Elevated and Slowed EEG Oscillations in Patients with Post-Concussive Syndrome and Chronic Pain Following a Motor Vehicle Collision
Notice bibliographique
Résumé
(1) Background: Mild traumatic brain injury produces significant changes in neurotransmission including brain oscillations. We investigated potential quantitative electroencephalography biomarkers in 57 patients with post-concussive syndrome and chronic pain following motor vehicle collision, and 54 healthy nearly age- and sex-matched controls. (2) Methods: Electroencephalography processing was completed in MATLAB, statistical modeling in SPSS, and machine learning modeling in Rapid Miner. Group differences were calculated using current-source density estimation, yielding whole-brain topographical distributions of absolute power, relative power and phase-locking functional connectivity. Groups were compared using independent sample Mann–Whitney U tests. Effect sizes and Pearson correlations were also computed. Machine learning analysis leveraged a post hoc supervised learning support vector non-probabilistic binary linear kernel classification to generate predictive models from the derived EEG signatures. (3) Results: Patients displayed significantly elevated and slowed power compared to controls: delta (p = 0.000000, r = 0.6) and theta power (p < 0.0001, r = 0.4), and relative delta power (p < 0.00001) and decreased relative alpha power (p < 0.001). Absolute delta and theta power together yielded the strongest machine learning classification accuracy (87.6%). Changes in absolute power were moderately correlated with duration and persistence of symptoms in the slow wave frequency spectrum (<15 Hz). (4) Conclusions: Distributed increases in slow wave oscillatory power are concurrent with post-concussive syndrome and chronic pain.
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 | 0,001 | 0,001 |
| 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 ».