Bu sayfa, 26. Dünya Psikiyatri Kongresi'nde sunulan çalışmanın yapay zekâ desteğiyle hazırlanmış Türkçe özetidir. Çalışmanın sahibi sunan yazarlardır; atıf için orijinal kaynağa başvurun.

EV0895

EKT tedavilerinin zaman içindeki seyri nasıl öngörülür: bir modelleme yaklaşımı

HOW TO PREDICT THE TIME COURSE OF ECT TREATMENTS - A MODELLING APPROACH

Nöbet direncinin önceki uyarımlarla üstel biçimde biriktiğini varsayan sayısal model, EKT serilerinin yaklaşık %60'ına bireysel düzeyde anlamlı uyum göstermekte ve tüm seyri dört parametreyle özetlemektedir.

Amaç, elektrokonvülsif tedavi (electroconvulsive therapy, EKT) serisi boyunca nöbet şiddetinin zaman içindeki seyrini tanımlayan sayısal bir model geliştirmek ve bunu geniş bir veri tabanına uygulamaktır; nöbet şiddeti tedavi sonucuyla ilişkili olmakla birlikte tedavi öyküsü ve uyarım şiddetine göre değişimini niceliksel olarak açıklayan bir model bulunmamaktaydı. Yöntem üç bölümden oluşmaktadır: nöbet şiddeti ölçüsü olarak süre, şiddet ve senkronizasyonu birlikte içeren güç spektral yoğunluğunun (power spectral density) toplam integralinin kullanılması; nöbet direncinin önceki uyarımların üstel toplamı olarak biriktiği varsayımıyla bir modelin kurulması ve k, alfa1, alfa2 ile eşik T0 parametrelerinin doğrusal olmayan optimizasyonla kestirilmesi; modelin 2002 ve 2020 yılları arasında toplanan EKT-EEG veri tabanına uygulanmasıdır. Veri bütünlüğü ve tedavi süresi ölçütlerine göre 368 hastaya ait 452 tedavi serisi analize alınmıştır. Serilerde ortalama 34,1 ± 15 gün içinde 13,6 ± 5,2 uyarım uygulanmış, doz ortalama 124 mC'den 309 mC'ye yükselmiştir. Model tedavi serilerinin yaklaşık %60'ında bireysel düzeyde anlamlı uyum göstermiş, ortalama k değeri 5,3 günlük yarılanma süresine karşılık gelmiş ve ortalama eşik T0 174 mC bulunmuştur. Hem eşik T0 hem de duyarlılık alfa2 yaşla anlamlı biçimde ilişkilidir; yaşlı hastalar daha yüksek doz gerektirmekte ve önceki uyarımların birikmiş etkisine daha duyarlı olmaktadır. Sonuç olarak bir EKT serisinin tamamı dört parametreyle ifade edilebilmekte, bu da tedavi seyrinin benzetimini, verinin klinik değişkenlerle ilişkilendirilebilecek biçimde sadeleştirilmesini ve hastaya özgü doz planlamasını mümkün kılmaktadır; parametre dağılımı ve klinik yararlılık geniş ve iyi kontrollü veri setlerinde sınanmalıdır.

Tüm WCP 2026 özetleri