• No results found

EEG metodikens påverkan på sensitivitet och specificitet : En litteraturstudie

N/A
N/A
Protected

Academic year: 2021

Share "EEG metodikens påverkan på sensitivitet och specificitet : En litteraturstudie"

Copied!
51
0
0

Loading.... (view fulltext now)

Full text

(1)

EEG metodikens

påverkan på sensitivitet

och specificitet

HUVUDOMRÅDE: Biomedicinsk Laboratorievetenskap FÖRFATTARE: Sonya Chibani & Ranin Elias

HANDLEDARE:Dan Lund JÖNKÖPING 2021 – 06

(2)

Förord

Det är med glädje som vi nu skriver våra sista ord till detta examensarbete. Det har varit en väg på tre år med både uppförsbackar och nedförsbackar. Tre intensiva år med mycket skratt, tårar, erfarenheter och viktigast utav allting, minnen för livet. Vi vill tacka alla de som hjälpt oss igenom den tuffa utbildningen, alla som stöttat oss och trott på oss. Ett stort tack till våra familjer som alltid ställt upp och motiverat oss till att fortsätta kämpa. Tack till Dan Lund för en god handledning och till examinatorn Anita Hurtig Wennlöf. Vi vill tacka alla undervisande personer vid Hälsohögskolan i Jönköping som hjälpt oss följa våra drömmar och uppnå målen med denna utbildning. Vi är övertygade till att ni alla har bidragit till att göra detta arbete så bra som möjligt.

(3)

Sammanfattning

Elektroencefalografi (EEG) är en viktig metod för att upptäcka specifika avvikelser från homeostatiskt tillstånd. Sensitivitet och specificitet är av stor betydelse vid bedömning av den diagnostiska tillförlitligheten hos EEG metoden. Syftet med studien var att ge en övergripande översikt kring faktorer som påverkar sensitivitet och specificitet vid tre typfall med olika karaktär på EEG mönstret. De tre typfallen är sömndeprivering (låg aktivitet), epilepsi (hög aktivitet) och hjärtstopp (metabolisk aktivitet). Metoden som användes i studien var baserad på vetenskapliga artiklar som uppsöktes via databaserna Medline och PubMed. Inklusionskriterierna omfattade artiklar på engelska samt publicerad år 2010–2020. Sensitiviteten och specificiteten spelar stor roll vid prognosbedömningen efter ett hjärtstopp då patienten kan drabbas av ischemi och hjärnvävnaden skadas. Det finns flera olika metoder som genomförs vid EEG undersökningen. Dessa metoder är ambulatoriskt EEG, kontinuerlig EEG, Video EEG samt mobila EEG. Det gjordes en jämförelse mellan sensitiviteten och specificiteten för att se hur dessa påverkas och förändras vid de olika typfallen. Den viktiga slutsatsen var att metodiken spelade också en roll över hur sensitiviteten och specificiteten påverkades.

(4)

The impact of the EEG methodology on sensitivity and

specificity

Summary

Electroencephalography (EEG) is an important method for detecting specific deviations from homeostatic status. Sensitivity and specificity are of great importance in assessing the diagnostic reliability of the EEG method. The purpose of the study was to provide an overall overview of the factors that affect sensitivity and specificity in three typical cases with different character of the EEG pattern. The three typical cases are sleep deprivation (low activity), epilepsy (high activity) and cardiac arrest (metabolic activity). The method used in the study was based on scientific articles that were searched via databases Medline and PubMed. The inclusion criteria included articles in English and published in 2010–2020. Sensitivity and specificity play a major role in the prognosis assessment after a cardiac arrest as the patient may suffer from ischemia and the brain tissue is damaged. There are several different methods used in the EEG survey. These methods are ambulatory EEG, continuous EEG, Video EEG and mobile EEG. A comparison was made between the sensitivity and the specificity to see how these are affected and changed in the different typical cases. The important conclusion was that the methodology also played a role in how the sensitivity and specificity were affected.

(5)

Innehållsförteckning

Inledning ... 1

Bakgrund ... 2

Neurofysiologi... 2

Hjärnans anatomi och fysiologi ... 2

Hjärnans blodförsörjning ... 3

Hjärtstopp och de neurologiska utfallen ... 3

Epilepsi ... 5

Maligna och benigna EEG mönster ... 5

Sensitivitet och specificitet ... 6

EEG-undersökningsmetodik ... 7

Problemformulering ... 8

Syfte ... 9

Material och metod ... 10

Design ... 10

Inklusion- och exklusionskriterierna ... 10

Datainsamling ... 10

Analys ... 10

Etiska överväganden ... 11

Resultat ... 13

Faktorer och typfall som påverkar sensitiviteten och specificiteten vid EEG undersökning ... 13

Sensitivitet och specificitet – åldern som faktor ... 13

Sensitivitet och specificitet - typfall epilepsi ... 15

Sensitivitet och specificitet - typfall sömndeprivering ... 16

EEG vid prognosbedömning efter ett hjärtstopp ... 17

Diskussion ... 22

Metoddiskussion ... 22

Resultatdiskussion ... 23

Faktorer/typfall... 23

EEG som prognosmetod... 25

Slutsatser ... 28

Referenser ... 29

Bilagor ... 32

Bilaga 1 ... 32

(6)

1

Inledning

Under vårterminen 2020 drabbades Sverige och resten av världen av coronaviruset Covid19, vilket bland annat ledde till att all undervisning på Jönköping University stängdes ner den 18 mars. Undervisning och examinationer skulle tills vidare utföras på distans. Sjukvården i landets regioner fick en högre arbetsbelastning vilket ledde till att några studenter i denna kurs ej kunde utföra sina planerade datainsamlingar på de berörda avdelningarna / klinikerna. Examinationsseminarierna i v. 23 kommer att genomföras på distans enligt rektorsbeslut om distansundervisning resten av vårterminen.

Elektroencefalografi (EEG) är en specifikt användbar metod för att studera postsynaptisk aktivitet och därigenom identifiera störningar samt upptäcka avvikelser. EEG kan användas för att diagnostisera epileptiska anfallstyper samt avslöja typiska fynd hos flera epilepsisyndrom. Elektroencefalogram är även en metod som används för att bedöma neurologin efter ett hjärtstopp. Genom att utföra EEG på patienter som har haft ett hjärtstopp kan de olika EEG-mönstren visa patientens neurologiska utfall. EEG-signaler är tillräckligt kapabla för att ge värdefull insikt om krampaktivitet och kan förbättra kunskapen om mekanismen bakom epileptiska störningar (Saini & Dutta, 2018).

Sensitiviteten och specificiteten är mätvärden som beskriver EEG:s testmetodens tillförlitlighet. Dessa mätvärden tolkas oftast med procentuella tal från 0–100%. Desto närmare 100% resultatet ger, ju bättre diagnos kan patienten få (SBU, 2014). Sensitiviteten och specificiteten hos EEG beror på flera faktorer som till exempel ålder, och inspelningsförfaranden, till exempel vid sömninspelningar och aktiveringsprocedurer så som hyperventilering och fotostimulering (Noachtar & Rémi, 2009). Dessa olika faktorer ligger till grund för förståelsen över hur sensitiviteten och specificiteten är eller kan påverkas i samband med en diagnos och prognosbedömning.

För att undersöka faktorer som påverkar sensitiviteten och specificiteten har tre olika typfall valts ut. De utvalda typfallen skiljer sig åt i karaktären. Det första typfallet är epilepsi. Epilepsi är upprepade överaktiv elektriskaktivitet i hjärnan. Det andra typfallet kan benämnas som underaktivitet vid sömndeprivering. Det tredje och sista fallet är prognosbedömning efter hjärtstopp, som karakteriseras av metabolisk underaktivitet det vill säga, hur hjärtat och hjärnan hänger samman under- och efter ett hjärtstopp. I alla typfallen så finns olika målsättning och kännetecken med en EEG undersökning, vilket kommer att behandlas separat nedan.

(7)

2

Bakgrund

Neurofysiologi

Neurofysiologi är läran om nervsystemets funktioner samt hur nervsystemets funktioner kan mätas för att utreda om det finns någon sjukdom eller en funktionsnedsättning i nervsystemet. Nervcellernas funktion i kroppen är att förmedla de elektriska impulserna från och till kroppens olika delar genom afferenta och efferenta signaler. Vid misstänkt neurologisk sjukdom eller funktionsstörning/nedsättning kan genom analys av symtom samt utredning av de kliniska undersökningsfynden ofta nå fram till precisa slutsatser och resultat för den neurologiska diagnostiken samt även nå fram om funktionsstörningens karaktär och lokalisation. Funktionsstörningar kan utgöras av bortfallssymtom samt retningssymtom. Bortfallssymtom innebär att en struktur förlorar sin förmåga att generera en nervimpuls till följd av en skada och därmed faller en viss funktion bort. Retningssymtom innebär däremot att det skadade området kan generera impulser. På grund av en lesion blir impulsbildningen patologisk och detta leder till motoriska symtom alternativt falska sinnesintryck som följd. Den neurofysiologiska diagnostiken bygger på kunskaper om nervsystemets anatomi, fysiologi och patofysiologi samt nervsystemets uppbyggnad. För att fastställa lokalisation och utbredning av de patologiska fynden och diagnostisera sjukdomen måste det ske genom olika neurofysiologiska undersökningsmetoder som till exempel elektromyografi, nervledningsundersökning och elektroencefalografi (EEG) beroende på vilken sjukdom det är och vart det befinner sig. Dessa metoder mäter de elektriska signalerna i individens nervsystem och utreder om funktionen är normal eller inte. Resultaten från dessa undersökningar används för att fastställa rätt diagnos samt för uppföljning av exempelvis en sjukdom och dess behandling. En av de vanligaste undersökningsmetoderna för den neurofysiologiska diagnostiken är EEG undersökningen. Vid en skada i det centrala nervsystemet (i hjärnan) kan det leda till en funktionsstörning eller funktionsnedsättning, därför kan EEG undersökning utföras för en utredning av var lokalisationen av skadan i hjärnan befinner sig samt undersöka hjärnans elektriska aktivitet och funktion (Fagius & Nyholm, 2013).

