P.069 The predictive factors of electroencephalograms with epileptiform activity in psychiatric patients
Notice bibliographique
Résumé
Background: Psychiatrists commonly use electroencephalogram (EEG) to rule out epilepsy as a cause of psychiatric symptoms. A large number of these studies are normal. Our study aims to identify the predictive factors of an EEG with epileptiform activity in these patients. Methods: We performed a retrospective study of the EEG results and chart reviews of the 208 psychiatric patients at Royal University Hospital in Saskatoon, Saskatchewan from 2013-2015. The EEG results were correlated with several factors known to increase the probability of an abnormal recording including history of seizures, previously abnormal EEGs, imaging abnormalities, medications known to cause epileptiform discharges, electroconvulsive therapy, prematurity, brain infection, childhood febrile seizures, head trauma, and family history. Results: Of the 208 EEGs performed, 176 (84%) were normal (77%) or essentially normal (7%). Epileptiform activity was found in 13 EEGs (6.3%), of which 9 (4.3%) had a previous EEG with epileptiform activity. Focal slowing appeared in 12 EEGs (5.8%), two of which had previous abnormal EEGs. Generalized slowing was found in 7 EEGs (3.4%). Conclusions: We conclude that the majority of EEGs in patients with psychiatric manifestations are normal. The most predictive factor for epileptiform activity in this population is a previous EEG with epileptiform discharges. Other predictive factors are under review.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,011 | 0,002 |
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 ».