Détection automatique des crises d’épilepsie par un chandail connecté
Bibliographic record
Abstract
Objectif : L’épilepsie est l’un des troubles neurologiques les plus courants, caractérisée par des crises récurrentes imprévisibles dues à des décharges neuronales excessives. En fonction de la localisation, l’intensité et la propagation des décharges ictales, les crises peuvent s’accompagner de signes et de symptômes divers tels qu’une altération de l’état de conscience, mouvements tonico-cloniques et variations du rythme cardiaque. Les crises non contrôlées augmentent le risque de blessures, et même le risque de mort subite inattendue en épilepsie. Une intervention rapide pourrait minimiser les complications et réduire le risque de mortalité lié aux crises. Les objets connectés capables de détecter les crises d’épilepsie pourraient offrir une solution précieuse pour assurer une surveillance continue des patients vivant avec l’épilepsie. L’objectif de cette étude était de développer et d’évaluer un système de détection automatique des crises focales à bilatérales tonico-cloniques (FBTCS) avec un chandail multimodal connecté. Méthodes : En utilisant le chandail connecté Hexoskin, nous avons collecté les données d’électrocardiogramme et d’accélération chez les patients avec épilepsie admis à l’unité de monitoring d’épilepsie du Centre Hospitalier de l’Université de Montréal (CHUM). Nous avons développé un système automatisé pour analyser les enregistrements continus. Nous avons ensuite entraîné un algorithme d’apprentissage automatique pour détecter automatiquement les FBTCS. Nous avons validé les performances à l’aide d’une approche de validation croisée imbriquée. Résultats : Nous avons enregistré 66 crises FBTCS chez 42 patients qui ont porté le chandail connecté pendant un total de 8067 heures. L’algorithme de détection des crises a atteint une sensibilité de 84.8%, avec un taux médian de fausses alarmes de 0.55/24h. L’aire sous la courbe caractéristique opérationnelle du récepteur (ROC-AUC) était de 0.90 (IC à 95% : 0.88 - 0.91). Conclusion : Nous proposons le premier système basé sur un chandail connecté pour la détection des FBTCS. Notre étude montre des résultats prometteurs en utilisant une approche rétrospective dans un environnement hospitalier. Des études prospectives sont nécessaires pour valider les résultats dans un environnement résidentiel en utilisant un algorithme de détection des crises en temps réel.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".