A systematic review of quantitative EEG findings in Fibromyalgia, Chronic Fatigue Syndrome and Long COVID
Notice bibliographique
Résumé
Fibromyalgia Syndrome (FMS), Myalgic Encephalomyelitis/Chronic Fatigue Syndrome (ME/CFS) and Long COVID (LC) are similar multisymptom clinical syndromes but with difference in dominant symptoms in each individual. There is existing and emerging literature on possible functional alterations of the central nervous system in these conditions. This review aims to synthesise and appraise the literature on resting-state quantitative EEG (qEEG) in FMS, ME/CFS and LC, drawing on previous research on FMS and ME/CFS to help understand neuropathophysiology of the new condition LC. A systematic search of MEDLINE, Embase, CINHAL, PsycINFO and Web of Science databases for articles published between December 1994 and September 2023 was performed. Out of the initial 2510 studies identified, 17 articles were retrieved that met all the predetermined selection criteria, particularly of assessing qEEG changes in one of the three conditions compared to healthy controls. All studies scored moderate to high quality on the Newcastle-Ottawa scale. There was a general trend for decreased low-frequency EEG band activity (delta, theta, and alpha) and increased high-frequency EEG beta activity in FMS, differing to that found in ME/CFS. The limited LC studies included in this review focused mainly on cognitive impairments and showed mixed findings not consistent with patterns observed in FMS and ME/CFS. Our findings suggest different patterns of qEEG brainwave activity in FMS and ME/CFS. Further research is required to explore whether there are phenotypes within LC that have EEG signatures similar to FMS or ME/CFS. This could inform identification of reliable diagnostic markers and possible targets for neuromodulation therapies tailored to each clinical syndrome.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».