Validation clinique de zEEG, un système d'enregistrement EEG sans fil pour les patients pédiatriques et adultes atteints d'épilepsie

Hypothèse de recherche:

L'hypothèse est que les signaux enregistrés par zEEG ne diffèrent pas significativement des signaux enregistrés par un système EEG clinique standard (EEG clinique). Dans cette étude, nous utiliserons le système EEG de surveillance vidéo à long terme de qualité clinique Xltek® (Natus, Inc.) approuvé par la FDA et le système EEG ambulatoire de qualité clinique Nicolet® (Natus, Inc.) approuvé par la FDA. zEEG sera comparé aux deux systèmes. Une légère différence de signal est attendue en raison des positions non superposées des 6 électrodes. La différence de position de 1 à 2 cm entre les électrodes devrait générer une différence perceptible entre les deux signaux.

Arrière-plan:

Le but de l'étude est de valider le zEEG® de ZETO, Inc. (zEEG), un casque sans fil portable et un système d'acquisition de données (DAQ) sur des populations de patients pédiatriques et adultes chez qui l'épilepsie a été diagnostiquée. L'étude compare (i) les paramètres techniques des deux systèmes, (ii) la sensibilité et la spécificité du zEEG par rapport aux systèmes DAQ EEG cliniques standard utilisés pour détecter les décharges épileptiformes anormales, (iii) la corrélation avec les enregistrements intracrâniens, (iv) et la discriminabilité des deux systèmes par des neurologues formés dans un paradigme en double aveugle. Étant donné que l'appareil zEEG a reçu une autorisation 510 (k) de la FDA en 2018, l'étude ne concerne pas la sécurité de l'appareil. L'appareil ne présente aucun risque significatif, tel qu'évalué par la FDA, et est classé dans la catégorie Classe II. L'objectif de l'étude est d'évaluer l'utilité d'un système sans fil sec et facile à utiliser en électrographie clinique par une évaluation quantitative de la qualité globale du signal par rapport à un système EEG clinique traditionnel.

Conception et méthodologie :

Objectif spécifique 1 : Quantifier et comparer la qualité du signal entre le système zEEG et le système EEG clinique lors de sessions d'enregistrement simultanées effectuées à des fins de diagnostic chez des patients en milieu clinique, une session par patient. Plus précisément, nous testerons le chevauchement des signaux (amplitude, fréquence d'échantillonnage, ondes alpha, ondes aiguës, ralentissement focal, modèles de pics et d'ondes et fuseaux de sommeil) et la corrélation spectrale entre les deux systèmes. Nous utiliserons une conception ANOVA multifactorielle, où les variables indépendantes sont organisées en 4 facteurs : groupe d'âge (pédiatrique, adulte), système (zEEG, cEEG), tâche (1-5) et sites d'enregistrement (10-20 système). La variable dépendante est le rapport signal/bruit spectral (SNR) calculé comme la moyenne spectrale (divisée par l'écart-type spectral.

