Neural Complexity and Prognosis: Predicting Recovery in Pediatric Epilepsy Using EEG Markers
Notice bibliographique
Résumé
Predicting patient functional outcomes is an indispensable part of clinical care in the Pediatric Intensive Care Unit (PICU), especially for children with epilepsy, a prominent neurological emergency. Electroencephalography (EEG) is a dynamic tool for assessing brain activity, with brain complexity and spectral power features emerging as predictors of consciousness recovery. We investigated whether patients’ EEG activity under anesthesia could predict their recovery, using data from 12 pediatric epilepsy patients (mean age: 11.0±2.2 years). Neural complexity, the intricacy of connectivity between brain regions, is heavily implicated in a patient’s capacity for consciousness. We hypothesize that neural complexity will be a stronger predictor of patient outcomes than spectral power and that higher complexity will be associated with better outcomes. EEG features were analyzed during sedated, baseline (non-sedated), and difference states. Recovery was assessed three months post-injury using the Glasgow Outcome Scale-Extended (GOS-E). The predictive performance of significant EEG markers was evaluated using logistic regression with leave-one-out cross-validation and permutation testing. Baseline EEG features showed minimal prognostic power, whereas sedation and difference states yielded high prognostic accuracy. In the sedated state, the complexity features rate entropy and Lopez-Ruiz-Mancini-Calbet Complexity (HC-LMC) predicted recovery, separating good and poor outcomes with 100% accuracy. These findings demonstrate that EEG markers of complexity can predict the recovery of consciousness in pediatric epilepsy patients under anesthesia. Therefore, EEG analysis could be an accessible, accurate, and powerful prognostic tool in clinical settings. Future research should explore these results in larger samples to validate the findings that rate entropy and HC-LMC are predictive of recovery. Further, these features should be studied in patients of different etiologies to analyze their potential as generalizable markers of consciousness.
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 | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».