Sensitivity of quantitative EEG for seizure identification in the intensive care unit
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the sensitivity of quantitative EEG (QEEG) for electrographic seizure identification in the intensive care unit (ICU). METHODS: Six-hour EEG epochs chosen from 15 patients underwent transformation into QEEG displays. Each epoch was reviewed in 3 formats: raw EEG, QEEG + raw, and QEEG-only. Epochs were also analyzed by a proprietary seizure detection algorithm. Nine neurophysiologists reviewed raw EEGs to identify seizures to serve as the gold standard. Nine other neurophysiologists with experience in QEEG evaluated the epochs in QEEG formats, with and without concomitant raw EEG. Sensitivity and false-positive rates (FPRs) for seizure identification were calculated and median review time assessed. RESULTS: Mean sensitivity for seizure identification ranged from 51% to 67% for QEEG-only and 63%-68% for QEEG + raw. FPRs averaged 1/h for QEEG-only and 0.5/h for QEEG + raw. Mean sensitivity of seizure probability software was 26.2%-26.7%, with FPR of 0.07/h. Epochs with the highest sensitivities contained frequent, intermittent seizures. Lower sensitivities were seen with slow-frequency, low-amplitude seizures and epochs with rhythmic or periodic patterns. Median review times were shorter for QEEG (6 minutes) and QEEG + raw analysis (14.5 minutes) vs raw EEG (19 minutes; p = 0.00003). CONCLUSIONS: A panel of QEEG trends can be used by experts to shorten EEG review time for seizure identification with reasonable sensitivity and low FPRs. The prevalence of false detections confirms that raw EEG review must be used in conjunction with QEEG. Studies are needed to identify optimal QEEG trend configurations and the utility of QEEG as a screening tool for non-EEG personnel. CLASSIFICATION OF EVIDENCE REVIEW: This study provides Class II evidence that QEEG + raw interpreted by experts identifies seizures in patients in the ICU with a sensitivity of 63%-68% and FPR of 0.5 seizures per hour.
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 | 0,005 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».