MétaCan
Menu
Retour à la cohorte
Enregistrement W3206447918

Detecting Seizures from a Low-density Montage with BrainsView

2021· article· en· W3206447918 sur OpenAlexfundno aff
Shima Abdullateef, Javier Escudero, Vera Nenadovic, Brian Jordan, Ailsa McLellan, Milly Lo

Notice bibliographique

RevueEdinburgh Research Explorer (University of Edinburgh) · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilHospital for Sick Children
Mots-clésComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Critically ill paediatric patients are at increased risk of having seizures without apparent clinical signs making clinical diagnosis particularly difficult. Undetected or delayed treatment of seizures worsens these patients’ functional neurological recovery. <br/>An electroencephalogram (EEG) is the gold standard method to detect seizures. Certified clinical physiologists are required to apply high density montages and neurologists are needed to interpret the recordings and identify seizures. Neither are available round the clock in the paediatric critical care units (PCCU). Thus, there is a clinical need to develop a quantitative seizure detection method using a low-density EEG montage, which may be applied by the bedside nurses in PCCU. In this project, we aim to test and adapt the BrainView’s brain connectivity assessment software to detect seizures using only 8 channels from routinely collected multi-channels EEG. <br/>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,092
Tête enseignante GPT0,304
Écart entre enseignants0,212 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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 revueEdinburgh Research Explorer (University of Edinburgh)Même sujetEEG and Brain-Computer InterfacesTravaux en français237 207