临床癫痫可穿戴技术的护理场景应用研究.pptxVIP

l

癫痫可穿戴技术的

护理场景应用研究;

引言

癫痫是全球最常见的神经系统疾病之一，我国

约有1000万患者。传统癫痫监测依赖患者自我报告和视频脑电图(VEEG),但存在准确性低、成本高、连续性差等缺陷。

近年来，可穿戴技术通过多模态生物信号监测、

人工智能算法优化，显著提升了癫痫监测的实时性与精准性，为临床护理实践提供了革命性工具。;

癫痫监测的现状

癫痫预警必威体育精装版技术

赋能临床护理实践的应用

未来发展前景思考;

PART①1

癫痫监测的现状;

患者自我记录发作次数较实际减少50%,夜间发作漏记率高达86%,复杂部分性发作漏记率达73%,单纯部分性发作为26%,这种主观记录方式严重影响了对癫痫发作频率和类型的准确评估，导致临床治疗方案的制定缺乏可靠依据。

由于患者对发作的感知差异以及记忆偏差，自我报告数据难以真实反映癫痫的发作情况，使得医生难以准确判断病情进展和治疗效果，进而影响患者的治疗依从性和预后。

2.视频脑电图(VEEG)的困境

VEEG需住院监测，日均费用超千元，患者依从性低，且55.5%的发作未被VEEG捕捉，因电极覆盖范围有限或移位，这不仅限制了其在临床中

的广泛应用，还导致大量发作信息的丢失，影响了对癫痫发作机制的研究和诊断准确性。VEEG的监测过程繁琐，对患者的生活和工作造成较大影响，同时高昂的费用也让许多患者望而却步，限制了其在癫痫监测中的普及程度，而电极覆盖范围和稳定性的问题进一步削弱了其监测效果。

3.动态脑电图(AEEG)的问题

AEEG的头皮电极易受运动伪影影响，数据失真率达15%,24小时佩戴脱落率15%,这些问题严重影响了AEEG的监测质量和可靠性，使其

在连续监测癫痫发作方面存在较大局限性，难以满足临床对长期、稳定监测的需求。运动伪影的干扰导致AEEG信号难以准确解读，增加了诊断的难度和不确定性，而脱落率较高则进一步降低了其在实际应用中的有效性和可行性，限制了其在癫痫监测中的应用范围。;

患者长期记录发作日记，包括发作的时

间及危险因素，并测定多种生理信号，利用可配带的装置及移动APP算法，可能做出预测，但对皮质醇浓度和血氧浓度及节律性生理变化尚未深入研究，

故而存在一定的缺陷。;

PART①2

癫痫预警必威体育精装版技术;

多模态生物信号监测技术

●脑电图

各专家一致同意长程VEEG可用于发现发作，其平均重复敏感性92%,失败率0.117/h,主要有三种算法：自动发现发作系统(automatic

seizuredetectionsystem):可以定量的发现发作，在10-20系统21个电极敏感性为84%,8个额颞电极为79%,7个颞顶枕电极为68%。患者特异性算法(patient-specificalgorithms)包括子波分析、自回归、非线性指数等，敏感性90%～100%,失败报警率(Falsealarm

rate,FAR)0.02/h~0.0275/h。个别报告可在发作前51s(中位值)发现发作。非患者特异性算法(non-patient-specificalgorithms)有多种算法，敏感性73.2%,FAR0.08/h～5.38/h,10～44s(中位值)后发现发作[6]。基于长程VEEG监测必须长期在头皮上安置电极，报告发作均有数十秒延迟，因此临床应用价值有限;

·皮肤电反应(EDA)监测技术

SUDEP患者发作前出现异常高频EDA信号。EDA监测作为一种无创、连续的监测手段，

能够实时反映患者的情绪和生理状态变化，为SUDEP的预警提供新的生物标志物，有助于提前发现潜在的危险情况。

通过监测EDA信号的变化，可以及时发现患者在发作前的情绪波动和生理变化，从而提前采取干预措施，减少SUDEP的发生，提高患者的夜间安全性。

·肌电图

肌电图表面肌电图用过度荷载指示器(accelermotors)或加速器(accelarometes)置

于腕部。或将运动传感器置于褥垫下[5]均不足以发现非惊厥发作。对惊厥发作敏感性94%~

100%,FAR0.67/24h～2.53/24h,发现潜伏期38～73s(平均55s)可用于报警。

·报警狗

Dalziel等调研63例癫痫患者，29例有宠物狗，其中9例的宠物狗对其发作

有反应，3例可以报警。宠物狗经训练后可于数分钟前报警，但机制不明。;

创新型设备

智能癫痫日记整合

·电子日记应用：如“我的癫痫日记”支持定制提醒、发作记录，并与可穿戴设备联动。

·可穿戴设备自动导