ZEEG:n kliininen validointi, langaton EEG-tallennusjärjestelmä lapsi- ja aikuispotilaille, joilla on epilepsia

Tutkimushypoteesi:

Oletuksena on, että zEEG:n tallentamat signaalit eivät eroa merkittävästi standardin kliinisen EEG-järjestelmän (kliininen EEG) tallentamista signaaleista. Tässä tutkimuksessa käytämme kliinisen luokan Xltek® (Natus, Inc.) FDA:n hyväksymää pitkän aikavälin videovalvonta-EEG-järjestelmää ja Nicolet ® (Natus, Inc.) FDA:n hyväksymää kliinisen luokan EEG-järjestelmää. zEEG:tä verrataan molempiin järjestelmiin. Pieni signaaliero on odotettavissa kuuden elektrodin ei-päällekkäisten asemien vuoksi. 1-2 cm:n paikkaeron elektrodien välillä odotetaan synnyttävän havaittavissa olevan eron kahden signaalin välillä.

Tausta:

Tutkimuksen tarkoituksena on validoida ZETO, Inc:n (zEEG) zEEG®, puettava langaton kuulokemikrofoni ja tiedonkeruujärjestelmä (DAQ) sekä lapsi- että aikuispotilaille, joilla on diagnosoitu epilepsia. Tutkimuksessa verrataan (i) kahden järjestelmän teknisiä parametreja, (ii) zEEG:n herkkyyttä ja spesifisyyttä tavallisiin kliinisiin EEG DAQ -järjestelmiin, joita käytetään epänormaalien epileptiformisten vuotojen havaitsemiseen, (iii) korrelaatiota kallonsisäisten tallenteiden kanssa, (iv) ja koulutetut neurologit erottavat nämä kaksi järjestelmää kaksoissokkomallissa. Koska zEEG-laite on saanut 510(k)-luvan FDA:lta vuonna 2018, tutkimus ei koske laitteen turvallisuutta. Laite ei aiheuta merkittävää riskiä FDA:n arvioiden mukaan, ja se on luokiteltu luokan II luokkaan. Tutkimuksen tavoitteena on arvioida kuivan, helppokäyttöisen langattoman järjestelmän käyttökelpoisuutta kliinisessä elektrografiassa kvantitatiivisesti arvioimalla signaalin kokonaislaatua verrattuna perinteiseen kliiniseen EEG-järjestelmään.

Suunnittelu ja metodologia:

Spec Tavoite 1: Määritä ja vertaa signaalin laatua zEEG- ja kliinisen EEG-järjestelmän välillä samanaikaisissa tallennusistunnoissa, jotka suoritetaan diagnostista tarkoitusta varten potilaille kliinisissä olosuhteissa, yksi istunto potilasta kohti. Tarkemmin sanottuna testaamme signaalien päällekkäisyyttä (amplitudi, näytteenottotaajuus, alfa-aallot, terävät aallot, polttopisteen hidastuminen, piikki- ja aaltokuvioita sekä unikarat) ja spektrin korrelaatiota kahden järjestelmän välillä. Käytämme monitekijäistä ANOVA-suunnittelua, jossa riippumattomat muuttujat on järjestetty neljään tekijään: ikäryhmä (lapset, aikuiset), järjestelmä (zEEG, cEEG), tehtävä (1-5) ja tallennuspaikat (10-20). järjestelmä). Riippuva muuttuja on spektrisignaali-kohinasuhde (SNR), joka lasketaan spektrin keskiarvona (jaettuna spektrin keskihajonnalla).

