Distinct Slow-Wave Activity Patterns in Resting-State Electroencephalography and Their Relation to Language Functioning in Low-Grade Glioma and Meningioma Patients
Notice bibliographique
Résumé
Introduction: Brain tumours frequently cause language impairments and are also likely to co-occur with localised abnormal slow-wave brain activity. However, it is unclear whether this applies specifically to low-grade brain tumours. We investigate slow-wave activity in resting-state electroencephalography (EEG) in low-grade glioma and meningioma patients, and its relation to pre- and postoperative language functioning. Method: = 10) with mass effect on this hemisphere underwent extensive language testing before and 1 year after surgery. EEG was registered preoperatively, postoperatively (glioma patients only), and once in healthy individuals. Slow-wave activity in delta- and theta- frequency bands was evaluated visually and quantitatively by spectral power at three levels over the scalp: the whole brain, the affected hemisphere, and the affected region. Results: Glioma patients had increased delta activity (affected area) and increased theta activity (all levels) before and after surgery. In these patients, increased preoperative theta activity was related to the presence of language impairment, especially to poor word retrieval and grammatical performance. Preoperative slow-wave activity was also related to postoperative language outcomes. Meningioma patients showed no significant increase in EEG slow-wave activity compared to healthy individuals, but they presented with word retrieval, grammatical, and writing problems preoperatively, as well as with writing impairments postoperatively. Discussion: Although the brain-tumour pathology in low-grade gliomas and meningiomas has a different effect on resting-state brain activity, patients with low-grade gliomas and meningiomas both suffer from language impairments. Increased theta activity in glioma patients can be considered as a language-impairment marker, with prognostic value for language outcome after surgery.
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 | 0,000 | 0,000 |
| 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 ».