Skip to main content

Mobil epilepsianfaldsmonitorering

Sándor Beniczky1, 2, 3, Jesper Jeppesen2, 3, Troels W. Kjær4, 5 & Martin Fabricius6

27. jun. 2022
11 min.

Det internationale epilepsiselskab (ILAE) og det internationale neurofysiologiselskab (IFCN) er gået sammen om at udvikle retningslinjer for klinisk praksis (RKP) om brugen af bærbare enheder til automatiseret anfaldsdetektion til ambulante epilepsipatienter, med det formål at reducere sygelighed og dødelighed i forbindelse med anfald og at forbedre den objektive dokumentation af anfaldsfrekvensen. RKP’en blev udviklet i henhold til den metode, der blev foreslået af ILAE’s arbejdsgruppe for epilepsiretningslinjer [1], og fulgte det anerkendte Grading of Recommendations Assessment, Development and Evaluation (GRADE)-system [2, 3]. Målgruppen for denne RKP er sundhedspersonale, der arbejder med patienter med epilepsi.

Faktaboks

Hovedbudskaber

Problemstilling og kliniske spørgsmål

Cirka en tredjedel af patienter med epilepsi er ikke anfaldsfrie på trods af medicinsk behandling [4]. Uforudsigeligheden af epileptiske anfald er foruroligende for patienter og for pårørende og bidrager ydermere til social isolation og nedsat livskvalitet. I lægemiddelforsøg anvender man selvrapportering af anfald [4], som er upålidelige: Studier i video-eeg-overvågningsenheder har vist, at 47-63% af anfald ikke opdages af patienterne [5], og dette er endnu højere (86%) for natlige anfald [6]. Der er behov for automatisk detektion af anfald vha. bærbare enheder for at reducere sygelighed og dødelighed forbundet med anfald og for objektiv anfaldsidentifikation og kvantificering.

Generaliserede tonisk-kloniske anfald (GTCS), herunder fokal-til-bilaterale tonisk-kloniske anfald (FBTCS), kan føre til skader og udgør den største risikofaktor for pludselig uventet død ved epilepsi (SUDEP), især hos patienter, der ikke er overvåget om natten [7, 8]. Kombinationen af ikke at dele soveværelse med nogen og at have mindst ét GTCS om året har vist en 67 gange øget risiko for SUDEP [9]. Derfor er GTCS (inklusive FBTCS) den vigtigste anfaldstype, der skal detekteres automatisk for at reducere sygelighed og dødelighed forbundet med anfald.

Flere store studier af patienter med epilepsi, deres pårørende og sundhedspersonale har vist, at der er behov for pålidelig registrering af anfald vha. bærbare enheder i hjemmet hos patienterne [10-14]. Bærbare enheder bliver generelt mere og mere udbredt, og denne tendens har nået sundhedsapplikationer, herunder epilepsiområdet [15], men der er en betydelig kløft mellem den rivende udvikling og den mere konservative kliniske praksis. Dette skyldes i høj grad mangel på evidensbaserede retningslinjer for klinisk implementering. Formålet med den aktuelle RKP var at bygge bro over denne kløft ved at gennemgå dokumentationen for disse enheders præcision og anbefale deres anvendelighed for patienter med epilepsi.

De følgende spørgsmål blev behandlet: 1) Kan automatiserede enheder præcist registrere GTCS, herunder FBTCS? 2) Kan automatiserede enheder præcist registrere anfald med bevidsthedspåvirkning uden tonisk-kloniske komponenter?

Gennemgang af litteratur

Arbejdsgruppen bag RKP har systematisk gennemgået de relevante publikationer i henhold til Preferred Reporting Items for Systematic Review and Meta-Analysis (PRISMA) [16]. De udvalgte artikler svarer til fase 2, 3 og 4 i kliniske valideringsstudier i henhold til de tidligere publicerede standarder for test og klinisk validering af anfaldsdetektionsudstyr [17]. Kort fortalt er disse faser baseret på de centrale parametre for valideringsstudier: forsøgspersoner, optagelser, dataanalyse, alarmer og referencestandard. Afhængigt af hvordan studierne undersøger disse parametre, blev de klassificeret som fase 0 til 4, hvor fase 0- og 1-studier er eksplorative undersøgelser, fase 2 kliniske studier er præget af mulige fejlkilder, fase 3-studier giver overbevisende beviser, og fase 4-studier er feltstudier med followup af egnetheden og anvendeligheden af udstyret i patienternes hjemmemiljø [17].

