Temporal‐plus epilepsy in children: A connectomic analysis in magnetoencephalography
Notice bibliographique
Résumé
OBJECTIVE: Seizure recurrence following surgery for temporal lobe (TL) epilepsy may be related to extratemporal epileptogenic foci, so-called temporal-plus (TL+) epilepsy. Here, we sought to leverage whole brain connectomic profiling in magnetoencephalography (MEG) to identify neural networks indicative of TL+ epilepsy in children. METHODS: Clinical and MEG data were analyzed for 121 children with TL and TL+ epilepsy spanning 20 years at the Hospital for Sick Children. Resting-state connectomes were derived using the weighted phase lag index from neuromagnetic oscillations. Multidimensional associations between patient connectomes, TL versus TL+ epilepsy, seizure freedom, and clinical covariates were performed using a partial least squares (PLS) analysis. Bootstrap resampling statistics were performed to assess statistical significance. RESULTS: A single significant latent variable representing 66% of the variance in the data was identified with significant contributions from extent of epilepsy (TL vs TL+), duration of illness, and underlying etiology. This component was associated with significant bitemporal and frontotemporal connectivity in the theta, alpha, and beta bands. By extracting a brain score, representative of the observed connectivity profile, patients with TL epilepsy were dissociated from those with TL+, independent of their postoperative seizure outcome. SIGNIFICANCE: By analyzing 121 connectomes derived from MEG data using a PLS approach, we find that connectomic profiling could dissociate TL from TL+ epilepsy. These findings may inform patient selection for resective procedures and guide decisions surrounding invasive monitoring.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,006 |
| 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 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 ».