Developing an Electroencephalogram-based Model to Predict Awakening after Cardiac Arrest Using Partial Processing with the BIS Engine
Notice bibliographique
Résumé
BACKGROUND: Accurate prognostication in comatose survivors of cardiac arrest is a challenging and high-stakes endeavor. The authors sought to determine whether internal electroencephalogram (EEG) subparameters extracted by the BIS monitor (Medtronic, USA), a device commonly used to estimate depth of anesthesia intraoperatively, could be repurposed to predict recovery of consciousness after cardiac arrest. METHODS: In this retrospective cohort study, a three-layer neural network was trained to predict recovery of consciousness to the point of command following versus not based on 48 h of continuous EEG recordings in 315 comatose patients admitted to a single U.S. academic medical center after cardiac arrest (derivation cohort, n = 181; validation cohort, n = 134). Continuous EEGs were partially processed into subparameters using virtualized emulation of the BIS Engine ( i.e. , the internal software of the BIS monitor) applied to signals from the frontotemporal leads of the standard 10-20 EEG montage. The model was trained on hourly averaged measurements of these internal subparameters. This model's performance was compared to the modified Westhall qualitative EEG scoring framework. RESULTS: Maximum prognostic accuracy in the derivation cohort was achieved using a network trained on only four BIS subparameters (inverse burst suppression ratio, mean spectral power density, gamma power, and theta/delta power). In a held-out sample of 134 patients, the model outperformed current state-of-the-art qualitative EEG assessment techniques at predicting recovery of consciousness (area under the receiver operating characteristics curve, 0.86; accuracy, 0.87; sensitivity, 0.83; specificity, 0.88; positive predictive value, 0.71; negative predictive value, 0.94). Gamma band power has not been previously reported as a correlate of recovery potential after cardiac arrest. CONCLUSIONS: In patients comatose after cardiac arrest, four EEG features calculated internally by the BIS Engine were repurposed by a compact neural network to achieve a prognostic accuracy superior to the current clinical qualitative accepted standard, with high sensitivity for recovery. These features hold promise for assessing patients after cardiac arrest.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».