Spec Tavoite 2: Määritä kahden järjestelmän herkkyys ja spesifisyys epileptiformiselle aktiivisuudelle samanaikaisissa tallennuksissa. Vaikka Spec Aim 1 antaa meille arvion zEEG:n herkkyydestä suhteessa kliiniseen EEG-järjestelmään, se ei anna arviota diagnosoinnin kannalta merkityksellisten sähkögrafisten tapahtumien parametrien spesifisyydestä. Esimerkiksi, jos zEEG korkean impedanssin kuivin elektrodeineen osoittautuu paljon herkemmäksi sähköpotentiaalin muutoksille kuin tavallinen kliininen laite, se saattaa lisätä sen herkkyyttä myös liikeartefakteille, jotka saastuttaisivat hermosolujen signaaleja. Herkkyys ilman spesifisyyttä ei tarkoita parannusta. Siksi testaamme, liittyykö herkkyysero myös spesifisyyden eroon. Kuivaelektrodipohjainen järjestelmä ylittää tavalliset märkäelektrodin kliiniset järjestelmät, jos se tarjoaa vähintään saman herkkyyden ja spesifisyyden kliinisesti merkittävien EEG-tapahtumien esittämiseen. Siksi vertaamme myogeenisten artefaktien, hampaiden puristamisen, pään liikkeiden, silmien liikkeiden ja EEG:n välistä eroa kahden järjestelmän, zEEG:n ja kliinisen EEG-järjestelmän välillä. Tässä erityistavoitteessa vertaamme vain Xltek® (Natus, Inc.) kliinistä laatua olevaa FDA:n hyväksymää pitkän aikavälin EEG-järjestelmää zEEG-järjestelmään, sen sijaan että käytämme kahta erilaista kliinistä EEG-järjestelmää (Nicolet® ja Xltek) varmistaaksemme näytteiden homogeenisuus (liite, kuva 2A). Mikä tärkeintä, vertaamme eroa lähtötilanteen ja epileptiformisen aktiivisuuden välillä. Koulutetut neurologit tunnistavat epileptiformisen aktiivisuuden tapaukset keskeisistä tutkijoistamme. Vertaamme amplitudi- ja tehospektrin muutoksen suuruutta perusviivasta EEG:stä liikeartefakteihin ja epileptiformiseen aktiivisuuteen näiden kahden järjestelmän välillä. Spektritiheystilastot lasketaan välillä 1 - 180 Hz.

Spec Aim 1:n ja Spec Aim 2:n tallennukset tehdään eri koehenkilöillä käyttäen erilaisia ​​kliinisiä vahvistimia vertailujärjestelminä: Nicolet®, joka on suunniteltu ambulatoriseen tiedonkeruuun, ja Xltek®, joka on suunniteltu pitkäaikaiseen seurantaan. Jokainen potilas osallistuu tutkimukseen vain kerran.

Spec Tavoite 3: Testaa 16 asiantuntijanurologin tekemien kliinisten arviointien yhteensopivuutta kahdella järjestelmällä saatujen EEG-tietueiden perusteella. Vertailemme kliinisiä johtopäätöksiä, jotka on tehty samanaikaisissa zEEG- ja kliinisissä EEG-näytteissä havaittujen epileptiformisen aktiivisuuden merkityksellisistä piirteistä.

Tavoitteena on arvioida zEEG:llä tehtyjen tallenteiden kliinistä validiteettia verrattuna kliinisillä standardeilla EEG-järjestelmillä tehtyihin tallenteisiin. Testaamme, ovatko kahden eri järjestelmän näytteiden välittämät tiedot yhteensopivia koulutettujen neurologien arvioinnissa. Tämä tavoite vertaa, kuinka kliinisesti informatiivisia nämä kaksi järjestelmää ovat, riippumatta niiden teknisistä parametreista. Viime kädessä uusi EEG-järjestelmä on informatiivinen vain, jos molemmista näytteistä tehdyt kliiniset johtopäätökset ovat yhdenmukaisia. Huomaa, että tämä tavoite ei koske sitä, mikä järjestelmä on parempi. Sen sijaan se tarkastelee, onko zEEG riittävän hyvä korvaamaan kliinisen EEG-järjestelmän, kun otetaan huomioon sen helppokäyttöisyys, asennusaika, puetettavuus ja mukavuus. Tavoite ei myöskään oleta, että näitä kahta järjestelmää ei voida erottaa toisistaan. Asiantuntevat neurologit eivät vertaa kahta järjestelmää suoraan toisiinsa. Sen sijaan he tarjoavat näytteiden perusteella kliinisiä arviointeja. Muut asiantuntijaneurologit (tämän tutkimuksen tutkijat) valitsevat nämä näytteet etukäteen. Yhteistutkijat ja asiantuntija-aineneurologit eivät ole päällekkäisiä. Tutkittavien neurologien kliiniset arviot pisteytetään sokeasti tietokoneohjelmalla, ja PI ja tutkimuksen tekijä arvioivat näiden pisteiden vastaavuuden. Yhteensopivuuden perusteella tutkijat päättelevät, välittävätkö kaksi EEG-järjestelmää samaa kliinistä tietoa vai eivät. Tämä menettely varmistaa kaksoissokkomallin ja minimoi harhoja.

Tietojen analysointi:

Spec Tavoite 1: Tilastollista arviointia varten segmentoimme tiedot yhtä suuriin 256 pisteen (512 ms) lohkoihin ja suoritamme FFT (Fast Fourier Transform). Käytämme liukuvan ikkunan monikartiospektrihajotelmaa välttääksemme reunaefektit lohkojen välillä. Teemme nämä analyysit jokaisessa kanavassa erikseen. Useita lohkoja käyttämällä pystymme laskemaan tilastot 351 näytteestä 3 metrin tallennuksesta. Spektriero arvioidaan 0,05:n luotettavuudella eri taajuuskaistoilla ja käyttämällä Bonferrioni-korjausta useisiin vertailuihin.

