Effect of Multi-site Variabilities on Electrovestibulography: Environmental and Physical Factors
Notice bibliographique
Résumé
Background: There are physiological changes in pathologies such as Alzheimer’s Disease (AD) within the lower vestibuloacoustic system, which may be potentially useful when used as neurodegeneration features. We hypothesize two Electrovestibulography feature types (Field Potential (FP) shape and the Firing pattern of detected FP’s) may have utility as Neurodegeneration features. Our long term objective is to use a population of Parkinson’s Disease (PD), AD, Post-Concussion Syndrome (PCS), Bipolar Disorder (BD) and Major Depressive Disorder (MDD) patients together with individual pathology-wise age and gender matched control cohorts to determine the degree to which each of these pathologies varies from controls and in proportion to the level of Neurodegeneration often associated (either temporarily or permanently) with each pathology. However, before such a comparison can be made it is necessary to ensure the various populations recorded across different countries are comparable. This paper determines which populations are comparable. Methods: An initial comparison of AD (with N = 16) and a best matched healthy control population (with specific age/gender/recording site/electrode matched controls) from a pool of 112 controls produced two EVestG features (FP shape and FP firing pattern). These features were examined for their variability with respect to electrode type, age, gender, powerline frequency and environmental factors. Results: Age and gender did not have a significant impact on the features. Powerline and environmental artefacts could be accounted for by filtering; thus, they did not significantly affect the features measured. However, electrode type had a significant effect on the extracted features. Conclusions: For the two EVestG features tested only electrode type had a significant effect on the recordings, and hence the extracted features. Thus, only populations with the same electrode type can be compared.
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 | 0,002 | 0,007 |
| 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 | 0,000 | 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) | 0,003 | 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 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 ».