Überwachung der Sedierung bei Frühgeborenen

Theoretischer Hintergrund Mehrere klinische Faktoren könnten die Gehirnentwicklung bei Frühgeborenen beeinflussen. Diese Patienten sind nämlich während ihres gesamten Krankenhausaufenthalts einer Vielzahl von Eingriffen ausgesetzt. Der Einsatz von schmerzlindernden und beruhigenden Medikamenten ist unerlässlich, um ihnen ein Höchstmaß an Komfort zu bieten. Die Verabreichung solcher Medikamente wird jedoch durch den physiologischen Reifegrad und die Tatsache erschwert, dass sich diese spezielle Patientengruppe noch in einem präverbalen Entwicklungsstadium befindet. Objektive Methoden wie ein konventionelles EEG könnten helfen, mehr über den Grad der Sedierung eines Säuglings zu erfahren. Ihre Auswertung ist jedoch zeitaufwändig und erfordert ein gewisses Maß an Fachwissen. Heute können neue Methoden eingesetzt werden, um wichtige EEG-Merkmale automatisch zu erkennen. Das maschinelle Lernen gibt uns die Möglichkeit, wichtige EEG-Trends zu erkennen, die dann vom Pflegeteam leichter interpretiert werden können. Hypothesen Das übergeordnete Ziel dieser Studie ist es, Deep-Machine-Learning-Algorithmen für die Interpretation plötzlicher Veränderungen der EEG-Hintergrundaktivität im Zusammenhang mit der Verabreichung von Sedierung zu verwenden und automatische EEG-Hintergrundveränderungen im Zusammenhang mit der Sedierung mit der klinischen Einschätzung der Sedierung zu kontextualisieren, die durch die Bewertung der Neonatal, Pain, Agitation and Sedation Scale (N-PASS) ausgedrückt wird. Methoden In dieser Studie werden 50 Frühgeborene prospektiv rekrutiert, die sich klinischen Eingriffen unterziehen, für die eine kurzzeitige Sedierung erforderlich ist (z. B. zentraler Venenkatheter). Sowohl die Abweichung vom tatsächlichen Gestationsalter als auch die IBI-Dauer werden verwendet, um Veränderungen in den EEG-Hintergrundaktivitäten während der Sedierung zu verstehen. Darüber hinaus werden die Trend-EEG-Parameter mit der klinischen Expertenmeinung zum Grad der Sedierung korreliert, die mit dem N-PASS gemessen wird. Grad der Originalität Das in diesem Projekt behandelte Thema ist von herausragender Bedeutung für die Neonatologie, da die Verwendung automatischer EEG-Trends für die automatische Erkennung kritischer neurologischer Ereignisse nützlich sein könnte, um die Verabreichung von Sedierungsmitteln bei kritisch kranken Säuglingen zu bewerten und zu verbessern.

Sedierung bei Neugeborenen durch Messung der Gehirnaktivität besser verstehen: Dieses Projekt zeigt, dass die Gehirnaktivität zusätzliche wertvolle Informationen darüber liefern kann, wie Neugeborene auf schmerzstillende und sedierende Medikamente reagieren. Durch die Verbindung von Hirnstrommessungen mit modernen computergestützten Analysemethoden wurden neue Ansätze entwickelt, die zukünftig eine objektivere und individuellere Beurteilung der Sedierung ermöglichen könnten. Neugeborene auf Intensivstationen müssen häufig notwendige diagnostische und therapeutische Eingriffe durchlaufen. Schmerzstillende und sedierende Medikamente sind daher ein wichtiger Bestandteil ihrer Behandlung. Wie stark ein einzelnes Kind auf diese Medikamente reagiert, lässt sich jedoch nicht immer eindeutig beurteilen. Derzeit orientiert sich das medizinische Personal vor allem an beobachtbaren Zeichen wie Bewegungen, Gesichtsausdruck oder Reaktionen auf äußere Reize. Diese Beobachtungen sind wichtig, geben aber nur indirekt Auskunft darüber, was im Gehirn geschieht. In diesem Projekt wurde die elektrische Aktivität des Gehirns mittels Elektroenzephalographie (EEG) untersucht. Diese nicht-invasive Methode wird bereits routinemäßig auf neonatologischen Intensivstationen eingesetzt. Untersucht wurde, wie sich die Gehirnaktivität nach klinisch notwendiger Schmerztherapie oder Sedierung verändert. Besonders wichtig war dabei der Vergleich mit der individuellen Gehirnaktivität jedes Kindes im baseline. Dieser persönliche Ausgangswert erwies sich als besonders informativ, da sich die Gehirnaktivität zwischen Neugeborenen deutlich unterscheidet und sich während der Hirnreifung rasch verändert. Mithilfe automatisierter Analysen und Methoden des maschinellen Lernens konnten Muster der Gehirnaktivität erkannt werden, die sowohl mit der Medikamentengabe als auch mit dem klinisch beurteilten Sedierungszustand zusammenhängen. Das Projekt trug außerdem zur Weiterentwicklung automatisierter Verfahren bei, mit denen wichtige Eigenschaften und die Reifung des neonatalen Gehirns beschrieben werden können. Die erhobenen Daten umfassen Kinder in unterschiedlichen Entwicklungsstadien und ermöglichen es damit, diese Methoden über verschiedene Reifegrade des Gehirns hinweg zu untersuchen. Langfristig könnten solche Verfahren die klinische Beobachtung durch objektive Informationen direkt aus der Gehirnaktivität ergänzen. Ziel ist nicht, die ärztliche und pflegerische Beurteilung zu ersetzen, sondern Schmerztherapie und Sedierung künftig noch besser an die Bedürfnisse des einzelnen Neugeborenen anzupassen.