poslední době využívají také elektrokardiografický signál (EKG), který se běžně zaznamenává společně s EEG při monitorování epilepsie, aby z něj vytěžily slibné rysy. Tyto studie sice ukázaly slibné výsledky, nicméně trpí mnoha omezeními. Mezi nimi použití omezeného počtu pacientů a záchvatů a použití pouze záznamů patřících do fáze předcházející záchvatům (tzv. preiktální období). Taková omezení neumožňují určit např. specifičnost takových algoritmů, protože neberou v úvahu také záznamy pořízené v časových intervalech daleko od záchvatů (interiktální data) a mohla by vést k přeplnění predikce záchvatů/ detekční model. Jediné, na čem se všichni badatelé zabývající se epilepsií shodují, je existence preiktální fáze, což je fáze předcházející záchvatu, iktální fáze, kdy je záchvat „aktivní“ a interiktální fáze, což je období dočasně daleko od záchvatu. Normálně se automatické metody pro predikci/detekci záchvatů skládají ze tří různých fází: předběžné zpracování (odstranění artefaktů, filtrace pásmovou propustí, segmentace dat, …) signálů EEG, extrakce příznaků a výběr a klasifikace příznaků. Tento poslední krok obvykle spočívá v použití strojového učení a statistických metod k rozhodnutí o predikci/detekci. V zásadě by tyto modely měly být schopny klasifikovat každou instanci EEG do dvou tříd, „záchvat“ nebo „žádný záchvat“, pomocí funkcí extrahovaných z EEG signálu. Účinnost těchto modelů do značné míry závisí na tom, jak efektivně jsou trénovány, a obvykle čím více dat je použito k jejich trénování, tím více jsou schopni přijmout správná rozhodnutí. Dostupnost velké databáze dat by proto mohla umožnit vyvinout účinné modely pro detekci/predikci epilepsie. Možnost, aby výzkumní pracovníci měli přístup k rozsáhlé databázi kontinuálních a dlouhodobých EEG dat pacientů s epilepsií, by mohla být velkou příležitostí k vývoji účinných a spolehlivých metod automatické predikce/detekce záchvatů. Z těchto důvodů některé výzkumné skupiny v posledních letech navrhly a sdílely veřejnou databázi EEG s výzkumníky, kteří chtějí otestovat své modely automatické detekce/předpovědi záchvatů. Takové databáze byly navrženy zejména Epileptickým centrem Univerzity v Bonnu a Freiburgu a také Dětskou nemocnicí v Bostonu a byly zpřístupněny ke stažení zdarma pro výzkumníky. Tyto databáze obsahují dlouhodobé záznamy EEG získané během předoperačního sledování pacientů s epilepsií. Počet pacientů zařazených do těchto databází je poměrně nízký (od minima 5 do maximálně 23 pacientů) a také počet záchvatů je omezen (od minima 59 po maximum 189). Délka nahrávek se dále pohybuje od 40 minut do 142 hodin a počet metadat (dalších informací o pacientech a záchvatech) je velmi nízký. Poslední databáze byla navržena v roce 2008 v rámci projektu založeného EU (EPILEPSIAE), do kterého bylo zapojeno 6 různých partnerů (nemocnice, univerzity, společnosti) ze 4 různých zemí (Německo, Itálie, Francie, Portugalsko). Tato databáze není zdarma, ale je k dispozici ke stažení po zaplacení v roce 2012. V současnosti se jedná o největší epilepsii EEG databázi dostupnou na světě (http://epilepsie-database.eu/). Obsahuje data od 275 pacientů, včetně EEG a EKG záznamů, metadat, klinických a technických anotací dat a klinických informací o pacientech. Ve skutečnosti je ke stažení k dispozici pouze 60 z 275 datových sad. Cílem této studie je vytvořit dlouhodobou EEG databázi získanou o pacientech s epilepsií během neinvazivního předchirurgického monitoru na oddělení epilepsie v IRCCS Neuromed. Databáze bude obsahovat kromě EEG a EKG záznamů i klinické a technické anotace k datům pořízených odbornými epileptology a také klinické informace o pacientovi včetně neuropsychologických vyšetření. Všechna data budou nejprve anonymizována, zašifrována a poté dána k dispozici ke stažení zdarma. Databáze bude obsahovat data od 200 pacientů s epilepsií, kteří podstoupili