EEG as a prognostic tool after cardiac arrest
| Autor(a) principal: | |
|---|---|
| Data de Publicação: | 2020 |
| Tipo de documento: | Dissertação |
| Idioma: | eng |
| Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
| Texto Completo: | http://hdl.handle.net/10451/46206 |
Resumo: | Tese de mestrado, Neurociências, Universidade de Lisboa, Faculdade de Medicina, 2020 |
| id |
RCAP_caeb74e75ebdaf67b61cbec0d1ce8937 |
|---|---|
| oai_identifier_str |
oai:repositorio.ul.pt:10451/46206 |
| network_acronym_str |
RCAP |
| network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
| repository_id_str |
7160 |
| spelling |
EEG as a prognostic tool after cardiac arrestParagem cardiorespiratóriaPrognósticoEEGPadrões altamente malignosPadrões malignosPadrões benignosTeses de mestrado - 2020Domínio/Área Científica::Ciências MédicasTese de mestrado, Neurociências, Universidade de Lisboa, Faculdade de Medicina, 2020Introdução: A paragem cardiorrepiratória (PCR) é um motivo comum de internamento prolongado em Unidades de Cuidados Intensivos (UCIs) em todo o mundo. Dentro dos indivíduos que sobrevivem à admissão hospitalar, o prognóstico está sobretudo relacionado com a gravidade da lesão cerebral anóxica. É importante reconhecer desde cedo quais os doentes sem capacidade de recuperação neurológica, não só para a tomada de decisões terapêuticas, mas também para a comunicação de informações fidedignas aos familiares. Desde há muitos anos, vários preditores, clínicos e extraídos de métodos complementares de diagnóstico, têm sido utilizados para prever o prognóstico nestes doentes. Especificamente, o eletroencefalograma (EEG) tem sido um dos métodos complementares de diagnóstico mais frequentemente utilizado para auxiliar na avaliação neurológica dos doentes pós-PCR, provavelmente pelo baixo custo associado e por estar acessível na maioria dos hospitais. No entanto, tem havido alguma controvérsia sobre que características do EEG devem ser usadas para identificar com segurança um mau prognóstico neurológico devido à inconsistência nas definições de certos padrões, ao uso de protocolos de controlo de temperatura e ao uso de fármacos sedativos que alteram a atividade cerebral durante o registo do EEG. Recentemente foram propostos padrões de EEG preditores de mau prognóstico neurológico, classificados como “Altamente Malignos”. Objetivos: O objetivo primário desta tese foi avaliar se os padrões de EEG considerados “Altamente Malignos” se associam a um mau prognóstico neurológico, numa coorte de doentes diferente da previamente publicada na literatura. Os objetivos secundários foram avaliar qual o valor prognóstico de outros padrões de EEG, nomeadamente os considerados “Malignos” e “Benignos”. Numa análise Post Hoc pretendeu-se, ainda, avaliar se os padrões de EEG considerados “Altamente Malignos” são preditores de morte, após ajuste para variáveis de confundimento e, ainda, se a presença de duas características malignas se associa a um mau prognóstico neurológico. Métodos: Retrospetivamente, foram analisados os EEGs dos indivíduos que sofreram PCR entre janeiro de 2014 e julho de 2018, em dois hospitais universitários de Lisboa: Hospital de São José e Hospital de Santa Maria. Os EEGs foram classificados, individualmente, por três Neurologistas e Neurofisiologistas experientes segundo a mais recente terminologia de classificação de EEG nos Cuidados Intensivos da Sociedade Americana de Neurofisiologia Clínica (ACNS). Esta classificação tem em conta a atividade de base, a presença de padrões rítmicos ou periódicos e a reatividade a estímulos sonoros e nociceptivos. Apenas os EEGs realizados 48 a 100 horas pós-PCR foram incluídos na análise, uma vez que o valor prognóstico dos padrões de EEG é dependente do tempo desde a PCR até ao registo neurofisiológico. Depois de revistos e classificados, os EEGs foram divididos em três grupos segundo as suas características: um grupo “Altamente Maligno” (atividade de base suprimida, descargas periódicas contínuas numa base suprimida ou padrão de surto-supressão), um grupo “Maligno” (padrões rítmicos ou