MétaCan
Menu
Retour à la cohorte
Enregistrement W4399663873 · doi:10.1093/brain/awae192

Explaining slow seizure propagation with white matter tractography

2024· article· en· W4399663873 sur OpenAlexafffund
Abdullah Azeem, Chifaou Abdallah, Nicolás von Ellenrieder, Charbel El Kosseifi, Birgit Frauscher, Jean Gotman

Notice bibliographique

RevueBrain · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAdvanced Neuroimaging Techniques and Applications
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchMcGill University
Mots-clésStereoelectroencephalographyTractographyWhite matterEpilepsyEpileptic seizureNeuroscienceElectroencephalographyConnectomePsychologyMedicineEpilepsy surgeryFunctional connectivityMagnetic resonance imagingRadiology

Résumé

récupéré en direct d'OpenAlex

Epileptic seizures recorded with stereo-EEG can take a fraction of a second or several seconds to propagate from one region to another. What explains such propagation patterns? We combine tractography and stereo-EEG to determine the relationship between seizure propagation and the white matter architecture and to describe seizure propagation mechanisms. Patient-specific spatiotemporal seizure propagation maps were combined with tractography from diffusion imaging of matched subjects from the Human Connectome Project. The onset of seizure activity was marked on a channel-by-channel basis by two board-certified neurologists for all channels involved in the seizure. We measured the tract connectivity (number of tracts) between regions-of-interest pairs among the seizure onset zone, regions of seizure spread and non-involved regions. We also investigated how tract-connected the seizure onset zone is to regions of early seizure spread compared with regions of late spread. Comparisons were made after correcting for differences in distance. Sixty-nine seizures were marked across 26 patients with drug-resistant epilepsy; 11 were seizure free after surgery (Engel IA) and 15 were not (Engel IB-Engel IV). The seizure onset zone was more tract-connected to regions of seizure spread than to non-involved regions (P < 0.0001); however, regions of seizure spread were not differentially tract-connected to other regions of seizure spread compared with non-involved regions. In seizure-free patients only, regions of seizure spread were more tract-connected to the seizure onset zone than to other regions of spread (P < 0.0001). Over the temporal evolution of a seizure, the seizure onset zone was significantly more tract-connected to regions of early spread compared with regions of late spread in seizure-free patients only (P < 0.0001). By integrating information on structure, we demonstrate that seizure propagation is likely to be mediated by white matter tracts. The pattern of connectivity between seizure onset zone, regions of spread and non-involved regions demonstrates that the onset zone might be largely responsible for seizures propagating throughout the brain, rather than seizures propagating to intermediate points, from which further propagation takes place. Our findings also suggest that seizure propagation over seconds might be the result of a continuous bombardment of action potentials from the seizure onset zone to regions of spread. In non-seizure-free patients, the paucity of tracts from the presumed seizure onset zone to regions of spread suggests that the onset zone was missed. Fully understanding the structure-propagation relationship might eventually provide insight into selecting the correct targets for epilepsy surgery.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,810
Score d'incertitude au seuil0,233

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,321
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBrainMême sujetAdvanced Neuroimaging Techniques and ApplicationsTravaux en français237 207