Klinische validatie van zEEG, een draadloos EEG-registratiesysteem voor pediatrische en volwassen patiënten met epilepsie

Onderzoeks hypothese:

De hypothese is dat signalen geregistreerd door zEEG niet significant verschillen van signalen geregistreerd door een standaard klinisch EEG-systeem (klinisch EEG). In deze studie zullen we gebruik maken van het Xltek® (Natus, Inc.) door de FDA goedgekeurde EEG-systeem voor lange termijn videobewaking en het door de FDA goedgekeurde ambulante EEG-systeem van Nicolet® (Natus, Inc.) van klinische kwaliteit. zEEG zal vergeleken worden met beide systemen. Er wordt een klein signaalverschil verwacht vanwege de niet-overlappende posities van de 6 elektroden. Het 1-2 cm positieverschil tussen de elektroden zal naar verwachting een waarneembaar verschil tussen de twee signalen genereren.

Achtergrond:

Het doel van de studie is het valideren van de zEEG® van ZETO, Inc. (zEEG), een draagbare draadloze headset en data-acquisitie (DAQ)-systeem voor zowel pediatrische als volwassen patiëntenpopulaties met de diagnose epilepsie. De studie vergelijkt (i) de technische parameters van de twee systemen, (ii) de gevoeligheid en specificiteit van het zEEG met standaard klinische EEG DAQ-systemen die worden gebruikt voor het detecteren van abnormale epileptische ontladingen, (iii) de correlatie met intracraniale opnames, (iv) en de onderscheidbaarheid van de twee systemen door getrainde neurologen in een dubbelblind paradigma. Aangezien het zEEG-apparaat in 2018 een 510(k)-goedkeuring van de FDA heeft gekregen, heeft de studie geen betrekking op de veiligheid van het apparaat. Het apparaat vormt geen significant risico, zoals beoordeeld door de FDA, en kwalificeert als Klasse II-categorie. Het doel van de studie is om het nut van een droog, gebruiksvriendelijk, draadloos systeem in klinische elektrografie te evalueren door een kwantitatieve beoordeling van de algehele kwaliteit van het signaal ten opzichte van een traditioneel klinisch EEG-systeem.

Ontwerp en methodiek:

Spec. Doel 1: Kwantificeer en vergelijk de signaalkwaliteit tussen het zEEG en het klinische EEG-systeem in gelijktijdige opnamesessies die worden uitgevoerd voor diagnostische doeleinden bij patiënten in een klinische setting, één sessie per patiënt. We zullen met name signaaloverlapping testen (amplitude, bemonsteringsfrequentie, alfagolven, scherpe golven, focale vertraging, piek- en golfpatronen en slaapspindels) en spectrale correlatie tussen de twee systemen. We zullen een multifactorieel ANOVA-ontwerp gebruiken, waarbij de onafhankelijke variabelen zijn gerangschikt in 4 factoren: leeftijdsgroep (pediatrisch, volwassen), systeem (zEEG, cEEG), taak (1-5) en opnamelocaties (10-20 systeem). De afhankelijke variabele is de spectrale signaal-ruisverhouding (SNR) berekend als het spectrale gemiddelde (gedeeld door de spectrale standaarddeviatie.

