Resumen

El objetivo de este estudio era adoptar la imagen del electroencefalograma (EEG) para analizar el estado epiléptico neurológico (SE) y los factores pronósticos adversos de los niños mediante el algoritmo de análisis de dominio complejo, con el fin de proporcionar una base teórica para el tratamiento clínico de los niños con SE. Se utilizó un EEG de 24 horas para diagnosticar a 197 niños con SE. Los pacientes se dividieron en un grupo experimental (100 casos) y un grupo de control (97 casos) mediante un método de tabla de números aleatorios. Los EEG de los niños del grupo experimental se analizaron mediante el algoritmo de análisis de dominio compuesto, y los del grupo de control fueron diagnosticados por un médico profesional. Se compararon los indicadores de los niños de los dos grupos para analizar el efecto del algoritmo de análisis de dominio compuesto en el diagnóstico de enfermedades mediante EEG. Se puntuaron las puntuaciones pronósticas de 197 niños un mes después de ser diagnosticados, tratados y dados de alta, y se analizaron los factores pronósticos adversos. Como resultado, el EEG puede analizar con precisión y eficacia las enfermedades cerebrales de los niños. La sensibilidad y especificidad del algoritmo de análisis de dominio complejo para la detección de EEG epiléptico fueron mucho mayores que las del algoritmo de detección automática de EEG basado en la similitud de la forma de onda en el dominio temporal y el algoritmo de detección automática de EEG basado en la red neuronal convolucional (CNN), y el tiempo medio de ejecución fue opuesto, mostrando una diferencia obvia (P<0,05).La precisión, sensibilidad y especificidad medias de los niños del grupo experimental fueron del 96,11%, 97,10% y 95,19%, respectivamente, y las del grupo de control fueron del 88,83%, 90,14% y 87,82%, respectivamente, por lo que hubo una diferencia evidente en la precisión entre los dos grupos (P<0,05). Hubo 57 casos con buen pronóstico y 140 casos con mal pronóstico; hubo 70 varones con buen pronóstico y 19 con mal pronóstico y 69 mujeres con buen pronóstico y 19 con mal pronóstico. Entre los 121 pacientes con infecciones, 84 casos tenían buen pronóstico y 37 casos mal pronóstico; 39 casos de medicación irregular tenían buen pronóstico en 31 casos y mal pronóstico en 8 casos; y 37 casos no tenían causa obvia, incluidos 25 casos con buen pronóstico y 12 casos con mal pronóstico. En resumen, el diagnóstico EEG y el efecto del tratamiento del algoritmo de análisis de dominio compuesto fueron mejores que los de los médicos profesionales; el sexo del paciente no tuvo ningún efecto en el mal pronóstico, y los factores patogénicos influyeron en el mal pronóstico del paciente.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:casos, buen pronóstico, mal pronóstico, algoritmo de análisis de dominio compuesto, niños, algoritmo de análisis de dominio complejo, EEG, factores pronósticos adversos, algoritmo de detección automática, grupo de control
• Keywords:cases, good prognosis, poor prognosis, compound domain analysis algorithm, children, complex domain analysis algorithm, EEG, adverse prognostic factors, automatic detection algorithm, control group