Triphasic Waves Versus Nonconvulsive Status Epilepticus: EEG Distinction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Triphasic waves (TWs) and generalized nonconvulsive status epilepticus (GNCSE) share morphological features that may create diagnostic ambiguity. OBJECTIVE: To describe electroencephalographic differences between TWs and GNCSE. METHODS: We retrospectively compared the electroencephalograms (EEGs) of two groups of patients presenting with decreased level of consciousness; those with TWs associated with metabolic encephalopathy and those with GNCSE. We studied the following: demographics, etiology and EEG morphological features. All EEGs were classified blindly (TWs or GNCSE) by two expert EEGers. Agreement between experts and concordance with clinical diagnosis were measured. RESULTS: We analysed 87 EEGs (71 patients) with TWs and 27 EEGs (13 patients) with GNCSE. Agreement between experts and concordance with clinical diagnosis were excellent. When compared to TWs, epileptiform discharges associated with GNCSE had a higher frequency (mean=2.4Hz vs 1.8Hz) (p<0.001), a shorter duration of phase one (p=0.001), extra-spikes components (69% vs 0%) (p<0.001) and less generalized background slowing (15.1% vs 91.1%) (p<0.001). Amplitude predominance of phase two was common with TWs (40.8% vs 0%) (p=0.01). Lag of phase two was absent in all cases of GNCSE but present in 40.8% of patients with TWs. Noxious or auditory stimulation frequently increased the TWs (51%) while it had no effect on the epileptiform pattern (p=0.008). CONCLUSIONS: Certain EEG morphological criteria and the response to stimulation are very helpful in distinguishing TWs from GNCSE.
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.
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 | 0,002 | 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 | 0,002 | 0,007 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle