Refine
Has Fulltext
- yes (2)
Is part of the Bibliography
- yes (2)
Document Type
- Journal article (2)
Keywords
- telemedicine (2) (remove)
Institute
- Neurologische Klinik und Poliklinik (2) (remove)
Hintergrund und Ziel
Telemedizinische Schlaganfall-Netzwerke tragen dazu bei, die Schlaganfallversorgung und insbesondere den Zugang zu zeitkritischen Schlaganfalltherapien in vorrangig strukturschwachen, ländlichen Regionen zu gewährleisten. Ziel ist eine Darstellung der Nutzungsfrequenz und regionalen Verteilung dieser Versorgungsstruktur.
Methoden
Die Kommission „Telemedizinische Schlaganfallversorgung“ der Deutschen Schlaganfall-Gesellschaft führte eine Umfragestudie in allen Schlaganfall-Netzwerken durch.
Ergebnisse
In Deutschland sind 22 telemedizinische Schlaganfall-Netzwerke aktiv, welche insgesamt 43 Zentren (pro Netzwerk: Median 1,5, Interquartilsabstand [IQA] 1–3) sowie 225 Kooperationskliniken (pro Netzwerk: Median 9, IQA 4–17) umfassen und an einem unmittelbaren Zugang zur Schlaganfallversorgung für 48 Mio. Menschen teilhaben. Im Jahr 2018 wurden 38.211 Telekonsile (pro Netzwerk: Median 1340, IQA 319–2758) durchgeführt. Die Thrombolyserate betrug 14,1 % (95 %-Konfidenzintervall 13,6–14,7 %), eine Verlegung zur Thrombektomie wurde bei 7,9 % (95 %-Konfidenzintervall 7,5–8,4 %) der ischämischen Schlaganfallpatienten initiiert. Das Finanzierungssystem ist uneinheitlich mit einem Vergütungssystem für die Zentrumsleistungen in nur drei Bundesländern.
Diskussion
Etwa jeder 10. Schlaganfallpatient wird telemedizinisch behandelt. Die telemedizinischen Schlaganfall-Netzwerke erreichen vergleichbar hohe Lyseraten und Verlegungen zur Thrombektomie wie neurologische Stroke-Units und tragen zur Sicherstellung einer flächendeckenden Schlaganfallversorgung bei. Eine netzwerkübergreifende Sicherstellung der Finanzierung und einheitliche Erhebung von Qualitätssicherungsdaten haben das Potenzial diese Versorgungsstruktur zukünftig weiter zu stärken.
Background
Eye movement abnormalities are commonplace in neurological disorders. However, unaided eye movement assessments lack granularity. Although videooculography (VOG) improves diagnostic accuracy, resource intensiveness precludes its broad use. To bridge this care gap, we here validate a framework for smartphone video-based nystagmography capitalizing on recent computer vision advances.
Methods
A convolutional neural network was fine-tuned for pupil tracking using > 550 annotated frames: ConVNG. In a cross-sectional approach, slow-phase velocity of optokinetic nystagmus was calculated in 10 subjects using ConVNG and VOG. Equivalence of accuracy and precision was assessed using the “two one-sample t-test” (TOST) and Bayesian interval-null approaches. ConVNG was systematically compared to OpenFace and MediaPipe as computer vision (CV) benchmarks for gaze estimation.
Results
ConVNG tracking accuracy reached 9–15% of an average pupil diameter. In a fully independent clinical video dataset, ConVNG robustly detected pupil keypoints (median prediction confidence 0.85). SPV measurement accuracy was equivalent to VOG (TOST p < 0.017; Bayes factors (BF) > 24). ConVNG, but not MediaPipe, achieved equivalence to VOG in all SPV calculations. Median precision was 0.30°/s for ConVNG, 0.7°/s for MediaPipe and 0.12°/s for VOG. ConVNG precision was significantly higher than MediaPipe in vertical planes, but both algorithms’ precision was inferior to VOG.
Conclusions
ConVNG enables offline smartphone video nystagmography with an accuracy comparable to VOG and significantly higher precision than MediaPipe, a benchmark computer vision application for gaze estimation. This serves as a blueprint for highly accessible tools with potential to accelerate progress toward precise and personalized Medicine.