Sleep–wake states change the interictal localization of candidate epileptic source generators
Notice bibliographique
Résumé
STUDY OBJECTIVES: To compare estimated epileptic source localizations from 5 sleep-wake states (SWS): wakefulness (W), rapid eye movement sleep (REM), and non-REM 1-3. METHODS: Electrical source localization (sLORETA) of interictal spikes from different SWS on surface EEG from the epilepsy monitoring unit at spike peak and take-off, with results mapped to individual brain models for 75% of patients. Concordance was defined as source localization voxels shared between 2 and 5 SWS, and discordance as those unique to 1 SWS against 1-4 other SWS. RESULTS: 563 spikes from 16 prospectively recruited focal epilepsy patients across 161 day-nights. SWS exerted significant differences at spike peak but not take-off. Source localization size did not vary between SWS. REM localizations were smaller in multifocal than unifocal patients (28.8% vs. 54.4%, p = .0091). All five SWS contributed about 45% of their localizations to converge onto 17.0 ± 15.5% voxels. Against any one other SWS, REM was least concordant (54.4% vs. 66.9%, p = .0006) and most discordant (39.3% vs. 29.6%, p = .0008). REM also yielded the most unique localizations (20.0% vs. 8.6%, p = .0059). CONCLUSIONS: REM was best suited to identify candidate epileptic sources. sLORETA proposes a model in which an "omni-concordant core" of source localizations shared by all five SWS is surrounded by a "penumbra" of source localizations shared by some but not all SWS. Uniquely, REM spares this core to "move" source voxels from the penumbra to unique cortex not localized by other SWS. This may reflect differential intra-spike propagation in REM, which may account for its reported superior localizing abilities.
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 | 0,000 |
| 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) | 0,000 | 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 ».