![[img]](https://epub.uni-regensburg.de/style/images/fileicons/application_pdf.png) | Lizenz: Creative Commons Namensnennung 4.0 International (2MB) |
- URN zum Zitieren dieses Dokuments:
- urn:nbn:de:bvb:355-epub-378303
| Dokumentenart: | Hochschulschrift der Universität Regensburg (Dissertation) |
|---|---|
| Open Access Art: | Primärpublikation |
| Datum: | 11 Oktober 2018 |
| Begutachter (Erstgutachter): | PD Dr. Roland Popp |
| Tag der Prüfung: | 22 August 2018 |
| Institutionen: | Medizin > Lehrstuhl für Psychiatrie und Psychotherapie |
| Stichwörter / Keywords: | Sleep medicine; narcolepsy; cluster analysis |
| Dewey-Dezimal-Klassifikation: | 600 Technik, Medizin, angewandte Wissenschaften > 610 Medizin |
| Status: | Veröffentlicht |
| Begutachtet: | Ja, diese Version wurde begutachtet |
| An der Universität Regensburg entstanden: | Ja |
| Dokumenten-ID: | 37830 |
Zusammenfassung (Englisch)
This thesis aims to address several issues encountered in the differential diagnosis of narcolepsy. According to the ICSD 3, narcolepsy is divided into two subtypes, narcolepsy type 1 and type 2. Narcolepsy type 1 has been shown to be caused by a loss of hypocretin releasing neurons in the hypothalamus and diagnosis is often simplified by the occurrence of cataplexy. The diagnosis of narcolepsy ...
Zusammenfassung (Englisch)
This thesis aims to address several issues encountered in the differential diagnosis of narcolepsy. According to the ICSD 3, narcolepsy is divided into two subtypes, narcolepsy type 1 and type 2. Narcolepsy type 1 has been shown to be caused by a loss of hypocretin releasing neurons in the hypothalamus and diagnosis is often simplified by the occurrence of cataplexy. The diagnosis of narcolepsy type 2, on the other hand, essentially relies on the results of the MSLT, which renders the differentiation from idiopathic hypersomnia difficult.
In the course of this thesis, several statistic methods are employed to further investigate these diagnostic difficulties. A dataset of the Sleep Medicine Center of Regensburg is used for this task, which consists of 141 cases of narcolepsy and idiopathic hypersomnia and 73 additional MSLT measurements of healthy controls.
First, linear regression analysis is used to investigate the correlation between SOREM count und MSLT sleep latency. For both narcolepsy subtypes as well as for the healthy controls, a negative affine linear correspondence is found. Regarding the parameter Delta, which has recently been suggested by Pizza, for narcolepsy and idiopathic hypersomnia only a small positive correlation with the usual sleep latency is found.
As a next step, principal component analysis is performed, which serves two main purposes in the context of this thesis. On the one hand, the dominant principal demonstrates the actual importance of the commonly used MSLT and polysomnography parameters for the differentiation between narcolepsy and idiopathic hypersomnia. On the other hand, the principal components serve as foundation for the algorithmical selection of suitable cluster variables.
Three cluster analyses form the core of this thesis. Corresponding to the different concepts behind the three clustering approaches, notable differences can be observed between the three obtained cluster solutions. Nevertheless, some common qualitative features emerge. All employed cluster algorithms detect two relevant clusters, which are dominated by narcolepsy type 1 and idiopathic hypersomnia cases, respectively. Furthermore, narcolepsy type 2 cases are separated into these two clusters in a consistent fashion. Several explanations for this observation are offered which address well described clinical and methodical issues.
As the final part of this thesis, a possible interpretation of these results is further elaborated, which proposes an alternate classification of the dataset into two instead of three nosological entities, which emerge when the narcolepsy type 2 cases are assigned to narcolepsy type 1 or idiopathic hypersomnia in the way suggested by the cluster analysis results. This line of thought concludes with the introduction of a linear score derived from the principal component, which might simplify differential diagnosis with respect to these alternate diagnostic categories.
Übersetzung der Zusammenfassung (Deutsch)
Das Ziel dieser Promotionsarbeit ist es, einige Beiträge zu dem Thema der Differentialdiagnose der Narkolepsie zu leisten. Gemäß der dritten Edition der ICSD (International Classification of Sleep Disorders) ist die Narkolepsie in zwei Untergruppen, Typ 1 und Typ 2, unterteilt. Während Narkolepsie Typ 1 pathophysiologisch auf den Untergang Hypocretin-freisetzender Neuronen im Hypothalamus ...
