Titelaufnahme

Titel
Der Einfluss der EEG-Anfallsmuster von Epilepsien auf die Performance von EpiScan
Weitere Titel
The influence of the EEG patterns on the performance of EpiScan
VerfasserWimpassinger, Sabrina
GutachterBaumgartner, Christoph ; Prevedel, Christine
Erschienen2017
Datum der AbgabeJuni 2017
SpracheDeutsch
DokumenttypBachelorarbeit
Schlagwörter (DE)Automatische Anfallsdetektionssysteme / EEG / Elektroenzephalographie / Epilepsie / EpiScan / Falsch-Alarm-Rate / Performance / Sensitivität / Video-EEG-Monitoring
Schlagwörter (EN)automatic seizure detection system / eeg / elektroencephalography / epilepsy / EpiScan / false alarm rate / performance / sensitivity / video eeg monitoring
Zugriffsbeschränkung
 _
Klassifikation
Zusammenfassung (Deutsch)

Hintergrund: Das Video-EEG-Monitoring ist heutzutage in der Epilepsiediagnostik weit verbreitet. Diese Methode hilft nicht-epileptische Anfälle von epileptischen Anfällen zu unterscheiden, eine genauere Klassifikation des Epilepsiesyndroms zu finden und außerdem wird es auch in der prächirurgischen Diagnostik eingesetzt. Da die Auswertung eines solchen EEGs sehr zeitaufwändig und kostenintensiv ist, könnte ein automatisches Anfallsdetektionssystem Abhilfe dabei schaffen. EpiScan zählt zu diesen automatischen online Detektionssystemen. Dies bedeutet, dass EpiScan auch als Alarmsystem fungieren kann, da es das EEG während der Ableitung auswertet. Der Vorteil ist, dass es das medizinische Personal im Falle eines Anfalls alarmieren kann, was maßgeblich zur Sicherheit der Patienten und Patientinnen beitragen kann. Eine hohe Sensitivität und niedrige Falsch-Positiv-Rate ist wichtig für eine gute Akzeptanz in der Routine.

Ziel: Diese retrospektive Studie soll in einem Kollektiv von 82 Patienten und Patientinnen mit therapieresistenten Epilepsien, evaluieren, welchen Einfluss das EEG-Anfallsmuster auf die Performance von EpiScan hat.

Patienten und Patientinnen und Methode: Um die Performance von EpiScan bestimmen zu können, wurde eine retrospektive Studie am Neurologischen Zentrum Rosenhügel durchgeführt. Analysiert wurden vor allem die Sensitivität und die Falsch-Alarm-Rate. Zusätzlich wurde der Einfluss der verschiedenen Anfallsmuster auf die Sensitivität evaluiert. EpiScan analysierte in diesem Fall die Daten offline, was bedeutet, dass die EEGs erst nach der Ableitung ausgewertet wurden und daher wurde EpiScan nicht als Alarmsystem sondern als Reviewprogramm getestet.

Ergebnisse: Die Datenauswertung zeigte eine Sensitivität von 52,22% mit einem 95%igen Konfidenzintervall von 45,11-50,26%. Die Falsch-Alarm-Rate beträgt 4 FA/Tag bzw. 0,17 FA/Stunde und der positiv prädiktive Wert zeigte, dass 7,48% der positiven Ergebnisse von EpiScan auch tatsächlich positiv sind. Häufig sind Bewegungsartefakte der Grund für falsch positive Alarme. Die häufigsten Anfallsmuster waren rhythmische Theta-Aktivität und Delta-Aktivität.

Conclusio: Die Ergebnisse zeigten, dass sowohl die Sensitivität und die Falsch-Alarm-Rate in einem Bereich sind, der einen Einsatz von EpiScan in der klinischen Routine ermöglicht.

Zusammenfassung (Englisch)

Background: Video-EEG-Monitoring is commonly used in epilepsy diagnosis. This method helps in the differential diagnosis between non-epileptic and epileptic seizures, to classify the epilepsy syndrome and furthermore it is used in presurgical evaluation. The analysis of video-EEG data is very time consuming and expensive. Therefore, an automatic seizure detection system is of high clinical interest. EpiScan is an online detection system, which also can be used as an alarm system. The advantage of EpiScan is that it can alarm medical staff in case of seizures, which can significantly increase patients’ safety. This system should have a high sensitivity and a low false-alarm-rate, which is very important for the acceptance in clinical routine

Aim: This retrospective study evaluated the influence of the EEG patterns on the performance of EpiScan. We used data from 82 patients with therapy refractory epilepsies.

Patients and Method: This study was conducted at the Neurological Center Rosenhügel. We analysed the performance of EpiScan, especially sensitivity and false-alarm-rate. In addition, the influence of different seizure patterns on sensitivity was tested. In this case, EpiScan analysed the data offline, and because of this the detection system was evaluated as a review program and not as an alarm system.

Results: Data analysis showed a sensitivity of 52.22% with a 95% confidence interval between 45.11-50.26%. The false alarm rate was 4 FA/day or 0.17 FA/hour and the positive predictive value showed that 7.48% of the positive results of EpiScan were positive for real. Mostly movement artefacts were the reason for false positive alarms. The most common seizure patterns were rhythmic theta and delta activity.

Conclusion: These results show that EpiScan can be applied in a clinical setting.