B.03 Registered EEG technologists can accurately identify ictal and interictal epileptiform patterns on routine EEG
Notice bibliographique
Résumé
Background: Registered EEG technologists (RETs) are trained in both the technical aspects of EEG and in preliminary EEG interpretation. However, there is little research evaluating the accuracy of EEG interpretation by RETs. Methods: Retrospective study of consecutive routine EEG recordings performed at SickKids Hospital. Preliminary reports by RETs and final reports by neurophysiologists were compared in 5 domains: background activity, focal abnormalities, ictal and inter-ictal epileptiform discharges and summary. Results: 500 EEG recordings were analyzed. Sensitivity and specificity of RET reports was high for the assessment of background (85%, 93%), focal slowing (84%, 93%) and inter-ictal epileptiform discharges (92%, 90%). RET reports identified ictal EEG patterns in 32 cases vs. 29 cases identified by neurophysiologists. RET reports were 100% accurate for noting no EEG change for all of 11 cases with non-epileptic events. Conclusions: Preliminary EEG reports by RETs were sensitive and specific for all EEG domains analyzed. In the majority of cases, the preliminary interpretation made by the RET was concordant with the final report of the neurophysiologist. Given these findings, RETs may be able to participate in the screening of routine EEG recordings in order to enhance the productivity of busy EEG laboratories.
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 | 0,003 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».