Stereoelectroencephalographic language mapping of the basal temporal cortex predicts postoperative naming outcome
Notice bibliographique
Résumé
OBJECTIVE: In drug-resistant temporal lobe epilepsy (TLE) patients, the authors evaluated early and late outcomes for decline in visual object naming after dominant temporal lobe resection (TLR) according to the resection status of the basal temporal language area (BTLA) identified by cortical stimulation during stereoelectroencephalography (SEEG). METHODS: Twenty patients who underwent SEEG for drug-resistant TLE met the inclusion criteria. During language mapping, a site was considered positive when stimulation of two contiguous contacts elicited at least one naming impairment during two remote sessions. After TLR ipsilateral to their BTLA, patients were classified as BTLA+ when at least one positive language site was resected and as BTLA- when all positive language sites were preserved. Outcomes in naming and verbal fluency tests were assessed using pre- and postoperative (means of 7 and 25 months after surgery) scores at the group level and reliable change indices (RCIs) for clinically meaningful changes at the individual level. RESULTS: BTLA+ patients (n = 7) had significantly worse naming scores than BTLA- patients (n = 13) within 1 year after surgery but not at the long-term evaluation. No difference in verbal fluency tests was observed. When RCIs were used, 5 of 18 patients (28%) had naming decline within 1 year postoperatively (corresponding to 57% of BTLA+ and 9% of BTLA- patients). A significant correlation was found between BTLA resection and naming decline. CONCLUSIONS: BTLA resection is associated with a specific and early naming decline. Even if this decline is transient, naming scores in BTLA+ patients tend to remain lower compared to their baseline. SEEG mapping helps to predict postoperative language outcome after dominant TLR.
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 | 0,000 | 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) | 0,001 | 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 ».