I alt 28 artikler opfyldte inklusionskriterierne. Pga. den store heterogenitet i undersøgelsesdesign og brugen af forskellige måleparametre og algoritmer var en metaanalyse ikke mulig, og arbejdsgruppen gennemførte således en kvalitativ analyse. Kun tre studier opfyldte kriterierne for fase 3 og to studier opfyldte kriterierne for fase 4 (et studie rapporterede både fase 3 og 4) [18]. De resterende studier var fase 2. Der var flere begrænsninger og potentielle kilder til bias, især for fase 2-studierne. Navnlig øger offline (retrospektiv) analyse af biosignalerne og brugen af flere post hoc-tærskelværdier muligheden for at overfitte det registrerede datasæt og sætter spørgsmålstegn ved reproducerbarheden af resultaterne.

Fase 3-studier var kun tilgængelig for GTCS, herunder FBTCS. I et studie brugte man accelerometer (EpiCare) [19], i et studie brugte man overfladeelektromyografi [20], og et studie brugte man en multimodal enhed (accelerometri og puls) [18]. I studiet, hvor man anvendte accelerometer, benyttede man den danskproducerede EpiCare-enhed, som er et armbånd, der registrerer de bevægelser, der forekommer under tonisk-kloniske anfald, og alarmerer direkte til patientens mobiltelefon, når der registreres anfald (Figur 1). Sensitiviteten for de tre forskellige enheder var på 90-96% med en falsk alarmrate på 0,2-0,67/24 timer (0-0,03/nat). Alle tre enheder, der blev valideret i fase 3-undersøgelser, har godkendelse til brug som medicinsk udstyr (CE-mærke) i EU. To studier opfyldte kriterierne for fase 4-valideringsstudie med test af anvendelighed til alarmering af GTCS ved hjemmemonitorering [18, 21]. Det er imidlertid vigtigt at bemærke, at de fleste patienter, der blev inkluderet i fase 4-undersøgelserne, havde alvorlig epilepsi og intellektuel funktionsnedsættelse og boede i en plejebolig. For andre anfaldstyper var kun fase 2-undersøgelser tilgængelige.

Evaluering af evidensen

Arbejdsgruppen fandt dokumentation af høj kvalitet for anfaldsdetektion af GTCS og FBTCS og moderat dokumentation for anfald uden en tonisk-klonisk komponent. Selvom der var bred enighed om behovet for automatisk påvisning af begge anfaldstyper, mente arbejdsgruppen, at det for de aktuelt tilgængelige enheder var usikkert, om de ønskelige effekter (anfaldsdetektion) opvejede uønskede virkninger (f.eks. falske alarmer, brugsbyrde og omkostninger) for andre anfald end GTCS og FBTCS. Der er resultater fra et enkelt studie (fase 4), der tyder på, at brugen af automatisk anfaldsdetektionsudstyr hjalp med at forhindre skader relateret til GTCS [21]. Selvom der er evidens for, at SUDEP hovedsageligt forekommer hos patienter med GTCS uden opsyn, var det usikkert, om påvisning af sådanne anfald kunne føre til tilstrækkelig hurtig og effektiv intervention [22].

Anbefalinger til automatisk registrering af anfald ved hjælp af bærbare enheder

ILAE-IFCN-arbejdsgruppen anbefaler, at man bruger klinisk validerede bærbare enheder til automatiseret påvisning af GTCS og FBTCS, når der findes betydelige sikkerhedsproblemer, især hos patienter uden opsyn, der ikke deler soveværelse med nogen, men hvor alarmer kan resultere i hurtig behandling inden for 5 min (svag/betinget anbefaling). Arbejdsgruppen kan ikke på det nuværende tidspunkt anbefale anvendelse af bærbare enheder til automatiseret påvisning af de øvrige anfaldstyper. Da dette er et område i hastig udvikling, foreslår arbejdsgruppen, at disse retningslinjer opdateres med jævne mellemrum (f.eks. hvert andet år), eller når der offentliggøres beviser på højt niveau, som kan påvirke anbefalingerne.

Diskussion

Yderligere forskning og udvikling er nødvendig på området for at validere brugen af automatiske anfaldsdetektionsenheder til andre anfaldstyper end GTCS og FBTCS. Lovende resultater blev opnået ved brug af hjerterytmeanalyser og subkutant målt eeg. I et dansk prospektivt fase 2-studie, hvor der blev anvendt bærbar ekg, har man nået en sensitivitet på 87% med en falsk alarmrate på 0,9/døgn hos patienter med markante vegetative ændringer under anfald (som udgjorde 58% af alle patienterne) [23]. Et nyt fase 3-studie, der udspringer af viden fra tidligere fase 2-studier [23, 24] og anvender bærbar ekg-baseret pulsvariabilitet til anfaldsdetektion af fokale anfald (Figur 2), er ligeledes påbegyndt.

