Removing high-frequency oscillations
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
OBJECTIVE: To evaluate the use of interictal high-frequency oscillations (HFOs) in epilepsy surgery for prediction of postsurgical seizure outcome in a prospective multicenter trial. METHODS: We hypothesized that a seizure-free outcome could be expected in patients in whom the surgical planning included the majority of HFO-generating brain tissue while a poor seizure outcome could be expected in patients in whom only a few such areas were planned to be resected. Fifty-two patients were included from 3 tertiary epilepsy centers during a 1-year period. Ripples (80-250 Hz) and fast ripples (250-500 Hz) were automatically detected during slow-wave sleep with chronic intracranial EEG in 2 centers and acute intraoperative electrocorticography in 1 patient. RESULTS: There was a correlation between the removal of HFO-generating regions and seizure-free outcome at the group level for all patients. No correlation was found, however, for the center-specific analysis, and an individual prognostication of seizure outcome was true in only 36 patients (67%). Moreover, some patients became seizure-free without removal of the majority of HFO-generating tissue. The investigation of influencing factors, including comparisons of visual and automatic analysis, using a threshold analysis for areas with high HFO activity, and excluding contacts bordering the resection, did not result in improved prognostication. CONCLUSIONS: On an individual patient level, a prediction of outcome was not possible in all patients. This may be due to the analysis techniques used. Alternatively, HFOs may be less specific for epileptic tissue than earlier studies have indicated.
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) | 0,000 | 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) | 0,001 | 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 découle