Association of sleep and anaesthesia <scp>EEG</scp> biomarkers with preoperative <scp>MoCA</scp> score: A pilot study
Notice bibliographique
Résumé
Abstract Introduction Preoperative cognitive impairments increase the risk of postoperative complications. The electroencephalogram (EEG) could provide information on cognitive vulnerability. The feasibility and clinical relevance of sleep EEG (EEGsleep) compared to intraoperative EEG (EEGintraop) in cognitive risk stratification remains to be explored. We investigated similarities between EEGsleep and EEGintraop vis‐a‐vis preoperative cognitive impairments. Methods Pilot study including 27 patients (63 year old [53.5, 70.0]) to whom Montreal cognitive assessment (MoCA) and EEGsleep were administered 1 day before a propofol‐based general anaesthesia, in addition to EEGintraop acquisition from depth‐of‐anaesthesia monitors. Sleep spindles on EEGsleep and intraoperative alpha‐band power on EEGintraop were particularly explored. Results In total, 11 (41%) patients had a MoCA <25 points. These patients had a significantly lower sleep spindle power on EEGsleep (25 vs. 40 μv2/Hz, p = .035) and had a weaker intraoperative alpha‐band power on EEGintraop (85 vs. 150 μv2/Hz, p = .001) compared to patients with normal MoCA. Correlation between sleep spindle and intraoperative alpha‐band power was positive and significant (r = 0.544, p = .003). Conclusion Preoperative cognitive impairment appears to be detectable by both EEGsleep and EEGintraop. Preoperative sleep EEG to assess perioperative cognitive risk is feasible but more data are needed to demonstrate its benefit compared to intraoperative EEG.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 ».