MétaCan
Menu
← Retour à la cohorte
Enregistrement W6941005547 · doi:10.11886/scjsws20230327006

Value of resting state electroencephalogram in the diagnosis of Alzheimer's disease

2023· article· en· W6941005547 sur OpenAlexaboutno aff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueMycorrhizal Fungi and Plant Interactions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElectroencephalographyReceiver operating characteristicLogistic regressionResting state fMRIMini–Mental State ExaminationCorrelationLinear regressionCognition

Résumé

récupéré en direct d'OpenAlex

BackgroundThe diagnosis of Alzheimer's disease (AD) still faces great challenges, and the advantage of electroencephalogram (EEG) diagnosis lies in its portable and non-invasive nature, so the EEG diagnosis of AD has occupied an important place in clinical research.ObjectiveTo evaluate the value of resting state EEG for AD diagnosis, and to provide references for early recognition of AD in clinical practice.MethodsClinical data of AD patients (n=59) in an Inpatient Geriatric Psychiatry Unit of Shenzhen Kangning Hospital from May 2019 to May 2022 were retrospectively analyzed, and healthy elderly individuals attending outpatient clinics at the hospital during the same period were enrolled as control group (n=54). Eight-channel resting state EEG data were acquired, and the absolute power values in the α, β, θ and δ frequency bands and the α/θ ratio were obtained and calculated using Fast Fourier Transform (FFT). Cognitive function assessments of patients were done by Mini-Mental State Examination (MMSE) and Montreal Cognitive Assessment (MoCA). Spearman correlation analysis was used to examine the correlation between EEG findings and MMSE and MoCA scores of AD patienrs. Logistic regression prediction model for AD was built using currently available EEG and clinical variables, and the model performance was assessed using the receiver operating characteristic (ROC) curve and the area under curve (AUC).ResultsThe θ-band absolute powers in the right mid-frontal (F4) and mid-lateral (F7, F8) regions were higher in AD patients than those in healthy controls, with statistically significant difference (t=-2.844, -2.825, -3.014, P<0.05 or 0.01). The absolute powers of α/θ ratio in prefrontal (Fp1, Fp2), mid-frontal (F3, F4) and mid-lateral (F7, F8) regions showed a notable reduction in AD patients compared with healthy controls, with statistical difference (t=2.081, 2.327, 3.423, 2.358, 3.272, 2.445, P<0.05 or 0.01). Spearman correlation analysis denoted that MMSE score was positively correlated with the absolute powers of α-band, β-band and α/θ ratio (r=0.206, 0.288, 0.372, P<0.05 or 0.01). MoCA score was positively correlated with β absolute powers and α/θ ratio (r=0.201, 0.315, P<0.05 or 0.01), and negatively correlated with θ absolute power (r=-0.218, P<0.05). ROC curve revealed an AUC of 0.882 (95% CI: 0.820~0.943), a sensitivity of 0.966 and a specificity of 0.673 for the AD prediction model based on EEG variables, while the prediction model for AD using comprehensive variables achieved better predictive efficacy, reaching an AUC, sensitivity and specificity of 0.946 (95% CI: 0.905~0.986), 0.948 and 0.873, respectively.ConclusionResting state EEG of AD patients is correlated with cognitive function, and are of great value in the diagnosis of AD, with θ absolute power and α/θ ratio in EEG being the most strongly correlated with AD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,201
Tête enseignante GPT0,483
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)→Même sujetMycorrhizal Fungi and Plant Interactions→Travaux en français237 207→