MétaCan
Menu
Retour à la cohorte
Enregistrement W2016477309 · doi:10.1097/wnp.0b013e3181960453

Continuous EEG Monitoring in Severe Guillain-Barré Syndrome Patients

2009· article· en· W2016477309 sur OpenAlexaff
Martin Savard, Eyad Al Thenayan, Loretta Norton, Michael D. Sharpe, G. Bryan Young

Notice bibliographique

RevueJournal of Clinical Neurophysiology · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueIntensive Care Unit Cognitive Disorders
Établissements canadiensLondon Health Sciences CentreWestern University
Organismes subventionnairesnon disponible
Mots-clésSedationMedicineElectroencephalographyComa (optics)Bispectral indexContinuous monitoringAnesthesiaParalysisGuillain-Barre syndromeIntensive care medicineSurgeryPediatricsPsychiatry

Résumé

récupéré en direct d'OpenAlex

When patients Guillain-Barré syndrome have complete paralysis clinical measures of sedation cannot be applied. In this situation continuous EEG offers a convenient, effective method of monitoring the depth of sedation, using spectral edge frequency (SEF) to quantify EEG activity. The authors report 3 patients with severe Guillain-Barré syndrome managed with sedation aimed at a SEF95 below 4.0 Hz (delta coma), using a subhairline montage with the DATEX bedside EEG module. Two of the patients were easily managed using this system for an average of 16 days, and both were completely amnestic of this period of time with no serious complication. The third one had still some residual muscle activity and SEF was unreliable in this case, so its use was abandoned. Continuous EEG monitoring using SEF is a useful tool to manage sedation in the most severely paralyzed Guillain-Barré syndrome patients. Incorporation of a low-pass filter would be of benefit to remove any residual muscle activity, which confounds the target level of sedation with this method; SEF has theoretical advantages over the bispectral index in this population. Comparative studies of various continuous EEG monitoring methods in such patients should better define their relative effectiveness.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,353
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical NeurophysiologyMême sujetIntensive Care Unit Cognitive DisordersTravaux en français237 207