Learn how to interpret and use intracranial <scp>EEG</scp> findings
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Epilepsy surgery is the therapy of choice for many patients with drug-resistant focal epilepsy. Recognizing and describing ictal and interictal patterns with intracranial electroencephalography (EEG) recordings is important in order to most efficiently leverage advantages of this technique to accurately delineate the seizure-onset zone before undergoing surgery. In this seminar in epileptology, we address learning objective "1.4.11 Recognize and describe ictal and interictal patterns with intracranial recordings" of the International League against Epilepsy curriculum for epileptologists. We will review principal considerations of the implantation planning, summarize the literature for the most relevant ictal and interictal EEG patterns within and beyond the Berger frequency spectrum, review invasive stimulation for seizure and functional mapping, discuss caveats in the interpretation of intracranial EEG findings, provide an overview on special considerations in children and in subdural grids/strips, and review available quantitative/signal analysis approaches. To be as practically oriented as possible, we will provide a mini atlas of the most frequent EEG patterns, highlight pearls for its not infrequently challenging interpretation, and conclude with two illustrative case examples. This article shall serve as a useful learning resource for trainees in clinical neurophysiology/epileptology by providing a basic understanding on the concepts of invasive intracranial 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.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 0,001 |
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 découle