MétaCan
Menu
Retour à la cohorte
Enregistrement W4287877749 · doi:10.1101/2022.07.24.22277966

EEG coherence as a marker of Alzheimer’s disease

2022· preprint· en· W4287877749 sur OpenAlexaff
Dina Radinskaia, Crystal Radinski

Notice bibliographique

RevuemedRxiv · 2022
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueEEG and Brain-Computer Interfaces
Établissements canadiensUniversity of British ColumbiaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésElectroencephalographyDisconnectionDementiaNeurosciencePsychologyExecutive dysfunctionAudiologyCognitionDiseaseCognitive psychologyMedicineNeuropsychologyPathology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Progressive deterioration of synaptic plasticity and synaptic connectivity between neurons is a neurophysiological hallmark of brain ageing and has been linked to the severity of dementia. We hypothesized that if synaptic disconnection as the neuropathology of Alzheimer’s disease (AD) is responsible for the failure of the brain to integrate various regions into effective networks, then electroencephalographic evidence of the disruption of functional connectivity might be used to diagnose Alzheimer’s dementia. We proposed that changes in EEG coherence, a measure of functional interaction between the brain collaborating areas, can be detected in a clinical setting and serve as a marker of neuronal disconnection. Improving the accuracy and reducing the time needed to diagnose AD could allow timely interventions, treatments, and care cost reduction. Methods This study examined group differences in EEG coherence within global cortical networks at rest and during executive challenges among patients with AD, individuals with mild cognitive impairment, and healthy controls. Results Decreased EEG coherence has been discovered in cross-hemisphere frontal, temporal, parietal and occipital pairs in the AD group at rest and when challenged with tasks requiring comprehension, analysis, perceptual-motor response, and executive functioning. The most notable changes were detected in F3-F4 Beta with the visual-spatial task challenge, P7-P8 Beta during the writing task, T7-T8 Gamma during a task requiring speech understanding and O1-O2 Alpha during orientation in space task. Conclusions The study identified several potential EEG biomarkers of AD. More research is needed to identify sensitivity and specificity of the markers.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,056
Tête enseignante GPT0,312
Écart entre enseignants0,257 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetEEG and Brain-Computer InterfacesTravaux en français237 207