Spec Doel 2: Bepaal de gevoeligheid en specificiteit van de twee systemen voor epileptiforme activiteit in gelijktijdige opnames. Hoewel Spec Aim 1 ons een schatting geeft van de gevoeligheid van zEEG ten opzichte van het klinische EEG-systeem, geeft het geen schatting van de specificiteit van de parameters voor elektrografische gebeurtenissen die relevant zijn voor de diagnose. Als het zEEG bijvoorbeeld met zijn droge elektroden met hoge impedantie veel gevoeliger blijkt te zijn voor elektrische potentiaalveranderingen dan het standaard klinische apparaat, zou dat ook de gevoeligheid voor bewegingsartefacten kunnen verhogen, die neuronale signalen zouden besmetten. Gevoeligheid zonder specificiteit betekent geen verbetering. Daarom gaan we testen of het verschil in sensitiviteit ook samenhangt met een verschil in specificiteit. Een systeem op basis van droge elektroden zal de standaard klinische systemen met natte elektroden overtreffen als het ten minste dezelfde gevoeligheid en specificiteit biedt voor de weergave van klinisch relevante EEG-gebeurtenissen. Daarom zullen we de scheiding tussen myogene artefacten, tandenklemmen, hoofdbewegingen, oogbewegingen en EEG vergelijken tussen de twee systemen, zEEG en het klinische EEG-systeem. In dit specifieke doel vergelijken we alleen Xltek® (Natus, Inc.), een klinisch goedgekeurd EEG-systeem voor langdurige monitoring door de FDA, met zEEG, in tegenstelling tot het gebruik van twee verschillende klinische EEG-systemen (Nicolet® en Xltek) om de homogeniteit van monsters (bijlage, figuur 2A). Het belangrijkste is dat we de scheiding tussen baseline en epileptiforme activiteit zullen vergelijken. Gevallen van epileptiforme activiteit zullen worden geïdentificeerd door getrainde neurologen onder onze belangrijkste mede-onderzoekers. We zullen de omvang van amplitude- en vermogensspectra-verandering van baseline EEG vergelijken met bewegingsartefacten en epileptiforme activiteit tussen de twee systemen. Spectrale dichtheidsstatistieken worden berekend tussen 1 en 180 Hz.

De opnames voor Spec Aim 1 en Spec Aim 2 zullen worden uitgevoerd op verschillende onderwerpen met behulp van verschillende klinische versterkers als comparatorsystemen: Nicolet® ontworpen voor ambulante data-acquisitie en een Xltek® ontworpen voor monitoring op lange termijn. Elke patiënt neemt slechts één keer deel aan het onderzoek.

Spec. Doel 3: Testen van de concordantie van klinische evaluaties gemaakt door 16 deskundige neurologen op basis van EEG-records verkregen door de twee systemen. We zullen de klinische conclusies vergelijken die zijn gemaakt over relevante kenmerken van epileptiforme activiteit vastgelegd in gelijktijdige zEEG- en klinische EEG-monsters.

Het doel van dit doel is om de klinische validiteit te evalueren van de records die zijn gemaakt met behulp van zEEG ten opzichte van de records die zijn gemaakt met behulp van standaard klinische EEG-systemen. We testen of de informatie die wordt overgebracht door monsters van de twee verschillende systemen overeenstemt wanneer deze wordt geëvalueerd door getrainde neurologen. Dit doel vergelijkt hoe klinisch informatief de twee systemen zijn, ongeacht hun technische parameters. Uiteindelijk is het nieuwe EEG-systeem alleen informatief als de klinische conclusies die uit de twee soorten monsters worden getrokken, overeenstemmen. Merk op dat dit doel niet betrekking heeft op welk systeem beter is. In plaats daarvan gaat het na of het zEEG goed genoeg is om het klinische EEG-systeem te vervangen, gezien het voordeel van gebruiksgemak, insteltijd, draagbaarheid en comfort. Evenmin gaat het doel ervan uit dat de twee systemen niet van elkaar te onderscheiden zijn. Deskundige neurologen zullen de twee systemen niet rechtstreeks met elkaar vergelijken. In plaats daarvan zullen ze klinische beoordelingen geven op basis van de monsters. Die monsters zullen vooraf worden geselecteerd door andere deskundige neurologen (de onderzoekers van deze studie). Er zal geen overlap zijn tussen CO-onderzoekers en deskundige neurologen. De klinische beoordelingen die door de betrokken neurologen worden gegeven, worden blindelings gescoord door een computerprogramma, en de PI en de auteur van het onderzoek zullen de concordantie van die scores evalueren. Op basis van de concordantie concluderen de onderzoekers of de twee EEG-systemen dezelfde klinische informatie overbrengen of niet. Deze procedure zorgt voor het dubbelblinde paradigma en minimaliseert vooroordelen.

Gegevensanalyse:

Spec Doel 1: Voor de statistische evaluatie segmenteren we de gegevens in gelijke blokken van 256 punten (512 ms) en voeren we FFT (Fast Fourier Transform) uit. We zullen de multi-taper spectrale decompositie met glijdend venster gebruiken om randeffecten tussen de blokken te voorkomen. We zullen deze analyses in elk kanaal afzonderlijk uitvoeren. Door meerdere blokken te gebruiken, kunnen we statistieken berekenen over 351 monsters van een opname van 3 m. Het spectrale verschil wordt geschat met een betrouwbaarheid van 0,05 bij verschillende frequentiebanden en met behulp van Bonferrioni-correctie voor de meervoudige vergelijkingen.

