PERAN ELEKTROENSEFALOGRAFI (EEG) DALAM DIAGNOSTIK EPILEPSI: TINJAUAN EFEKTIVITAS TERHADAP DETEKSI  AWAL DAN PEMANTAUAN

Alifia Nadyra  Fasya; Riri Gusnita Sari

doi:10.31004/prepotif.v8i3.38032

Authors

Alifia Nadyra Fasya Program Studi Profesi Dokter,Fakultas Kedokteran Universitas Tarumanagara
Riri Gusnita Sari Departemen Ilmu Penyakit Saraf, Rumah Sakit Daerah K.R.M.T Wongsonegoro Semarang

DOI:

https://doi.org/10.31004/prepotif.v8i3.38032

Keywords:

Electroencephalography, epilepsy, early detection, monitoring, diagnostics, brain waves

Abstract

Elektroensefalografi (EEG) merupakan alat diagnostik yang sangat penting dalam penilaian epilepsi, karena kemampuannya untuk mendeteksi aktivitas listrik otak yang abnormal. Tujuan dari literature review ini adalah untuk mengulas peran EEG dalam diagnostik epilepsi, dengan fokus pada efektivitasnya dalam deteksi awal dan pemantauan kondisi pasien. EEG memungkinkan identifikasi pola gelombang otak yang tidak normal, yang sering kali menjadi indikator adanya gangguan neurologis, termasuk epilepsi. Artikel ini membahas berbagai jenis gelombang EEG, seperti gelombang alpha, beta, theta, dan delta, serta bagaimana perubahan pola-pola tersebut dapat mengindikasikan adanya aktivitas epileptiform yang berhubungan dengan kejang. Selain itu, tinjauan ini mengeksplorasi peran EEG dalam memantau respons pasien terhadap pengobatan dan membantu dalam penyesuaian terapi yang lebih tepat. Meskipun EEG merupakan alat yang efektif, review ini juga mengidentifikasi tantangan dan keterbatasan dalam penggunaannya, termasuk kebutuhan untuk interpretasi yang cermat oleh profesional medis berpengalaman. Secara keseluruhan, EEG berperan vital dalam proses diagnostik epilepsi, baik dalam mendeteksi serangan secara langsung maupun dalam memantau perkembangan dan efektivitas terapi jangka panjang, sehingga memberikan kontribusi besar terhadap pengelolaan kondisi epilepsi yang lebih baik.

References

Amin, U., & Benbadis, S. R. (2020). The Role of EEG in the Erroneous Diagnosis of Epilepsy. June. https://doi.org/10.1097/WNP.0000000000000572

Benbadis, S. R., Beniczky, S., Bertram, E., Maciver, S., & Moshé, S. L. (2020). Seminar in Epileptology The role of EEG in patients with suspected epilepsy. 22(2), 143–155. https://doi.org/10.1684/epd.2020.1151

Biondi, A., Santoro, V., Viana, P. F., Pal, D. K., Bruno, E., & Richardson, M. P. (2022). Noninvasive mobile EEG as a tool for seizure monitoring and management?: A systematic review. December 2021, 1041–1063. https://doi.org/10.1111/epi.17220

Chu, C., Sacca, V., Pathmanathan, J., Ge, W., & Sun, H. (2019). Interrater Reliability of Experts in Identifying Interictal Epileptiform Discharges in Electroencephalograms. 02114. https://doi.org/10.1001/jamaneurol.2019.3531

Duun-henriksen, J., Baud, M., Richardson, M. P., Cook, M., Kouvas, G., Heasman, J. M., Friedman, D., Peltola, J., Zibrandtsen, I. C., & Kjaer, T. W. (2020). A new era in electroencephalographic monitoring?? Subscalp devices for ultra – long-term recordings. June, 1805–1817. https://doi.org/10.1111/epi.16630

Frey, L. C., Lauren, C., Hopp, J. L., Korb, P., Koubeissi, M. Z., Lievens, W. E., & Pestana-knight, E. M. (2016). Electroencephalography ( EEG ): An Introductory Text and Atlas of Normal and Abnormal Findings in Adults , Children , and Infants. 1–4.

Gallotto, S., & Seeck, M. (2023). Clinical Neurophysiology Practice Review article EEG biomarker candidates for the identification of epilepsy. Clinical Neurophysiology Practice, 8, 32–41. https://doi.org/10.1016/j.cnp.2022.11.004

Id, T. M. W., Janner, F., Lindner, S., Gollwitzer, S., Stritzelberger, J., Lang, J. D., Reindl, C., Spru, M. I., Olmes, D., Schwab, S., Blinzler, C., & Hamer, H. M. (2024). Evaluation of simplified wireless EEG recordings in the neurological emergency room. 1–14. https://doi.org/10.1371/journal.pone.0310223

Karoly, P. J., Cook, M. J., Maturana, M., Nurse, E. S., Payne, D., Brinkmann, B. H., Grayden, D. B., Dumanis, S. B., Richardson, M. P., Worrell, G. A., Schulze-bonhage, A., Kuhlmann, L., & Freestone, D. R. (2020). Forecasting cycles of seizure likelihood. October 2019, 776–786. https://doi.org/10.1111/epi.16485

Lemoine, É., Toffa, D., Pelletier, G., Duff, M., Xu, A. Q., Jemel, M., Tessier, J. D., Lesage, F., Nguyen, D. K., & Assi, E. B. (2023). Machine ? learning for the prediction of one ? year seizure recurrence based on routine electroencephalography. 1–14. https://doi.org/10.1038/s41598-023-39799-8

Matos, J., Peralta, G., Heyse, J., Menetre, E., Seeck, M., & Mierlo, P. Van. (2022). Diagnosis of Epilepsy with Functional Connectivity in EEG after a Suspected First Seizure. 1–21.

Matthias, D., Nurse, E. S., Martins, I. P., Dumanis, S. B., Schulze-bonhage, A., Freestone, D. R., Brinkmann, B. H., & Richardson, M. P. (2020). 230 days of ultra long-term subcutaneous EEG?: seizure cycle analysis and comparison to patient diary. https://doi.org/10.1002/acn3.51261

Pegg, E. J., Taylor, J. R., & Mohanraj, R. (2020). Epilepsy & Behavior Spectral power of interictal EEG in the diagnosis and prognosis of idiopathic generalized epilepsies. Epilepsy & Behavior, 112, 107427. https://doi.org/10.1016/j.yebeh.2020.107427

Stefano, P. De, Carboni, M., Marquis, R., Spinelli, L., Seeck, M., & Vulliemoz, S. (2021). Increased delta power as a scalp marker of epileptic activity?: a simultaneous scalp and intracranial electroencephalography study. September. https://doi.org/10.1111/ene.15106

Supriya, S., Siuly, S., Wang, H., & Zhang, Y. (2020). Automated epilepsy detection techniques from electroencephalogram signals?: a review study. Health Information Science and Systems, 1–15. https://doi.org/10.1007/s13755-020-00129-1