Studie för att validera en ny algoritm för att upptäcka anfall

Anfall är paroxysmala, onormala beteenden som vanligtvis är förknippade med förändrad medvetenhet och minnesförlust. Frekvensen av anfall är inte lätt att dokumentera. Individen som lider av anfall kan vara omedveten om att ett anfall inträffar. Många anfall, inklusive generaliserade större motoriska anfall, har stereotyp, kraftig motorisk aktivitet i samband med händelserna.

För närvarande bygger noggrann anfallsdetektering på EEG och video som är begränsade av tid, storlek och rörlighet. Anfallsdetektering kan också använda biomarkörer såsom rörelsemönster som beskrivs av gyroskop. Dessa enheter kan övervaka rörelsemönster som motsvarar aktiviteten under anfall och föras i en logg över anfall utan patientinmatning. Loggen kan användas för att meddela patienter eller vårdgivare om anfall.

Denna studie syftar till att fastställa noggrannheten hos ett system som använder en kommersiell, bärbar enhet kopplad till en datoralgoritm baserad i molnet som lagrar rörelsemönstret och meddelar patienten och andra om ett generaliserat större motoriskt anfall. Noggrannheten kommer att bestämmas genom en jämförelse av systemdetekteringarna med samtidigt inspelade videoelektroencefalogram, som anses vara "guldstandarden" för anfallsdetektering.