Tärkeää tietoa lääkäreille ja muille terveydenhuollon ammattilaislle!

Tällä sivulla kerrotaan kuinka terveydenhuollon ammattilaiset voivat hyödyntää Otometri-mittauspalvelun tietoja korvatulehdusten hoidon tarpeen arvioinnissa tai hoidon vaikuttavuuden arvioinnissa. Lisäksi tältä sivulta löytyy tietoa Otometrin mittausmenetelmän ja -palvelun tieteellisestä tutkimustaustasta.

Mittauspalvelun tietojen näyttäminen terveydenhuollon ammattilaisille

Mittauspalvelun käyttäjillä on omat henkilökohtaiset käyttäjätunnukset mittauspalveluun. Mittauspalvelun tietojen näyttäminen lääkärille tai hoitajalle tapahtuu yksinkertaisella tavalla; mittauspalvelun käyttäjä kertoo käyttäjätunnuksensa haluamalleen henkilölle esimerkiksi puhelimitse, joka kirjautuu palveluun allaolevan ohjeen mukaisesti. Kun tietoja on katsottu, mittauspalvelun käyttäjä voi halutessaan vaihtaa käyttäjätunnuksensa salasanan jolloin konsultaatiossa käytetyillä tunnuksilla ei enää jatkossa pääse katsomaan kyseistä mittaushistoriaa.

	---------------->
Mittauspalveluun kirjautuminen.		Mittaushistorian selaus.

Huomatkaa, että Otometrin mittauspalvelun mittaushistorian selaustoiminnot ovat kaikkien terveydenhuollon ammattilaisten saatavilla ylläolevalla periaatteella! Mittaushistorian selaaminen ei vaadi lääkäriltä tai hoitajalta mittauspalvelun aloituspakettia, kotikäyttäjän antamat tunnukset riittävät.

Otometrin toimintaperiaate

Otometri on akustisen reflektometrian ja neuroverkon yhdistelmä. Korvan tila mitataan akustisella reflektometrialla, jonka tuottama mittaussignaali analysoidaan erityisellä neuroverkolla. Neuroverkon laskema tulos näytetään mittaajalle Otometrin tulosraportissa.

Akustinen reflektometria

Akustisessa reflektometriassa korvakäytävään syötetään pieni lyhytkestoinen äänisignaali ja mitataan miten se heijastuu sieltä takaisin. Välikorvassa oleva neste tai erite muuttaa korvakäytävän akustisia ominaisuuksia, joka on havaittavissa takaisin heijastuvassa äänisignaalissa. Samoin välikorvassa oleva ali- tai ylipaine muuttaa korvakäytävän akustisia ominaisuuksia. Mittausperiaate on esitelty ensimmäisen kerran vuonna 1984 viitejulkaisussa [1].

Akustista reflektometriaa ja sen suorituskykyä korvatulehduksen arvioinnissa on tutkittu lukuisissa tieteellisissä julkaisuissa edellä mainitusta vuodesta 1984 lähtien. Viitejulkaisu [2] esittää kattavan yhteenvedon tehdyistä tutkimuksista (yhteensä tuhansia mitattuja korvia). Tämän yhteenvedon sekä lukuisten muiden tutkimusten [3-8] pohjalta voidaan todeta, että akustisen reflektometrian soveltuvuus korvatulehdusten arvioinnissa on, tutkimusotoksesta riippuen, noin 70-90% sekä sensitiivisyyden että spesifisyyden osalta.

Otometrin kliininen tutkimus on tehty Oulun Yliopistosairaalan korvaklinikalla. Tutkimus on alkanut syksyllä 2009 ja jatkuu edelleen. Tähän mennessä tutkimuksessa on mitattu yli kaksisataa korvaa.Tulosten perusteella Otometrin indeksi ja korvassa olevan nesteen määrä korreloi tilastollisesti merkitsevällä tasolla (p<0.01). Tulokset raportoidaan tarkemmin tieteellisissä julkaisuissa.

