- ICH GCP
- Registro de ensaios clínicos dos EUA
- Ensaio Clínico NCT04647825
NECESSIDADE: Banco de dados de EEG de epilepsia neuromed. Um grande banco de dados de EEG de pacientes com epilepsia para comunidade de pesquisa. (NEED)
NECESSIDADE: Banco de dados de EEG de epilepsia neuromed. Um grande banco de dados de sinais eletroencefalográficos (EEG) de pacientes com epilepsia para a comunidade de pesquisa.
Visão geral do estudo
Status
Condições
Intervenção / Tratamento
Descrição detalhada
Cerca de 50 milhões de pessoas em todo o mundo são afetadas pela epilepsia, que é uma das doenças neurológicas mais frequentes. É caracterizada por convulsões imprevisíveis e repentinas que podem levar à perda de consciência e reações motoras descontroladas, impactando severamente a qualidade de vida dos pacientes com epilepsia. Apenas dois terços dos pacientes com epilepsia podem controlar as crises com medicamentos antiepilépticos ou por meio de cirurgia para epilepsia. Para os demais pacientes, outras abordagens terapêuticas devem ser consideradas. Essas abordagens incluem o desenvolvimento de dispositivos intervencionistas de circuito fechado, capazes de detectar convulsões e desencadear uma operação intervencionista, como administrar drogas antiepilépticas ou estimular eletricamente o foco epileptogênico para abortar a convulsão. A fim de fornecer abordagens terapêuticas eficientes a esses pacientes, nas últimas décadas muitos esforços têm sido feitos para desenvolver métodos automáticos para encontrar marcadores confiáveis no sinal eletroencefalográfico (EEG), que é o padrão ouro para o diagnóstico da epilepsia, capaz de prever ou detectar precocemente convulsões no EEG. Tais métodos são baseados em abordagens matemáticas ou computacionais para análise de sinais de EEG, cujo objetivo é extrair medidas complexas (as chamadas "características") do sinal de EEG, que não são reconhecíveis com a inspeção visual clássica de sinais de EEG feita por epileptologistas durante o diagnóstico de epilepsia, a fim de usar tais recursos como precursores de convulsões (previsão de convulsões) ou como indicadores de uma convulsão em andamento (detecção de convulsões). Muitos métodos têm sido propostos nos últimos anos, lineares ou não lineares, para extrair características do sinal EEG. Recentemente, alguns estudos utilizaram também o sinal eletrocardiográfico (ECG), que normalmente é registrado junto com o EEG no monitoramento da epilepsia, a fim de extrair dele características promissoras. Embora esses estudos tenham mostrado resultados promissores, eles sofrem de muitas limitações. Entre eles, o uso de um número limitado de pacientes e crises e o uso apenas de gravações pertencentes à fase anterior às crises (o chamado período pré-ictal). Tais limitações não permitem determinar, por exemplo, a especificidade de tais algoritmos, pois não consideram também os registros adquiridos em intervalos de tempo distantes das crises (dados inter-ictais) e podem levar a um overfitting da predição de crises/ modelo de detecção. A única coisa em que todos os pesquisadores em epilepsia concordam é a existência de uma fase pré-ictal, que é a fase que antecede a crise, a fase ictal, onde a crise é "ativa" e a fase interictal, que é um período temporariamente longe da convulsão. Normalmente, os métodos automáticos de previsão/detecção de convulsões consistem em três fases diferentes: o pré-processamento (remoção de artefatos, filtragem passa-banda, segmentação de dados, …) de sinais de EEG, extração de recursos e seleção e classificação de recursos. Esta última etapa geralmente consiste no uso de aprendizado de máquina e métodos estatísticos para tomar decisões sobre a previsão/detecção. Basicamente, esses modelos devem ser capazes de classificar cada instância de EEG em duas classes, "convulsiva" ou "sem crise", usando as características extraídas do sinal de EEG. A eficácia desses modelos depende muito da eficiência com que são treinados e, normalmente, quanto mais dados são usados para treiná-los, mais eles são capazes de tomar a decisão certa. Portanto, a disponibilidade de um grande banco de dados de dados pode permitir o desenvolvimento de modelos eficientes para detecção/predição de epilepsia. A possibilidade de os pesquisadores terem acesso a um grande banco de dados de dados de EEG contínuos e de longo prazo de pacientes com epilepsia pode ser uma grande oportunidade para desenvolver métodos automáticos de detecção/previsão de convulsões eficientes e confiáveis. Por essas razões, nos últimos anos, alguns grupos de pesquisa propuseram e compartilharam bancos de dados públicos de EEG com pesquisadores que desejam testar seus modelos automatizados de detecção/previsão de crises. Em particular, tal banco de dados foi proposto pelo Centro de Epilepsia da Universidade de Bonn e Freiburg e também pelo Hospital Infantil de Boston e foi disponibilizado para download gratuito para pesquisadores. Esses bancos de dados contêm registros de EEG de longo prazo adquiridos