Een op meerdere signalen gebaseerd bewakingssysteem voor CZS-hypersomnieën

Overmatige slaperigheid overdag (EDS) is een veel voorkomend symptoom bij de algemene bevolking. De prevalentie varieert van 5% tot 30%. En slaperigheid overdag heeft vaak negatieve effecten, en zelfs de dagelijkse functie en de kwaliteit van leven wordt aangetast door deze hypersomnieën. In sommige ernstige gevallen kunnen veel ongelukken gebeuren die levens in gevaar brengen. De huidige derde editie van de International Classification of Sleep Disorders (ICSD 3) classificeerde specifiek "Centrale zenuwstelselaandoeningen van hypersomnolentie" als Narcolepsie type 1 en type 2; idiopathische hypersomnie (IH) en het syndroom van Kleine-Levin (KLS). Tot nu toe echter, met uitzondering van narcolepsie type 1, dat een relatief duidelijk pathologisch mechanisme heeft dat verband houdt met de verminderde secretie van hypocretine, andere hypersomniestoornissen zoals narcolepsie type 2, IH en KLS, dat is geen duidelijke neurofysiologische diagnosestandaard, en het mechanisme van deze ziekten is nog steeds niet duidelijk. Daarom kan de diagnose alleen berusten op de klinische symptomen en de klinische ervaring van artsen. Dat is de reden waarom de diagnose van deze ziekten nog steeds grote moeilijkheden en uitdagingen kent. Daarom moeten de onderzoekers, om de diagnose nauwkeuriger te maken, de "biologische en neurofysiologische biomarkers" voor deze ziekten achterhalen. En laat patiënten snel de juiste behandeling krijgen.

De doelen van deze studie zijn als volgt:

1. Het belangrijkste doel is om een ​​op meerdere signalen gebaseerd monitoringsysteem te gebruiken om verbinding te maken met hersenbeeldgegevens en kruisvergelijking uit te voeren om mogelijke pathologische mechanismen van deze CZS-hypersomnieën te achterhalen.
2. Gebruik het op meerdere signalen gebaseerde bewakingssysteem om verbinding te maken met hersenbeeldgegevens en kruisvergelijkingen uit te voeren om deze klinisch significante biomarkers voor CZS-hypersomnieën verder te screenen en om ideale en nauwkeurige fysiologische biomarkers te vinden die het verloop van de ziekte kunnen volgen.
3. Gebruik deze nauwkeurig gecontroleerde biomarkers om veranderingen in de biomarkers en het langetermijnverloop van deze CZS-hypersomnieën te volgen en het behandelingseffect en de prognose te evalueren.
4. Gebruik computermachine learning en andere algoritmen om een ​​verscheidenheid aan snellere en nauwkeurigere voorspellingsmodellen voor deze CZS-hypersomnieën te analyseren en te construeren, en zo het doel van preventieve geneeskunde te bereiken.

Onderzoeksmethode:

Dit is een retrospectieve en prospectieve cohortstudie. Er worden 600 proefpersonen (leeftijd 9-45) verzameld. Deze proefpersonen zullen worden onderverdeeld in de vijf groepen: (1) experimentele groep (narcolepsie type 1, 300 proefpersonen); (2) experimentele groep (narcolepsie type 2, 100 proefpersonen); en (3) experimentele groep (KLS, 100 proefpersonen); en (4) experimentele groep (IH, 50 proefpersonen); en (5) gezonde controlegroep (leeftijd en geslacht overeenkomende gezonde proefpersonen, 50 proefpersonen). De onderzoekers verzamelen alle klinische gegevens voor elk onderwerp, inclusief klinische kenmerken, slaaponderzoeksgegevens, actigrafie, HLA-typering en beeldvormingsgegevens van de hersenen.

Methode voor gegevensanalyse:

Gebruik meerdere fysiologische signalen om real-time kwantitatieve algoritmen te genereren en fysiologische biomarkers te vinden die verband houden met hypersomnieën. Gebruik de bovengenoemde gegevens werden gecategoriseerd en gegroepeerd door middel van gegevensanalyse op basis van computermachine learning, neuraal netwerk en andere algoritmen. Vervolgens zullen de onderzoekers op basis van de resultaten een voorspellend model bouwen en een medisch rapport schrijven en publiceren.