Der findes hjemme-eeg-løsninger, dels med elektroder, som placeres uden på huden, og som typisk bruges i nogle uger, dels løsninger, som ligger under huden, og som kan bruges i månedsvis. De fleste patienter oplever, at eeg-løsninger, som er uden på huden, er lidt besværlige at bruge og er meget synlige for andre [25]. Ved anvendelser af de subkutane eeg-løsninger er der behov for kommunikation med en ydre enhed, og de bliver derfor mindre elegante end loop-recorderen (Figur 3). Både den kardielle loop-recorder og den subkutane eeg-løsning kan anlægges på kort tid i lokal anæstesi. På verdensplan findes der én subkutan eeg-løsning, som er godkendt til klinisk brug (24/7 EEG SubQ-devicet), og som er udviklet af et danske firma. Udstyret har to eeg-kanaler. Det betyder, at det kun er en mindre del af hjerneaktiviteten, der kan monitoreres. Derfor er det vigtigt, at man grundigt overvejer den individuelle placering hos den enkelte patient, f.eks. vejledt af anfaldenes klinik, skanninger og markører i standard-eeg’et. Visuel vurdering af disse eeg-data som led i et dansk forskningsprojekt fra ni epilepsipatienter i op til tre måneder og fra to epilepsipatienter i op til fem måneder, gav lovende resultater.

Der er et behov for flere feltstudier (fase 4) af flere årsager: 1) et mere realistisk estimat af falsk alarmrate i patienternes hjemmemiljø, 2) vurdering af muligheden for ultralang brug af disse enheder, også i patientgrupper med yderligere udfordringer (komorbiditeter, handikap), 3) estimering af andelen af tid, hvor enheden ikke er funktionsdygtig, 4) undersøgelse af den egentlige kliniske fordel ved at bære enhederne og 5) tilvænning til daglig brug. Bærbare enheder vil kun være til gavn i det omfang, hvor patient og familie værdsætter deres langvarige og daglige brug som et middel til øget selvstændighed og uden stigmatisering.

Arbejdsgruppens mål omfattede også en gennemgang af publiceret evidens for brug af bærbare enheder til forbedring af den objektive dokumentation af anfaldsfrekvens [26]. Med den nuværende falsk alarm-rate sker der en overvurdering af den sande anfaldsfrekvens. Flere tilgange ser dog ud til at være lovende for at løse problemet med falske alarmer til kvantificering af anfald.

Når eksperter foretog en offline visuel analyse af de potentielle anfald, der automatisk blev detekteret af en algoritme, fik man en nøjagtig validering af hændelserne [27].

Offlineanalyse af biosignaler vha. cloudcomputing og kunstig intelligens kan give en mere præcis registrering af anfald end onlineanalyse [28].



Korrespondance Sándor Beniczky. E-mail: sbz@filadelfia.dk
Antaget 22. december 2021
Publiceret på ugeskriftet.dk 27. juni 2022
Interessekonflikter Der er anført potentielle interessekonflikter. Forfatternes ICMJE-formularer er tilgængelige sammen med artiklen på ugeskriftet.dk
Referencer findes i artiklen publiceret på ugeskriftet.dk
Artikelreference Ugeskr Læger 2022;184:V10210770

Summary

Wearable devices for automated seizure detection

Sándor Beniczky, Jesper Jeppesen, Troels W. Kjær & Martin Fabricius

Ugeskr Læger 2022;184:V10210770

The International League Against Epilepsy and the International Federation of Clinical Neurophysiology developed a clinical practice guideline on the use of automated seizure detection with wearable devices. They recommend using clinically validated devices for automated detection of generalized tonic-clonic seizures and focal to bilateral tonic-clonic seizures, especially in unsupervised patients, where alarms can result in rapid intervention. In this review, we investigate the published evidence behind the guideline, and we outline the need for future research.

Referencer

Referencer

  1. Sauro KM, Wiebe S, Perucca E et al. Developing clinical practice guidelines for epilepsy: a report from the ILAE Epilepsy Guidelines Working Group. Epilepsia. 2015;56(12):1859-69.

  2. Guyatt GH, Oxman AD, Vist GE et al. GRADE: An emerging consensus on rating quality of evidence and strength of recommendations. BMJ. 2008;336(7650):924-6.

  3. Schünemann H, Brozek J, Guyatt G et al. GRADE Handbook, 2013. https://gdt.gradepro.org/app/handbook/handbook.html (27. maj 2020).

  4. Fisher RS, Blum DE, DiVentura B et al. Seizure diaries for clinical research and practice: limitations and future prospects. Epilepsy Behav. 2012;24(3):304-10.