neinvazivní předchirurgické monitorování epilepsie na oddělení epilepsie v IRCCS Neuromed. Na konci neinvazivního EEG monitorování prohlédnou dva experti epileptologové data EEG/EKG, aby identifikovali záchvaty, zejména kanály, kde záchvat začíná, čas a vše, co by mohlo být pro projekt zajímavé. Všechny nahrávky budou exportovány ve formátu ASCII (American Standard Code for Information Interchange) pomocí softwaru DMS Data Management System (Nihon Kohden Europe Gmbh), verze 2.9.8 a uloženy lokálně. Zároveň budou u každého pacienta získány klinické a demografické údaje (pouze pohlaví a věk). Pro každého pacienta budou k dispozici zejména následující údaje:
- Demografické údaje (pohlaví a věk);
- Klinické informace (typ epilepsie, frekvence záchvatů,…);
- Neuropsychologická data;
- EEG data získaná podle mezinárodního systému 10-20;
- údaje EKG;
- Informace o nahrávkách a záchvatech (čas začátku a konce, čas začátku a konce každého záchvatu, …)
Všechna data od všech pacientů budou zahrnuta do jediné databáze a každý pacient bude uložen v jediném komprimovaném archivu. Databáze bude zpřístupněna po vyplnění žádosti, kterou může každý výzkumník přeposlat pomocí vyhrazené adresy URL, ve které výzkumník vyplní formulář, když bude požádán o poskytnutí následujících údajů:
- Údaje o žadateli (jméno, adresa, příslušnost, …)
- Souhlas GDPR Jakmile bude žádost přijata, bude komprimovaný archiv obsahující celou databázi chráněn ad-hoc alfanumerickým heslem. Takové heslo se bude skládat ze dvou částí: první část bude zaslána e-mailem žadateli, druhá část bude zaslána běžnou poštovní službou (obousměrné ověření).
Typ studie
Zápis (Očekávaný)
Kontakty a umístění
Studijní místa
-
-
IS
-
Pozzilli, IS, Itálie, 86077
- Nábor
- IRCCS Neuromed
-
Kontakt:
- LUIGI PAVONE
- Telefonní číslo: +39 0865929645
- E-mail: bioingegneria@neuromed.it
-
Vrchní vyšetřovatel:
- Luigi Pavone
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
Přijímá zdravé dobrovolníky
Pohlaví způsobilá ke studiu
Metoda odběru vzorků
Studijní populace
Popis
Kritéria pro zařazení:
- Pacienti s farmakorezistentní epilepsií kandidátem na operaci podstoupili neinvazivní EEG monitorování
- Pacienti s alespoň jedním zaznamenaným záchvatem během monitorování EEG
Kritéria vyloučení:
- Pacienti s farmakorezistentní epilepsií kandidátem na operaci podstoupili neinvazivní EEG monitorování
- Pacienti bez zaznamenaných záchvatů během monitorování EEG
Studijní plán
Jak je studie koncipována?
Detaily designu
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Časové okno |
|---|---|
|
Počet odebraných pacientů
Časové okno: Prosinec 2020 – prosinec 2021
|
Prosinec 2020 – prosinec 2021
|
Spolupracovníci a vyšetřovatelé
Sponzor
Publikace a užitečné odkazy
Obecné publikace
- Sunderam S, Gluckman B, Reato D, Bikson M. Toward rational design of electrical stimulation strategies for epilepsy control. Epilepsy Behav. 2010 Jan;17(1):6-22. doi: 10.1016/j.yebeh.2009.10.017. Epub 2009 Nov 17.
- Stacey WC, Litt B. Technology insight: neuroengineering and epilepsy-designing devices for seizure control. Nat Clin Pract Neurol. 2008 Apr;4(4):190-201. doi: 10.1038/ncpneuro0750. Epub 2008 Feb 26.
- Stein AG, Eder HG, Blum DE, Drachev A, Fisher RS. An automated drug delivery system for focal epilepsy. Epilepsy Res. 2000 Apr;39(2):103-14. doi: 10.1016/s0920-1211(99)00107-2.
- Theodore WH, Fisher R. Brain stimulation for epilepsy. Acta Neurochir Suppl. 2007;97(Pt 2):261-72. doi: 10.1007/978-3-211-33081-4_29.
- Osorio I, Frei MG, Sunderam S, Giftakis J, Bhavaraju NC, Schaffner SF, Wilkinson SB. Automated seizure abatement in humans using electrical stimulation. Ann Neurol. 2005 Feb;57(2):258-68. doi: 10.1002/ana.20377.
- Morrell M. Brain stimulation for epilepsy: can scheduled or responsive neurostimulation stop seizures? Curr Opin Neurol. 2006 Apr;19(2):164-8. doi: 10.1097/01.wco.0000218233.60217.84.
