Elektroenkefalogrammi ennustaa leikkauksen jälkeisen deliriumin (EPOD)

Leikkauksen jälkeinen delirium (POD) on yleinen neurologinen komplikaatio suuren leikkauksen jälkeen, etenkin neurokirurgisilla potilailla, joiden esiintyvyys on 5% - 37%, diagnoosikriteereistä ja potilaan alaryhmistä riippuen. POD: lle on liitetty lisääntynyt sairastuvuus, pitkäaikainen sairaalahoito, pitkäaikainen kognitiivinen heikentyminen ja korkeammat terveydenhuollon kustannukset. Kliinisestä merkityksestään huolimatta POD -riskipotilaiden varhainen tunnistaminen on edelleen haaste. Elektroenkefalografiaa (EEG) on käytetty laajasti aivojen toiminnan seuraamiseen anestesia- ja kriittisen hoidon olosuhteissa. POD: n anestesian palautumisen aikana aliarviointi ja ennustava arvo POD: lle on kuitenkin suurelta osin tutkimatta.

Tämän mahdollisen havainnollisen tutkimuksen tavoitteena on arvioida, voivatko välittömän anestesian palautumisvaiheen aikana rekisteröidyt EEG-parametrit POD: n luotettavina ennustajina aikuisilla potilailla, joille tehdään valinnainen kraniotomia. Tutkimukseen sisältyy valinnaisille kraniotomialle suunnitellut potilaat, jotka on päästy tehohoitoyksikköön (ICU) postoperatiivisesti.

Opintojen suunnittelu ja menettelytavat

Sub-Hairline EEG -valvonta alkaa leikkauksen lopussa ja jatkuu koko ICU: n varhaisen palautumisvaiheen ajan. EEG -signaalit tallennetaan jatkuvasti standardisoidulla EEG -montaasilla, keskittyen etu- ja ajallisiin alueisiin. EEG: stä johdetut kiinnostavat parametrit sisältävät:

• Spektriteho eri taajuuskaistalla (Delta, Theta, Alpha, Beeta)
• Purskeesto -suhde
• Funktionaaliset yhteydenpitomittarit (koherenssi, vaihe-amplitudikytkentä) POD arvioidaan validoitujen seulontatyökalujen avulla, mukaan lukien ICU: n (CAM-ICU) sekaannuksen arviointimenetelmä, deliriumin havainnon seulontaasteikko (DOSS) ja vaihteleva mielentilan arviointi (FMSE) seitsemän päivän leikkauksen jälkeen. Arvioinnit suoritetaan ekstubaation jälkeen ja klo 10.00–16.00 seitsemän ensimmäisen leikkauksen jälkeisen päivän aikana. Suoritetaan yhteensä neljä käyntiä: postoperatiivisena päivänä 1, leikkauksen jälkeinen päivä 7 ja kahdella satunnaisesti valitulla päivällä leikkauksen jälkeisten päivien 2 ja 5 välillä.

Tiedonkeruu ja laadunvarmistus

Tietojen laadun ja eheyden varmistamiseksi tutkimus toteuttaa seuraavat menettelyt:

• Standardisoitu EEG -hankinta ja käsittely: EEG -signaalit kerätään käyttämällä ennalta määritettyä protokollaa, jolla on tiukat esineen hylkäämiskriteerit.
• Kliinisen tiedon tallennus: Potilaan demografiset tiedot, perioperatiivinen anestesiahoito, hemodynaaminen stabiilisuus, postoperatiivinen analgesia, hengityselinten toiminta ja EKG -parametrit kirjataan mahdollisten hämmentävien tekijöiden arvioimiseksi.
• Lähdetietojen todentaminen: EEG-tallenteet ja kliiniset tiedot tarkistetaan ristiin tarkkuuden ja täydellisyyden elektronisilla sairauskertomuksilla.
• Laadunvalvontatoimenpiteet: Tietojen syöttäminen tapahtuu automaattisen alueen ja johdonmukaisuuden tarkistukset virheiden minimoimiseksi. Puuttuvat tai epäjohdonmukaiset tiedot merkitään ja tarkistetaan.

Näytteen koko ja tilastollinen analyysisuunnitelma Suoritetaan näytteen koon laskenta, jotta voidaan varmistaa riittävä voima merkittävien assosiaatioiden havaitsemiseksi EEG -parametrien ja POD -esiintyvyyden välillä. Aikaisempien tutkimusten perusteella POD: n esiintyvyys on 30% sairaalamme neurokirurgian jälkeen. Kirjallisuushakutulosten ja siihen liittyvien tutkimusten mukaan käyrän alla oleva alue oli 0,73, kaksipuolinen testivirhe oli 0,05, tilastollinen teho oli 0,9 ja 10%: n keskeyttämisaste otettiin huomioon. Lopulta aiomme ilmoittautua 137 osallistujaa valinnaiseen neurokirurgiaan.

Ensisijainen analyysi:

• EEG -parametrien välinen yhteys anestesian palautumisen ja POD: n välillä arvioidaan monimuuttujaisen logistisen regression avulla, säätäen mahdollisia sekoittajia.
• Aikasarjan EEG-muutokset analysoidaan käyttämällä toistuvien mittausten ANOVA: ta EEG-dynamiikan seuraamiseksi ajan myötä.

Toissijainen analyysi:

• POD -vakavuutta ennustavat EEG -biomarkkerit tunnistetaan koneoppimismenetelmillä, kuten päätöksentekopuilla ja tukivektorikoneissa.
• Alaryhmäanalyysi arvioi ikään, kognitiiviseen toimintaan ja kirurgiseen kestoon perustuvia eroja.

Odotettu vaikutus hyödyntämällä ei-invasiivista ala-hairline-EEG-seurantaa, tämän tutkimuksen tavoitteena on tarjota tietoa POD: n taustalla olevista neurofysiologisista mekanismeista ja tunnistaa varhaiset EEG-biomarkkerit riskien stratifioinnille. Jos tämä tutkimus onnistuu, se voisi edistää reaaliaikaisten EEG-pohjaisten seurantatyökalujen kehittämistä varhaisen palkojen havaitsemiseksi ja ehkäisemiseksi parantaen lopulta neurokirurgisten potilaiden leikkauksen jälkeisiä tuloksia.