Studie zur Validierung eines neuartigen Anfallserkennungsalgorithmus

Krampfanfälle sind paroxysmale, abnormale Verhaltensweisen, die normalerweise mit verändertem Bewusstsein und Amnesie verbunden sind. Die Häufigkeit der Anfälle ist nicht leicht zu dokumentieren. Die Person, die an Anfällen leidet, kann sich nicht bewusst sein, dass ein Anfall auftritt. Bei vielen Anfällen, einschließlich generalisierter schwerer motorischer Anfälle, ist eine stereotype, kräftige motorische Aktivität mit den Ereignissen verbunden.

Derzeit stützt sich die genaue Erkennung von Anfällen auf EEG und Video, die durch Zeit, Größe und Mobilität begrenzt sind. Die Anfallserkennung kann auch Biomarker wie Bewegungsmuster verwenden, die von Gyroskopen beschrieben werden. Diese Geräte können Bewegungsmuster überwachen, die der Aktivität während der Anfälle entsprechen, und ohne Eingabe des Patienten in einem Protokoll der Anfälle geführt werden. Das Protokoll kann verwendet werden, um Patienten oder Betreuer über Anfälle zu informieren.

Diese Studie soll die Genauigkeit eines Systems bestimmen, das ein kommerzielles, tragbares Gerät verwendet, das mit einem in der Cloud basierenden Computeralgorithmus verbunden ist, der das Bewegungsmuster speichert und den Patienten und andere über einen generalisierten schweren motorischen Anfall informiert. Die Genauigkeit wird durch einen Vergleich der Systemerkennungen mit einem gleichzeitig aufgezeichneten Video-Elektroenzephalogramm bestimmt, das als „Goldstandard“ der Anfallserkennung gilt.