Near-Infrared Spectroscopy to Assess Covert Volitional Brain Activity in Intensive Care
Notice bibliographique
Résumé
BACKGROUND: Detecting covert consciousness in unresponsive patients is challenging. Although functional magnetic resonance imaging and advanced electroencephalography paradigms can identify volitional brain activity, the limited accessibility of these technologies necessitates alternative approaches. Functional near-infrared spectroscopy may provide a portable solution in the intensive care unit. We assessed the feasibility of functional near-infrared spectroscopy with verbal motor commands to detect volitional brain activity in acute disorders of consciousness (DoC). METHODS: Functional near-infrared spectroscopy recordings and clinical assessments were obtained from 50 patients with DoC with acute brain injury, with data analyzed post hoc and visually at the bedside. Twenty healthy volunteers served as controls. RESULTS: After quality control, data from 19 controls and 36 patients were analyzed. Cortical activation was detected in 18 (96%) controls and 16 (44%) patients. Among 13 minimally conscious patients, volitional activity was found in 8 (62%), whereas 8 (35%) of 23 clinically unresponsive patients showed activation. Volitional brain activity in the latter was associated with higher odds of command following within a week, although it was not statistically significant (odds ratio 3.1, 95% confidence interval 0.7-15.8; p = 0.14). Visual bedside analysis showed high specificity (90%) but moderate agreement (κ = 0.4) with post hoc computational analysis. CONCLUSIONS: Functional near-infrared spectroscopy with motor commands can detect volitional brain activity in acute DoC, although data quality issues remain a limitation.
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 | 0,007 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».