MétaCan
Menu
Retour à la cohorte
Enregistrement W4220728575 · doi:10.1016/j.clinph.2022.02.022

EEG spectral exponent as a synthetic index for the longitudinal assessment of stroke recovery

2022· article· en· W4220728575 sur OpenAlexfundno aff
Jacopo Lanzone, Martín Alejandro Colombo, Simone Sarasso, Filippo Zappasodi, Mario Rosanova, Marcello Massimini, Vincenzo Di Lazzaro, Giovanni Assenza

Notice bibliographique

RevueClinical Neurophysiology · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensnon disponible
Organismes subventionnairesHORIZON EUROPE Framework ProgrammeRegione LombardiaEuropean CommissionTiny Blue Dot FoundationFondazione Regionale per la Ricerca BiomedicaCanadian Institute for Advanced Research
Mots-clésElectroencephalographyNeurofeedbackStroke (engine)CardiologyInternal medicinePsychologyPathologicalMedicineAnesthesiaAudiologyNeurosciencePhysics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Quantitative Electroencephalography (qEEG) can capture changes in brain activity following stroke. qEEG metrics traditionally focus on oscillatory activity, however recent findings highlight the importance of aperiodic (power-law) structure in characterizing pathological brain states. We assessed neurophysiological alterations and recovery after mono-hemispheric stroke by means of the Spectral Exponent (SE), a metric that reflects EEG slowing and quantifies the power-law decay of the EEG Power Spectral Density (PSD). METHODS: Eighteen patients (n = 18) with mild to moderate mono-hemispheric Middle Cerebral Artery (MCA) ischaemic stroke were retrospectively enrolled for this study. Patients underwent EEG recording in the sub-acute phase (T0) and after 2 months of physical rehabilitation (T1). Sixteen healthy controls (HC; n = 16) matched by age and sex were enrolled as a normative group. SE values and narrow-band PSD were estimated for each recording. We compared SE and band-power between patients and HC, and between the affected (AH) and unaffected hemisphere (UH) at T0 and T1 in patients. RESULTS: At T0, stroke patients showed significantly more negative SE values than HC (p = 0.003), reflecting broad-band EEG slowing. Most important, in patients SE over the AH was consistently more negative compared to the UH and showed a renormalization at T1. This SE renormalization significantly correlated with National Institute of Health Stroke Scale (NIHSS) improvement (R = 0.63, p = 0.005). CONCLUSIONS: SE is a reliable readout of the neurophysiological and clinical alterations occurring after an ischaemic cortical lesion. SIGNIFICANCE: SE promise to be a robust method to monitor and predict patients' functional outcome.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,080
Tête enseignante GPT0,380
Écart entre enseignants0,300 · 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

Citations56
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical NeurophysiologyMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207