Intraoperative Electroencephalography Alpha-Band Power Is a Better Proxy for Preoperative Low MoCA Under Propofol Compared With Sevoflurane
Notice bibliographique
Résumé
BACKGROUND: Preoperative abnormal cognitive status is a risk factor for postoperative complications yet remains underdiagnosed. During propofol general anesthesia, intraoperative electroencephalography (EEG) variables, such as alpha band power (α-BP), correlate with cognitive status. This relationship under sevoflurane is unclear. We investigated whether EEG biomarkers of poor cognitive status found under propofol could be extended to sevoflurane. METHODS: In this monocentric prospective observational study, 106 patients with intraoperative EEG monitoring were included (propofol/sevoflurane = 55/51). We administered the Montreal Cognitive Assessment (MoCA) scale to identify abnormal cognition (low MoCA) 1 day before intervention. EEG variables included delta to beta frequency band powers. Results were adjusted to age and drug dosage. We assessed depth of anesthesia (DoA) using the spectral edge frequency (SEF 95 ) and maintained it within (8-13) Hz. RESULTS: The difference in α-BP between low and normal MoCA patients was significantly larger among propofol patients (propofol: 4.3 ± 4.8 dB versus sevoflurane: 1.5 ± 3.4 dB, P = .022). SEF 95 and age were not statistically different between sevoflurane and propofol groups. After adjusting to age and dose, low α-BP was significantly associated with low MoCA under propofol (odds ratio [OR] [confidence interval {CI}] = 0.39 [0.16-0.94], P = .034), but not under sevoflurane, where theta-band power was significantly associated with low MoCA (OR [CI] = 0.31 [0.13-0.73], P = .007). CONCLUSIONS: We suggest that intraoperative EEG biomarkers of abnormal cognition differ between propofol and sevoflurane under general anesthesia.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».