てんかんの小児および成人患者向けワイヤレス脳波記録システム zEEG の臨床検証

研究仮説:

仮説は、zEEG によって記録された信号は、標準的な臨床 EEG システム (臨床 EEG) によって記録された信号と大きく変わらないというものです。 この研究では、Xltek® (Natus, Inc.) 臨床グレードの FDA 承認の長期ビデオモニタリング EEG システムと Nicolet ® (Natus, Inc.) 臨床グレードの FDA 承認の携帯型 EEG システムを使用します。 zEEG は両方のシステムに対して比較されます。 6 つの電極の位置が重なり合わないため、信号にわずかな差が生じることが予想されます。 電極間の 1 ～ 2 cm の位置の違いにより、2 つの信号間に認識可能な差が生じることが予想されます。

バックグラウンド：

この研究の目的は、てんかんと診断された小児と成人の両方の患者集団を対象に、ウェアラブルワイヤレスヘッドセットおよびデータ収集（DAQ）システムである ZETO, Inc. (zEEG) の zEEG® を検証することです。 この研究では、(i) 2 つのシステムの技術的パラメーター、(ii) 異常てんかん放電の検出に使用される標準的な臨床 EEG DAQ システムに対する zEEG の感度と特異性、(iii) 頭蓋内記録との相関、(iv) および訓練を受けた神経内科医による二重盲検パラダイムにおける 2 つのシステムの識別可能性。 zEEG デバイスは 2018 年に FDA から 510(k) 認可を受けているため、この研究はデバイスの安全性とは関係ありません。 FDA の評価によれば、このデバイスには重大なリスクはなく、クラス II カテゴリーとして認定されています。 この研究の目標は、従来の臨床 EEG システムと比較した信号の全体的な品質を定量的に評価することによって、臨床電気検査におけるドライで使いやすいワイヤレス システムの有用性を評価することです。

設計と方法論:

仕様の目的 1: 臨床環境下で患者の診断目的で実行される同時記録セッション (患者ごとに 1 セッション) で、zEEG システムと臨床 EEG システム間の信号品質を定量化し、比較します。 具体的には、信号の重なり (振幅、サンプリング周波数、アルファ波、鋭い波、焦点の減速、スパイクと波形のパターン、睡眠紡錘体) および 2 つのシステム間のスペクトル相関をテストします。 独立変数が年齢グループ (小児、成人)、システム (zEEG、cEEG)、タスク (1 ～ 5)、および記録部位 (10 ～ 20) の 4 つの因子に配置される多因子 ANOVA デザインを使用します。システム）。 従属変数は、スペクトル平均 (スペクトル標準偏差で割ったもの) として計算されるスペクトル信号対雑音比 (SNR) です。

仕様の目的 2: 同時記録におけるてんかん活動に対する 2 つのシステムの感度と特異度を決定します。 Spec Aim 1 は、臨床 EEG システムと比較した zEEG の感度の推定値を提供しますが、診断に関連する電気記録イベントのパラメーターの特異性の推定値は提供しません。 たとえば、高インピーダンスの乾燥電極を備えた zEEG が標準的な臨床機器よりも電位の変化に対してはるかに敏感であることが判明した場合、運動アーティファクトに対する感度も高まる可能性があり、これにより神経信号が汚染される可能性があります。 特異性のない感度は改善を意味しません。 したがって、感度の違いが特異度の違いにも関連しているかどうかをテストします。 乾式電極ベースのシステムは、臨床的に関連する EEG イベントの表示に対して少なくとも同じ感度と特異性を提供する場合、標準の湿式電極臨床システムを上回ります。 したがって、zEEG と臨床 EEG システムの 2 つのシステム間で、筋原性アーチファクト、歯の食いしばり、頭の動き、目の動き、EEG 間の分離を比較します。 この特定の目的では、2 つの異なる臨床 EEG システム (Nicolet® および Xltek) を使用して、サンプルの均一性 (付録、図 2A)。 最も重要なことは、ベースラインとてんかん様活動の間の分離を比較することです。 てんかん様活動の事例は、主要な共同研究者の中の訓練を受けた神経内科医によって特定されます。 2 つのシステム間で、ベースライン EEG から運動アーティファクトおよびてんかん活動までの振幅とパワーのスペクトル変化の大きさを比較します。 スペクトル密度統計は 1 ～ 180 Hz の間で計算されます。

Spec Aim 1 と Spec Aim 2 の記録は、コンパレータ システムとして異なる臨床アンプを使用して、異なる被験者に対して実行されます。Nicolet® は外来でのデータ収集用に設計され、Xltek® は長期モニタリング用に設計されています。 各患者は研究に 1 回だけ参加します。

仕様の目的 3: 2 つのシステムによって取得された脳波記録に基づいて、16 人の専門神経科医によって行われた臨床評価の一致性をテストします。 我々は、同時にzEEGサンプルと臨床EEGサンプルで捕捉されたてんかん様活動の関連する特徴についてなされた臨床結論を比較します。

