Detection of focal impaired awareness seizures using a biometric shirt
Notice bibliographique
Résumé
OBJECTIVE: In recent years, seizure detection using wearable technology has gained significant attention in research. Most studies, however, have focused on detecting generalized or focal to bilateral tonic-clonic seizures. This study evaluates the feasibility of using a biometric shirt to detect focal impaired awareness seizures (FIAS) by monitoring respiratory, electrocardiography, and accelerometry signals. METHODS: Patients with epilepsy were recruited at the University of Montreal Hospital Center epilepsy monitoring unit. Seizures were annotated by epileptologists based on simultaneous video-electroencephalographic recordings, blinded to the shirt data. Features were extracted from the respiratory, accelerometry, and electrocardiography signals using varying window sizes and steps. An XGBoost classifier was trained and tested using a nested leave-one-subject-out cross-validation. Post-processing included a firing power regularization method to reduce false alarms. RESULTS: We recorded 113 FIAS from 27 patients who wore the shirt continuously for over 4750 hours. Using a firing power threshold of 0.65, we detected 71 seizures, resulting in a mean sensitivity of 66%, a 15% time in warning, and a false alarm rate (FAR) of 30 per 24 hours. A firing power threshold of 0.85 allowed us to reduce false alarms (8% time in warning, FAR of 21 per 24 hours) but resulted in a lower sensitivity of 57%. Performances varied across patients: sensitivity was high and FAR was low for some patients and vice versa for others, indicating variability in algorithm effectiveness across patients. SIGNIFICANCE: Our results demonstrate that detecting FIAS with a connected shirt could be feasible for certain patients, although the rate of false alarms remains an issue. Designing a personalized algorithm and selecting patients who exhibit significant physiological changes during seizures could make wearable-based FIAS detection more viable in the near future. PLAIN LANGUAGE SUMMARY: Novel mobile health technologies could transform epilepsy care by enabling continuous monitoring of seizures in everyday life. In this study, we used a biometric shirt to detect seizures with impaired awareness automatically. We used the shirt to measure breathing, heart activity, and movement in 27 patients with epilepsy in a hospital setting. Our algorithm detected up to two-thirds of seizures correctly. However, the number of incorrect alarms remains relatively high, with variable performances between patients. While the technology showed potential, these challenges highlight the need for further improvements and personalized care plans.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 0,001 |
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 ».