Migraine-verlichting: voorspellingssysteem kan pijn helpen voorkomen
Nieuw onderzoek presenteert de simulatie van een systeem dat het begin van een migraineaanval met een opmerkelijk hoge mate van nauwkeurigheid voorspelt. Het kunnen voorzien van een migraine kan helpen om de pijn helemaal te verlichten of zelfs te voorkomen.
Migraine treft naar verluidt meer dan 14 procent van de mensen in de Verenigde Staten, waarbij 1 op de 7 volwassenen elk jaar wordt getroffen, en vrouwen hebben twee keer zoveel kans om ze te ontwikkelen dan mannen.
Hoewel migraine de neiging heeft om vanzelf over te gaan, is de pijn vaak ondragelijk en is de behoefte aan remedies groot.
De Wereldgezondheidsorganisatie (WHO) meldt dat migraine nu de "zesde grootste oorzaak wereldwijd is van het aantal verloren jaren als gevolg van een handicap".
Hoewel medicijnen helpen om de pijn te verlichten, vermindert het feit dat mensen moeten wachten tot ze de eerste tekenen van migraine voelen, vaak de effectiviteit van de pijnstillers.
Maar nu heeft een team van in Spanje gevestigde onderzoekers een voorspellingssysteem voor migraine gesimuleerd dat binnenkort het leven van mensen met migraine zou kunnen verbeteren.
Josué Pagán Ortiz, van de Universidad Politécnica de Madrid in Spanje, en zijn collega's ontwierpen het systeem en zij presenteerden het op de Summer Simulation Conference in Seattle, WA.
De wetenschappers hebben nu een simulatie uitgevoerd met behulp van echte patiëntgegevens, die een reëel scenario voor het voorspellen van migraine presenteren. De bevindingen zijn in het tijdschrift gepubliceerd Computersystemen van de toekomstige generatie.
Weten wanneer een aanval zal toeslaan, kan de effectiviteit van de pijnstillers drastisch verbeteren, leggen de onderzoekers uit, waardoor patiënten de pijn kunnen stoppen.
Het simuleren van een voorspellingssysteem voor migraine
Pagán Ortiz sprak met Medisch nieuws vandaag over de nieuwigheid van zijn recente onderzoek, waarbij hij erop wijst dat het apparaat weliswaar nog niet is getest, maar in een echt scenario is gesimuleerd.
"In ons eerdere onderzoek hebben we een prototype ontwikkeld om hemodynamische gegevens te verzamelen van mensen met migraine in een ambulant scenario", legt hij uit.
Hemodynamische gegevens hebben betrekking op de variabelen die het begin van een migraineaanval "aankondigen", en omvatten de temperatuur van de huidoppervlakte, de elektrische eigenschappen van de huid, de hartslag en de zuurstofverzadiging van de haarvaten.
"We hebben offline gepersonaliseerde voorspellende modellen gemaakt op onze servers en computers, en we wilden ze in realtime testen om alarmen te genereren en de patiënten van tevoren te laten weten wanneer de migrainepijn begint."
"Dit experiment is een tijdrovende en dure taak, dus hebben we besloten het eerst te simuleren", vertelde Pagán Ortiz ons, terwijl hij verdere details over de procedure toevoegde.
"Wat we hebben gesimuleerd, is het gedrag van ons huidige prototype in een echt scenario", vervolgde hij. "We simuleerden de omstandigheden waaronder echte ambulante bewakingsapparaten lijden: ontkoppeling van sensoren, ruis, enz., En we hebben onderzocht hoe dit de betrouwbaarheid van de voorspelling van migraine kan beïnvloeden."
"[W] e toonde technieken om dit effect te verzachten en nauwkeurige voorspellingen bij te houden," voegde Pagán Ortiz toe. “Anderzijds hebben we onderzocht hoe dit systeem patiënten kan waarschuwen. We hebben het gedrag van de voorspellende modellen gezien en hoe het gesimuleerde controleapparaat waarschuwingen genereert. "
Voorspellingsnauwkeurigheid van meer dan 75 procent
Pagán Ortiz zei: "De simulatie toonde aan dat het geschikt is om alle methodologieën die we hebben ontwikkeld om migraine te voorspellen te voorspellen en in realtime alarmen te genereren om patiënten van tevoren te waarschuwen, naar de echte wereld te brengen."
Meer in het bijzonder is de "gemiddelde snelheid van voorspellingssucces" van het systeem 76 procent, en de gemiddelde tijdsduur vóór de aanvang is 25 minuten - wat voldoende tijd is om in te grijpen om de pijn te verminderen of helemaal te voorkomen.
Pagán Ortiz vervolgde: “Voorspellingen worden gedaan in het tijdvenster waarin het medicijn effectief is volgens de farmacokinetiek van de medicijnen. Met dit [systeem] schatten we [dat] we in staat zullen zijn om ongeveer 75 [procent van de] crises te voorspellen en dus te vermijden. "
"Dit zal het aantal bezoeken aan spoedeisende [y] kamers verminderen", verklaarde hij, eraan toevoegend, "[I] t zal [voor] gepersonaliseerde geneeskunde (medicijnen [voor] de acute fase van de pijn) toestaan, en het zal hun [ kwaliteit van het leven. Het zal ook de rekening van nationale en particuliere gezondheidsstelsels en ziektekostenverzekeringen aanzienlijk verlagen vanwege economische besparingen in directe en indirecte kosten. "
Bevindingen kunnen 'levens veranderen'
In hun paper leggen Pagán Ortiz en zijn collega's de voordelen van hun onderzoek uit door te zeggen: “Het voorspellen van het begin van een migraine zal de pijn van de patiënt en dus de effecten van migraine in de loop van hun leven aanzienlijk verminderen. Dit zal op termijn ook leiden tot aanzienlijke economische besparingen. ”
“Migrainepatiënten kunnen niet gaan werken of hun normale leven doen (sociale activiteiten, enz.). Als we ze van tevoren kunnen vertellen wanneer ze de pijn zullen lijden, zal dat hun leven veranderen. "
Josué Pagán Ortiz
Pagán Ortiz deelde ook met MNT enkele aanwijzingen van de onderzoekers voor toekomstig onderzoek.
“[De] volgende natuurlijke stap zou de implementatie en het testen [ing] van een echt apparaat met echte patiënten zijn. Werken met echte patiënten om veranderingen voor te stellen in de manier waarop ze hun ziekte behandelen, is een serieus probleem om mee om te gaan, en dat vereist veel juridische toestemmingen waar we nu aan werken. "
Deze bevindingen waren het resultaat van de samenwerking van de Universidad Complutense de Madrid en Universidad Politécnica de Madrid, in samenwerking met het Center for Computational Simulation en de Neurology Group van het Hospital Universitario de la Princesa de Madrid.
