Increased High‐frequency Oscillations Precede in vitro Low‐Mg<sup>2+</sup> Seizures
Notice bibliographique
Résumé
PURPOSE: High-frequency oscillations (HFOs) in the range of > or = 80 Hz have been recorded in neocortical and hippocampal brain structures in vitro and in vivo and have been associated with physiologic and epileptiform neuronal population activity. Frequencies in the fast-ripple range (> 200 Hz) are believed to be exclusive to epileptiform activity and have been recorded in vitro, in vivo, and in epilepsy patients. Although the presence of HFOs is well characterized, their temporal evolution in the context of transition to seizure activity is not well understood. METHODS: With an in vitro low-magnesium model of spontaneous seizures, we obtained extracellular field recordings (hippocampal regions CA1 and CA3) of interictal, preictal, and ictal activity. Recordings were subjected to power-frequency analysis, in time, by using a local multiscale Fourier transform. The power spectrum was computed continuously and was quantified for each epileptiform discharge into four frequency ranges spanning subripple, ripple, and two fast-ripple frequency bands. RESULTS: A statistically significant increasing trend was observed in the subripple (0-100 Hz), ripple (100-200 Hz), and fast-ripple 1 (200-300 Hz) frequency bands during the epoch corresponding to the transition to seizure (preictal to ictal). CONCLUSIONS: Temporal patterns of HFOs during epileptiform activity are indicative of dynamic changes in network behavior, and their characterization may offer insights into pathophysiologic processes underlying seizure initiation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».