Hjärnans anatomi och fysiologi

Nervsystemets uppgift är att ta emot samt förmedla de efferenta signalerna från hjärnan till kroppens olika delar, även att skicka afferenta signaler från kroppen till hjärnan. I både cerebrum och cerebellum finns det ett tätt skikt med nervcellskroppar som befinner sig nära ytan och benämns som hjärnbark, cortex. Cortex och nervcellerna bildar tillsammans den gråa substansen, medan resterande del av hjärnan består utav den vita substansen. Den gråa substansen har inget myelin till skillnad från den vita substansen, och är den delen som består utav de neuronala kropparna samt deras somas. Den gråa substansen ligger ytligt på hjärnan medan den vita substansen ligger i det innersta lagret av cortex. I den gråa substansen sker en stor del av informationsbehandling. Eftersom den gråa substansen utgör en stor del av hjärnan så används den vid den muskulära och den sensoriska aktiviteten. Den vita substansen finns i corpus callosum, alltså hjärnbalken och binder samman hemisfärerna. Detta görs

(8)

3

med hjälp av de associationsbanor som finns. Den vita substansen är därför den som behandlar informationen snabbare genom bindningen av hemisfärerna. Cortex delas in i olika areor som sensoriska, motoriska och associations areor. Sensoriska areorna tar emot de sensoriska impulserna och är engagerade i vårt medvetande av de olika sensoriska stimulis. De motoriska areorna är de rörelser som är viljestyrda och associations areorna är de som tar hand om de mer komplexa integrativa funktionerna, så som våra minnen, känslor, vår vilja, intelligensen och personlighetsdragen. Hjärnstammen som består av medulla oblongata, pons och mesencefalon binder samman ryggmärgen med resten av hjärnan. Pons är den förbindelsen mellan cerebellum och mesencefalon. Diencefalon är en del av framhjärnan och här hör sidoväggarna talamus och hypotalamus. Inferiort om hypotalamus finns hypofysen, som är en endokrin körtel. Posteriort om diencefalon ligger epifysen som även den är en endokrin körtel. Cerebrum består av två hemisfärer, som är bundna genom corpus callosum och involverar minnesbildningen. Den högra delen av hemisfären tar effektivt emot ljudinformation från den fysiska omgivningen. Den vänstra sidan av hemisfären är den som tar hand om avkodning av språk som kallas för Wernicke’s area och Brocas area för att kunna uttrycka sig i språket. Den högra sidan analyserar musikljud, auditiva associationsarean. Cerebellum består av två hemisfärer samt tre lober. Där den främre och bakre l0ben har ansvar över de omedvetna muskelrörelserna, och den tredje loben ansvarar för individens balans. Cerebellum får sin input propioreceptorer från innerörat samt primära mortorcortex för att utöva sina funktioner (Raichle, 2010).

Hjärnans blodförsörjning

Hjärnan utgör cirka 2% av kroppsvikten och är den mest aktiva metaboliska system i kroppen samt att den är beroende av kontinuerlig försörjning av syresatt blod. Cirkus arteriosus cerebri även kallad Circulus arteriosus Willisii är den viktigaste källan för blodtillförsel till hjärnan. Denna artärvägg har en funktion som utgör en säkerhetsväg för att upprätthålla stabil cerebral perfusion som ger konstant och regelbundet blodflöde till hjärnan (Shatri et al., 2017). Cerebrum försörjs med blod genom två inre carotis artärer som kallas för a. carotis interna (ICA) och a. basilaris. A. cerebri anterior samt a. cerebri media grenar av sig till a. carotis interna och försörjer den temporala, parietala och frontala loberna av cerebrum (anterior cirkulation). A. basilaris delas in i vänster och höger posterior cerebrala artärer (a. cerebri posterior) som försörjer occipital loben och levererar blod till regionerna i truncus encephali (posterior cirkulation). A. basilaris grenar av a. vertebralis dexter och sinister. Både a. basilaris och a. vertebralis försörjer hela truncus encephali (mesencephalon, pons, medulla oblongata) och cerebellum med blod. Den anteriora och posteriora cirkulationen är sammankopplade till varandra och utgör ringliknande struktur Circulus arteriosus Willisii (Zhang et al., 2014).

Hjärtstopp och de neurologiska utfallen

Ett friskt normalt hjärta består av fyra rum som är i olika storlekar där varje rum har olika funktioner. Rummen kallas för atrium dextrum och atrium sinistrum (som är höger och vänster förmak) samt ventriculus dexter och sinister (som är höger och vänster kammare). Förmaken är rummen som tar emot blod och pumpar vidare det via kamrarna ut till kroppen. För att cirkulationen skall upprätthållas krävs

(9)

4

ett kontinuerligt tryck mellan atrium och ventriculus som möjliggörs med hjälp av en bindvävsplatta. På dessa bindvävsplattor finns fyra olika bindvävsringar som fungerar som mynningar mellan rummen och på dessa sitter hjärtrummens olika klaffar som är typ av ventiler som har funktionen att endast låta blodet passera i en enda riktning efter varje hjärtslag. Regleringen för hur klaffarna skall öppnas och stängas är beroende på differensen i vätsketryck på de båda sidorna. Cirkulationssystemet är uppbyggd av två olika kretslopp, det lilla kretsloppet och det stora kretsloppet. I det lilla kretsloppet kommer blodet att syresättas genom passage via lungorna, medan stora kretsloppet har förgreningar som kommer försörja hela kroppen med blod (Neubauer, 2007). Hjärtmuskelcellerna jobbar aktivt för att kunna reglera koncentrationen av ojämn jonfördelning mellan det låga natrium och höga kalium-halten intracellulärt som leder till att det blir en spännkraft över cellmembranet. Hjärt-cellerna använder denna spänningskraft för att genomföra en aktionspotential som leder till att det blir en förändring av spänningen över cellmembranet. Detta resulterar i att cellen aktiveras och sänder signaler till andra celler som finns i hjärtat. Aktionspotentialen leds av depolarisation som innebär aktivering och repolarisation som innebär återställning. Alla hjärt-celler har en förmåga till elektrisk aktivering och därmed sammanhängande muskelkontraktion, dock så varierar utseendet på dessa beroende vilken cell som depolariseras. Vanligaste sker depolarisation i retledningssystemet som består utav sinusknutan, AV-noden, His bunt, höger/vänster skänkel samt Purkinjefibrerna (Jern & Jern, 2012).

Personer som drabbas av hjärtstopp drabbas även av cirkulationspåverkan som leder till hög metabolism i hjärnan och till medvetslöshet inom loppet av några sekunder. Detta resulterar i att det sker en irreversibel skadeutveckling i hjärnan inom några minuter. Eftersom hjärnan har ett stort metaboliskt behov som främst beror på den höga energiförbrukningen, har hjärnan ingen kapacitet för detta utan kontinuerlig tillförsel utav syre och näring. Efter ett hjärtstopp leder därför detta till minskat syre till hjärnan och kan leda till ischemi. Hjärnan är ytterligt känslig för ischemi och vid ett hjärtstopp upphör all cirkulation och syrgastransporten till hjärnan. Ett snabbt inledande av hjärtlungräddning som effektivt återställer en stabil blodcirkulation förebygger allvarliga hjärnskador. De hjärnskador som uppstår i direkt koppling till hjärtstoppet riskerar dock att försämras de följande timmarna efter hjärtstoppet då hjärnan reperfunderas, även om hjärtlungräddningen är mest gynnsam. Graden av hjärnskada är direkt kopplad till varaktigheten av medvetslösheten. Dock kan detta vid återställd cirkulation leda till att mycket händer i kroppen. Kroppens olika organ kan få ischemi som kan leda till att organen kollapsar. Under första timmarna efter ett hjärtstopp är det viktigt med aktiv temperaturkontroll och sedering för att stabilisera temperaturen. Behandling med hypotermi blir aktuell hos patienter efter ett hjärtstopp för att kunna utvärdera de neurologiska utfallen. Hypotermi är en behandling som har till syfte att sänka patientens kroppstemperatur för att minska de skador som uppkommer vid ischemi. Hypotermibehandling efter hjärtstopp utgör en del av chans för överlevnad hos personer som drabbats av hjärtstopp. För att kunna bedöma hur prognosen ser ut efter ett hjärtstopp görs olika bedömningar som att se pupillreaktioner, smärtstimulering samt olika bakgrundaktiviteter på EEG mönstret. Den mest använda åtgärden för rapportering av det neurologisk utfallen efter ett hjärtstopp är användning av Cerebral Peformance Category (CPC). Det är en klassificering som beskriver den neurologiska funktionen. CPC skalan skattas från 1–5, där CPC 1–2 motsvarar bästa möjliga utfallet, och CPC 3–4 som motsvarar dåligt neurologiskt utfall och CPC 5 som motsvarar

(10)

5

motalitet. Den neurologiska statusen spelar en viktig roll för det totala funktionella resultatet (Sandroni et al, 2018; Westhall, 2016).