periódicos abundantes, ausência de reatividade a estímulos sonoro e nociceptivo ou reativo apenas em SIRPIDS, atividade de base de baixa voltagem, gradiente anterior-posterior reverso, presença de pelo menos uma crise eletrográfica e atividade de base descontínua) e um grupo “Benigno” (ausência de características altamente malignas e malignas). O prognóstico foi avaliado por um observador independente 6 meses após a PCR e classificado usando a Cerebral Performance Categories Scale (CPC). Foram avaliados dois grupos de resultado, um primário e numa análise Post Hoc, um secundário. O resultado primário foi a função neurológica avaliada pela CPC (CPC1-5) e o resultado secundário, a morte (CPC5). No resultado primário, valores de CPC1-2 foram classificados como boa recuperação neurológica (indivíduos com completa recuperação ou indivíduos com incapacidade moderada, independentes nas atividades de vida diária, com ou sem sintomas associados) e valores de CPC3-5 foram considerados um mau prognóstico neurológico (indivíduos com incapacidade grave, conscientes, mas completamente dependentes nas atividades de vida diária, em coma ou que morreram). Foi determinada a existência de uma associação entre os padrões de EEG propostos (“Altamente Maligno”, “Maligno” e “Benigno”) com o resultado primário e, posteriormente, calculada a associação dos padrões “Altamente Malignos” com o resultado secundário. Foram também calculados valores de sensibilidade e de especificidade. Avaliou-se ainda se a presença de duas características malignas se associava a um mau prognóstico neurológico. Com vista à elaboração de um modelo preditor mais robusto de morte, foi construído um modelo de regressão logística multivariada, controlando a presença de um padrão de EEG “Altamente Maligno”, para a idade, incapacidade prévia e realização de protocolo de controlo de temperatura. Foram avaliadas as características do modelo de predição. Resultados: Foram incluídos 106 doentes para análise com uma idade média de 62 (±13.9) anos, 76 (71.6%) do sexo masculino. Na avaliação 6 meses pós-PCR, 79 (74.5%) doentes apresentaram um mau prognóstico neurológico e 70 (66.1%) tinham morrido. Os padrões de EEG considerados “Altamente Malignos” estiveram presentes em 37 (34.9%) doentes e todos estes apresentaram um mau prognóstico neurológico, [especificidade 100% (IC95% 87.2%-100%) e sensibilidade 46.8% (IC95% 35.5%-58.40%)]. Dos doentes com padrões “Altamente Malignos”, 32 (86.5%) morreram, encontrando-se uma associação entre estes padrões e morte (p= 0.001), com valores calculados de sensibilidade e especificidade na análise bivariada de 45.7% (IC 95% 33.7%-58.1%) e 86.1% (IC 95% 70.5%-95.3%), respetivamente. Após ajustamento para variáveis de confundimento, os valores de sensibilidade e especificidade do modelo de regressão logística foram de 8.3% (IC95% 1.8%-22.5%) e 97.0% (IC95% 90.1%-99.7%), respetivamente. Para além disso, a capacidade discriminativa do modelo medida pela área abaixo da curva ROC foi pobre 0.659 (IC95% 0.554%-0.765%). Na nossa análise, os padrões de EEG “Malignos” estiveram presentes em 39 (36.8%) doentes. Destes, 29 (74.4%) apresentaram um mau prognóstico neurológico, não sendo esta associação significativa (p=0.976). Também não se encontrou associação entre a presença de duas características malignas e um mau prognóstico neurológico (p=0.125). Quanto aos padrões de EEG “Benignos”, estes estiveram presentes em 30 (28.3%) doentes e 17 (56.7%) apresentaram uma boa recuperação neurológica. Foi encontrada associação entre estes padrões e uma boa recuperação neurológica (p<0.0001), com valores calculados de sensibilidade e especificidade de 63.0% (IC95%42.4%-80.6%) e 83.5% (IC95%73.5%-90.9%), respetivamente. Discussão/Conclusão: Na nossa serie, todos os doentes que 48 a 100 horas pós-PCR apresentaram um padrão de EEG “Altamente Maligno” tiveram um mau prognóstico neurológico. Para além disso, estas características neurofisiológicas foram preditores independentes de morte pós-PCR. Ademais, os padrões de EEG “Malignos” não se associaram a mau prognóstico neurológico