D.04 Validating StatNet EEG as a reliable and effective tool in the Diagnosis of Non-Convulsive Status Epilepticus after hours
Notice bibliographique
Résumé
Background: NCSE dramatically increases morbidity and mortality. It is clinically subtle, which makes it difficult to diagnose without EEG. StatNet EEG provides a quick alternative to conventional EEG, which is often unavailable after hours. Methods: Each patient received a StatNet EEG by a neurology resident and a conventional EEG by an EEG technologist. Blinded studies were compared for delay between the studies, setup time, artifact, and abnormality detection using conventional EEG as controls. Nonparametric Mann-Whitney two-sample T-test was used. Results are expressed in mean minutes +/- SD. Kappa score assessed inter-observer reliability. Results: 19 patients were collected. Two StatNet EEGs were not interpretable and excluded. The mean delay between studies was 26h53min. Electrode placement is significantly shorter: 13:14±5:24 StatNet EEG vs 18:07±5:35 conventional EEG (p=0.02). Conclusions: There is high inter-rater reliability between the conventional and StatNet EEG groups (table 1) demonstrating that StatNet is a reliable and effective tool, aiding in early recognition and management of NCSE.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,008 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».