Resting-state EEG and MEG biomarkers of pathological fatigue – A transdiagnostic systematic review
Notice bibliographique
Résumé
Fatigue is a highly prevalent and disabling symptom of many disorders and syndromes, resulting from different pathomechanisms. However, whether and how different mechanisms converge and result in similar symptomatology is only partially understood, and transdiagnostic biomarkers that could further the diagnosis and treatment of fatigue are lacking. We, therefore, performed a transdiagnostic systematic review (PROSPERO: CRD42022330113) of quantitative resting-state electroencephalography (EEG) and magnetoencephalography (MEG) studies in adult patients suffering from pathological fatigue in different disorders. Studies investigating fatigue in healthy participants were excluded. The risk of bias was assessed using a modified Newcastle-Ottawa Scale. Semi-quantitative data synthesis was conducted using modified albatross plots. After searching MEDLINE, Web of Science Core Collection, and EMBASE, 26 studies were included. Cross-sectional studies revealed increased brain activity at theta frequencies and decreased activity at alpha frequencies as potential diagnostic biomarkers. However, the risk of bias was high in many studies and domains. Together, this transdiagnostic systematic review synthesizes evidence on how resting-state M/EEG might serve as a diagnostic biomarker of pathological fatigue. Beyond, this review might help to guide future M/EEG studies on the development of fatigue biomarkers.
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 | 0,002 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».