durante o monitoramento pré-cirúrgico de pacientes com epilepsia. O número de pacientes incluídos nessas bases de dados é bastante baixo (de um mínimo de 5 a um máximo de 23 pacientes) e também o número de crises é limitado (de um mínimo de 59 a um máximo de 189). Além disso, a duração das gravações varia de 40 minutos a 142 horas e o número de metadados (outras informações sobre pacientes e convulsões) é muito baixo. A última base de dados foi proposta em 2008 no âmbito de um projeto fundado pela UE (EPILEPSIAE), no qual estiveram envolvidos 6 parceiros diferentes (hospitais, universidades, empresas) de 4 países diferentes (Alemanha, Itália, França, Portugal). Esta base de dados não é gratuita, mas é disponibilizada para download mediante pagamento em 2012. Atualmente, é o maior banco de dados de EEG sobre epilepsia disponível em todo o mundo (http://epilepsy-database.eu/). Ele contém dados de 275 pacientes, incluindo registros de EEG e ECG, metadados, anotações clínicas e técnicas sobre os dados e informações clínicas sobre os pacientes. Na verdade, apenas 60 dos 275 conjuntos de dados estão disponíveis para download. O objetivo deste estudo é criar um banco de dados de EEG de longo prazo adquirido em pacientes com epilepsia durante o monitor pré-cirúrgico não invasivo na Unidade de Cirurgia de Epilepsia do IRCCS Neuromed. O banco de dados incluirá, além dos registros de EEG e ECG, anotações clínicas e técnicas sobre os dados feitas por epileptologistas especialistas e também informações clínicas sobre o paciente, incluindo avaliações neuropsicológicas. Todos os dados serão primeiro anonimizados, criptografados e depois disponibilizados para download gratuito. O banco de dados incluirá dados de 200 pacientes com epilepsia submetidos a monitoramento pré-cirúrgico não invasivo da epilepsia na Unidade de Cirurgia de Epilepsia do IRCCS Neuromed. No final da monitorização EEG não invasiva, dois epileptologistas especialistas irão inspecionar os dados do EEG/ECG de forma a identificar as crises, nomeadamente os canais de início das crises e a hora, e tudo o que possa interessar ao projeto. Todas as gravações serão exportadas em formato ASCII (American Standard Code for Information Interchange) utilizando o software DMS Data Management System (Nihon Kohden Europe Gmbh), versão 2.9.8 e armazenadas localmente. Ao mesmo tempo, dados clínicos e demográficos (apenas gênero e idade) serão adquiridos para cada paciente. Em particular, para cada paciente, os seguintes dados estarão disponíveis:
- Dados demográficos (sexo e idade);
- Informação clínica (tipo de epilepsia, frequência das crises,…);
- Dados neuropsicológicos;
- Dados de EEG adquiridos de acordo com o sistema internacional 10-20;
- dados de ECG;
- Informação sobre as gravações e as crises (hora de início e fim, hora de início e fim de cada crise, …)
Todos os dados de todos os pacientes serão incluídos em um único banco de dados e cada paciente será armazenado em um único arquivo compactado. A base de dados será disponibilizada após o preenchimento de um pedido que poderá ser reencaminhado por cada investigador através de um URL dedicado, no qual o investigador preencherá um formulário quando lhe será solicitado o fornecimento dos seguintes dados:
- Informações sobre o requerente (nome, endereço, afiliação, …)
- Consentimento do GDPR Assim que a solicitação for recebida, o arquivo compactado contendo todo o banco de dados será protegido com uma senha alfanumérica ad-hoc. Essa senha será composta por duas partes: a primeira parte será enviada por e-mail ao solicitante, a segunda parte será enviada pelo serviço de correio normal (autenticação bidirecional).
Tipo de estudo
Inscrição (Antecipado)
Contactos e Locais
Locais de estudo
-
-
IS
-
Pozzilli, IS, Itália, 86077
- Recrutamento
- IRCCS Neuromed
-
Contato:
- LUIGI PAVONE
- Número de telefone: +39 0865929645
- E-mail: bioingegneria@neuromed.it
-
Investigador principal:
- Luigi Pavone
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
Aceita Voluntários Saudáveis
Gêneros Elegíveis para o Estudo
Método de amostragem
População do estudo
Descrição
Critério de inclusão:
- Pacientes com epilepsia farmacorresistente candidatos à cirurgia submetidos a monitorização EEG não invasiva
- Pacientes com pelo menos uma convulsão registrada durante o monitoramento EEG
Critério de exclusão:
- Pacientes com epilepsia farmacorresistente candidatos à cirurgia submetidos a monitorização EEG não invasiva
- Pacientes sem convulsão registrada durante o monitoramento de EEG
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Prazo |
---|---|
Número de pacientes coletados
Prazo: Dezembro 2020 - Dezembro 2021
|
Dezembro 2020 - Dezembro 2021
|
Colaboradores e Investigadores
Patrocinador
Publicações e links úteis
Publicações Gerais
- Sunderam S, Gluckman B, Reato D, Bikson M. Toward rational design of electrical stimulation strategies for epilepsy control. Epilepsy Behav. 2010 Jan;17(1):6-22. doi: 10.1016/j.yebeh.2009.10.017. Epub 2009 Nov 17.