Übersetzung der Zusammenfassung (Deutsch)
Das Ziel dieser Promotionsarbeit ist es, einige Beiträge zu dem Thema der Differentialdiagnose der Narkolepsie zu leisten. Gemäß der dritten Edition der ICSD (International Classification of Sleep Disorders) ist die Narkolepsie in zwei Untergruppen, Typ 1 und Typ 2, unterteilt. Während Narkolepsie Typ 1 pathophysiologisch auf den Untergang Hypocretin-freisetzender Neuronen im Hypothalamus zurückzuführen ist und klinisch häufig durch das Auftreten von Kataplexie leicht zu identifizieren ist, beruht die Diagnose der Narkolepsie Typ 2 fast ausschließlich auf den Ergebnissen des Multiplen Schlaflatenztests (MSLT). Dadurch gestaltet sich die differentialdiagnostische Abgrenzung der Narkolepsie Typ 2 von der Idiopathischen Hypersomnie als sehr schwierig.
Im Rahmen dieser Doktorarbeit werden verschiedene statistische Methoden eingesetzt, um diese Probleme und ihren Zusammenhang zu den bestehenden diagnostischen Kriterien näher zu beleuchten. Für diese Fragestellung wird ein Datensatz des Schlafmedizinischen Zentrums Regensburg mit insgesamt 141 Fällen von Narkolepsie oder Idiopathischer Hypersomnie herangezogen. Ferner stehen 73 MSLT-Messungen von gesunden Kontrollpersonen zur Verfügung.
Zunächst wird im Rahmen einer linearen Regressionsanalyse die Korrelation zwischen der Häufigkeit von SOREM (sleep onset REM) – Episoden und der MSLT-Schlaflatenz genauer untersucht. Hier stellt sich ein negativer affin-linearer Zusammenhang für beide Narkolepsie-Typen und gesunde Kontrollen heraus. Für den kürzlich von Pizza et al. vorgeschlagenen Parameter Delta, der die Zeit vom ersten Einschlafen bis zum konsolidierten Einschlafen misst, ist sowohl für Narkolepsie als auch für Idiopathische Hypersomnie eine schwache positive Korrelation zur üblichen Einschlaflatenz zu verzeichnen.
Die im Anschluss durchgeführte Hauptkomponentenanalyse erfüllt zwei wesentliche Funktionen im Rahmen der Zielsetzungen dieser Doktorarbeit. Einerseits zeigt die resultierende dominante Hauptkomponente, dass die typischen MSLT- und Polysomnographie-Parameter, die zur Beschreibung und Unterscheidung von Narkolepsie und Idiopathischer Hypersomnie angewendet werden, in der Tat eine wichtige beschreibende Achse darstellen, an der sich die größten Unterschiede im Datensatz aufschlüsseln lassen. Andererseits dienen die erhaltenen Hauptkomponenten als Grundlage, um algorithmisch einen geeigneten Variablensatz für die Clusteranalysen zu gewinnen.
Für die Clusteranalysen selbst werden drei verschiedene Methoden angewandt. Entsprechend ihrer unterschiedlichen Konzepte zeigen sich deutliche Unterschiede zwischen den erhaltenen Clusterlösungen. Dennoch fallen einige Gemeinsamkeiten auf. So finden alle Clusteralgorithmen stets zwei klinisch relevante Cluster, wobei alle Methoden ähnlich zusammengesetzte Clusterpaare identifizieren. Insbesondere fällt auf, dass die Narkolepsie Typ 2-Fälle algorithmisch in weitgehend konsistenter Weise teilweise der Narkolepsie Typ 1 und teilweise der Idiopathischen Hypersomnie zugeordnet werden. Verschiedene Erklärungen für diese Beobachtung werden angeboten. Einerseits kann auf Phänomene wie einem verzögerten Einsetzen von Kataplexie bei Narkolepsie hingewiesen werden, andererseits können methodische Schwächen des MSLT die Trennschärfe zwischen Narkolepsie Typ 2 und Idiopathischer Hypersomnie reduzieren.
Zuletzt wird ein Interpretationsansatz weiter ausgeführt, der entsprechend den Ergebnissen der Clusteranalysen zwei statt drei diagnostische Gruppen für den Datensatz vorschlägt, wobei diese beiden Gruppen entstehen, indem die Narkolepsie Typ 2-Fälle in der beobachteten Weise der Narkolepsie (ohne Subtypen) bzw. der Idiopathischen Hypersomnie zugeschrieben werden. Im direkten Vergleich zeigt sich diese alternative diagnostische Einteilung gut hinsichtlich der Clustervariablen nachvollziehbar. Diese Arbeit endet mit dem Vorschlag eines aus der dominanten Hauptkomponente abgeleiteten diagnostischen Scores, der die Differentialdiagnose insbesondere dieser neuen Kategorien zu erleichtern scheint.
Metadaten zuletzt geändert: 25 Nov 2020 15:43
Nur für Besitzer und Autoren: Kontrollseite des Eintrags
Downloadstatistik