Automated EEG background analysis to identify neonates with hypoxic-ischemic encephalopathy treated with hypothermia at risk for adverse outcome: A pilot study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: To improve the objective assessment of continuous video-EEG (cEEG) monitoring of neonatal brain function, the aim was to relate automated derived amplitude and duration parameters of the suppressed periods in the EEG background (dynamic Interburst Interval= dIBIs) after neonatal hypoxic-ischemic encephalopathy (HIE) to favourable or adverse neurodevelopmental outcome. METHODS: Nineteen neonates (gestational age 36-41 weeks) with HIE underwent therapeutic hypothermia and had cEEG-monitoring. EEGs were retrospectively analyzed with a previously developed algorithm to detect the dynamic Interburst Intervals. Median duration and amplitude of the dIBIs were calculated at 1 h-intervals. Sensitivity and specificity of automated EEG background grading for favorable and adverse outcomes were assessed at 6 h-intervals. RESULTS: Dynamic IBI values reached the best prognostic value between 18 and 24 h (AUC of 0.93). EEGs with dIBI amplitude ≥15 μV and duration <10 s had a specificity of 100% at 6-12 h for favorable outcome but decreased subsequently to 67% at 25-42 h. Suppressed EEGs with dIBI amplitude <15 μV and duration >10 s were specific for adverse outcome (89-100%) at 18-24 h (n = 10). Extremely low voltage and invariant EEG patterns were indicative of adverse outcome at all time points. CONCLUSIONS: Automated analysis of the suppressed periods in EEG of neonates with HIE undergoing TH provides objective and early prognostic information. This objective tool can be used in a multimodal strategy for outcome assessment. Implementation of this method can facilitate clinical practice, improve risk stratification and aid therapeutic decision-making. A multicenter trial with a quantifiable outcome measure is warranted to confirm the predictive value of this method in a more heterogeneous dataset.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 découle