计算机辅助分析常规EEG以确定的隐藏生物标志物:系统性审查

科学领域:

• 神经科学是一个神经科学.
• 医疗信息学 医疗信息学
• 生物标志物发现发现

背景情况:

• 通过对常规电脑电图 (rEEG) 的计算分析,可以改善的诊断.
• 这项研究通过使用rEEG数据系统地评估了的计算生物标志物的诊断性能.

研究的目的:

• 为了评估从的rEEG衍生的计算生物标志物的诊断准确性.
• 确定局限性,并为该领域的未来研究提供指导方针.

主要方法:

• 在多个数据库 (MEDLINE,EMBASE等) 中进行了系统的文献搜索. 对于在1961年至2022年之间发表的研究.
• 包括使用对rEEG计算方法的研究,但不包括那些依赖于间接性发性排泄或发作的研究.
• 使用适应的QUADAS-2工具评估了偏差风险.

主要成果:

• 包括37项研究,样本大小从8到192个.
• 生物标志物使用线性,非线性,连接性和卷积神经网络模型.
• 在所有研究中都注意到高偏差风险,影响了可靠性;诊断准确性差异很大 (64%-100%).

结论:

• 目前的文献缺乏足够的证据可靠地确定电脑EEG分析的诊断价值.
• 方法上的异质性和高偏差阻止了最终的结论.
• 为改善研究设计和验证,提供了未来研究的指导方针.