- Mormann F, Andrzejak RG, Elger CE, Lehnertz K. Seizure prediction: the long and winding road. Brain. 2007 Feb;130(Pt 2):314-33. doi: 10.1093/brain/awl241. Epub 2006 Sep 28.
- Rogowski Z, Gath I, Bental E. On the prediction of epileptic seizures. Biol Cybern. 1981;42(1):9-15. doi: 10.1007/BF00335153.
- Salant Y, Gath I, Henriksen O. Prediction of epileptic seizures from two-channel EEG. Med Biol Eng Comput. 1998 Sep;36(5):549-56. doi: 10.1007/BF02524422.
- Iasemidis LD, Sackellares JC, Zaveri HP, Williams WJ. Phase space topography and the Lyapunov exponent of electrocorticograms in partial seizures. Brain Topogr. 1990 Spring;2(3):187-201. doi: 10.1007/BF01140588.
- Lehnertz K, Elger CE. Spatio-temporal dynamics of the primary epileptogenic area in temporal lobe epilepsy characterized by neuronal complexity loss. Electroencephalogr Clin Neurophysiol. 1995 Aug;95(2):108-17. doi: 10.1016/0013-4694(95)00071-6.
- Martinerie J, Adam C, Le Van Quyen M, Baulac M, Clemenceau S, Renault B, Varela FJ. Epileptic seizures can be anticipated by non-linear analysis. Nat Med. 1998 Oct;4(10):1173-6. doi: 10.1038/2667.
- Le Van Quyen M, Soss J, Navarro V, Robertson R, Chavez M, Baulac M, Martinerie J. Preictal state identification by synchronization changes in long-term intracranial EEG recordings. Clin Neurophysiol. 2005 Mar;116(3):559-68. doi: 10.1016/j.clinph.2004.10.014. Epub 2004 Dec 25.
- Le Van Quyen M, Martinerie J, Baulac M, Varela F. Anticipating epileptic seizures in real time by a non-linear analysis of similarity between EEG recordings. Neuroreport. 1999 Jul 13;10(10):2149-55. doi: 10.1097/00001756-199907130-00028.
- Stacey W, Le Van Quyen M, Mormann F, Schulze-Bonhage A. What is the present-day EEG evidence for a preictal state? Epilepsy Res. 2011 Dec;97(3):243-51. doi: 10.1016/j.eplepsyres.2011.07.012. Epub 2011 Aug 31.
- Teixeira CA, Direito B, Feldwisch-Drentrup H, Valderrama M, Costa RP, Alvarado-Rojas C, Nikolopoulos S, Le Van Quyen M, Timmer J, Schelter B, Dourado A. EPILAB: a software package for studies on the prediction of epileptic seizures. J Neurosci Methods. 2011 Sep 15;200(2):257-71. doi: 10.1016/j.jneumeth.2011.07.002. Epub 2011 Jul 7.
- Delamont RS, Julu PO, Jamal GA. Changes in a measure of cardiac vagal activity before and after epileptic seizures. Epilepsy Res. 1999 Jun;35(2):87-94. doi: 10.1016/s0920-1211(98)00100-4.
- Kerem DH, Geva AB. Forecasting epilepsy from the heart rate signal. Med Biol Eng Comput. 2005 Mar;43(2):230-9. doi: 10.1007/BF02345960.
- D'Alessandro M, Vachtsevanos G, Esteller R, Echauz J, Cranstoun S, Worrell G, Parish L, Litt B. A multi-feature and multi-channel univariate selection process for seizure prediction. Clin Neurophysiol. 2005 Mar;116(3):506-16. doi: 10.1016/j.clinph.2004.11.014. Epub 2005 Jan 24.
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (AKTUÁLNÍ)
Primární dokončení (OČEKÁVANÝ)
Dokončení studie (OČEKÁVANÝ)
Termíny zápisu do studia
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (AKTUÁLNÍ)
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (AKTUÁLNÍ)
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Více informací
Termíny související s touto studií
Další relevantní podmínky MeSH
Další identifikační čísla studie
- BIOING_02
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .
Klinické studie na Automatická detekce záchvatů
-
University Hospital, Clermont-FerrandDokončeno
-
Peking Union Medical College HospitalDokončenoNanopore HPV integrační místo třetí generace pro přesnou předpověď prognózy rakoviny děložního čípkuRakoviny děložního čípku | Testování HPV | Sekvenování nanoporů | HPV Integration Site Detection | Rychlá diagnostikaČína