Epilepsi

Epilepsi är ett samlingsnamn för de olika epileptiska anfallen med olika orsaker. Epilepsi är en av de vanligaste neurologiska sjukdomarna som inte har några gränser för anfall. Det är en av världens vanligast förekommande neurologiska sjukdomar som idag berör 50 miljoner människor runt om i världen. Sjukdomen har en bred åldersgrupp och har ett varierat stort urval av etiologier (Grefberg, 2013). Neurologiska sjukdomar innebär de sjukdomar som drabbar det en rad olika sjukdomstillstånd som orsakas utav biokemiska, strukturella samt elektriska avvikelser i det centrala nervsystemet, det perifera nervsystemet samt det autonoma nervsystemet. Diagnosen för epilepsi ställs när minst två episoder av oprovocerade anfall kommit eller när anfall återkommer med mer än 24-timmars intervall, mellan varje anfall. Begreppet kramptröskeln avser personens risk av att få ett epileptiskt anfall. Sjunker kramptröskeln till en kritisk nivå uppkommer ett epileptiskt anfall. Nivåerna är väldigt individuella, delvis på grund av genetiska orsaker samt på livsstilen med mera. Även ålder är en faktor för kramptröskelns sjunkande nivå. Anfallen klassificeras enligt det internationella EEG-mönstret. Det finns två huvudgrupper som skiljs åt vid epilepsi, primärt generaliserade anfall, och fokala anfall (Nair & O`Dywer, 2010). Vid de primär generaliserade anfallen, kan inte någon metod påvisa en vävnadsskada som orsakat anfallet. Detta tyder på att den patofysiologiska mekanismen stör balansen mellan de exciterande och de hämmande mekanismer som fungerar i cortex, med en reducerad kramptröskel som verkan. Inom de generaliserade anfallen klassificeras absenser, myoklona, kloniska, toniska,

tonisk-klonisk (grand mal) och atoniska anfall. Vid däremot de fokala anfallen så lokaliserar epileptiska

utlösningar ett begränsat område i storhjärnans bark. Hit klassificeras enkla fokala anfall med motoriska symtom, utan medvetandet av att ett anfall pågår, komplexa fokala anfall, med däremot medvetenpåverkan som startar enkla men övergår till medvetna, och fokala anfall som generaliseras sekundärt. De fokala anfallen har en lokal start medan de generaliserande anfallen är symmetriska utan lokal start (Fagius & Nyholm, 2013).

Maligna och benigna EEG mönster

Beskrivningen och klassificeringen av bakgrundsaktiviteten vid EEG undersökningen utgör grunden för prognosbedömningen och diagnosen. Genom att få fram olika mönster på EEG bilden kan bedömningen av god eller dåligt neurologiskt utfall bestämmas. EEG mönster delas in i två grupper unfavorable och favorble mönster. Unfaverble som då är isoelektriska, low-voltage eller burst-suppression, där dess mönster kan likna maligna EEG mönster. Favorable EEG mönster visar normala eller diffust långsamma EEG registreringar (Sondag et al., 2017). Oftast är dåligt neurologiskt utfall förknippat med EEG- mönster som burst-suppression-mönster som innebär korta utbrott av aktivitet som är höga, oregelbundna och oftast lågfrekventa. Detta mönster är även kallat för malignt EEG mönster. Isoelektriskt EEG mönster är en annan typ av malignt mönster som förknippas med dåligt neurologiskt

(11)

6

utfall. Det definieras som en kontinuerlig EEG aktivitet, vilket utvärderas i samband med hjärndöd och definieras som ”ingen aktivitet”. Ett annat mönster är low-voltage mönster som anses vara onormalt mönster som inte bör förväxlas med andra bakgrundsaktiviteter som kan ses hos vakna friska personer. Dessa tre mönster är viktiga maligna mönster som ses hos patienter med dåligt neurologiskt utfall efter ett hjärtstopp. I vissa speciella fall kan dessa mönster ses hos patienter som har bra neurologiskt utfall med benigna EEG mönster (Westhall, 2016).

Sensitivitet och specificitet

För att kunna mäta hur tillförlitlig en metod är användes begreppen sensitivitet och specificitet. Sensitiviteten är ett statiskt mått och indikerar på förmågan att kunna upptäcka avvikelser. Det är alltså hur pass känslig metoden är för att fånga upp sjukdomen. Sensitiviteten hos en testmetod är den sannolikhet för ett positivt testresultat när positivt testresultat är det riktiga resultatet. Har metoden en hög sensitivitet så innebär det alltså låga andel med falskt negativa svar. Vilket ger en positiv förekomst och positivt testresultat med en hög sannolikhet. Det kan dock fortfarande ge många falskt positiva resultat. Specificiteten däremot indikerar på förmågan att kunna särskilja personer med sjukdom från de personerna utan sjukdom. Det är alltså måttet på hur pass specifikt det är att personen i frågan har sjukdomen. Vid en hög specificitet finns låg andel falskt positiva svar vilket innebär att negativ förekomst, alltså ingen sjukdom, ger negativt testresultat med hög sannolikhet av att det finns en sjukdom. Metoden kan dock ge falskt negativa svar och missa förekomst av den egentliga sjukdomen (Tabell 1). Några andra mätvärden är positivt predikativt värde, PPV och negativt prediktivt värde, NPV. PPV är den andelen av de som har sjukdomen av alla de med ett positivt test, alltså de som tests positivt för sjukdom, och som faktiskt har sjukdomen. PPV beror på prevalensen inom populationen och en hög PPV beror på en hög prevalens. NVP är den andelen som inte har sjukdomen av alla de med ett negativt test, alltså de som testats negativa för en sjukdom faktiskt är negativa. NPV beror precis som PPV på prevalensen i populationen och en låg NVP beror på en hög prevalens (SBU, 2014).

Tabell 1. Tabellen visar kombinationen av testresultatet samt sjukdomsförekomsten. Underlaget till tabellen är hämtad från SBU, (2014).

Det finns en sjukdom (positivt)

Det finns inte sjukdom (negativt)

Summan =

Ett positivt testresultat Sant positiv (a) Falskt positiv (b) Alla positiva

testresultat (a + b) Ett negativt

testresultat

Falskt negativ (b) Sant negativ (d) Alla negativa

testresultat (c + d)

Summan = a + c b + d a + b + c + d

Sensitivitet = a / (a+c) är mängden sant sjuka med positiv test dividerat med det totala antalet sant sjuka och specificitet = d / (b+d) är mängden sant friska med negativ test dividerat med det totala antalet sant

(12)

7

friska. PPV = a / (a+b) som ger alla de positiva testresultaten samt NPV = d / (c+d) som ger alla de negativa testresultaten (SBU,2014).

EEG-undersökningsmetodik

Rutin EEG undersökning kan utföras antigen med en elektrodmössa som är kopplad till en EEG-apparat som är ansluten till en dator eller genom att fästa EEG-elektroderna på skallen med hjälp av elektrodsalva. Ett slipmedel används innan påsättning av EEG-elektroderna på huden för att det elektriska motståndet mellan hud och elektroden ska bli så lågt som möjligt. Elektrodplaceringen görs enligt ett internationellt standardiserat mönster så kallad 10–20 systemet. Detta system används för att mäta avstånden mellan benbryggan mellan ögonbrynen och nackknölen alltså mellan nasion och inion samt mellan de yttre hörselgångarnas mynningar, avståndet mellan dessa elektroder skall vara 20% av dessa sträckor (Jonson & Wollmer, 2011). EEG elektrodplaceringen är en av de viktigaste förutsägningarna för att få tillförlitliga EEG-signaler eftersom även små förändringar i placeringen av en fixerad elektrod ger upphov till stora förändringar i resultatet (Jeon et al., 2018). Under EEG undersökningen ska patienten vila på en bekväm brits med slutna ögon i cirka 3 minuter innan provokationer utförs. För att registreringen ska bli optimal är det viktigt att patienten ligger stilla och slappnar av ordentligt eftersom aktiviteten i musklerna från bland annat pannan, tinningarna och nacken kan ge störningar och artefakter som gör det svårare för tolkningen av undersökningen och därmed risk för falskt resultat. Ögonrörelser och blinkningar stör registreringen därför ska patienten slappna av med slutna ögon för att undvika artefakterna. Under registreringstiden skall det utföras olika provokationer. Det finns tre olika provokationer inom den rutinmässiga EEG-undersökningen: att patienten får blunda och öppna ögonen när undersökaren rekvirerar det, hyperventilation, ca 3–4 minuter och fotostimulering inom en kort period. Undersökningen utförs av en biomedicinsk analytiker och den totala tiden som tar för undersökningen är cirka en timme, varv 30 minuter registrering och 30 minuter för att informera patienten om undersökningen samt påsättning av elektroderna (Jonson & Wollmer, 2011). Undersökningen är smärtfri och tolereras av de flesta individer. Undersökningen kräver medverkan från patienten för att få ett tillförlitligt resultat (Fagius & Nyholm, 2013).

