Interictal spike networks predict surgical outcome in patients with drug‐resistant focal epilepsy
Notice bibliographique
Résumé
OBJECTIVE: To determine if properties of epileptic networks could be delineated using interictal spike propagation seen on stereo-electroencephalography (SEEG) and if these properties could predict surgical outcome in patients with drug-resistant epilepsy. METHODS: We studied the SEEG of 45 consecutive drug-resistant epilepsy patients who underwent subsequent epilepsy surgery: 18 patients with good post-surgical outcome (Engel I) and 27 with poor outcome (Engel II-IV). Epileptic networks were derived from interictal spike propagation; these networks described the generation and propagation of interictal epileptic activity. We compared the regions in which spikes were frequent and the regions responsible for generating spikes to the area of resection and post-surgical outcome. We developed a measure termed source spike concordance, which integrates information about both spike rate and region of spike generation. RESULTS: Inclusion in the resection of regions with high spike rate is associated with good post-surgical outcome (sensitivity = 0.82, specificity = 0.73). Inclusion in the resection of the regions responsible for generating interictal epileptic activity independently of rate is also associated with good post-surgical outcome (sensitivity = 0.88, specificity = 0.82). Finally, when integrating the spike rate and the generators, we find that the source spike concordance measure has strong predictability (sensitivity = 0.91, specificity = 0.94). INTERPRETATIONS: Epileptic networks derived from interictal spikes can determine the generators of epileptic activity. Inclusion of the most active generators in the resection is strongly associated with good post-surgical outcome. These epileptic networks may aid clinicians in determining the area of resection during pre-surgical evaluation.
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 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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».