The Assessment of Basic Features of Electroencephalography in Metabolic Encephalopathies
Notice bibliographique
Résumé
Background: The comparison of the electroencephalography (EEG) data with the patients’ primary diagnosis and the relationship with the prognosis was assessed with this study in the cases that are being followed up with the diagnosis of metabolic encephalopathy (ME). Methods: A total of 306 patients who were being followed up due to ME between January 2009 and September 2011 were included in the study. The etiologic causes in the cases were detected as hyponatremia in 26.2%, hypoxic ischemic encephalopathy in 23.8%, renal failure in 14.4%, hepatic failure in 11.7%, diabetes mellitus in 8.2%, endocrinopathies except for diabetes mellitus in 8.8%, and hypernatremia in the remaining 6.9%. EEG examinations were performed with two different methods. Firstly, 269 of 367 EEGs were analyzed for baseline activity, divided in six stages. Results: Another assessment in EEG examination considering abnormal patterns was performed and 281 of 367 EEGs were taken into this assessment; reduction in the alpha, asynchronous slow waves, focal slow activities, triphasic waves, burst-suppression pattern, and generalized or focal spike-sharp activities were observed. There were no differences between the EEG groups statistically by age and sex. There were no statistical associations between diagnoses and the change of consciousness ( P = 0.187). There was no significant correlation between EEG findings and diagnostic groups ( P = 0.126) ; however , it was statistically shown that as the impaired con s ciousness increased, the EEG stages moved forward to worse stages (P < 0.001). Conclusion: We think that EEG examination does n o t contribute to the diagnosis of the etiology of the disease ; however , it may be useful in follow-ups and prognosis in ME. J Neurol Res. 2014;4(4):101-109 doi: http://dx.doi.org/10.14740/jnr285w
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».