Can seizure-related heart rate differentiate epileptic from psychogenic nonepileptic seizures?

Heart Rate Variability as a Tool for Seizure Prediction: A Scoping Review

The most critical burden for People with Epilepsy (PwE) is represented by seizures, the unpredictability of which severely impacts quality of life. The design of real-time warning systems that can detect or even predict ictal events would enhance seizure management, leading to high benefits for PwE and their caregivers. In the past, various research works highlighted that seizure onset is anticipated by significant changes in autonomic cardiac control, which can be assessed through heart rate variability (HRV). This manuscript conducted a scoping review of the literature analyzing HRV-based methods for detecting or predicting ictal events. An initial search on the PubMed database returned 402 papers, 72 of which met the inclusion criteria and were included in the review. These results suggest that seizure detection is more accurate in neonatal and pediatric patients due to more significant autonomic modifications during the ictal transitions. In addition, conventional metrics are often incapable of capturing cardiac autonomic variations and should be replaced with more advanced methodologies, considering non-linear HRV features and machine learning tools for processing them. Finally, studies investigating wearable systems for heart monitoring denoted how HRV constitutes an efficient biomarker for seizure detection in patients presenting significant alterations in autonomic cardiac control during ictal events.

Wearables bei Epilepsien

Epileptische Anfälle führen zu verschiedensten körperlichen Symptomen, die je nach Art und Ausprägung mit geeigneten Geräten gemessen werden und als Surrogatmarker epileptischer Anfälle dienen können. Dominierende motorische Symptome können mit Beschleunigungssensoren oder elektromyografisch erfasst werden. Bei fokalen Anfällen mit fehlender oder geringer motorischer Beteiligung können autonome Phänomene wie Änderungen der Herzrate, Atmung und des elektrischen Hautwiderstandes per Elektrokardiografie, Photopletysmografie und Hautsensoren gemessen werden. Die in den heutigen Wearables integrierten Sensoren können diese Körpersignale messen und zur automatisierten Anfallserkennung nutzbar machen. In dieser Übersichtsarbeit werden verschiedene Sensortechnologien, Wearables und deren Anwendung zur automatisierten Erkennung epileptischer Anfälle vorgestellt, Gütekriterien zur Einschätzung mobiler Gesundheitstechnologien diskutiert und klinisch geprüfte Systeme zusammengefasst.