Rolando epilepsija sergančių vaikų miego, elgesio problemos, EEG pakitimai ir klinikinės charakteristikos

Abstract

Gerybinė idiopatinė vaikystės epilepsija su centrotemporalinėmis iškrovomis, arba Rolando epilepsija, - tai dažniausia vaikų epilepsija. Nors Rolando epilepsijai (RE) būdinga gerybinė eiga, dalis sergančiųjų turi miego ir elgesio problemų. Nuosekliai ištyrėme 75 RE sergančius ir 32 lyginamosios grupės nesergančius epilepsija pacientus. Grupės nesiskyrė pagal amžių ir lytį. Suskirstėme sergančiuosius RE į grupes pagal priepuolių pasikartojimą per paskutiniuosius 6 mėnesius ir kitas klinikines charakteristikas. Elgesio sutrikimai paskutiniųjų 6 mėnesių laikotarpiu buvo vertinami pasitelkiant CBCL (angl. Child Behavior Checklist) klausimyną, miego sutrikimai - pagal vaikų miego sutrikimų skalę (SDSC) (angl. Sleep Disturbance Scale for Children). Vertinome miego ir elgesio problemas bei jų sąsajas su klinikiniais, EEG duomenimis. Bendradarbiaudami su Vilniaus universiteto Matematikos ir informatikos fakultetu, vizualiai ir automatiniu būdu tyrėme pacientų EEG, kūrėme automatizuoto vertinimo algoritmą. Tik tiems RE pacientams, kuriems buvo priepuolių per paskutiniuosius 6 mėn., nustatėme patikimai aukštesnius SDSC klausirmno įverčius (padidintą mieguistumą, kvėpavimo sutrikimus miego metu, miego-budrumo ritmo sutrikimus, ilgesnę miego latenciją) ir patikimai aukštesnius CBCL klausimyno rodiklius (socialinių sunkumų, mąstymo sunkumų, dėmesio sunkumų, agresyvaus elgesio ir bendrų sunkumų skalių įverčius). Elgesio problemos buvo susijusios su ilgesne epilepsijos trukme, sunkesniais ir dažnesniais priepuoliais, miego problemomis ir miego EEG pakitimais (> 35 pikai/min. skaičiumi bei pikų lokalizacija ir kitose nei centrotemporalinės srityse). Sunkiau gydoma RE buvo susijusi su elgesio problemomis ir EEG pakitimais (> 37 pikai/min. skaičiumi miego EEG bei pikų lokalizacija ir kitose nei centrotemporalinės srityse). Morfologinio filtro algoritmo EEG analizės programa veikė 88% tikslumu.

Behavioural problems and EEG data (sleep spike frequency greater than 37 spikes/min and spike focus spreading to zones other than the centrotemporal) were related to the more difficult treatment of RE. Morphological filtering program for automatic spike detection had 88.0% accuracy compared to the manually calculated data.