Diagnostic utility of invasive<scp>EEG</scp>for epilepsy surgery: Indications, modalities, and techniques
Notice bibliographique
Résumé
Many patients with medically refractory epilepsy now undergo successful surgery based on noninvasive diagnostic information, but intracranial electroencephalography (IEEG) continues to be used as increasingly complex cases are considered surgical candidates. The indications for IEEG and the modalities employed vary across epilepsy surgical centers; each modality has its advantages and limitations. IEEG can be performed in the same intraoperative setting, that is, intraoperative electrocorticography, or through an independent implantation procedure with chronic extraoperative recordings; the latter are not only resource intensive but also carry risk. A lack of understanding of IEEG limitations predisposes to data misinterpretation that can lead to denying surgery when indicated or, worse yet, incorrect resection with adverse outcomes. Given the lack of class 1 or 2 evidence on IEEG, a consensus-based expert recommendation on the diagnostic utility of IEEG is presented, with emphasis on the application of various modalities in specific substrates or locations, taking into account their relative efficacy, safety, ease, and incremental cost-benefit. These recommendations aim to curtail outlying indications that risk the over- or underutilization of IEEG, while retaining substantial flexibility in keeping with most standard practices at epilepsy centers and addressing some of the needs of resource-poor regions around the world.
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 | 0,017 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».