Hyppää sisältöön
    • Suomeksi
    • In English
  • Suomeksi
  • In English
  • Kirjaudu
Näytä aineisto 
  •   Etusivu
  • 1. Kirjat ja opinnäytteet
  • Kandidaatin tutkielmat (kokotekstit)
  • Näytä aineisto
  •   Etusivu
  • 1. Kirjat ja opinnäytteet
  • Kandidaatin tutkielmat (kokotekstit)
  • Näytä aineisto
JavaScript is disabled for your browser. Some features of this site may not work without it.

Anestesian syvyyden arviointi aivosähkökäyrän (EEG) avulla

Kangasniemi, Maria (2025-04-03)

Anestesian syvyyden arviointi aivosähkökäyrän (EEG) avulla

Kangasniemi, Maria
(03.04.2025)
Katso/Avaa
Kangasniemi%20Maria%20Kandi%202025.pdf (1.101Mb)
Lataukset: 

Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
avoin
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2025041426601
Tiivistelmä
Tämä kirjallisuuskatsaus käsittelee EEG-signaalien analyysimenetelmiä anestesian syvyyden arvioinnissa, aivoaaltojen muutoksia anestesian aikana sekä tähän liittyviä haasteita ja häiriöitä. Tutkielman tavoitteena on tarjota katsaus nykyisiin menetelmiin, niiden sovelluksiin ja kehityssuuntiin, keskittyen erityisesti anestesian hallintaan kirurgisissa toimenpiteissä. Kohteena ovat aikuispotilaat ja kliiniset tilanteet, joissa EEG:tä hyödynnetään anestesian syvyyden mittaamiseen.
Kirjallisuuskatsaus painottuu menetelmiin, kuten bispektraali-indeksi, tehospektrin tiheysanalyysi, koneoppimismallit ja purskevaimentumailmiö. Lisäksi tutkielmassa analysoidaan EEG-signaalien haasteita, kuten artefakteja ja potilaskohtaisia eroavaisuuksia, sekä näiden vaikutusta anestesiaseurantaan.
Tutkielma osoittaa, että EEG tarjoaa arvokasta tietoa aivotoiminnasta ja anestesian syvyydestä, mutta nykyisten menetelmien tarkkuutta rajoittavat artefaktit, algoritmien heikkoudet ja yksilölliset vaihtelut. Tulevaisuuden kehitys, kuten koneoppimisen hyödyntäminen artefaktien hallinnassa ja anestesian syvyyden ennustamisessa, voi parantaa EEG:n käyttöä ja potilasturvallisuutta. Tulosten perusteella suositellaan EEG-analyysin laajempaa soveltamista ja algoritmien yksilöllistämistä anestesiaseurannan tarkkuuden lisäämiseksi. Tämä työ korostaa EEG:n merkitystä modernissa anestesiologiassa ja tarjoaa näkökulmia sen kehittämiseksi entistä tehokkaammaksi työkaluksi.
Kokoelmat
  • Kandidaatin tutkielmat (kokotekstit) [1298]

Turun yliopiston kirjasto | Turun yliopisto
julkaisut@utu.fi | Tietosuoja | Saavutettavuusseloste
 

 

Tämä kokoelma

JulkaisuajatTekijätNimekkeetAsiasanatTiedekuntaLaitosOppiaineYhteisöt ja kokoelmat

Omat tiedot

Kirjaudu sisäänRekisteröidy

Turun yliopiston kirjasto | Turun yliopisto
julkaisut@utu.fi | Tietosuoja | Saavutettavuusseloste