Neuroverkot

Neuroverkot matkivat tiedon analysoinnissa biologisten hermoverkkojen toimintaperiaatteita. Warren McCulloch ja Walter Pitts esittivät ensimmäisen neuroverkkomallin jo vuonna 1943. Hyvä yhteenveto neuroverkoista, niiden historiasta, sovelluksista ja suorituskyvystä löytyy teoksesta [9]. Neuroverkkoihin liittyviä julkaisuja esitellään mm. seuraavissa julkaisuissa: IEEE Transactions on Neural Networks, Neural Networks, Neural Computation, Neural Computing Surveys, International Journal of Neural Systems.

Otometri-mittauspalvelussa sovellettavaa neuroverkkotekniikkaa yhdistettynä akustiseen reflektometriaan on tutkittu viitejulkaisuissa [10-11] hyvin tuloksin. Otometrin soveltama neuroverkko pohjautuu Oulun Yliopistosairaalan korvaklinikalla kerättyyn aineistoon. Neuroverkkoa päivitetään jatkossa kertyvien tutkimustulosten myötä. Otometri on jatkuvasti kiinnostunut tutkimusyhteistyöstä yliopistosairaaloiden kanssa neuroverkon opetusaineistoksi soveltuvan mittausaineiston kartuttamiseksi (mittaus Otometrillä valvotuissa olosuhteissa, samalla tutkittu korvan status lääkärin toimesta).

Mittaustuloksen tulkinta

Otometri korostaa viestinnässään sitä, että mittari ei tee diagnoosia, vaan sen tekee vain lääkäri. Mittari antaa lisätietoa vanhemmille lapsen korvan tilasta. Mittaustulosten tulkintaohjeet on kuvattu tässä linkissä.

Viitteet

[1] Teele DW & Teele J (1984) Detection of middle-ear fluid by acoustic reflectometry. J Pediatrics 104: 832-838.
[2] Walsh FP, Cox LC & MacDonald CB (1998) Historic perspective of the acoustic otoscope. J Am Acad Audiol 9: 35-40.
[3] Linden H, Teppo H & Revonta M (2006) Spectral gradient acoustic reflectometry in the diagnosis of middle-ear fluid in children. Eur. Arch Otorhinolaryngol 264:477-481.
[4] Chianese J, Hoberman A, Paradise JL, Colborn DK, Kearney D, Rockette HE & Kurs-Lasky M (2007) Spectral gradient acoustic reflectometry compared with tympanometry in diagnosing middle ear effusion in children aged 6 to 24 months. Arch Pediatr Adolesc Med 161(9): 884-888.
[5] Teppo H & Revonta M (2007) Comparison of old, professional and consumer model acoustic reflectometers in the detection of middle-ear fluid in children with recurrent acute otitis media or glue ear. International journal of pediatric otorhinolaryngology 71(12): 1865-1872.
[6] Babonis TR, Weir MR and Kellu PC (1991) Impedance Tympanometry and Acoustic Reflectometry at Myringotomy. Pediatrics 87(4):475-480.
[7] Block SL, Pichichero ME, McLinn S, Aronovitz G, Kimball S (1999) Spectral Gradient Acoustic Reflectometry: Detection of Middle Ear Effusion in Suppurative Acute Otitis Media. The Pediatric Infectious Journal 18(8): 741-744.
[8] Mitchell DB, Ford GR, Albert D and Waldron J (1990) Acoustic reflectometry as an aid to the diagnosis of glue ear. BJCP 44(11): 557-559.
[9] Haykin, Simon (1999). Neural networks - A comprehensive edition. 2.painos. Prentice Hall International.
[10] Hannula M, Hinkula H, Holma T, Löfgren E and Sorri M (2009) Artificial Neural Network Analysis in Evaluation of Ear Canal and Tympanic Membrane Properties from Acoustic Reflectometry Data. Proceedings of 11th World Congress on Medical Physics and Biomedical Engineering.
[11] Hannula M, Hirvikoski A, Hinkula H and Holma T (2008) Application of artificial neural network in analysis of acoustic reflectometry data. Proceedings of Artificial Intelligence Applications Conference, Innsbruck, Austria, 2008.