Objectif spécifique 2 : Déterminer la sensibilité et la spécificité des deux systèmes pour l'activité épileptiforme dans des enregistrements simultanés. Bien que Spec Aim 1 nous fournisse une estimation de la sensibilité du zEEG par rapport au système EEG clinique, il ne fournit pas d'estimation de la spécificité des paramètres pour les événements électrographiques pertinents pour le diagnostic. Par exemple, si le zEEG avec ses électrodes sèches à haute impédance s'avère beaucoup plus sensible aux changements de potentiel électrique que l'appareil clinique standard, cela pourrait également augmenter sa sensibilité aux artefacts de mouvement, ce qui contaminerait les signaux neuronaux. Sensibilité sans spécificité ne signifie pas amélioration. Par conséquent, nous testerons si la différence de sensibilité est également associée à une différence de spécificité. Un système à base d'électrodes sèches surpassera les systèmes cliniques à électrodes humides standard s'il fournit au moins la même sensibilité et spécificité pour la représentation des événements EEG cliniquement pertinents. Par conséquent, nous comparerons la séparation entre les artefacts myogéniques, le serrement des dents, les mouvements de la tête, les mouvements oculaires et l'EEG entre les deux systèmes, zEEG et le système EEG clinique. Dans cet objectif spécifique, nous comparerons uniquement Xltek® (Natus, Inc.), un système EEG de surveillance à long terme de qualité clinique approuvé par la FDA avec zEEG, par opposition à l'utilisation de deux systèmes EEG cliniques différents (Nicolet® et Xltek) pour assurer la homogénéité des échantillons (annexe, figure 2A). Plus important encore, nous comparerons la séparation entre l'activité de base et l'activité épileptiforme. Les cas d'activité épileptiforme seront identifiés par des neurologues formés parmi nos principaux co-investigateurs. Nous comparerons l'ampleur du changement de spectre d'amplitude et de puissance de l'EEG de base aux artefacts de mouvement et à l'activité épileptiforme entre les deux systèmes. Les statistiques de densité spectrale seront calculées entre 1 et 180 Hz.

Les enregistrements pour Spec Aim 1 et Spec Aim 2 seront effectués sur différents sujets en utilisant différents amplificateurs cliniques comme systèmes de comparaison : Nicolet® conçu pour l'acquisition de données ambulatoires et un Xltek® conçu pour la surveillance à long terme. Chaque patient ne participera qu'une seule fois à l'étude.

Objectif spécifique 3 : Tester la concordance des évaluations cliniques faites par 16 neurologues experts sur la base des enregistrements EEG obtenus par les deux systèmes. Nous comparerons les conclusions cliniques tirées sur les caractéristiques pertinentes de l'activité épileptiforme capturées dans des échantillons zEEG et EEG cliniques simultanés.

Le but de cet objectif est d'évaluer la validité clinique des enregistrements réalisés à l'aide de zEEG par rapport aux enregistrements réalisés à l'aide de systèmes EEG cliniques standard. Nous testons si les informations véhiculées par des échantillons des deux systèmes différents sont concordantes lorsqu'elles sont évaluées par des neurologues formés. Cet objectif compare le degré d'information clinique des deux systèmes, quels que soient leurs paramètres techniques. Au final, le nouveau système EEG n'est informatif que si les conclusions cliniques tirées des deux types de prélèvements sont concordantes. Notez que cet objectif ne concerne pas le système qui est le meilleur. Au lieu de cela, il examine si le zEEG est assez bon pour remplacer le système EEG clinique, compte tenu de son avantage de facilité d'utilisation, de temps d'installation, de portabilité et de confort. L'objectif ne suppose pas non plus que les deux systèmes sont indiscernables. Les neurologues experts ne compareront pas les deux systèmes directement l'un à l'autre. Au lieu de cela, ils fourniront des évaluations cliniques basées sur les échantillons. Ces échantillons seront présélectionnés par d'autres neurologues experts (les investigateurs de cette étude). Il n'y aura pas de chevauchement entre les co-investigateurs et les neurologues experts. Les évaluations cliniques fournies par les neurologues sujets seront notées à l'aveugle par un programme informatique, et le PI et l'auteur de l'étude évalueront la concordance de ces scores. Sur la base de la concordance, les enquêteurs concluent si les deux systèmes EEG transmettent ou non les mêmes informations cliniques. Cette procédure garantit le paradigme en double aveugle et minimise les biais.

L'analyse des données:

Objectif spécifique 1 : Pour l'évaluation statistique, nous segmentons les données en blocs égaux de 256 points (512 ms) et effectuons une FFT (Fast Fourier Transform). Nous utiliserons la décomposition spectrale multi-taper à fenêtre glissante pour éviter les effets de bord entre les blocs. Nous effectuerons ces analyses dans chaque canal séparément. En utilisant plusieurs blocs, nous pourrons calculer des statistiques sur 351 échantillons à partir d'un enregistrement de 3 m. La différence spectrale sera estimée avec une confiance de 0,05 à différentes bandes de fréquences et en utilisant la correction de Bonferrioni pour les comparaisons multiples.