e os padrões de EEG “Benignos” estiveram associados a uma boa recuperação neurológica 6 meses após PCR. De uma forma global, o EEG, isoladamente, mostrou-se específico, mas pouco sensível na prognosticação pós-PCR. Nos pontos fortes deste estudo incluem-se o envolvimento de dois hospitais centrais e universitários proporcionando uma discussão interpares e multidisciplinar profícua e permitindo um aumento do tamanho amostra, com influência na credibilidade dos nossos resultados. Por outro lado, o uso de terminologia recente e estandardizada na interpretação do EEG e a realização do registo do EEG numa janela de tempo específica, permitiu a comparação dos resultados com os escassos estudos previamente publicados. Algumas limitações a este estudo são também reconhecidas. Estas surgem principalmente da sua natureza retrospetiva e da não inclusão de outros biomarcadores na análise de prognóstico. Em suma, este estudo acrescenta valor ao EEG como método complementar na predição do prognóstico pós-paragem cardiorrespiratória, aumentando a evidência científica para a prática clínica corrente de requisitar um EEG nestas circunstâncias. No futuro, seria muito útil replicar este estudo de uma forma prospetiva, incluindo outros preditores clínicos, neurofisiológicos e laboratoriais e envolvendo outras Unidades de Cuidados Intensivos.Background: Cardiac arrest (CA) is a common reason for prolonged hospitalization in Intensive Care Units around the world. Among individuals who survive to hospital admission, the prognosis is mainly related to the severity of anoxic brain injury. It is important to recognize at an early stage which patients have no ability for neurological recovery, not only for therapeutic decision-making but also to facilitate the communication with patient´s family. For many years, several predictors, clinical evaluation and diagnostic tests, have been used to predict the outcome of these patients. Specifically, electroencephalogram (EEG) has been one of the most frequently used diagnostic tools to help in neurological evaluation of post-CA patients, probably because it is not excessively expensive, and it is accessible in most of hospitals. However, there is controversy about which EEG features should be used to safely identify a poor neurological outcome, due to inconsistent definitions of certain EEG patterns, the use of Target Temperature Management (TTM) and the use of sedative drugs that change the brain activity during EEG recording. Recently, specific EEG patterns, predictors of poor neurological prognosis, have been proposed, classified as “Highly Malignant” EEG patterns. Aims: The main aim of this thesis was to evaluate if EEG patterns considered to be “Highly Malignant” are associated with a poor neurological outcome in a cohort of patients different from the one previously published. The secondary aims of this thesis were to evaluate the prognostic value of other EEG patterns, namely the “Malignant” EEG patterns and the “Benign” EEG patterns. In a Post Hoc analysis we also evaluate if EEG patterns considered “Highly Malignant” are predictors of death, after adjusting for confounding variables and if the presence of two malignant characteristics is associated with a poor neurological outcome. Methods: Retrospectively, we analyzed EEGs of individuals who suffered from CA between January 2014 to July 2018 from two teaching hospitals in Lisbon: Hospital de São José and Hospital de Santa Maria. EEGs were individually classified by three experienced specialists both Neurologists and Neurophysiologists, according to the most recent standardized terminology of EEG classification in Intensive care units from American Clinical Neurophysiology Society (ACNS). This classification takes into account the background activity, the presence of rhythmic or periodic patterns and the reactivity to sound and pain stimuli. Only EEGs performed 48 to 100 hours post-CA were included for our analysis, as the prognostic value the of the EEG patterns depends of the time since the CA occurs to the neurophysiological recordings. After