Lopuksi laskemme korrelaatiokertoimen zEEG:n ja kliinisen EEG-spektrin välillä kaikissa viidessä tilanteessa

Spec Tavoite 2: Neurologimme tunnistavat ja leikkaavat esitallennettuja samanaikaisia ​​zEEG- ja cEEG-näytteitä normaalin lepotilan, liikkeiden ja sähköisten tapahtumien aikana videotoiston ja EEG:n perusteella. Valitsemme 60 sekunnin välein kunkin tapahtumatyypin aikana, niin monta kuin voimme saada yhden tunnin EEG-istunnon/kohteen aikana. Käytämme samaa suodatinasetusta ja näytteenottotaajuutta (500 Hz) molemmissa järjestelmissä. Seuraavaksi lasketaan näytekorrelaatio zEEG:n ja ceEG:n välillä 1,25 sekunnin liukuikkunoissa. Vertailemme tehospektritiheyden muutosta samassa järjestelmässä lepotilan EEG:n, liikeartefaktien ja sähkögrafisten tapahtumien välillä (inter-ictal piikit, kohtaukset, piikit, piikki ja aalto, muut epileptiset purkaukset). Kvantifioimme näiden tapahtumien välisen spektrieron laskemalla erotteluindeksin käyttämällä ROC-analyysiä. ROC-analyysi testaa, kuinka "ihanteellinen tarkkailija" pystyisi erottamaan nämä näytteet spektrien erojen perusteella suureen totuuteen nähden (perustuu asiantuntijaneurologiemme luokitukseen) tietämättä, mistä ajanjaksosta nuo näytteet on otettu.

Tilastolliseen analyysiin käytetään nelisuuntaista ANOVAa, jossa neljä tekijää ovat: ikäryhmä (lapset, aikuiset), järjestelmä (zEEG, cEEG), tehtävät (1-5) ja tallennuspaikat (10-20 järjestelmä). ). Riippuva muuttuja on spektrisignaali-kohinasuhde (SNR), joka lasketaan spektrin keskiarvona (jaettuna spektrin keskihajonnalla).

Spec Tavoite 3: Suurin saavutettava oikea pistemäärä koehenkilöä kohti on 7 ensimmäisessä testissä ja 7 toisessa. Seuraavaksi yhdistämme istuntojen pisteet samassa järjestelmässä seuraavasti. Jos ensimmäisen sarjan pisteet merkitään kliiniseksi EEG:ksi [a1 a2 a3 a4 a5 a6] ja zEEG [b1 b2 b3 b4 b5 b6] ja toisessa sarjassa kliiniseksi EEG:ksi [a7 a8 a9 a10 a11 a12] ja zEEG [b7 b8 b9 b10 b11 b12], laskemme eropisteet muodossa DclinicalEEG-zEEG (a1-b1, a2-b2, … ,a12-b12). NULL-arvomme on, että kahden asiantuntijan arviot ovat sopusoinnussa kahden järjestelmän välillä ja D-pisteet eivät eroa nollasta. Vaihtoehtona on, että näiden kahden järjestelmän asiantuntija-arviot ovat ristiriidassa; siksi D-pisteiden jakauma eroaa merkittävästi nollasta. Laskemme yhden otoksen opiskelijan T-testin vertaamaan jakauman poikkeamaa nollasta.

Pyydämme 16 asiantuntijaa antamaan vastauksensa näytteiden testaamiseen. Teemme testin suoritettavaksi verkossa. EEG-näytteiden tunnistaminen poistetaan. Vahvistus, suodatus ja näytteenottotaajuus ovat samat kaikille näytteille ja molempien järjestelmien välillä. Kohdetta kohden ei tarvita enempää kuin 1 min. Kokonaistesti, jossa on 5 kysymystä, noin 10 näytettä (kliininen EEG-sarja ja zEEG-sarja), kestää noin 10 minuuttia. Tehotestimme mukaan otoskoko=16, STD=3 (välillä 1-7) otoskeskiarvo D=2 tilastollisen testin teho on 84,7 %, mikä riittää tilastollisen johtopäätöksen tekemiseen. Näin ollen otoskoko = 16 riittää haluttuun tilastolliseen tehokkuuteen > 80 % (http://rpsychologist.com/d3/NHST/). Sopimuksen mukaan 80 % on hyväksyttävä tehotaso (Ellis, 2010).