High‐frequency oscillations: The state of clinical research
Notice bibliographique
Résumé
Modern electroencephalographic (EEG) technology contributed to the appreciation that the EEG signal outside the classical Berger frequency band contains important information. In epilepsy, research of the past decade focused particularly on interictal high-frequency oscillations (HFOs) > 80 Hz. The first large application of HFOs was in the context of epilepsy surgery. This is now followed by other applications such as assessment of epilepsy severity and monitoring of antiepileptic therapy. This article reviews the evidence on the clinical use of HFOs in epilepsy with an emphasis on the latest developments. It highlights the growing literature on the association between HFOs and postsurgical seizure outcome. A recent meta-analysis confirmed a higher resection ratio for HFOs in seizure-free versus non-seizure-free patients. Residual HFOs in the postoperative electrocorticogram were shown to predict epilepsy surgery outcome better than preoperative HFO rates. The review further discusses the different attempts to separate physiological from epileptic HFOs, as this might increase the specificity of HFOs. As an example, analysis of sleep microstructure demonstrated a different coupling between HFOs inside and outside the epileptogenic zone. Moreover, there is increasing evidence that HFOs are useful to measure disease activity and assess treatment response using noninvasive EEG and magnetoencephalography. This approach is particularly promising in children, because they show high scalp HFO rates. HFO rates in West syndrome decrease after adrenocorticotropic hormone treatment. Presence of HFOs at the time of rolandic spikes correlates with seizure frequency. The time-consuming visual assessment of HFOs, which prevented their clinical application in the past, is now overcome by validated computer-assisted algorithms. HFO research has considerably advanced over the past decade, and use of noninvasive methods will make HFOs accessible to large numbers of patients. Prospective multicenter trials are awaited to gather information over long recording periods in large patient samples.
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 | 0,011 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».