Vid vissa tillfällen behövs sömn EEG med sömndeprevering utföras vid EEG undersökningen. Sömdepriveringen utförs genom att antingen ge patienten ett läkemedel så som melatonin eller att patienten inte får sova tillräckligt mycket inför undersökningen. Förekomsten av epileptisk aktivitet vid EEG inspelningen är viktig för att ställa diagnos och sätta in behandling av epilepsi. Sömn kan därför öka deras upptäckt och hjälpa till vid diagnos av specifika epilepsisyndrom. Sömnbrist kan framkalla interiktal epileptiform aktivitet (IED) vid juvenil myoklonisk epilepsi som är en anfallstyp av epilepsi. En 24 timmars sömnbrist kan provocera anfall. Därmed är IED-frekvenser i sömn EEG högre efter sömndeprevering än sömn utan tidigare sömnbrist. Dessutom kan mindre mängder rörelse och muskelartefakter inträda vid sömndeprevering än vid vaken EEG (Theitler et al., 2016). Det finns en märkbar ökning av epileptiska avvikelser under uppvakningsfaserna hos patienter vid sömndeprevering, vilket tyder på att sömnbrist kan påverka EEG inspelning oberoende av att ha uppnått de olika sömnstegen (Michel et al., 2015).

(13)

8

Som undersökningsmetodik finns det flera andra olika metoder som genomförs vid EEG undersökningen. Dessa metoder är bland annat ambulatoriskt EEG (paEEG), kontinuerlig EEG (cEEG), Video EEG (vEEG) samt mobila EEG (mEEG). Ambulatorisk EEG (paEEG) är en flyttbar metod som används för att undersöka hjärnans elektriska aktivitet över en längre tidsperiod i minst 24 timmar där patienten kan utföra sina vardagliga aktiviteter under den långtidsregistrering (Michel et al., 2015). Kontinuerligt EEG är en typ av EEG metoderna som används för upptäckt av elektriskt aktivitet hos patienter, främst hos kritiskt sjuka patienter med ett stort antal neurologiska sjukdomar samt förlamningar. Det ändvänds till skillnad från ett rutin EEG färre elektroder som registrerar aktiviteten. Kontinuerligt EEG, även kallad för cEEG är en metod som registrerar hjärnaktiviteten från timmar till dagar och veckor. Kontinuerligt EEG används bland annat vid hjärtstopp, krampanfall, hjärnblödningar, hjärnskador, koma och infektioner i det centrala nervsystemet (Katyal et al., 2020). Video EEG (vEEG) är en metod som används vid övervakning då patienten är övervakad av en kamera som är kopplad till datorn för att upptäcka epileptiska anfall. Video EEG är synkroniserade inspelning av EEG där patientens beteende under en EEG undersökning bevakas med hjälp av videon som utförs för att öka sannolikheten för att hitta avvikelser hos patienten (Michel et al., 2015). Mobila EEG (mEEG) är en ny diskuterad metod inom vården. Metoden har funnits sedan 1970-talet men användes på ett annorlunda sätt dock med EEG-skivor som ursprungligen spelades in med kassettbandspelare men under 1990-talet började andra metoder komma fram vilket var de digitala EEG inspelningar. Mobila EEG metoden används alltmer för att undvika stora kostnader som sker på sjukhus. Mobila EEG är en billig metod som skall användas i de resursfattiga områden (Askamp & van Putten, 2014).

Problemformulering

För att kunna bedöma hur tillförlitligt EEG undersökningsmetoden är, studeras både sensitiviteten och specificiteten. I studien ska författarna därför studera vilka faktorer samt typfall som kan påverka sensitiviteten och specificiteten vid EEG undersökningen och jämföra resultatet.

Graden av hjärn-hypoxi efter ett hjärtstopp är avgörande för prognosbedömningen där neurologiska undersökningar är en viktig del för att kunna förutsäga om prognosen är god eller dålig. Den tiden från att patienten får ett hjärtstopp till att den spontana cirkulationen återgår till sitt normala värde är väldigt olika beroende på hur länge patienten har hjärtstopp. Specifik tidpunkt för prognosbedömningen är därför avgörande. EEG mönstret är tydligast kopplat till prognosen och kan påverkas efter både tid efter hjärtstoppet och efter kroppstemperatur. Beroende på hur sensitiviteten och specificiteten utvärderas kan därefter bedömningen fastställas och patienten kan på detta sätt diagnostiseras.

(14)

9

Syfte

Syftet med föreliggande litteraturstudie var dels att utröna hur sensitiviteten och specificiteten hos EEG undersökningen kan påverkas av faktorn ålder samt typfallen epilepsi, sömndeprevering och hjärtstopp. Dessutom undersöka de neurologiska utfallen med EEG hos patienter efter ett hjärtstopp utifrån följande frågeställningar:

- Hur påverkar faktorn ålder sensitiviteten och specificiteten vid EEG undersökning? - Hur påverkas sensitiviteten och specificiteten vid de olika typfallen?

- Hur påverkas prognosbedömningen efter ett hjärtstopp med avseende på sensitivitet och specificitet?

(15)

10

Material och metod

Design

Metoden som valdes för denna studie är en allmän litteraturstudie som beskriver och skapar en översikt kring forskningsresultatet inom ett specifikt kunskapsområde och är baserad på vetenskapliga artiklar. Studiens syfte och frågeställningar har besvarats utifrån de valda vetenskapliga artiklarna.

Inklusion- och exklusionskriterierna

Inklusionskriterierna för hela studien var att artiklarna ska vara vetenskapligt granskade, peer review samt evidensbaserade och etiskt granskade. Ett annat krav var att artiklarna skall vara skrivna på engelska. Exklutionskriterierna innefattade artiklar som var äldre än år 2010. Det var tre olika frågeställningar som skulle besvaras därför anpassades ytterligare andra inklusionskriterier utifrån frågeställningen om prognosbedömning efter hjärtstopp. För att begränsa sökningen vid prognosbedömningen efter hjärtstopp var artiklarna som inkluderades grundat på patienter med hjärtstopp samt ålder från 18 år och uppåt. Det kunde dock inte användas samma inklusionskriterier till den första frågeställningen gällande faktorn ålder som påverkade sensitiviteten och specificiteten utan den anpassades efter frågeställningen, då ålder inte skulle begränsas.

Datainsamling

En optimal litteratursökning har en hög sensitivitet och specificitet vilket innebär att betydelsefulla sökord för frågeställningen användes och sökord som inte har en relevant koppling till studien undviks. Sökningarna gjordes i databaserna Medline, och PubMed med kombination av MESH-termer, för att hitta relevanta artiklar som motsvarar syftet med litteraturstudien (Tabell 2). De sökorden som användes i studien var electroencephalography in the diagnosis of epilepsy, sensitivity and specificity,

EEG diagnostic, cardiac arrest, electroencephalography, age och sensitivity and specificity, prognosis after cardiac arrest, prognostic value samt electroensephalogram. Även den booleska operatorn ”and”

användes mellan orden. Sökorden kombinerades sedan i databaserna för ett bredare spektrum.

Analys

Artiklarna som valdes i studien lästes i sin helhet och utvärderades med noggrannhet utifrån dess syfte, metod samt dess resultat. De artiklar som besvarades på studiens syfte sparades. För att försäkra sig om att artiklarna som redovisas i studien är tillförlitliga och hade hög kvalitet utfördes en kvalitetsgranskning. Ett kvalitetsprotokoll som framtogs av Hälsohögskolan, Jönköping University (bilaga 1) bestod av två delar, där del 1 skulle ha svar ”JA” på alla frågor för att sedan besvara frågorna som finns på del 2. Vid ett ”NEJ” på del 1 ska artikeln exkluderas. En poänggradering från 0 till 1 där svaret ”JA” gav ett poäng. Beroende på vad för poäng, artikeln gav delades den in i låg kvalitet som hade 1-3 poäng, medelkvalitet som gav 4-5 poäng och högkvalitet som hade 6-7 poäng. Denna studie använde artiklar som endast hade medel och högkvalitet för att kunna säkerställa arbetets trovärdighet. Inkluderade artiklar lästes i fulltext och analyserades efter dess syfte, urval samt resultat och sammanfattades i bilaga 2.

