Notice bibliographique
Résumé
In the last decade, sleep spindles have attracted steadily increasing attention. This interest is motivated by the many intriguing relationships between spindles and various diseases (e.g., schizophrenia, Parkinson, Alzheimer, autism, mental retardation), recovery processes (e.g., post brain stroke), and cognitive faculties (e.g., memory consolidation, intelligence, dream recall, sleep preservation). Nonetheless, a methodological wall has impeded the study of sleep spindles. Their investigation rests heavily on our ability to reliably and consistently identify spindle patterns from background EEG activity, a task involving many obstacles, including: a fuzzy definition of spindles, low inter-expert agreement on their scoring, lack of consensus on standard techniques for their automated detection, low reproducibility of observed characteristics and correlates, unavailability of large, standardized, high-quality databases, and inconsistencies in the methods used to evaluate the performance of automated detectors. The primary aims of this research topic were to bring together world-class researchers on a project designed to facilitate exchanges on methodological difficulties encountered in assessing sleep spindles and to promote standardized spindle-related resources. In preparing their contributions, authors were encouraged to use existing – or to propose new – publicly available resources for assessing sleep spindles. To allow fair and accurate comparison of reported results, the authors were also encouraged to validate their tools on a common benchmark. A database containing expert spindle scoring (i.e., the Montreal Archive of Sleep Studies) was made publicly available for that purpose.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,112 | 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 ».