Seizure Identification by Critical Care Providers Using Quantitative Electroencephalography
Notice bibliographique
Résumé
OBJECTIVES: To compare the performance of critical care providers with that of electroencephalography experts in identifying seizures using quantitative electroencephalography display tools. DESIGN: Diagnostic accuracy comparison among healthcare provider groups. SETTING: Multispecialty quaternary children's hospital in Canada. SUBJECTS: ICU fellows, ICU nurses, neurophysiologists, and electroencephalography technologists. INTERVENTION: Two-hour standardized one-on-one training, followed by a supervised individual review of 27 continuous electroencephalography recordings with the task of identifying individual seizures on eight-channel amplitude-integrated electroencephalography and color density spectral array displays. MEASUREMENTS AND MAIN RESULTS: Each participant reviewed 27 continuous electroencephalograms comprising 487 hours of recording containing a total of 553 seizures. Performance for seizure identification was compared among groups using a nested model analysis with adjustment for interparticipant variability within groups and collinearity among recordings. Using amplitude-integrated electroencephalography, sensitivity for seizure identification was comparable among ICU fellows (83.8%), ICU nurses (73.1%), and neurophysiologists (81.5%) but lower among electroencephalographic technologists (66.7%) (p = 0.003). Using color density spectral array, sensitivity was comparable among ICU fellows (82.4%), ICU nurses (88.2%), neurophysiologists (83.3%), and electroencephalographic technologists (73.3%) (p = 0.09). Daily false-positive rates were also comparable among ICU fellows (2.8 for amplitude-integrated electroencephalography, 7.7 for color density spectral array), ICU nurses (4.2, 7.1), neurophysiologists (1.2, 1.5), and electroencephalographic technologists (0, 0) (p = 0.41 for amplitude-integrated electroencephalography; p = 0.13 for color density spectral array). However, performance varied greatly across individual electroencephalogram recordings. Professional background generally played a greater role in determining performance than individual skill or electroencephalogram recording characteristics. CONCLUSIONS: Following standardized training, critical care providers and electroencephalography experts displayed similar performance for identifying individual seizures using both amplitude-integrated electroencephalography and color density spectral array displays. Although these quantitative electroencephalographic trends show promise as a tool for bedside seizure screening by critical care providers, these findings require confirmation in a real-world ICU environment and in daily clinical use.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| 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 ».