Recording, analysis, and interpretation of spreading depolarizations in neurointensive care: Review and recommendations of the COSBID research group
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
Spreading depolarizations (SD) are waves of abrupt, near-complete breakdown of neuronal transmembrane ion gradients, are the largest possible pathophysiologic disruption of viable cerebral gray matter, and are a crucial mechanism of lesion development. Spreading depolarizations are increasingly recorded during multimodal neuromonitoring in neurocritical care as a causal biomarker providing a diagnostic summary measure of metabolic failure and excitotoxic injury. Focal ischemia causes spreading depolarization within minutes. Further spreading depolarizations arise for hours to days due to energy supply-demand mismatch in viable tissue. Spreading depolarizations exacerbate neuronal injury through prolonged ionic breakdown and spreading depolarization-related hypoperfusion (spreading ischemia). Local duration of the depolarization indicates local tissue energy status and risk of injury. Regional electrocorticographic monitoring affords even remote detection of injury because spreading depolarizations propagate widely from ischemic or metabolically stressed zones; characteristic patterns, including temporal clusters of spreading depolarizations and persistent depression of spontaneous cortical activity, can be recognized and quantified. Here, we describe the experimental basis for interpreting these patterns and illustrate their translation to human disease. We further provide consensus recommendations for electrocorticographic methods to record, classify, and score spreading depolarizations and associated spreading depressions. These methods offer distinct advantages over other neuromonitoring modalities and allow for future refinement through less invasive and more automated approaches.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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