Network Efficiency and Posterior Alpha Patterns Are Markers of Recovery from General Anesthesia: A High-Density Electroencephalography Study in Healthy Volunteers
Notice bibliographique
Résumé
Recent studies have investigated local oscillations, long-range connectivity, and global network patterns to identify neural changes associated with anesthetic-induced unconsciousness. These studies typically employ anesthetic protocols that either just cross the threshold of unconsciousness, or induce deep unconsciousness for a brief period of time-neither of which models general anesthesia for major surgery. To study neural patterns of unconsciousness and recovery in a clinically-relevant context, we used a realistic anesthetic regimen to induce and maintain unconsciousness in eight healthy participants for 3 h. High-density electroencephalogram (EEG) was acquired throughout and for another 3 h after emergence. Seven epochs of 5-min eyes-closed resting states were extracted from the data at baseline as well as 30, 60, 90, 120, 150, and 180-min post-emergence. Additionally, 5-min epochs were extracted during induction, unconsciousness, and immediately prior to recovery of consciousness, for a total of 10 analysis epochs. The EEG data in each epoch were analyzed using source-localized spectral analysis, phase-lag index, and graph theoretical techniques. Posterior alpha power was significantly depressed during unconsciousness, and gradually approached baseline levels over the 3 h recovery period. Phase-lag index did not distinguish between states of consciousness or stages of recovery. Network efficiency was significantly depressed and network clustering coefficient was significantly increased during unconsciousness; these graph theoretical measures returned to baseline during the 3 h recovery period. Posterior alpha power may be a potential biomarker for normal recovery of functional brain networks after general anesthesia.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».