Predicting stroke severity with a 3-min recording from the Muse portable EEG system for rapid diagnosis of stroke
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
Abstract In this study, we demonstrated the use of low-cost portable electroencephalography (EEG) as a method for prehospital stroke diagnosis. We used a portable EEG system to record data from 25 participants, 16 had acute ischemic stroke events, and compared the results to age-matched controls that included stroke mimics. Delta/alpha ratio (DAR), (delta + theta)/(alpha + beta) ratio (DBATR) and pairwise-derived Brain Symmetry Index (pdBSI) were investigated, as well as head movement using the on-board accelerometer and gyroscope. We then used machine learning to distinguish between different subgroups. DAR and DBATR increased in ischemic stroke patients with increasing stroke severity (p = 0.0021, partial η 2 = 0.293; p = 0.01, partial η 2 = 0.234). Also, pdBSI decreased in low frequencies and increased in high frequencies in patients who had a stroke (p = 0.036, partial η 2 = 0.177). Using classification trees, we were able to distinguish moderate to severe stroke patients and from minor stroke and controls, with a 63% sensitivity, 86% specificity and accuracy of 76%. There are significant differences in DAR, DBATR, and pdBSI between patients with ischemic stroke when compared to controls, and these effects scale with severity. We have shown the utility of a low-cost portable EEG system to aid in patient triage and diagnosis as an early detection tool.
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 | 0,001 | 0,001 |
| 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) | 0,000 | 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 découle