MétaCan
Menu
Retour à la cohorte
Enregistrement W3048265729 · doi:10.1684/epd.2020.1174

MRI essentials in epileptology: a review from the ILAE Imaging Taskforce

2020· review· en· W3048265729 sur OpenAlexaff
Irène Wang, Andrea Bernasconi, Boris C. Bernhardt, Hal Blumenfeld, Fernando Cendes, Yotin Chinvarun, Graeme D. Jackson, Victoria L. Morgan, Stefan Rampp, Anna Elisabetta Vaudano, Paolo Federico

Notice bibliographique

RevueEpileptic Disorders · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueEpilepsy research and treatment
Établissements canadiensOntario Brain InstituteUniversity of CalgaryHotchkiss Brain InstituteMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesnon disponible
Mots-clésEpilepsyContext (archaeology)Magnetic resonance imagingMedicineDiffusion MRIMedical physicsReading (process)PsychologyRadiologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Magnetic resonance imaging (MRI) plays a central role in the management and evaluation of patients with epilepsy. It is important that structural MRI scans are optimally acquired and carefully reviewed by trained experts within the context of all available clinical data. The aim of this review is to discuss the essentials of MRI that will be useful to health care providers specialized in epilepsy, as outlined by the competencies and learning objectives of the recently developed ILAE curriculum. This review contains information on basic MRI principles, sequences, field strengths and safety, when to perform and repeat an MRI, epilepsy MRI protocol (HARNESS-MRI) and the basic reading guidelines, and common epileptic pathologies. More advanced topics such as MRI-negative epilepsy, functional MRI and diffusion-weighted imaging are also briefly discussed. Although the available resources can differ markedly across different centers, it is the hope that this review can provide general guidance in the everyday practice of using MRI for patients with epilepsy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,362
Écart entre enseignants0,334 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations66
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEpileptic DisordersMême sujetEpilepsy research and treatmentTravaux en français237 207