Enfin, nous calculerons le coefficient de corrélation entre les spectres zEEG et EEG clinique dans les 5 conditions

Objectif spécifique 2 : Nos neurologues identifieront et découperont des échantillons zEEG et cEEG simultanés préenregistrés pendant l'état de repos normal, pendant les mouvements et pendant les événements électrographiques basés sur la relecture vidéo et l'EEG. Nous sélectionnerons des intervalles de 60 s au cours de chaque type d'événements, autant que nous pouvons obtenir au cours d'une séance/sujet EEG de 1 h. Nous appliquons le même réglage de filtre et la même fréquence d'échantillonnage (500 Hz) pour les deux systèmes. Ensuite, nous calculons la corrélation d'échantillon entre le zEEG et le cEEG dans des fenêtres glissantes de 1,25 s. Nous comparons le changement de densité spectrale de puissance au sein d'un même système entre l'EEG à l'état de repos, les artefacts de mouvement et les événements électrographiques (pointes interictales, convulsions, pointes, pointes et ondes, autres décharges épileptiques). Nous quantifions la différence spectrale entre ces événements en calculant un indice de discriminabilité à l'aide de l'analyse ROC. L'analyse ROC teste comment un "observateur idéal" serait capable de faire la distinction entre ces échantillons en fonction des différences spectrales par rapport à la grande vérité (basée sur la classification de nos experts neurologues) sans savoir à quelle période ces échantillons ont été extraits.

Pour une analyse statistique, une ANOVA à quatre facteurs sera utilisée, où les 4 facteurs sont : le groupe d'âge (pédiatrique, adulte), le système (zEEG, cEEG), les tâches (1-5) et les sites d'enregistrement (système 10-20 ). La variable dépendante est le rapport signal/bruit spectral (SNR) calculé comme la moyenne spectrale (divisée par l'écart-type spectral.

Objectif spécifique 3 : Le score correct maximal pouvant être atteint par sujet est de 7 pour le premier test et de 7 pour le second. Ensuite, nous combinons les scores des sessions au sein du même système comme suit. Si les scores du premier ensemble sont notés EEG clinique [a1 a2 a3 a4 a5 a6] et zEEG [b1 b2 b3 b4 b5 b6] et dans le second ensemble EEG clinique [a7 a8 a9 a10 a11 a12] et zEEG [b7 b8 b9 b10 b11 b12], puis nous calculons les scores de différence comme DclinicalEEG-zEEG (a1- b1, a2-b2, … ,a12-b12). Notre NULL est que les évaluations des deux experts seront concordantes entre les deux systèmes et les scores D ne seront pas différents de zéro. L'alternative est que les évaluations d'experts des deux systèmes sont discordantes ; par conséquent, la distribution des scores D est significativement différente de zéro. Nous allons calculer un test T de Student à un échantillon pour comparer l'écart de distribution par rapport à zéro.

Nous demanderons à 16 experts de fournir leurs réponses sur le test des échantillons. Nous ferons en sorte que le test soit effectué en ligne. Les échantillons EEG seront anonymisés. Le gain, le filtrage et le taux d'échantillonnage seront identiques pour tous les échantillons et entre les deux systèmes. Pas plus de 1 min est nécessaire par élément. Le test total avec les 5 questions, environ 10 échantillons (ensemble EEG clinique et ensemble zEEG) prendra environ 10 minutes. Selon notre test de puissance, une taille d'échantillon = 16, STD = 3 (dans la plage de 1 à 7) moyenne d'échantillon D = 2, la puissance du test statistique est de 84,7 %, suffisante pour tirer une conclusion statistique. Par conséquent, la taille de l'échantillon = 16 suffit à la puissance statistique souhaitée de> 80% (http://rpsychologist.com/d3/NHST/). Par convention, 80 % est un niveau de puissance acceptable (Ellis, 2010).