Ten slotte zullen we de correlatiecoëfficiënt berekenen tussen de zEEG- en klinische EEG-spectra onder alle 5 de condities

Spec Aim 2: Onze neurologen zullen vooraf opgenomen gelijktijdige zEEG- en cEEG-monsters identificeren en knippen tijdens normale rusttoestand, tijdens bewegingen en tijdens elektrografische gebeurtenissen op basis van videoreplay en EEG. We selecteren intervallen van 60 seconden tijdens elk type gebeurtenis, zoveel als we kunnen krijgen tijdens een EEG-sessie/proefpersoon van 1 uur. We passen voor beide systemen dezelfde filterinstelling en samplefrequentie (500 Hz) toe. Vervolgens berekenen we de steekproefcorrelatie tussen het zEEG en het cEEG binnen glijdende vensters van 1,25 s. We vergelijken veranderingen in de spectrale vermogensdichtheid binnen hetzelfde systeem tussen EEG in rusttoestand, bewegingsartefacten en elektrografische gebeurtenissen (interictale pieken, toevallen, pieken, pieken en golven, andere epileptische ontladingen). We kwantificeren het spectrale verschil tussen deze gebeurtenissen door een discrimineerbaarheidsindex te berekenen met behulp van ROC-analyse. ROC-analyse test hoe een 'ideale waarnemer' onderscheid kan maken tussen die monsters op basis van de spectrale verschillen ten opzichte van de grote waarheid (op basis van de classificatie door onze deskundige neurologen) zonder te weten uit welke periode die monsters zijn geëxtraheerd.

Voor statistische analyse wordt een vierweg-ANOVA gebruikt, waarbij de 4 factoren zijn: leeftijdsgroep (pediatrisch, volwassen), systeem (zEEG, cEEG), taken (1-5) en opnamelocaties (10-20 systeem ). De afhankelijke variabele is de spectrale signaal-ruisverhouding (SNR) berekend als het spectrale gemiddelde (gedeeld door de spectrale standaarddeviatie.

Spec Aim 3: De maximaal haalbare juiste score per proefpersoon is 7 voor de eerste test en 7 voor de tweede. Vervolgens combineren we de scores van de sessies binnen hetzelfde systeem als volgt. Als de scores van de eerste set worden aangeduid als klinisch EEG [a1 a2 a3 a4 a5 a6] en zEEG [b1 b2 b3 b4 b5 b6] en in de tweede set als klinisch EEG [a7 a8 a9 a10 a11 a12] en zEEG [b7 b8 b9 b10 b11 b12], dan berekenen we de verschilscores als DklinischEEG-zEEG (a1-b1, a2-b2, …,a12-b12). Onze NULL is dat de evaluaties door de twee experts in overeenstemming zullen zijn tussen de twee systemen en dat de D-scores niet verschillend zullen zijn van nul. Het alternatief is dat de expertevaluaties van de twee systemen tegenstrijdig zijn; vandaar dat de verdeling van D-scores significant verschilt van nul. We zullen een studenten-T-toets met één steekproef berekenen om de afwijking van de verdeling van nul te vergelijken.

We zullen 16 experts vragen om hun antwoorden op het testen van de monsters. We zullen ervoor zorgen dat de test online wordt uitgevoerd. De EEG-monsters worden geanonimiseerd. Versterking, filtering en bemonsteringssnelheid zijn identiek voor alle monsters en tussen beide systemen. Per item is niet meer dan 1 minuut nodig. De totale test met de 5 vragen, ongeveer 10 samples (klinische EEG set en zEEG set) duurt ongeveer 10 minuten. Volgens onze powertest, een steekproefomvang=16, STD=3 (in het bereik van 1 tot 7) steekproefgemiddelde D=2 is het vermogen van de statistische test 84,7%, voldoende om statistische conclusies te trekken. Daarom is de steekproefomvang = 16 voldoende voor het gewenste statistische vermogen van> 80% (http://rpsychologist.com/d3/NHST/). Volgens afspraak is 80% een acceptabel machtsniveau (Ellis, 2010).