Influence of the location and type of epileptogenic lesion on scalp interictal epileptiform discharges and high‐frequency oscillations
Notice bibliographique
Résumé
OBJECTIVE: To increase the diagnostic power of scalp electroencephalography (EEG) by investigating whether lesion type and location influence the morphology of interictal epileptic discharges (IEDs) and the likelihood that IEDs and high-frequency oscillations (HFOs) are present. METHODS: We studied EEG activity in epilepsy patients with lesional epilepsy. Lesions were classified by type and by location (region and depth). We marked a maximum of 50 IEDs during deep non-rapid eye movement sleep. IEDs were identified as spikes or sharp waves with or without slow waves, or bursts of spikes or sharp waves with or without slow waves. We analyzed HFOs in the studies showing at least 50 IEDs. RESULTS: In 192 scalp EEG studies, the differences in the percentage of studies showing IEDs in each depth-related group were not statistically significant, whereas HFOs (55 studies) predominated in patients exhibiting superficial lesions (p<0.001). Sharp waves, as predominant pattern, were more prevalent in hippocampal abnormalities (p < 0.001), whereas bursts predominated in patients with malformations of cortical development (p < 0.001). SIGNIFICANCE: The depth of the lesion does not influence the presence of IEDs, as one might expect, but it influences that of HFOs. This is explained as follows. HFOs are generated in the epileptogenic region, do not propagate, and hence are only visible on scalp EEG with superficial lesions. IEDs can result from a nearby focus or propagate from a deep generator and are therefore equally present with deep, intermediate, and superficial lesions. Additionally, IED morphology provides information in determining the lesion type.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».