(16)

11

Etiska överväganden

Artiklarna som användes i litteraturstudiens resultat är etisk godkänt samt fått ett tillstånd från etisk kommitté för publicering. Artiklarna var godkända av etiska kommitté för publicering, men en kvalitetsgranskning genomfördes i denna studie. Kvalitetsgranskningen baserades på ett kvalitetsprotokoll, som i enlighet med etik-prövningslagen sammanställs av Hälsohögskolan, Jönköping University för att konstatera att forskningen som gjorts följer de etiska forskningsregler samt principer som finns. Kvalitetsprotokoll innefattade två delar som användes vid analys av artiklarna som användes i studien (bilaga 1), och innefattade kriterier som inkludering och exkluderingskriterier som arbetet skall följas. Studier med olika slutsatser har inkluderats i arbetet för att påvisa en bredd av resultat (Forsberg & Wenström, 2016).

Tabell 2. Tabellen visar vilka databaser och vilka datum som artiklarna uppsöktes i, vilka söksträngar som användes och antal begränsningar, antal träffar, antal lästa abstracts, antal lästa artiklar samt antal valda artiklar vid litteratursökningen.

Databas Termer och sökord Begränsningar Antal träffar Antal lästa abstrakt Antal lästa artiklar Antal använda artiklar 2020-04-11 Medline electroencephalograph y in the diagnosis of epilepsy AND sensitivity and specificity AND eeg diagnostic English language, Published date 2010-2020 71 17 9 5 2020-04-11 Medline ”sensitivity and specificity” AND cardiac arrest AND EEG or electroencepalogram English language, Published date 2010-2020, major heading epilepsy and EEG, age adults 19+ 26 19 5 1 2020-04-11 Medline eeg or electroencephalogram or electroencephalograph y AND "sensitivity and specificity" AND sleep deprivation for epilepsy

English language, Published date 2010-2020

(17)

12

2020-04-12 Medline

“sensitivity and specificity” AND EEG Monitoring System AND epilepsy English language, Published date 2010-2020 4 4 1 1 2020-04-12 Medline Prognosis after cardiac arrest AND electroencephalogram OR EEG AND sensitivity and specificity English language, Published date 2010-2020 35 18 7 2 2020-04-12 Medline

Cardiac arrest AND electroencephalogram OR electroencephalograph y OR EEG AND prognosis English language, Published date 2010-2020, age, adults 19+ years 117 25 11 2 2020-04-12 Medline

Cardiac arrest AND electroencephalogram OR electroencephalograph y OR EEG AND prognostic value English language, Published date 2010-2020 78 22 7 2 2020-04-11 PubMed

Cardiac arrest [Titel] OR heart arrest AND electroencephalograph y OR EEG [Titel] Publication 10 years, human, English language 135 22 4 1

(18)

13

Resultat

Faktorer och typfall som påverkar sensitiviteten och specificiteten vid EEG

undersökning

Sensitivitet och specificitet – åldern som faktor

En av studierna Watson et al. (2012) hade till syfte att utföra rutin EEG undersökningar på patienter för att se om det finns skillnad i sensitivitet och specificitet hos äldre jämfört med yngre patienter. I studien var det totalt 5108 EEG undersökningar som studerades mellan 2004 och 2011. Patienterna delades in efter ålderskategorin 16–24 år, 25–44 år, 45–64 år, 65–84 år samt 85 år och uppåt. Under intervallet mellan 2008 och 2009 utfördes EEG på patienter som var 85 år gamla. Under perioden 2006 till 2009 utfördes 754 EEG undersökningar och för att lättare kunna analysera sensitiviteten och specificiteten förminskades ålderskategorier från fem till tre 16–44 år, 45–64 år och 65 år och över. Det gjordes ytterligare tre delningar i ålderskategorier utifrån de olika epileptiska anfallen patienterna fått. Det visade att sensitiviteten och specificiteten som noterades för patienterna (n=630) visade inga signifikanta skillnader mellan de tre åldersgrupperna (tabell 3). Syftet med studien Thangavelu et al. (2016) var att prova fram ett system som är ett fristående EEG övervakningssystem för fjärrdiagnos vid diagnosen epilepsi baserad på patientens ålder med hjälp av EEG signaler där undersökningen ska bidra till låga kostnader i låginkomstländer eftersom aktuella övervakningsanordningar för elektroencefalografi (EEG) är mycket dyra. En klassificering av åldersgrupper bland patienterna gjordes där resultaten jämförde de friska personerna från de sjuka i de olika åldersgrupper utifrån de olika EEG frekvenserna; gamma, beta, alfa, theta och delta. Dessa användes som ett verktyg för att skilja resultatet mellan friska och sjuka personer. Eftersom den temporala loben i hjärnan tenderar att ge vissa transmutioner i elektrisk aktivitet som visas i EEG registreringen, därför har studien studerat resultatet i temporal loben. Resultatet visade att frekvensområdena som registrerades från en sjuk epileptisk patient är högre jämfört med en frisk person. Gammafrekvensen ökar signifikant hos sjuka epileptiska patienter i alla åldersgrupper särskilt i vänstra temporala loben (T3), samtidigt som thetafrekvensen hos de yngre åldersgrupperna hade en märkbar ökning. Resultatet visade effektiviteten hos parametrarna sensitiviteten och specificiteten. Systemets bästa prestandavärden för sensitiviteten var 88,9% och specificiteten på 90,6%, däremot visar sensitiviteten och specificiteten ett förändrat värde i de olika åldersgrupperna (10–19, 20–29, 30–39, 40– 49, and 50–59 år). Både sensitiviteten och specificiteten visar en ökning med ökande ålder. Fördelar med fjärrdiagnos metoden är att den visar en tydlig skillnad mellan de sjuka och friska individer, att den visar hur sensitiviteten och specificiteten påverkas vid olika åldersgrupper. Resultatet av hur sensitiviteten och specificiteten påverkas av åldern enligt Watson et al. (2012) visar ingen signifikant skillnad mellan de presenterade åldersgrupperna däremot till skillnad från Thangavelu et al. (2016) så visar resultatet att sensitiviteten och specificiteten har olika värde vid de olika åldersgrupper som visar en ökning med ökande ålder.

(19)

14

Tabell 3. Tabell över sensitiviteten och specificiteten hos åldersgrupperna med totalt antal 630 patienter. Underlag till tabellen är hämtad från Watson et al. (2012).

En annan studie Knox et al. (2018) hade till syfte att kvantifiera noggrannheten för 24 timmars videoelektroencefalografi (vEEG) vid epilepsi diagnostiken. Under en studieperiod hade 2364 patienter genomgått första gången vEEG, där en hel del patienter exkluderas ur studien. En slutlig kohort av vEEG som inte kunde fånga upp en typisk händelse gav ett antal patienter på 340 personer som gick vidare i studien efter att exkludering och inkluderings kriterier genomfördes. Av dessa var det 202 patienter som hade genomgått en rutin EEG. Patienterna hade olika typer av avvikande händelser som ryckande, stelnande, stirrande och bristande respons. Fyrtiofyra av dessa patienter hade en avvikande händelse, 39 hade två avvikande händelser, 20 hade tre avvikande händelser och 7 hade mer än tre avvikande händelser. Tvåhundratvå av patienterna hade gjort både rEEG och vEEG och i denna kohort observerades en förekomst av epilepsi. Trettiosex patienter av dessa hade olika klassificering av epilepsityper vid rEEG och vEEG resultat. Sensitiviteten och specificiteten för den totala kohorten samt för rutin EEG och video EEG representeras i tabell 4. Både sensitiviteten och specificiteten var högre vid vEEG jämfört med rEEG. En vEEG övervakning efter rEEG bidrar till en förbättring av den diagnostiska noggrannheten av mätvärden på både sensitiviteten och specificiteten även om ingen händelse fångades. Sensitiviteten gav en ökning från 33% till 51% och en ökning av specificiteten från 87% till 91% vid vEEG övervakning efter rEEG. Slutligen gjordes en analys för att se vilka variabler som påverkade den diagnostiska noggrannheten och då var det endast ålder variabeln som påverkade den diagnostiska noggrannheten där det visade att sensitiviteten och specificiteten ökades med stigande ålder.

Tabell 4. Tabellen visar sensitiviteten och specificiteten hos rutin-EEG och video-EEG i den totala kohorten och kohort med tidigare rutin-EEG registrering. Underlag till tabellen är hämtad från Knox et al. (2018).

