MétaCan
Menu
Retour à la cohorte
Enregistrement W3134817637 · doi:10.1111/epi.16818

Automated seizure detection using wearable devices: A clinical practice guideline of the International League Against Epilepsy and the International Federation of Clinical Neurophysiology

2021· article· en· W3134817637 sur OpenAlexaff
Sándor Beniczky, Samuel Wiebe, Jesper Jeppesen, William O. Tatum, Milan Brázdil, Yuping Wang, Susan T. Herman, Philippe Ryvlin

Notice bibliographique

RevueEpilepsia · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésGuidelineClinical neurophysiologyEpilepsyClinical PracticeWearable computerLeagueMedicineNeurosciencePhysical medicine and rehabilitationPsychologyElectroencephalographyPsychiatryComputer sciencePhysical therapyPathologyEmbedded system

Résumé

récupéré en direct d'OpenAlex

The objective of this clinical practice guideline (CPG) is to provide recommendations for healthcare personnel working with patients with epilepsy on the use of wearable devices for automated seizure detection in patients with epilepsy, in outpatient, ambulatory settings. The Working Group of the International League Against Epilepsy (ILAE) and the International Federation of Clinical Neurophysiology (IFCN) developed the CPG according to the methodology proposed by the ILAE Epilepsy Guidelines Working Group. We reviewed the published evidence using The Preferred Reporting Items for Systematic Review and Meta-Analysis (PRISMA) statement and evaluated the evidence and formulated the recommendations following the Grading of Recommendations Assessment, Development and Evaluation (GRADE) system. We found high level of evidence for the accuracy of automated detection of generalized tonic-clonic seizures (GTCS) and focal-to-bilateral tonic-clonic seizures (FBTCS) and recommend the use of wearable automated seizure detection devices for selected patients when accurate detection of GTCS and FBTCS is recommended as a clinical adjunct. We also found a moderate level of evidence for seizure types without GTCS or FBTCS. However, it was uncertain whether the detected alarms resulted in meaningful clinical outcomes for the patients. We recommend using clinically validated devices for automated detection of GTCS and FBTCS, especially in unsupervised patients, where alarms can result in rapid intervention (weak/conditional recommendation). At present, we do not recommend clinical use of the currently available devices for other seizure types (weak/conditional recommendation). Further research and development are needed to improve the performance of automated seizure detection and to document their accuracy and clinical utility.

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)0,034
score de la tête « metaresearch » (Gemma)0,097
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,178

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,097
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,010
Bibliométrie0,0090,005
Études des sciences et des technologies0,0020,002
Communication savante0,0040,004
Science ouverte0,0080,004
Intégrité de la recherche0,0120,010
Charge utile insuffisante (le modèle a refusé de juger)0,0060,006

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 Opus0,068
Tête enseignante GPT0,388
Écart entre enseignants0,320 · 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
GenreAutre

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

En bref

Citations89
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEpilepsiaMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207