MétaCan
Menu
Retour à la cohorte
Enregistrement W2734923748 · doi:10.1159/000468976

Prediction of Outcome in Neonates with Hypoxic-Ischemic Encephalopathy II: Role of Amplitude-Integrated Electroencephalography and Cerebral Oxygen Saturation Measured by Near-Infrared Spectroscopy

2017· article· en· W2734923748 sur OpenAlexaff
Katharina Goeral, Berndt Urlesberger, Vito Giordano, Gregor Kasprian, M. Wagner, Lisa Schmidt, Katrin Klebermaß-Schrehof, Monika Olischar

Notice bibliographique

RevueNeonatology · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueNeonatal and fetal brain pathology
Établissements canadiensChild, Adolescent and Family Mental Health
Organismes subventionnairesMedizinische Universität WienHort Innovation
Mots-clésElectroencephalographyHypoxic Ischemic EncephalopathyEncephalopathyMedicineNeonatal encephalopathyHypoxia (environmental)AnesthesiaOxygenOxygen saturationCardiologyInternal medicineChemistryPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Few data have been published on the combined use of amplitude-integrated electroencephalography (aEEG) and near-infrared spectroscopy (NIRS) for outcome prediction in neonates cooled for hypoxic-ischemic encephalopathy (HIE). OBJECTIVE: Our aim was to evaluate the predictive values and the most powerful predictive combinations of single aEEG and NIRS parameters and the respective cut-off values with regard to short-term outcomes in HIE II. METHODS: aEEG and NIRS were prospectively studied at the Medical University of Vienna in the first 102 h of life with regard to magnetic resonance imaging (MRI). Thirty-two neonates diagnosed with HIE II treated with hypothermia were investigated. The measurement period was divided into 6-h epochs. According to MRI, 2 outcome groups were defined and predictive values of aEEG parameters, regional cerebral oxygen saturation (rScO2), and the additional value of both methods combined were studied. Receiver operating curves (ROC) were obtained and area under the curve (AUC) values were calculated. ROC were then used to detect the optimal cut-off points, sensitivity, specificity, positive predictive values, and negative predictive values. RESULTS: At all time epochs, combined parameter scores were more predictive than single parameter scores. The highest AUC were observed between 18 and 60 h of cooling for the aEEG summation score (0.72-0.84) and for (background pattern + seizures) × rScO2 (0.79-0.85). At 42-60 h sensitivity was similar between those 2 scores (87.5-90.0%), but the addition of NIRS to aEEG led to an increase in specificity (from 52.4-59.1% to 72.7-90.5%). CONCLUSIONS: In HIE II, aEEG and NIRS are important predictors of short-term outcome. The combination of both methods improves prognostication. The highest predictive abilities were observed between 18 and 60 h of cooling.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,240
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations91
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeonatologyMême sujetNeonatal and fetal brain pathologyTravaux en français237 207