Un système de surveillance basé sur plusieurs signaux pour les hypersomnies du SNC

La somnolence diurne excessive (EDS) est un symptôme courant dans la population générale. La prévalence varie de 5% à 30%. Et la somnolence diurne apporte souvent des effets négatifs, et même la fonction quotidienne et la qualité de vie sont altérées en raison de ces hypersomnies. Dans certains cas graves, de nombreux accidents peuvent survenir et mettre la vie en danger. La troisième édition actuelle de la Classification internationale des troubles du sommeil (ICSD 3) classe spécifiquement les « troubles du système nerveux central de l'hypersomnolence » en narcolepsie de type 1 et de type 2 ; hypersomnie idiopathique (IH) et syndrome de Kleine-Levin (KLS). Cependant, jusqu'à présent, à l'exception de la narcolepsie de type 1, qui a un mécanisme pathologique relativement clair lié à la réduction de la sécrétion d'hypocrétine, d'autres troubles d'hypersomnie tels que la narcolepsie de type 2, l'IH et le KLS, il n'y a pas de norme de diagnostic neurophysiologique claire, et le mécanisme de ces maladies n'est pas encore clair. Par conséquent, le diagnostic ne peut reposer que sur les symptômes cliniques et l'expérience clinique des médecins. C'est pourquoi le diagnostic de ces maladies présente encore de grandes difficultés et défis. Par conséquent, afin de rendre le diagnostic plus précis, les enquêteurs doivent découvrir les "biomarqueurs biologiques et neurophysiologiques" de ces maladies. Et laissez les patients recevoir rapidement le traitement approprié.

Les objectifs de cette étude sont les suivants :

1. L'objectif principal est d'utiliser le système de surveillance basé sur plusieurs signaux pour établir un lien avec les données d'images cérébrales et effectuer une comparaison croisée afin de découvrir les mécanismes pathologiques possibles de ces hypersomnies du SNC.
2. Utilisez le système de surveillance basé sur plusieurs signaux pour établir un lien avec les données d'images cérébrales et effectuer une comparaison croisée afin de filtrer davantage ces biomarqueurs cliniquement significatifs pour les hypersomnies du SNC et de trouver des biomarqueurs physiologiques idéaux et précis capables de surveiller l'évolution de la maladie.
3. Utilisez ces biomarqueurs surveillés avec précision pour suivre les changements dans les biomarqueurs et l'évolution à long terme de ces hypersomnies du SNC, et évaluer l'effet du traitement et le pronostic.
4. Utilisez l'apprentissage automatique et d'autres algorithmes pour analyser et construire une variété de modèles de prédiction plus rapides et plus précis pour ces hypersomnies du SNC, atteignant ainsi l'objectif de la médecine préventive.

Méthode de recherche:

Il s'agit d'une étude de cohorte rétrospective et prospective. Il y a 600 sujets (9-45 ans) qui seront collectés. Ces sujets seront divisés en cinq groupes : (1) groupe expérimental (narcolepsie de type 1, 300 sujets) ; (2) groupe expérimental (narcolepsie Type 2, 100 sujets) ; et (3) groupe expérimental (KLS, 100 sujets); et (4) groupe expérimental (IH, 50 sujets); et (5) groupe témoin en bonne santé (sujets en bonne santé appariés selon l'âge et le sexe, 50 sujets). Les enquêteurs recueilleront toutes les données cliniques pour chaque sujet, y compris les caractéristiques cliniques, les données d'examen du sommeil, l'actigraphie, le typage HLA et les données d'imagerie cérébrale.

Méthode d'analyse des données :

Utilisez plusieurs signaux physiologiques pour générer des algorithmes quantitatifs en temps réel et trouver des biomarqueurs physiologiques liés aux hypersomnies. Utilisez les données susmentionnées ont été catégorisées et regroupées grâce à une analyse de données basée sur l'apprentissage automatique par ordinateur, le réseau neuronal et d'autres algorithmes. Ensuite, les enquêteurs construiront un modèle prédictif basé sur les résultats, rédigeront un rapport médical et le publieront.