review and classification, EEGs were divided into three groups according to their characteristics: a “Highly Malignant” EEG pattern group (suppressed background activity, continuous periodic discharges on a suppressed background or burst-suppression pattern), a “Malignant” EEG pattern group (abundant rhythmic or periodic patterns, absence of reactivity to sound and pain stimuli or reactive in SIRPIDS only, low voltage background activity, reverse anterior-posterior gradient, presence of at least one electrographic seizure, and discontinuous background activity) and a “Benign” EEG pattern group (absence of “Highly Malignant” and “Malignant” features). The outcome was evaluated by an independent accessor, 6 months after CA, using Cerebral Performance Categories Scale (CPC). Two outcome groups were evaluated: a primary outcome group and in a Post Hoc analyses a secondary outcome group. The primary outcome is neurological function by CPC1-5, and the secondary outcome is dead (CPC5). In our primary outcome group, CPC1-2 values were classified as good neurological recovery (individuals with complete recovery and individuals with moderate disability, but independent in daily life activities, with or without associated symptoms) and CPC3-5 values were considered a poor neurological outcome (individuals with severe disability, conscious but completely dependent on daily life, individuals in coma, or death). It was calculated the association of the proposed EEG patterns (“Highly Malignant”, “Malignant” and “Benign”) with the primary outcome and, posteriorly, it was calculated the association of the “Highly Malignant” patterns with the secondary outcome. It was also calculated sensitivity and specificity values. It was also evaluated if the presence of two malignant characteristics were associated with a poor neurological outcome. Aiming a more robust model of dead prediction, it was constructed a multivariate logistic regression model, controlling the presence of a “Highly Malignant” EEG pattern to age, previous incapacity, and realization of a TTM protocol. It was evaluated the characteristics of the prediction model. Results: We included 106 patients for analysis, mean age 62 (±13.9) years, 76 (71.6%) males. In the 6-month post-CA evaluation, 79 (74.5%) patients had a poor neurological outcome and 70 (66.1%) died. EEG patterns considered to be “Highly Malignant” were present in 37 (34.9%) patients and all of them presented a poor neurological outcome, [specificity 100% (CI 95% 87.2% -100%) and sensitivity 46.8% (CI 95% 35.5% -58.40%)]. From the patients with a “Highly Malignant” EEG patterns group, 32 (86.5%) died, and an association between those patterns and dead was found (p= 0.001), with calculation of sensitivity and specificity values of 45.7% (CI95% 33.7% -58.1%) and 86.1% (CI95% 70.5% -95.3%), respectively. After adjustment for confounding variables, the sensitivity and specificity values of the regression model were 8.3% (CI95% 1.8%-22.5%) and 97.0% (CI95% 90.1% -99.7%), respectively. In addition, the discriminative capacity measured by the area under de ROC curve was poor, 0.659 (IC95% 0.554%-0.765%). In our analysis “Malignant” EEG patterns were present in 39 (36.8%) patients, 29 (74.4%) presented a poor neurological outcome. The association between these patterns and a poor neurological outcome was not found (p= 0.976), and the association of the presence of two malignant characteristics and a poor neurological outcome was also not found (p=0.125). Regarding “Benign” EEG patterns, these were present in 30 (28.3%) patients, and 17 (56.7%) had a good neurological recovery. An association between these EEG patterns and a good neurological recovery was found (p<0.0001), with values of sensitivity and specificity of 63.0% (CI 42.4% -80.6%), and 83.5% (CI95% 73.5% -90.9%), respectively. Conclusion: In our cohort, all patients that 48 to 100h after cardiac arrest presented a “Highly Malignant” EEG patterns had a poor neurological outcome. Furthermore, those patterns were independent predictors of dead after CA. The “Malignant” EEG