Bibliographic Metadata

Title
NeuroTrend as a monitoring tool for intensive care patients an assessment of usability by intensive care personnel / eingereicht von Angelika Zöchmeister
AuthorZöchmeister, Angelika
Thesis advisorHerta, Johannes
Published2018
Description60 Seiten : Diagramme
Institutional NoteMedizinische Universität Wien, Diplomarb., 2018
Date of SubmissionOctober 2018
LanguageEnglish
Document typeThesis (Diplom)
Keywords (DE)nicht-konvulsiver Anfall / nicht-konvulsiver Status epilepticus / Intensivstation / Intensivpflege / Intensivpflegekräfte / Neurologie / Neurochirurgie / EEG / Langzeit-EEG / Monitoring / NeuroTrend
Keywords (EN)non-convulsive seizure / non-convulsive status epileptics / intensive care unit / intensive care / intensive care personnel / neurology / neurosurgery / EEG / continous-EEG / monitoring / NeuroTrend
Restriction-Information
 The Document is only available locally
Links
Reference
Classification
Abstract (German)

Einleitung: Nicht-konvulsive Anfälle werden auf Intensivstationen zu selten oder häufig zu spät diagnostiziert. Dies ist vor allem bedingt durch ihre subtilen klinischen Zeichen bei einer klinisch schwer zu beurteilenden Patientengruppe. Durch die Zeitverzögerung bis zur Diagnosestellung und Therapie erhöht sich die Mortalität und Morbidität der Patienten. Aus diesem Grund wurde NeuroTrend, ein automatisierter Computeralgorithmus entwickelt, der die Information von kontinuierlichen EEG-Aufnahmen auf einer farblich kodierten Benutzeroberfläche darstellt. Somit können vordefinierte Muster inklusive deren Lokalisation, Frequenz und Amplitude auf einer dynamischen Zeitleiste übersichtlich angezeigt werden. Die vorliegende Studie soll nun testen ob NeuroTrend am Patientenbett von intensivmedizinischem Pflegepersonal adäquat eingesetzt werden kann, um bei Auffälligkeiten die zuständigen Ärzte zu informieren.

Material und Methoden: Im Zuge der Studie wurden bereits aufgezeichnete EEGs von 20 kritisch kranken Patienten randomisiert ausgewählt. Von jedem EEG wurden 24 Stunden ausgewählt und mit NeuroTrend gerechnet. Es wurde eine Power Point Präsentation erstellt, in der pro Patient 6 Screenshots der NeuroTrend Oberfläche zu je 4 Stunden in Kombination mit relevanten Patientendaten gezeigt wurden. Die teilnehmenden Pflegepersonen und Biomedizinischen Analytiker erhielten eine kurze Unterweisung zur Anwendung von NeuroTrend mit passenden Patientenbeispielen. Anschließend mussten die Probanden nur mit Hilfe eines kurzen Anleitungsbogens die Patienten-Screenshots auswerten. Die NeuroTrend Aufzeichnungen wurden beurteilt nach der Art des auftretenden Musters inklusive Lokalisation und Frequenz, Auftreten eines Anfalles und dessen Tendenz im Verlauf, Vorkommen von Burst Suppression, Angemessenheit der Sedierung und Kontinuität der Aufnahme. Die Statistische Testung erfolgte mittels Übereinstimmunsberechnungen, den Multirater und Interrater Agreements. Dabei wurden die Ergebnisse der Teilnehmer untereinander und anschließend mit denen eines Experten verglichen. Des Weiteren wurde ein Zusammenhang mit vorab erfragten Charakteristika der Teilnehmer untersucht.

Ergebnisse: Multirater Agreements wiesen perfekte oder zumindest substantielle Übereinstimmung für alle getesteten Variablen auf, unabhängig von jeglichen Charakteristika der Teilnehmer. Die Ergebnisse wurden mit einer Expertenmeinung verglichen, wo sich im Interrater Agreement perfekte und substantielle Übereinstimmungen von 67-94% für unabhängige Variablen zeigten. Die Übereinstimmungen von abhängigen Variablen, die zur genaueren Beschreibung einer unabhängigen Variable benötigt wurden, waren bedeutend geringer mit perfekten bis moderaten Übereinstimmungen zwischen 41% und 92%.

Zusammenfassung: Die vorliegende Studie konnte zeigen, dass durch geschultes intensivmedizinisches Pflegepersonal eine grundlegende Einschätzung des kontinuierlichen EEG-Monitorings mithilfe von NeuroTrend möglich ist. Daher bietet das Programm die Möglichkeit, das Management von Patienten mit neurologischen Beeinträchtigungen auf Intensivstationen zu verbessern.

Abstract (English)

Introduction: Non-convulsive seizures are often too rarely diagnosed or remain undiagnosed at intensive care units. This is particularly due to a presentation with mostly subtle clinical signs in a patient group which is hard to assess. As a result of a time-delay to diagnosis and treatment, mortality and morbidity are increased. Therefore, NeuroTrend, an automated computer algorithm, was developed which converts continuous EEG recordings onto a color-coded surface. This enables to show predefined patterns including location, frequency and amplitude, on a dynamic timeline. The study on hand should determine whether NeuroTrend can be adequately used by intensive-care nursing personnel at the bedside to alarm doctors of any occurring abnormalities.

Materials and Methods: For this study, pre-recorded EEGs of 20 critically ill patients were randomly selected. Of each patient, 24 hours of EEG-recording were chosen and calculated by NeuroTrend. A PowerPoint presentation was compiled, showing 6 screenshots per patient of NeuroTrend over a period of 4h, combined with relevant patient data. Participating nurses and biomedical analysists underwent a brief instruction of NeuroTrend with some patient samples. Subsequently, the nursing personnel had to assess the patient screenshots only with the help of a condensed instruction sheet. NeuroTrend recordings were assessed according to the type of relevant pattern including its location and frequency, occurring seizures, seizure tendency, burst suppression patterns, sufficiency of sedative medication, and continuity of recording. Statistical analysis was performed by calculation of interrater and multirater agreements. Individual results of the participants were compared and subsequently matched against an expert opinion. Additionally, a correlation between individual results and previously acquired characteristics of the participants was analysed.

Results: Multirater agreements showed perfect or at least substantial agreement for all tested variables, regardless of any characteristic of the participants. Results were compared with an expert opinion using an interrater agreement where perfect and substantial agreements (67-94%) for independent items could be achieved. Agreements of dependent items, which were needed to further describe independent items, were considerably lower with perfect to moderate agreement levels (41-92%).

Conclusion: This study showed that basic assessment of bedside-EEG monitoring with NeuroTrend could easily be achieved after a brief introduction of healthcare professionals to the program. It therefore has the potential to strongly improve the management of patients with neurological impairments at intensive care units.

Stats
The PDF-Document has been downloaded 0 times.