  5. Elger CE, Hoppe C. Diagnostic challenges in epilepsy: seizure under-reporting and seizure detection. Lancet Neurol. 2018;17(3):279-88.

  6. Hoppe C, Poepel A, Elger CE. Epilepsy: accuracy of patient seizure counts. Arch Neurol. 2007;64(11):1595-9.

  7. Beniczky S, Arbune AA, Jeppesen J et al. Biomarkers of seizure severity derived from wearable devices. Epilepsia. 2020;61(suppl 1):S61-S66.

  8. Salas-Puig X, Iniesta M, Abraira L et al. Accidental injuries in patients with generalized tonic–clonic seizures. Epilepsy Behav. 2019;92:135-9.

  9. Sveinsson O, Andersson T, Mattsson P et al. Clinical risk factors in sudep: a nationwide population-based case-control study. Neurology. 2020;94(4):e419-e429.

  10. Schulze-Bonhage A, Sales F, Wagner K et al. Views of patients with epilepsy on seizure prediction devices. Epilepsy Behav. 2010;18(4):388-96.

  11. Hoppe C, Feldmann M, Blachut B et al. Novel techniques for automated seizure registration: Patients’ wants and needs. Epilepsy Behav. 2015;52(pt a):1-7.

  12. Van de Vel A, Smets K, Wouters K et al. Automated non-eeg based seizure detection: do users have a say? Epilepsy Behav. 2016;62:121-8.

  13. Tovar Quiroga DF, Britton JW, Wirrell EC. Patient and caregiver view on seizure detection devices: a survey study. Seizure. 2016;41:179-81.

  14. Patel AD, Moss R, Rust SW et al. Patient-centered design criteria for wearable seizure detection devices. Epilepsy Behav. 2016;64(pt a):116-21.

  15. Jo A, Coronel BD, Coakes CE et al. Is there a benefit to patients using wearable devices such as fitbit or health apps on mobiles? A systematic review. Am J Med. 2019;132(12):1394-1400.e1.

  16. Moher D, Liberati A, Tetzlaff J et al. Preferred reporting items for systematic reviews and meta-analyses: the prisma statement. PLoS Med. 2009;6(7):e1000097.

  17. Beniczky S, Ryvlin P. Standards for testing and clinical validation of seizure detection devices. Epilepsia. 2018;59(suppl 1):9-13.

  18. Arends J, Thijs RD, Gutter T et al. Multimodal nocturnal seizure detection in a residential care setting A long-term prospective trial. Neurology. 2018;91(21):e2010-9.

  19. Beniczky S, Polster T, Kjaer TW et al. Detection of generalized tonic-clonic seizures by a wireless wrist accelerometer: a prospective, multicenter study. Epilepsia. 2013;54(4):e58-e61.

  20. Beniczky S, Conradsen I, Henning O et al. Automated real-time detection of tonic-clonic seizures using a wearable EMG device. Neurology. 2018;90(5):e428-e434.

  21. Meritam P, Ryvlin P, Beniczky S. User-based evaluation of applicability and usability of a wearable accelerometer device for detecting bilateral tonic–clonic seizures: a field study. Epilepsia. 2018;59(suppl 1):48-52.

  22. Picard RW, Migliorini M, Caborni C et al. Wrist sensor reveals sympathetic hyperactivity and hypoventilation before probable SUDEP. Neurology. 2017;89(6):633-5.

  23. Jeppesen J, Fuglsang‐Frederiksen A, Johansen P et al. Seizure detection using heart rate variability: A prospective validation study. Epilepsia. 2020;61(suppl 1):S41-S46.

  24. Jeppesen J, Fuglsang-Frederiksen A, Johansen P et al. Seizure detection based on heart rate variability using a wearable electrocardiography device. Epilepsia. 2019;60(10):2105-13.

  25. Beck M, Simony C, Zibrandtsen I et al. Readiness among people with epilepsy to carry body-worn monitor devices in everyday life: a qualitative study. Epilepsy Behav. 2020;112:107390.

  26. Blachut B, Hoppe C, Surges R et al. Subjective seizure counts by epilepsy clinical drug trial participants are not reliable. Epilepsy Behav. 2017;67:122-7.

  27. Husain AM, Towne AR, Chen DK et al. Differentiation of epileptic and psychogenic nonepileptic seizures using single-channel surface electromyography. J Clin Neurophysiol. 2020;38(5):432-8.

  28. Beniczky S, Karoly P, Nurse E et al. Machine learning and wearable devices of the future. Epilepsia. 2021;62(suppl 2):S116-S124.