patterns were not associated with a poor neurological outcome and the “Benign” EEG patterns were associated with a good neurological recovery 6 months after cardiac arrest. Overall, EEG by itself was specific but not sensitive to post-CA prognosis. The strengths of this study include the involvement of two central and teaching hospitals providing a productive and multidisciplinary discussion and allowing for an increase of sample size, influencing the credibility of our results. On the other hand, the use of recent and standardized terminology in EEG recording and interpretation in a specific time window allowed a comparison of results with few previously published studies. Some limitations to this study are also recognized. These arise mainly from it retrospective nature and from the non-inclusion of other biomarkers in the prognostic analysis. In summary, this study adds value to the EEG as a test in predicting the post-cardiac arrest prognosis, increasing the scientific evidence for the current clinical practice of requesting an EEG in these circumstances. In the future, it would be very useful to replicate this study prospectively, including other clinical, neurophysiological, and laboratory predictors and involving others Intensive Care Units.Bentes, CarlaManita, ManuelRepositório da Universidade de LisboaGuedes, Beatriz Faustino, 1992-2021-02-05T14:02:59Z2020-07-202020-07-20T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/46206TID:202505642enginfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-08T16:48:25Zoai:repositorio.ul.pt:10451/46206Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:58:27.833328Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
| dc.title.none.fl_str_mv |
EEG as a prognostic tool after cardiac arrest |
| title |
EEG as a prognostic tool after cardiac arrest |
| spellingShingle |
EEG as a prognostic tool after cardiac arrest Guedes, Beatriz Faustino, 1992- Paragem cardiorespiratória Prognóstico EEG Padrões altamente malignos Padrões malignos Padrões benignos Teses de mestrado - 2020 Domínio/Área Científica::Ciências Médicas |
| title_short |
EEG as a prognostic tool after cardiac arrest |
| title_full |
EEG as a prognostic tool after cardiac arrest |
| title_fullStr |
EEG as a prognostic tool after cardiac arrest |
| title_full_unstemmed |
EEG as a prognostic tool after cardiac arrest |
| title_sort |
EEG as a prognostic tool after cardiac arrest |
| author |
Guedes, Beatriz Faustino, 1992- |
| author_facet |
Guedes, Beatriz Faustino, 1992- |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Bentes, Carla Manita, Manuel Repositório da Universidade de Lisboa |
| dc.contributor.author.fl_str_mv |
Guedes, Beatriz Faustino, 1992- |
| dc.subject.por.fl_str_mv |
Paragem cardiorespiratória Prognóstico EEG Padrões altamente malignos Padrões malignos Padrões benignos Teses de mestrado - 2020 Domínio/Área Científica::Ciências Médicas |
| topic |
Paragem cardiorespiratória Prognóstico EEG Padrões altamente malignos Padrões malignos Padrões benignos Teses de mestrado - 2020 Domínio/Área Científica::Ciências Médicas |
| description |
Tese de mestrado, Neurociências, Universidade de Lisboa, Faculdade de Medicina, 2020 |
| publishDate |
2020 |
| dc.date.none.fl_str_mv |
2020-07-20 2020-07-20T00:00:00Z 2021-02-05T14:02:59Z |
| dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
masterThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10451/46206 TID:202505642 |
| url |
http://hdl.handle.net/10451/46206 |
| identifier_str_mv |
TID:202505642 |
| dc.language.iso.fl_str_mv |
eng |
| language |
eng |
| dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
| eu_rights_str_mv |
openAccess |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
| instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
| instacron_str |
RCAAP |
| institution |
RCAAP |
| reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
| collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
| repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
| repository.mail.fl_str_mv |
|
| _version_ |
1799134530799403008 |