EFFICACY OF EMERGENT ELECTROENCEPHALOGRAPHY (EMEEG) IN DETECTING NONCONVULSIVE SEIZURES.
Notice bibliographique
Résumé
Introduction: Identification of non-convulsive seizures is important in neuro critical care practice. Emergent basis Electroencephalography (EmEEG) may helpful in detecting non-convulsive seizures and its medical management. Objective: To assess the yield of EmEEG in detecting non-convulsive seizures. Methods: Study was conducted in a tertiary level super specialty hospital. All patients entered in the emergent EEG register from June 2012 to December 2016 were included. 32 channels Digital EEG (Natus neurology, Canada) was used to perform EEG. Electrodes were placed according to 10-20 system. Clinical history, provisional diagnosis and other lab reports were analyzed. Results: A total of 400 EEGs were analyzed. 40(10%) patients showed periodic complexes, 33(8.3%) patients showed non convulsive seizures, 20(5%)patients showed non-convulsive status epilepticus, 13(3.3%) patients showed complex partial seizures, 4 (1%) patients showed statusepilepticus and 38(9.5%) patients showed inter ictalepileptiform abnormalities. On the whole, out of 400 patients; 53 (13.25%) showed non-convulsive seizures. Conclusion:Emergent EEG has a major role in detecting non-convulsive seizures and neuro-crtical care management.
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 | 0,001 | 0,005 |
| 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 ».