MétaCan
Menu
Retour à la cohorte
Enregistrement W3194375689 · doi:10.26685/urncst.272

Examining the Use of Electroencephalography for the Diagnosis of Alzheimer’s Disease and Mild Cognitive Impairment

2021· article· en· W3194375689 sur OpenAlexaff
Matthew So, Zahra Abdallah, Jia Du

Notice bibliographique

RevueUndergraduate Research in Natural and Clinical Science and Technology (URNCST) Journal · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésElectroencephalographyDementiaCognitionDiseasePsychologyNeuroscienceResting state fMRIAlzheimer's diseaseCognitive declineEvent-related potentialAudiologyMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Introduction: Alzheimer’s disease is a type of dementia characterized by a buildup of ꞵ-amyloid plaques and neurofibrillary tangles. Prior to the development of Alzheimer’s disease, patients may experience mild cognitive impairment, characterized by a decline in cognitive abilities while maintaining independent function. Electroencephalography has shown promise as a clinical predictor of mild cognitive impairment. The purpose of this study is to review the existing literature on clinical biomarkers using resting-state electroencephalography or event-related potentials to differentiate Alzheimer’s disease or mild cognitive impairment from normal aging. Methods: A search of primary research articles was conducted in PubMed. Selected articles examined mild cognitive impairment and Alzheimer’s disease utilising electroencephalography, event-related potential data, and resting-state data. Reviews, conference abstracts, and studies without human controls were excluded. Results: Our search identified 100 and 125 records on resting-state and event-related potential data, respectively. The most common findings from resting-state studies included a reduction in alpha power, an increase in delta and theta power, a reduction in signal complexity, and differences in functional connectivity. The most common findings from event-related potential studies included reduction in P3 wave amplitude, as well as latency in both P3 and N2 waves. Discussion: Resting-state and event-related potential electroencephalography studies indicate distinct changes in oscillatory brain activity and waveform shape which indicate distinct differences in MCI or AD compared to HC which may be clinically relevant. Conclusion: There is evidence to support the use of certain electroencephalographic biomarkers for the diagnosis of Alzheimer’s disease or mild cognitive impairment. Future research should seek to examine how best to apply these findings in a clinical setting.

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)0,007
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,027
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0090,007
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,212
Tête enseignante GPT0,428
Écart entre enseignants0,216 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUndergraduate Research in Natural and Clinical Science and Technology (URNCST) JournalMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207