Sensitivitet Specificitet

Total kohort

Total (n = 340) 54% 88%

Kohort med tidigare rEEG (n = 202)

Ålderskategorier Antal Sensitivitet Specificitet

16–39 år 216 40% 95%

40–64 år 216 39% 99%

(20)

15

rEEG 33% 87%

vEEG 51% 91%

Sensitivitet och specificitet - typfall epilepsi

Artiklarna (Titgemeyer et al., 2020; Keezer et al., 2016) undersöker hur sensitiviteten och specificiteten påverkas vid utförande av EEG-undersökningar med olika metoder vid epilepsidiagnostiken. En av studierna Titgemeyer et al. (2020) hade till syftet att utföra EEG-undersökningar med två olika metoder genom att undersöka användbarheten av mobila EEG (mEEG) och standardvideo EEG (vEEG) som vanligen utförs i kliniken vid diagnostik av epilepsi. I studien utfördes en detaljerad analys av de olika epileptiska anfallen. Sensitiviteten och specificiteten hos de två olika metoderna vid epilepsi undersöktes och jämfördes med varandra för att uppfylla studiens syfte. Vid utförd undersökning av både metoderna har resultatet av mEEG metoden jämförts med vEEG med avseende på klassificering av normala och patologiska epileptiform anfall. Vid abnormala EEG utfall visade mEEG sensitiviteten på 39% och specificiteten på 85%, medan vEEG hade sensitiviteten på 56% och specificiteten på 88%. En detaljerad analys av de olika epileptiska anfall utfördes där interiktal sharp waves mönster (n=4), fokala anfallsmönster (n=1) och regional bromsning (n=3) observerades. Resultatet visade att sensitiviteten vid vEEG var högre medan specificiteten var likande i både mEEG och vEEG. Resultatet av hela studien visade att tillförlitligheten av metoden vEEG var bättre på att upptäcka epileptiska patologin än mEEG metoden men att mEEG kan ändå vara behjälplig vid diagnostiska ändamål, särskilt epilepsi. Keezer et al. (2016) utförde en studie där vars syfte var att göra en jämförelse mellan den ambulerande elektroencefalografi (paEEG) och rutin EEG (rEEG) för att jämföra den diagnostiska noggrannheten av de två metoderna. I studien genomgick totalt 129 individer en paEEG och rEEG där 57 av dessa individer exkluderades från studien och 72 försökspersoner gick vidare i studien. Femtio personer hade epilepsi där 49 av de fick antiepileptika. Epilepsi etiologi var symtomatisk hos 32 individer och idiopatisk hos 18 och medianvärde på paEEG duration var 22,5 timmar. Sensitiviteten för paEEG var ca 2 gånger högre än rEEG och det fanns inga bevis som visade en skillnad på specificiteten mellan paEEG och rEEG. Sensitiviteten vid epileptiska anfall för paEEG var 58% och för rEEG var 26% där det visar en stor skillnad mellan dessa två, och vid icke-epileptiform aktivitet var sensitiviteten för paEEG 78% och för rEEG var 62%. Specificiteten vid epileptiska anfall för paEEG var 95,5% och för rEEG var 100%, och vid icke-epileptiforma avvikelser var specificiteten för paEEG 59% och för rEEG var det 55%. Femtio rEEG studier hos personer med epilepsi registrerades inget epileptiskt anfall medan ett anfall registrerades i 13 paEEG studier, vilket ger ett bevisande resultat att det är mer ökad sannolikt att registrera ett epileptiskt anfall med användning av paEEG jämfört med rEEG. Enligt artiklarna (Titgemeyer et al., 2020; Keezer et al., 2016) påverkas sensitiviteten och specificiteten vid epilepsidiagnostiken. Tabell 5 visar hur sensitiviteten och specificiteten förändras vid epilepsi i dessa studier.

(21)

16

Tabell 5. Tabellen visar sensitiviteten och specificiteten vid EEG registrering hos de olika metoderna vid epilepsi för de två ovannämnda vetenskapliga artiklar(Titgemeyer et al., 2020; Keezer et al., 2016).

Sensitivitet Specificitet

mEEG 39% 85%

vEEG 56% 88%

paEEG 58% 95,5%

rEEG 26% 100%

Sensitivitet och specificitet - typfall sömndeprivering

I studien Geut et al. (2017) studerades den ambulerande EEG (paEEG) som har samma diagnostiska noggrannhet som sömndeprevering EEG (sdEEG). I studien inkluderades 104 patienter där majoriteten av de hade antigen primär eller sekundär generaliserat anfall. En analys gjordes för de olika typer av interiktal epileptiform aktivitet (IED) som upptäcktes i studien. I sdEEG gruppen visade att 16 patienter (31%) hade interiktal epileptiform aktivitet, även i paEEG gruppen visade att 21 patienter (40%) hade IED. Sensitiviteten vid sdEEG var 45% och specificiteten 91%. Vid paEEG gav det ett resultat med sensitiviteten på 63% och specificiteten på 95%. I båda grupperna kom epileptiskt anfall oftast under sömn där den genomsnittliga tiden av förekomsten var 14 minuter vid paEEG och 20 minuter vid sdEEG. Giorgi et al. (2013) utförde en studie som syftade till att utvärdera användbarheten av sensitivitet och specificitet vid sdEEG som en diagnostisk metod vid misstänkt epileptiskt anfall. Tvåhundratio vuxna patienter både manliga och kvinnliga inkluderas i studien med medelålder 41 år, där epilepsi bekräftades hos 131 av de med olika typer av epileptiska anfall. Sextioen patienter med epilepsi skickades för en andra rEEG för uppföljningen där 13% av de presenterade interiktala EEG epileptiska avvikelser (IIA); fem av de påverkades av fokal epilepsi och tre av generaliserad epilepsi. Studien visade ett resultat vid sdEEG där sensitiviteten gav 41,2% hos patienter med diagnosen epilepsi och specificiteten på 91,1% för epilepsidiagnos. Inga signifikanta skillnader påkommits under sömn fasen vid sdEEG bland de olika typer av epilepsi. I både studierna (Geut et al., 2017; Giorgi et al., 2013) studeras sensitiviteten och specificiteten vid sömndeprevering. Resultatet för sensitiviteten och specificiteten mellan de två artiklarna visade ett jämförbart värde vid utförd EEG undersökning (tabell 6).

(22)

17

Tabell 6. Tabellen visar sensitiviteten och specificiteten vid EEG registrering vid sömndeprevering mellan de två ovannämnda vetenskapliga artiklar (Geut et al., 2017; Giorgi et al., 2013).

sdEEG Sensitivitet Specificitet

(Geut et al., 2017) 45% 91%

(Giorgi et al., 2013) 41,2% 91,1%

EEG vid prognosbedömning efter ett hjärtstopp

Av totalt 15 artiklar användes 8 som beskrev prognosbedömningen med EEG efter ett hjärtstopp. Enligt artiklarna (Backman et al., 2019; Thenayan et al., 2010; Cloostermans et al., 2012; Westhall et al., 2016; Sondag et al., 2017; Sadaka et al., 2014; Rossetti et al., 2010; Lamartine Monteiro et al., 2015) är EEG undersökningen till stor nytta för prognosbedömningen hos patienter efter ett hjärtstopp. Syftet med en av studierna Backman et al. (2019) var att bekräfta utförandet av rutinmässiga EEG mönster för att prognosera neurologiska resultat efter hjärtstopp. Detta var genom att utföra EEG undersökningar på 207 patienter, 76 timmar efter hjärtstoppet för att kunna se om EEG-mönstret visade högmaligna, maligna eller benigna mönster. Prognosen av ett dåligt utfall definierar Cerebral Performance Categories, CPC 3–5 som totalt nedsatt neurologisk funktion utan att få tillbaka sitt medvetande, koma eller död, samt 1–2 som god neurologisk funktion och kan återfå sitt medvetande efter ett hjärtstopp. Det visade att 141 patienter (68%) hade ett dåligt utfall, och 44 patienter av de 141 visade maligna EEG-mönster. Maligna EEG-mönster visade sensitivitet på 43% och specificitet på 96% och prognoserade dåligt utfall med 80% specificitet samt 68% sensitivitet. Vid benignt EEG-mönster var det 66 patienter som hade bra resultat med 77% sensitivitet och 80% specificitet. Prognosen ställs efter mätning av CPC-skalan 1–5 som delar in neurologiskt funktionsbortfall och mäter långtidsuppföljning de första sex månaderna efter hjärtstoppet. Det visade sig inte vara signifikanta skillnader i sensitiviteten och specificiteten enligt studien och att benign EEG är värdefullt vid prognosbedömningen. Jämfört med studien av Thenayan et al. (2010) så utfördes EEG undersökningar på 29 patienter som var mellan 28– 87 år och uppfyllde studiens inklusionskriterierna. Åtta patienter hade ett benignt EEG-mönster och 7 av dessa patienter fick åter sitt medvetande. Av de 21 patienterna som hade maligna EEG-mönster fick 4 av de tillbaka sitt medvetande. Den beräknade sensitiviteten för återhämtning av medvetandet var på 94% samt specificiteten på 63%. Thenayan et al. (2010) menar att användningen av EEG-mönster som är benigna och maligna är otillräckliga för prognosbedömning i studien och är inte specifikt nog att kunna planera vård till patienten utifrån malign och benign EEG-mönster.

