Detection of focal to bilateral tonic–clonic seizures using a connected shirt
Notice bibliographique
Résumé
OBJECTIVE: This study was undertaken to develop and evaluate a machine learning-based algorithm for the detection of focal to bilateral tonic-clonic seizures (FBTCS) using a novel multimodal connected shirt. METHODS: We prospectively recruited patients with epilepsy admitted to our epilepsy monitoring unit and asked them to wear the connected shirt while under simultaneous video-electroencephalographic monitoring. Electrocardiographic (ECG) and accelerometric (ACC) signals recorded with the connected shirt were used for the development of the seizure detection algorithm. First, we used a sliding window to extract linear and nonlinear features from both ECG and ACC signals. Then, we trained an extreme gradient boosting algorithm (XGBoost) to detect FBTCS according to seizure onset and offset annotated by three board-certified epileptologists. Finally, we applied a postprocessing step to regularize the classification output. A patientwise nested cross-validation was implemented to evaluate the performances in terms of sensitivity, false alarm rate (FAR), time in false warning (TiW), detection latency, and receiver operating characteristic area under the curve (ROC-AUC). RESULTS: We recorded 66 FBTCS from 42 patients who wore the connected shirt for a total of 8067 continuous hours. The XGBoost algorithm reached a sensitivity of 84.8% (56/66 seizures), with a median FAR of .55/24 h and a median TiW of 10 s/alarm. ROC-AUC was .90 (95% confidence interval = .88-.91). Median detection latency from the time of progression to the bilateral tonic-clonic phase was 25.5 s. SIGNIFICANCE: The novel connected shirt allowed accurate detection of FBTCS with a low false alarm rate in a hospital setting. Prospective studies in a residential setting with a real-time and online seizure detection algorithm are required to validate the performance and usability of this device.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 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 ».