- Stacey WC, Litt B. Technology insight: neuroengineering and epilepsy-designing devices for seizure control. Nat Clin Pract Neurol. 2008 Apr;4(4):190-201. doi: 10.1038/ncpneuro0750. Epub 2008 Feb 26.
- Stein AG, Eder HG, Blum DE, Drachev A, Fisher RS. An automated drug delivery system for focal epilepsy. Epilepsy Res. 2000 Apr;39(2):103-14. doi: 10.1016/s0920-1211(99)00107-2.
- Theodore WH, Fisher R. Brain stimulation for epilepsy. Acta Neurochir Suppl. 2007;97(Pt 2):261-72. doi: 10.1007/978-3-211-33081-4_29.
- Osorio I, Frei MG, Sunderam S, Giftakis J, Bhavaraju NC, Schaffner SF, Wilkinson SB. Automated seizure abatement in humans using electrical stimulation. Ann Neurol. 2005 Feb;57(2):258-68. doi: 10.1002/ana.20377.
- Morrell M. Brain stimulation for epilepsy: can scheduled or responsive neurostimulation stop seizures? Curr Opin Neurol. 2006 Apr;19(2):164-8. doi: 10.1097/01.wco.0000218233.60217.84.
- Mormann F, Andrzejak RG, Elger CE, Lehnertz K. Seizure prediction: the long and winding road. Brain. 2007 Feb;130(Pt 2):314-33. doi: 10.1093/brain/awl241. Epub 2006 Sep 28.
- Rogowski Z, Gath I, Bental E. On the prediction of epileptic seizures. Biol Cybern. 1981;42(1):9-15. doi: 10.1007/BF00335153.
- Salant Y, Gath I, Henriksen O. Prediction of epileptic seizures from two-channel EEG. Med Biol Eng Comput. 1998 Sep;36(5):549-56. doi: 10.1007/BF02524422.
- Iasemidis LD, Sackellares JC, Zaveri HP, Williams WJ. Phase space topography and the Lyapunov exponent of electrocorticograms in partial seizures. Brain Topogr. 1990 Spring;2(3):187-201. doi: 10.1007/BF01140588.
- Lehnertz K, Elger CE. Spatio-temporal dynamics of the primary epileptogenic area in temporal lobe epilepsy characterized by neuronal complexity loss. Electroencephalogr Clin Neurophysiol. 1995 Aug;95(2):108-17. doi: 10.1016/0013-4694(95)00071-6.
- Martinerie J, Adam C, Le Van Quyen M, Baulac M, Clemenceau S, Renault B, Varela FJ. Epileptic seizures can be anticipated by non-linear analysis. Nat Med. 1998 Oct;4(10):1173-6. doi: 10.1038/2667.
- Le Van Quyen M, Soss J, Navarro V, Robertson R, Chavez M, Baulac M, Martinerie J. Preictal state identification by synchronization changes in long-term intracranial EEG recordings. Clin Neurophysiol. 2005 Mar;116(3):559-68. doi: 10.1016/j.clinph.2004.10.014. Epub 2004 Dec 25.
- Le Van Quyen M, Martinerie J, Baulac M, Varela F. Anticipating epileptic seizures in real time by a non-linear analysis of similarity between EEG recordings. Neuroreport. 1999 Jul 13;10(10):2149-55. doi: 10.1097/00001756-199907130-00028.
- Stacey W, Le Van Quyen M, Mormann F, Schulze-Bonhage A. What is the present-day EEG evidence for a preictal state? Epilepsy Res. 2011 Dec;97(3):243-51. doi: 10.1016/j.eplepsyres.2011.07.012. Epub 2011 Aug 31.
- Teixeira CA, Direito B, Feldwisch-Drentrup H, Valderrama M, Costa RP, Alvarado-Rojas C, Nikolopoulos S, Le Van Quyen M, Timmer J, Schelter B, Dourado A. EPILAB: a software package for studies on the prediction of epileptic seizures. J Neurosci Methods. 2011 Sep 15;200(2):257-71. doi: 10.1016/j.jneumeth.2011.07.002. Epub 2011 Jul 7.
- Delamont RS, Julu PO, Jamal GA. Changes in a measure of cardiac vagal activity before and after epileptic seizures. Epilepsy Res. 1999 Jun;35(2):87-94. doi: 10.1016/s0920-1211(98)00100-4.
- Kerem DH, Geva AB. Forecasting epilepsy from the heart rate signal. Med Biol Eng Comput. 2005 Mar;43(2):230-9. doi: 10.1007/BF02345960.
- D'Alessandro M, Vachtsevanos G, Esteller R, Echauz J, Cranstoun S, Worrell G, Parish L, Litt B. A multi-feature and multi-channel univariate selection process for seizure prediction. Clin Neurophysiol. 2005 Mar;116(3):506-16. doi: 10.1016/j.clinph.2004.11.014. Epub 2005 Jan 24.
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (REAL)
Conclusão Primária (ANTECIPADO)
Conclusão do estudo (ANTECIPADO)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (REAL)
Atualizações de registro de estudo
Última Atualização Postada (REAL)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- BIOING_02
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .