Ein auf mehreren Signalen basierendes Überwachungssystem für ZNS-Hypersomnien

Exzessive Tagesschläfrigkeit (EDS) ist ein häufiges Symptom in der Allgemeinbevölkerung. Die Prävalenz liegt zwischen 5 % und 30 %. Und die Tagesmüdigkeit bringt oft negative Auswirkungen mit sich, und sogar die tägliche Funktion und die Lebensqualität werden durch diese Hypersomnien beeinträchtigt. In einigen schweren Fällen können viele Unfälle passieren und das Leben gefährden. Die derzeitige dritte Ausgabe der Internationalen Klassifikation von Schlafstörungen (ICSD 3) klassifiziert „Störungen des zentralen Nervensystems durch Hypersomnolenz“ ausdrücklich als Narkolepsie Typ 1 und Typ 2; idiopathische Hypersomnie (IH) und Kleine-Levin-Syndrom (KLS). Allerdings ist bisher, außer bei Narkolepsie Typ 1, die einen relativ eindeutigen pathologischen Mechanismus aufweist, der mit der verminderten Sekretion von Hypocretin zusammenhängt, bei anderen Hypersomnie-Erkrankungen wie Narkolepsie Typ 2, IH und KLS, das kein eindeutiger neurophysiologischer Diagnosestandard ist, und der Mechanismus dieser Krankheiten ist noch nicht klar. Daher kann sich die Diagnose nur auf die klinischen Symptome und die klinische Erfahrung der Ärzte stützen. Deshalb ist die Diagnose dieser Krankheiten noch immer mit großen Schwierigkeiten und Herausforderungen verbunden. Um die Diagnose genauer zu stellen, müssen die Ermittler daher die "biologischen und neurophysiologischen Biomarker" für diese Krankheiten herausfinden. Und sorgen Sie dafür, dass Patienten schnell die richtige Behandlung erhalten.

Die Zwecke dieser Studie sind wie folgt:

1. Der Hauptzweck besteht darin, ein auf mehreren Signalen basierendes Überwachungssystem zu verwenden, um es mit Gehirnbilddaten zu verknüpfen und Quervergleiche durchzuführen, um mögliche pathologische Mechanismen dieser ZNS-Hypersomnien herauszufinden.
2. Verwenden Sie das Multisignal-basierte Überwachungssystem, um Gehirnbilddaten zu verknüpfen und Quervergleiche durchzuführen, um diese klinisch signifikanten Biomarker für ZNS-Hypersomnien weiter herauszufiltern und ideale und genaue physiologische Biomarker zu finden, die den Krankheitsverlauf überwachen können.
3. Verwenden Sie diese genau überwachten Biomarker, um Veränderungen der Biomarker und den Langzeitverlauf dieser ZNS-Hypersomnien zu verfolgen und den Behandlungseffekt und die Prognose zu bewerten.
4. Verwenden Sie computergestütztes maschinelles Lernen und andere Algorithmen, um eine Vielzahl schnellerer und genauerer Vorhersagemodelle für diese ZNS-Hypersomnien zu analysieren und zu erstellen und so das Ziel der Präventivmedizin zu erreichen.

Untersuchungsmethode:

Es handelt sich um eine retrospektive und prospektive Kohortenstudie. Es werden 600 Probanden (Alter 9-45) gesammelt. Diese Subjekte werden in die fünf Gruppen eingeteilt: (1) Versuchsgruppe (Narkolepsie Typ 1, 300 Subjekte); (2) Versuchsgruppe (Narkolepsie Typ 2, 100 Probanden); und (3) Versuchsgruppe (KLS, 100 Probanden); und (4) experimentelle Gruppe (IH, 50 Probanden); und (5) gesunde Kontrollgruppe (alters- und geschlechtsangepasste gesunde Probanden, 50 Probanden). Die Ermittler sammeln alle klinischen Daten für jedes Subjekt, einschließlich klinischer Merkmale, Schlafuntersuchungsdaten, Aktigraphie, HLA-Typisierung und Bildgebungsdaten des Gehirns.

Methode der Datenanalyse:

Verwenden Sie mehrere physiologische Signale, um quantitative Algorithmen in Echtzeit zu generieren und physiologische Biomarker im Zusammenhang mit Hypersomnien zu finden. Verwenden Sie die oben genannten Daten wurden kategorisiert und gruppiert durch Datenanalyse auf der Grundlage von maschinellem Computerlernen, neuronalen Netzwerken und anderen Algorithmen. Dann werden die Ermittler auf der Grundlage der Ergebnisse ein Vorhersagemodell erstellen und einen medizinischen Bericht schreiben und veröffentlichen.