Clinical and Radiological Parameters Affecting the Yield of Routine Electroencephalography in Various Indications
Notice bibliographique
Résumé
OBJECTIVES: To highlight the significance of various clinical and radiological parameters in association with specific electroencephalographic (EEG) patterns in order to prioritize EEG referrals. METHOD: This retrospective, cross-sectional study was conducted in the neurology department of King Fahad University Hospital, Alkhobar, and involved a review and analysis of EEG and medical records pertaining to 604 patients referred for routine EEG. The data were analyzed using SPSS version 22. An association between various parameters and EEG yield was established. RESULTS: Factors associated with the yield of abnormal EEG patterns were diverse, like generalized tonic-clonic seizures (GTCs) ( P =.05), status epilepticus (SE) ( P =.05), altered level of consciousness (ALC) ( P =.00), abnormal movement ( P =.00), cardiac arrest ( P =.00), prior history of epilepsy ( P =.04), chronic renal disease (CRD) ( P =.03), abnormal neurological exam ( P =.00), and cortical lesions on brain imaging ( P =.00). Among the abnormal EEG patterns, epileptiform activity (EA) in EEG was associated with focal seizures ( P =.03), GTCs ( P =.00), falls ( P =.05), cardiac arrest ( P =.00), a history of epilepsy ( P =.00), and hypoxic ischemic injury ( P =.03). Encephalopathy in EEG was also associated with focal sz ( P =.02), GTCs ( P =.00), SE ( P =.01), ALC ( P =.00), cardiac arrest ( P =.00), history of stroke ( P =.01), and epilepsy ( P =.00). CONCLUSION: Among the studied parameters, patient level of consciousness, neurological exam findings, and neuroimaging findings, with some discrepancies, were found to be the most consistent in predicting the EEG yield. The study demonstrated the value of a proper neurological exam and careful selection of patients to gain the optimum benefit from the routine 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.
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 | 0,001 |
| 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 | 0,001 |
| 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 | 0,000 |
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 ».