この目的の目的は、標準の臨床 EEG システムを使用して作成された記録と比較して、zEEG を使用して作成された記録の臨床的妥当性を評価することです。 私たちは、訓練を受けた神経内科医が評価したときに、2 つの異なるシステムのサンプルによって伝えられた情報が一致するかどうかをテストしています。 この目的は、技術的パラメータに関係なく、2 つのシステムが臨床的にどの程度有益であるかを比較します。 最終的に、新しい EEG システムは、2 種類のサンプルから引き出された臨床結論が一致する場合にのみ有益です。 この目的は、どちらのシステムが優れているかを考慮するものではないことに注意してください。 その代わりに、使いやすさ、セットアップ時間、装着性、快適さという利点を考慮して、zEEG が臨床 EEG システムに代わるのに十分であるかどうかを検討します。 また、Aim は 2 つのシステムが区別できないことを前提としていません。 専門の神経科医は 2 つのシステムを直接比較しません。 代わりに、サンプルに基づいた臨床評価を提供します。 これらのサンプルは、他の専門神経科医（この研究の研究者）によって事前に選択されます。 共同研究者と専門の対象神経科医の間に重複はありません。 被験者の神経内科医が提供する臨床評価はコンピュータープログラムによって盲目的に採点され、PIと研究著者はそれらのスコアの一致性を評価する。 この一致に基づいて、研究者らは 2 つの EEG システムが同じ臨床情報を伝えているかどうかを結論付けます。 この手順により、二重盲検パラダイムが保証され、バイアスが最小限に抑えられます。

データ分析：

仕様の目的 1: 統計的評価のために、データを 256 ポイント (512 ミリ秒) の等しいブロックに分割し、FFT (高速フーリエ変換) を実行します。 スライディング ウィンドウ マルチテーパー スペクトル分解を使用して、ブロック間のエッジ効果を回避します。 これらの分析は各チャネルで個別に実行します。 複数のブロックを使用すると、3 メートルの記録からの 351 個のサンプルの統計を計算できます。 スペクトルの差は、さまざまな周波数帯域で 0.05 の信頼度で、多重比較にボンフェリオニ補正を使用して推定されます。

最後に、5 つの条件すべての下で zEEG スペクトルと臨床 EEG スペクトルの間の相関係数を計算します。

仕様の目的 2: 当社の神経科医は、ビデオ再生と EEG に基づいて、通常の安静状態、運動中、および電気記録イベント中に、事前に記録された同時の zEEG および cEEG サンプルを特定し、クリップします。 被験者あたり 1 時間の EEG セッション中に取得できる限り、イベントの種類ごとに 60 秒の間隔を選択します。 両方のシステムに同じフィルター設定とサンプル レート (500 Hz) を適用します。 次に、1.25 秒のスライディング ウィンドウ内の zEEG と cEEG の間のサンプル相関を計算します。 同じシステム内で、安静状態のEEG、運動アーティファクト、および電子記録イベント（発作間欠発作、発作、スパイク、スパイクと波、その他のてんかん性放電）の間のパワースペクトル密度の変化を比較します。 ROC 分析を使用して識別インデックスを計算することで、これらのイベント間のスペクトルの違いを定量化します。 ROC 分析は、「理想的な観察者」が、それらのサンプルがどの期間から抽出されたのかを知らずに、大真実 (専門の神経内科医による分類に基づく) とのスペクトルの違いに基づいて、これらのサンプルをどのように識別できるかをテストします。

統計分析には、4 元配置 ANOVA が使用されます。この 4 つの要素は、年齢グループ (小児、成人)、システム (zEEG、cEEG)、タスク (1 ～ 5)、および記録部位 (10 ～ 20 システム) です。 ）。 従属変数は、スペクトル平均 (スペクトル標準偏差で割ったもの) として計算されるスペクトル信号対雑音比 (SNR) です。

仕様の目標 3: 科目ごとに達成可能な最大正解点は、最初のテストで 7 点、2 回目のテストで 7 点です。 次に、同じシステム内のセッションのスコアを次のように結合します。 最初のセットのスコアが臨床 EEG [a1 a2 a3 a4 a5 a6] および zEEG [b1 b2 b3 b4 b5 b6] として示され、2 番目のセットのスコアが臨床 EEG [a7 a8 a9 a10 a11 a12] および zEEG [b7] として示される場合b8 b9 b10 b11 b12] の場合、DclinicalEEG-zEEG (a1- b1、a2-b2、…、a12-b12) として差分スコアを計算します。 私たちの NULL は、2 人の専門家による評価が 2 つのシステム間で一致し、D スコアがゼロと変わらないということです。 あるいは、2 つのシステムに対する専門家の評価が一致していないということもあります。したがって、D スコアの分布はゼロとは大きく異なります。 1 サンプルのスチューデント T 検定を計算して、分布のゼロからの偏差を比較します。

サンプルの検査について16人の専門家に回答を求めます。 試験はオンラインで実施させていただきます。 EEGサンプルは匿名化されます。 ゲイン、フィルタリング、サンプリング レートは、すべてのサンプルおよび両方のシステム間で同一になります。 1項目につき1分もかかりません。 5 つの質問、約 10 個のサンプル (臨床 EEG セットおよび zEEG セット) による合計テストの所要時間は約 10 分です。 私たちの検出力テストによると、サンプル サイズ = 16、STD = 3 (1 ～ 7 の範囲)、サンプル平均 D = 2、統計テストの検出力は 84.7% であり、統計的結論を引き出すのに十分です。 したがって、サンプル サイズ = 16 は、80% を超える望ましい統計検出力を十分に満たします (http://rpsychologist.com/d3/NHST/)。 慣例によれば、80% が許容可能なパワーレベルです (Ellis、2010)。