I studien Cloostermans et al. (2012) undersöks patienter med behandling av hypotermia efter ett hjärtstopp. Behandlingen av hypotermi är den första behandlingen som visat sig öka chanserna till överlevnad samt neurologisk återhämtning. I studien undersöktes 60 patienter med EEG för prognosbedömningen efter behandling av hypotermi. Av dessa patienter exkluderades 4 i ett senare skede, 2 på grund av intracerebrala blödningar, 1 på grund av tekniska problem och den sista på grund av dödsfall. Det kvarstod 56 patienter där 27 av dessa visade bra neurologisk funktion på 1–2 CPC inom

(23)

18

loppet av 6 månader. Det var dock två av dessa patienter som omkom inom loppet av en månad efter hjärtstopp samt en av de fick åter sitt medvetande. Kvarstående 24 patienter med god neurologisk prognos fick återvända hem. Patienterna som hade dåligt utfall hade CPC på 3–5, och fick inte tillbaka sitt medvetande (figur 1). Inom 12 timmar hade 44% av patienterna med bra neurologiska utfall visat ett tydligt och stabilt EEG-mönster. Detta enligt studien tyder på att EEG för bedömning av prognos 12–24 timmar efter ett hjärtstopp kan på ett tillförlitligt sätt förutsäga ett bra eller ett dåligt neurologiskt utfall. Efter 24 timmar av hjärtstoppen kan 40% av patienterna som har ett dåligt neurologiskt utfall visa ett isoelektriskt EEG-mönster eller low-voltage EEG-mönster. Specificiteten för dessa dåliga neurologiska utfall var på 100% och sensitiviteten på 40%. Vid ett normalt EEG-mönster sågs sensitivitet på 43% och specificitet på 100%, alltså inga signifikanta skillnader på sensitivitet och specificitet enligt denna studie. Sadaka et al. (2014) utförde ett kontinuerligt EEG (cEEG) undersökning för att kunna förutsäga de neurologiska utfallen efter hypotermibehandling. Det var 58 patienter som undersöktes och 25 av dessa hade god neurologiskt utfall med CPC på 1–2. Av de 33 patienterna med dåligt neurologiskt utfall var det 3 som visade icke-konvulsivt status epilepticus med CPC på 5. Totalt var det 17 patienter med burst-suppression där alla hade dåligt neurologiskt utfall och 15 omkom med CPC på 4. Bakgrundsaktiviteten hos 11 patienter visade dämpning av amplitud, där 9 hade dåligt utfall och 2 hade bra utfall. Toniska-kloniska anfall visades hos 4 patienter som hade dåligt neurologiskt utfall. Dessutom hade 6 patienter anfall periodvis, varav 5 av dessa utvecklade dåligt neurologiskt utfall och 1 hade bra utfall på CPC 1. Det visade även att myoclonus utvecklades hos 10 patienter varav 9 med dåligt utfall, där 8 omkom och en hade CPC på 2. Det fanns inga signifikanta skillnader mellan patienterna som hade god neurologiskt utfall och de som hade dåligt neurologiskt utfall. Specificiteten och sensitiviteten för dessa EEG mönster var på 67% respektive på 100% (tabell 7). Jämfört med studien av Cloostermans et al (2012) var det liknande specificitet men olik sensitivitet. I studierna (Sadaka et al., 2014; Rossetti et al., 2010; Lamartine Monteiro et al., 2015) var cEEG undersökningar en viktig metod som gav viktig information kring hur patienternas hjärnfunktion ser ut efter ett hjärtstopp och används för att kunna övervaka de neurologiska utfallen hos patienterna. Rossetti et al. (2010) menar att bakgrundaktivitet kan vara starkt associerade med de neurologiska utfallen efter ett hjärtstopp. Det visade att kontinuerligt EEG kan vara av värde för bedömning av neurologiska utfall efter behandling med hypotermi. Det undersöktes 34 patienter som behandlades med hypotermi under 24 timmars tid. Medelvärdet av åldern för patienterna som undersöktes var 48-74 år. EEG registreringen pågick under loppet av 19–41 timmar efter hjärtstoppet. Under två månaders tid omkom 15 patienter och 19 överlevde. Majoriteten av patienterna som överlevde hade ett bra neurologiskt utfall med CPC 1–2, resterande 5 patienterna hade CPC på 3. I studien jämfördes tiden mellan överlevnad och antal patienter som omkom från att fått ett hjärtstopp till återställning av kroppstemperatur efter hypotermi behandling. Bakgrundsaktiviteten visade att en patient hade reaktiva mönster med bra neurologiskt utfall, och en annan med diskontinuerlig aktivitet som dock omkom i senare skede. Av de patienter som omkom var det 7 som hade epileptiska anfall, 11 med burst-suppression mönster och 12 med icke reaktiv bakgrundsaktivitet. Det var fler patienter som hade mer än ett mönster på sitt EEG. Ingen av de som överlevde hade visat likadana mönster på EEG registreringen.

(24)

19

Figur 1. Ett diagrams som visar antalet patienter med ett burst-supperssion, low voltage samt ett normalt EEG-mönster, samt deras cerebral performance category scale (CPC). Underlag till figuren har hämtats från Cloostermans et al. (2012)

I studien av Westhall et al. (2016) utfördes EEG efter 77 timmar (medianen av tiden) på 103 patienter som fått ett hjärtstopp av totalt 202. I studien använde man sig även av att utföra EEG undersökningen efter patientens kroppstemperatur som sjunker efter ett hjärtstopp. Det var dock inga signifikanta skillnader mellan patienter som hade 33 Co och de som hade 36 Co eller prognostisk förmåga av hög malignt EEG mönster. Dessa 103 patienter uppfyllde studiens inklusionskriterier. Patienterna var 57– 87 år. Av dessa 103 patienter var det 93 som hade CPC på 1 och 7 patienter som hade CPC på 2. Hög malignt EEG mönster visades på 37 av patienternas EEG med dåligt neurologiskt utfall. Det högmaligna mönstret kunde visa sig i bakgrundsaktiviteten under registreringen i form av olika burst-suppression mönster. Sensitiviteten var på 50% och specificiteten på 100%, där 15 av dessa hade burst-suppression EEG mönster. Maligna EEG mönster visades på 86 patienter med sensitivitet för dåligt utfall på 99% och specificitet med 48%. Low-voltage mönster visades på 50 av patienterna som hade maligna EEG mönster och hade sensitivitet på 65% samt specificitet på 89% (tabell 8). Bakgrundaktiviteten här jämfört med högmalignt EEG var olika rytm-mönster med polyspike och sharp-and-wave utseende. Av 14 patienter som hade benigt EEG var det 13 som hade bra neurologiskt utfall. Av de 76 patienterna som hade dåligt neurologiskt utfall var den 1% bland dessa som hade benignt EEG mönster och 48% av de 27 patienter hade ett bra neurologiskt utfall. Förmågan för benignt EEG mönster att förutsäga ett bra resultat skilde sig inte signifikant. Det benigna EEG mönstret visade absenser av all maligna bakgrundsaktivitet. Minst 2 av de 3 maligna mönster visades i ett och samma EEG. En annan studie Sondag et al. (2017) visade att ju tidigare EEG undersökningen utförs efter ett hjärtstopp desto bättre blir resultaten av bra samt dåligt neurologiskt utfall. Till skillnad från Westhall et al. (2016) utfördes EEG undersökningar på patienter efter 12–24 timmar där det visade bäst resultat efter 24 timmar. EEG mönstret kunde inom dessa timmar efter hjärtstoppet vara en bidragande förutsägelse av antigen bra eller dåligt utfall. EEG mönster som visade Low-voltage och isoelectriskt mönster associerades med maligna EEG med dåligt utfall medan kontinuerliga rytm inom de 12 timmar kunde identifieras som pålitliga predikatorn för ett bra utfall. I studien Sondag et al. (2017) var det till en början 430 patienter

2 28 1 29 24 0 0 10 20 30 40 50 60 CPC 1-2 CPC 3-5

(25)

20

som undersöktes med EEG efter ett hjärtstopp, 42 av dessa patienter exkluderas. Resterande 388 patienter delades in i grupper efter vilket utfall de hade, 187 patienter hade bra neurologiska utfall och 197 hade dåligt. EEG undersökningen startade med median på 6.8 timmar efter hjärtstopp. EEG mönstren delades in efter unfavorable och favorable som tyder på typ av mönster. Där unfavorable mönster var isoelektriska, low-voltage eller burst-suppression. Dessa mönster kan likna maligna EEG mönster som Westhall et al. (2016) fick under registreringen. Det var 52 patienter som visade dessa mönster under registrering av 24 timmar och var associerat med dåligt neurologiskt utfall. En av patienterna hade CPC på 3 resterande 51 omkom. Det var 79 patienter som hade favorable EEG mönster som visade normala eller diffust långsamma EEG registreringar 12 timmar efter hjärtstoppet, där 63 av dessa hade bra neurologiska utfall med CPC på 1–2. Sensitiviteten och specificiteten för dessa mönster visade inga signifikanta skillnader. För registrering efter 12 timmar var sensitiviteten på 51% och specificiteten på 88% med ett bra neurologiskt utfall. För registrering efter 24 timmar visade sensitiviteten 29% och specificiteten på 100% med ett dåligt neurologiskt utfall.

Tabell 7. Tabellen visar sensitiviteten och specificiteten för de olika EEG mönster efter behandling av hypotermi samt deras cerebral performance category scale (CPC). Underlag till tabellen är hämtad från Sadaka et al. (2014).

EEG-mönster Sensitivitet Specificitet CPC

Burst-supperssion 52% 100% 3-5 Icke-konvulsiv epileptiskt anfall 9% 100% 3-5 myoclonus 27% 96% 3-5 Dämpning av bakgrundsaktiviteten 67% 92% 3-5

Tabell 8. Tabellen visar antal patienter som har olika typ av EEG mönster. Flera patienter hade fler än ett mönster i sin undersökning. Underlag till tabellen är hämtat från Westhall et al. (2016).

