Resting‐State EEG Features of Cognitive Fluctuations in Patients with Lewy Body Dementia
Notice bibliographique
Résumé
Abstract Background Lewy body dementia (LBD) is characterized by fluctuations in arousal and alertness, i.e., cognitive fluctuations (CF). Although CF significantly impacts quality of life, its neurophysiological basis remains poorly understood. This study's objective was to identify specific EEG features associated with cognitive fluctuations in patients with LBD. Method We conducted a cross‐sectional study of 35 patients prospectively enrolled through the outpatient clinics of the Department of Neurology at Virginia Commonwealth University. Based on the Clinician Assessment of Fluctuations, participants with Parkinson’s disease, Parkinson disease with dementia, and dementia with Lewy bodies were categorized as Lewy body disease without CF (LBwoCF) and Lewy body dementia with CF (LBDwCF). All patients underwent resting‐state EEG recording with eyes closed and eyes open for 3 minutes each. EEG data were preprocessed and cleaned, and the following features were extracted: dominant frequency (DF), dominant frequency variability (DFV), dominant frequency prevalence (DFP) within the alpha band (8 to 13 Hz), individual alpha peak frequency (IAF), and alpha reactivity. Kruskal‐Wallis tests and logistic regression models were used to evaluate the relationship between EEG features and group (LBDwCF vs. LBwoCF). Result We analyzed EEG features for 17 LBDwCF and 18 LBwoCF. For both EEG conditions, eyes open and eyes closed, the LBDwCF group had significantly lower DF, posterior DF, DFP (alpha), and IAF but not alpha reactivity or DFV, compared to LBwoCF (all P<0.003, Table 1). The EEG feature with the largest effect size (ε²=0.43) was DFP within the alpha band measured from the posterior electrodes in the eyes closed condition. These EEG features, except for IAF, remained significant predictors of group (LBDwCF vs. LBwoCF, all P<0.03, Table 2) in logistic regression models adjusting for age and Montreal Cognitive Assessment (MoCA) score. Conclusion Among patients with LBD and PD, resting‐state EEG features were associated with CF. These features were significant predictors of CF even after adjustment for MoCA scores and age. The development of an EEG‐based biomarker of cognitive fluctuations may improve diagnosis of this clinical feature and thus diagnosis of LBD.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
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 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 ».