Slow Activity in Focal Epilepsy During Sleep and Wakefulness
Notice bibliographique
Résumé
INTRODUCTION: We aimed to test differences between healthy subjects and patients with respect to slow wave activity during wakefulness and sleep. METHODS: Fifteen patients affected by nonlesional focal epilepsy originating within temporal areas and fourteen matched controls underwent a 24-hour EEG recording. We studied the EEG power spectral density during wakefulness and sleep in delta (1-4 Hz), theta (5-7 Hz), alpha (8-11 Hz), sigma (12-15 Hz), and beta (16-20 Hz) bands. RESULTS: During sleep, patients with focal epilepsy showed higher power from delta to beta frequency bands compared with controls. The effect was widespread for alpha band and above, while localized over the affected hemisphere for delta (sleep cycle 1, P = .006; sleep cycle 2, P = .008; sleep cycle 3, P = .017). The analysis of interhemispheric differences showed that the only frequency band stronger over the affected regions was the delta band during the first 2 sleep cycles (sleep cycle 1, P = .014; sleep cycle 2, P = .002). During wakefulness, patients showed higher delta/theta activity over the affected regions compared with controls. CONCLUSIONS: Patients with focal epilepsy showed a pattern of power increases characterized by a selective slow wave activity enhancement over the epileptic regions during daytime and sleep. This phenomenon was stronger and asymmetric during the first sleep cycles.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».