统计模型显示癫痫发作的节律性可能随年龄和常见触发因素而变化-世界今亮点
对于许多患有癫痫症的人来说,癫痫发作就像发条一样。但每个人都有不同的时钟。
莱斯大学和加州大学旧金山分校 (UCSF) 的研究人员共同领导的一项新研究试图将这些时钟的计时方式正式化,以便让癫痫患者更好地了解癫痫发作的方式和原因,并可能更好地识别癫痫发作的原因。早期警告。
在此过程中,由莱斯大学校友、加州大学旧金山分校临床讲师兼研究员 Sharon Chiang 和她的导师、莱斯大学乔治·R·布朗工程学院 Noah Harding 统计学教授 Marina Vannucci 领导的项目确定了老龄化本身,因为以及常见的触发因素,可能是疾病如何影响那些容易癫痫发作的人的因素。
他们的研究发表在美国国家科学院院刊上。
癫痫是一种疾病,其中大脑中的电活动激增导致癫痫发作。通常,这些癫痫发作是周期性的,并且可以由许多事件触发。但是为什么不同的患者会经历不同长度的癫痫发作周期是未知的。
“我们开发了一种新的统计模型,以明确捕捉可能推动癫痫发作风险转变的因素的影响,”蒋说。“我们研究了抗癫痫药物和不同的触发因素,如疾病和月经周期。这些是通常被认为会增加或降低癫痫风险的一些因素。”
“周期长度与年龄的关系是一个有趣的发现,”她说。“我们能够看到老年组的周期较短,而年轻组的周期较长。随着年龄的增长,周期长度的缩短可能会对未来的临床实践产生潜在的影响。”
在早期的研究中,该小组分析了患者的癫痫发作日记以评估他们的癫痫发作风险,并查看了脑部扫描,以寻找最有可能从脑部手术中受益的癫痫患者的标志物。
Chiang、Vannucci 和主要作者 Emily Wang 的新作品,她获得了博士学位。今年在赖斯,试图强调每天和长期记录缉获量的重要性——以及它们的缺乏。这将有助于为周期性癫痫发作并希望了解癫痫发作的原因、可能引发癫痫发作的原因以及如何最好地治疗癫痫发作的患者建立个体的表型或节律。
跟踪癫痫发作活动的在线日记既简化了患者的过程,又为研究人员提供了丰富的数据来挖掘他们的统计动态系统模型,“动态”部分捕捉随时间的变化。由合著者罗伯特·莫斯 (Robert Moss) 创立的癫痫发作追踪器 (Seizure Tracker) 提供工具来帮助患者、医生和研究人员了解癫痫发作活动与改善患者护理的疗法之间的关系。