EEG-mönster Antal patienter Sensitivitet Specificitet

Högmalignt EEG-mönster

37 50% 100%

Malignt EEG mönster med polyspike och sharp-and-wave utseende

(26)

21 Malignt EEG mönster

med Low-Voltage

50 (av de patienter med malignt EEG mönster)

(27)

22

Diskussion

Elektroencefalografi (EEG) är en undersökning som visar hjärnans elektriska aktivitet. Denna metod används oftast som ett diagnostiskt hjälpmedel för att bestämma ett sjukdomstillstånd. I denna studie undersöktes faktorn ålder och typfallen som spelar roll för sensitiviteten och specificiteten i diagnosen av ett sjukdomstillstånd. De tre typfall är, ett hyperaktiv (epilepsi), ett subaktivt (sömndeprivation) och ett prognostypfall (hjärtstopp). Genom att förstå hur sensitiviteten och specificiteten påverkas kan även prognosen uppskattas.

vid en EEG undersökning är det vanligt att få falskt positiva som falskt negativa fynd vid registreringen och är alltså en betydande risk för feltolkning av EEG-resultat, dock så ökar sensitiviteten vid upprepade registreringar. Författarna diskuterade att svagheten hos sensitiviteten är att testet som skall identifiera alla de sjuka patienter oftast får med friska samtidigt, vilket resulterar i att man sällan kan slutföra utredningen när man funnit ett positivt testresultat. Det behövs då ofta mer tester för att säkerställa att patienten verkligen har denna sjukdom. Därför anser författarna att specificiteten är det viktigaste för att vara helt säkra på ett en person verkligen lider av en sjukdom då ett test med hög specificitet friskförklarar patienter som är friska. För att kunna stärka begreppen sensitivitet och specificitet så anser författarna att användning av PPV och NPV även kommer till nytta. Allteftersom förutsägelsen av hur bra ett test är används ett positivt prediktivt värde, alltså den andelen av de som testats positivt som sannerligen har sjukdomen. Däremot används negativt prediktivt värde om hur pass bra ett test är på att förutsäga att patienten är frisk, alltså ät det andelen av dem som testats negativt som sannerligen är friska.

Att skriva detta arbete har varit en utmaning för författarna då studien från början skulle utföras som en experimentell studie, i och med Covid-19 så blev författarna tvungna att ställa om arbetet till en litteraturstudie. Detta har sina för och nackdelar. Fördelarna med detta var att författarna lärt sig en ny kunskap om hur en litteraturstudie skall vara utformad och hur den bör skrivas på ett korrekt sätt. Ett avancerat ämne valdes som krävde mycket tid, energi och en hel del uppoffringar. Vilket resulterade i att arbetet blev så noggrant och konstruerat som möjligt. Författarna fick ta del av nya kunskapsområden, nya metoder inom valt ämne samt nya intressanta och nödvändiga begrepp. Vilket är bra att kunna begripa inför framtida yrken. Nackdelen med omväxlingen var att inte kunna utföra detta experimentellt och få fram egna resultat.

Metoddiskussion

Den genomförda litteraturstudien består av publicerad forskning inom det valda området: sensitiviteten och specificiteten hos EEG samt faktorn ålder som påverkar detta. Valet att göra en litteraturstudie grundas efter att Sverige och resten av världen drabbats av coronaviruset Covid19, vilket bland annat ledde till att EEG undersökningar på sjukhuset inte kunde utföras. Arbetet har utgått från en allmän litteraturstudie som innebär att alla artiklar med utgångspunkt utifrån frågeställningarna tagits med i resultatet. Detta styrker arbetets validitet då artiklarna besvarar frågeställningarna som styrt arbetet. Den största risken med att genomföra en litteraturstudie att författarna väljer ut endast det data de anser

(28)

23

vara lämplig (Friberg, 2017). För att detta skulle undvikas lästes titeln, abstract samt resultatet av artiklarna. Boolesk söklogik användes för artikelsökningen då flera synonymer användes. Fördelen med examensarbetet har varit att två författare medverkat vilket resulterade i att båda tillsammans kunde kritiskt granska, verifiera samt reflektera kring resultatet och diskutera det. Nackdelen med att arbeta i par var dels svårigheter med tidsplanering samt även tekniska problem vid dokumentdelning via Google drive. Datainsamlingen kunde utförts på ett bättre sätt genom att använda sig utav utökade sökningar i flera databaser. Författarna ansåg dock att boolesk söklogik var en bra metod då flera olika synonymer användes och artiklar som uppfyllde kriterierna kring frågeställningarna hittades i databaserna som användes. Då boolesk söklogik är bra att använda vid användning av flera sökord samtidigt genom att använda operatorerna AND och OR mellan sökorden. Författarna har beskrivit hur sökning av artiklarna har gått till, när de utfördes samt vilken databas som användes. Detta gör det möjligt att kunna upprepa och förbättra denna studie. Det gjordes begränsningar kring publikationsåren 2010– 2020, för att ta del av den senaste forskningen tillsammans med tidsbegränsningarna. På så sätt är resultatet baserad på nya forskningsmetoder samt ny kunskap. De artiklarna som sedan valdes och granskades hade till syfte att bedöma sensitivitet och specificitet vid prognosen efter hjärtstopp hos vuxna patienter utifrån typfallen.

Resultatdiskussion

Epilepsi är upprepade överaktiv elektriskaktivitet i hjärnan. Detta innebär att det är en hyperaktivitet. För att kunna fånga dessa elektriska aktiviteter används oftast en vanlig rutin EEG. Det finns även andra metoder som används, exempelvis ambulatoriskt EEG. Vid däremot en subaktivitet, alltså en underaktivitetet i hjärnan som uppkommer under sömndeprivering används sömn EEG i samband med video EEG. När det kommer till den metaboliska aktiviteten, alltså hur hjärnan påverkas efter ett hjärtstopp, används i de flesta fallen ett kontinuerligt EEG som under flera timmar, dagar och veckor registrerar aktiviteten.

Faktorer/typfall

Författarna framförde en jämförelse utifrån resultateten av faktorn ålder som påverkar både sensitiviteten och specificiteten. En jämförelse där både skillnader och likheter utifrån de vetenskapliga studierna i varenda typfall presenteras och diskuteras. En anledning till att det kan skilja sig på sensitiviteten och specificiteten när olika metoder körs, kan vara att metoderna använder sig utav olika antal elektroder för att registrera aktiviteten i hjärnan, tror författarna. I en cEEG användes exempelvis inte lika många elektroder som i en vanlig rutin EEG. Detta innebär då att inte alla delar av hjärnan registrerar aktiviteterna. En annan anledning kan vara att artefakterna som uppkommer i samband med en EEG undersökning kan påverka hur sensitiviteten samt specificiteten blir. Detta kan då vara artefakter i form av exempelvis rörelseartefakt, muskelartefakter med mera. Genomförandet av undersökningen är också en faktor som kan påverka sensitiviteten och specificiteten. Beroende på hur undersökningen utförs kan sensitiviteten och specificiteten ge olika mätvärden. Felplacering av elektroder vid genomförandet kan ge upphov till att få falska mätvärden på sensitiviteten och

Figure

Tabell 1. Tabellen visar kombinationen av testresultatet samt sjukdomsförekomsten. Underlaget  till tabellen är  hämtad från SBU, (2014)
Tabell  2.  Tabellen  visar  vilka  databaser  och  vilka  datum  som  artiklarna  uppsöktes  i,  vilka  söksträngar  som  användes  och  antal  begränsningar,  antal  träffar,  antal  lästa  abstracts,  antal  lästa  artiklar  samt  antal  valda  artiklar
Tabell  3.  Tabell  över  sensitiviteten  och  specificiteten  hos  åldersgrupperna  med  totalt  antal  630  patienter
Tabell 5. Tabellen visar sensitiviteten och specificiteten vid EEG registrering hos de olika metoderna vid epilepsi  för de två ovannämnda vetenskapliga artiklar (Titgemeyer et al., 2020; Keezer et al., 2016)
+4

References

Related documents

· För permanent kontakt inom arbetsområden utan höjd risk för personskador (t.ex. laboratorium) lämpar sig handskar av följande

Datum för utsk riften:19.01.2007 Omarbetat: 19.01.2007 Handelsnamn: DINITROL 28.. (Fortsättning från

· Speciella risker som uppstår genom ämnet, dess förbränningsprodukter eller gaser som bildas:.. k an reagera k raftigt

Informatio nen sk a inte b etrak tas som en specifik ation eller för någon specifik egensk ap hos produk ten. Uppgi fterna är baserade på våra ak tue lla k u

· För permanent kontakt inom arbetsområden utan höjd risk för personskador (t.ex. laboratorium) lämpar sig handskar av följande material:.. Nitrilkautschuk Handskar av PVC Handskar

· För permanent kontakt inom arbetsområden utan höjd risk för personskador (t.ex. laboratorium) lämpar sig handskar av följande

· För permanent kontakt inom arbetsområden utan höjd risk för personskador (t.ex. laboratorium) lämpar sig handskar av följande

· För permanent kontakt inom arbetsområden utan höjd risk för personskador (t.ex. laboratorium) lämpar sig handskar av följande material:. Handskar av