MétaCan
Menu
Retour à la cohorte
Enregistrement W4361270958 · doi:10.1111/epi.17597

Response: Can biomarkers of the epileptogenic zone be characterized in patients rendered seizure free alone?

2023· letter· en· W4361270958 sur OpenAlexaff
Vojtěch Trávníček, Petr Klimeš, Jan Cimbálník, Birgit Frauscher

Notice bibliographique

RevueEpilepsia · 2023
Typeletter
Langueen
DomaineMedicine
ThématiqueEpilepsy research and treatment
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesnon disponible
Mots-clésEpilepsy surgeryOutcome (game theory)EpilepsyNeuroscienceMedicineElectroencephalographyPsychology

Résumé

récupéré en direct d'OpenAlex

The role of presurgical evaluation with intracranial electroencephalography (iEEG) is to localize the minimal amount of brain tissue which, if resected, will achieve seizure freedom in the treated patient. From the definition of the epileptogenic zone (EZ)1 being “the area of cortex that is indispensable for the generation of epileptic seizures,” it is the EZ that we want to localize. At the same time we will only know retrospectively in patients with seizure-free outcome that we were indeed able to identify the EZ.2 This brings us to the localization dilemma. We either attempt to stick to the primary goal of localization of the EZ and use only good outcome patients or use something else as a localization target that is well defined in both good and poor outcomes. For poor outcome patients the latter remains less clear apart from the fact that at least part of the predicted target, localized by an algorithm, should be outside of the resection cavity. Another issue worth mentioning is that only patients with certain pathologies will reach a high likelihood of becoming seizure-free. This is another issue that can be a hurdle when developing machine/deep learning models that might indeed also identify traits of certain pathologies more likely in good outcome patients. We agree that determining the localization target is one of many problems when evaluating the pre-surgical iEEG. Having a unified strategy for the development of new biomarkers or building new machine/deep learning models for presurgical evaluation of iEEG would be very beneficial for the community. We are open to cooperate on such a strategy and to help to raise this problem in the community. Neither of the authors has any conflict of interest to disclose.

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)0,003
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,132

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,028
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0120,009
Charge utile insuffisante (le modèle a refusé de juger)0,0390,015

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 Opus0,027
Tête enseignante GPT0,275
Écart entre enseignants0,248 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEpilepsiaMême sujetEpilepsy research and treatmentTravaux en français237 207