脑电图误读是癫痫误诊的主要原因之一。1,2为了帮助提高发作间期癫痫样放电(IED)的识别，国际临床神经生理学联合会(IFCN)提出了一套6个操作标准3.（表1)，随后用III类证据进行了验证，证明传感器空间(视觉分析)和源空间分析(应用于将头皮信号转换为感兴趣区域的空间滤波方法)中的IFCN标准对IED识别具有高特异性(>95%)和敏感性(81%-85%)，类似于专家评分。4
假设与设计
作者研究了在传感器空间和源空间中使用IFCN标准对95%的临床意义基准特异性进行IED识别的诊断准确性和评分者间一致性(IRA)。假设与非标准化的视觉分析相比，这些方法能够提供较高的诊断准确性并减少EEG的过度解释。这项研究对100名癫痫患者和非癫痫患者的脑电图进行了大规模、盲法、回顾性研究。
方法
作者选择了2012年至2017年期间在丹麦2个中心接受视频脑电图监测的连续患者的脑电图。患者年龄为1岁或以上，有习惯性阵发性事件(癫痫性或非癫痫性)，脑电图显示为间歇期剧烈瞬变。对于那些癫痫发作的患者，剧烈的瞬间必须与记录的发作事件一致。如果患者的记录诊断不确定，或者他们在同一记录中同时有癫痫和非癫痫事件，那么他们就被排除在外。先前在初步诊断解释中标记的间歇期剧烈瞬变在10- 20秒内进行复查，并由2名未参与进一步脑电图分析的作者选择进行进一步评估。只有当两位专家证实这些急剧的瞬间符合选择标准(短暂的、尖峰的、双极蒙太奇中的相位反转，以及与记录的癫痫发作一致(如果是癫痫)时，这些时间才被包括在内。七名专家分别对样本进行了3轮评估，间隔时间超过1个月，对所有其他患者数据一无所知。
在第一轮，评分者对每个标记的瞬态进行评分，认为传感器空间中存在或不存在每个IFCN标准。在第二轮，评分者以不同的随机顺序分析源空间中的EEG样本。如果尖锐瞬变满足以下3个条件:时间变化，空间分布，排除伪像和正态变量，则可以识别ied。在第三轮，评分者在没有任何具体标准的情况下，将剧烈瞬变分为癫痫样或非癫痫样，就像在临床实践中一样。这被认为是专家评分。
每个提取特征的诊断准确性是通过共识多数评分来实现的。对于IFCN传感器空间标准，2-6的截止值满足IED的资格标准。对源空间和专家评分的分析得出了二分法评分，标记为简易爆炸装置或非癫痫样急剧瞬变。用于确定患者是否经历癫痫或非癫痫事件的金标准源于记录这些患者习惯性咒语的视频脑电图数据。
结果
IFCN标准在传感器空间中的AUC为0.977，对于共识多数评分，个体评分者的AUC中位数为0.941。ROC曲线显示，截断值为4和5的传感器空间IFCN标准和源空间分析的结果与专家评分相似，但准确度无统计学上的显著差异(p> 0.157)。截断值为5的IFCN标准具有更高的特异性(p= 0.025)，但灵敏度较低(p= 0.005)，而截止值为4。特异性高于预期95%阈值的2种方法分别是截断值为5的IFCN传感器空间和源空间分析。同样，使用专家共识作为金标准，而不是患者的视频脑电图数据，这两种方法获得了最高的准确性(93%)。诊断性能最好的3种方法(截断值为4和5的IFCN传感器和源空间)的IRA为中度到显著(AC1: 0.490-0.608)，两者之间的IRA无显著差异(p> 0.900)。个人标准的IRA在1、2和4中显著，在6中中等，在3和5中一般。表1 (links.lww.com/WNL/C164)。
解释
在专家以独立的方式对脑电图进行连续评级之前，脑电图被预先选择的设计为解决作者的研究问题提供了坚实的基础。ROC图的使用是恰当的，因为它们认识到在面对不确定性时做出二元判断时敏感性和假阳性率之间的内在权衡(与人为地强加特定决策阈值为最优的研究相比)。5对于IRA计算，作者使用Gwet协议系数(AC)来衡量专家之间的超机会协议量。Gwet AC比更常用的Cohen kappa IRA统计数据有优势，后者在高度一致的情况下会出现违反直觉的行为(Cohen kappa悖论)。10然后他们使用自举方法进行计算p值，测试使用各种IED识别方法获得的IRAs的差异是否具有统计学意义。
这项研究还有其他优势。该方法在共100例患者中表现良好(>0.8)，特异性为95%，显著性水平为5%。研究中纳入的脑电图来自连续的患者，最大限度地减少了选择偏差。为了达到约50%的预试验概率，包括了类似数量的癫痫和非癫痫事件患者。关于专家共识，有7名评分者具有丰富的EEG经验(中位数为14年)。所有专家都对临床数据不知情，减少了历史偏见。最初选择脑电图样本进行研究回顾的作者没有参与评级过程，从而消除了潜在的确认偏差。最后，将脑电图分析方法与基于视频脑电图记录的患者习惯性发作事件分类进行比较。这个金标准具有客观和外部验证的显著优势。然而，它也有缺点，即关于患者选择偏差。 This method is unable to account for EEG data from a significant number of patients evaluated for seizures—those who never require video-EEG monitoring. In addition, patients without habitual episodes captured during video-EEG monitoring and those with inconclusive long-term monitoring were not included in this study. We believe that using a combined gold standard including both patients' video-EEG data and expert consensus11会很有利。12后者的优点是不受患者选择的影响;然而，它的缺点是基于专家经验，而不是外部验证和客观的来源。最终，这两种方法相互补充，应该被认为是未来研究的高度可靠的金标准。12
该研究的其他局限性包括缺乏对整个录音的重复模式的评估，因为IFCN标准不包括这样的标准。此外，研究表明，与一些IFCN标准(即3、5和6)相关的IRA是适度的，可能会影响这些标准在识别简易爆炸装置及其全球实施方面的效用。另一个限制是评审轮之间缺乏随机化，因为所有评分者都经历了相同的评审顺序(传感器空间、源空间和专家评审)，这使评分者面临潜在的确认偏差。以随机顺序呈现样本，每轮分析间隔1个月，并在所有回合完成之前让评分者对金标准盲目，从而将这种影响降至最低。
此后，几项研究扩展了我们对IFCN标准使用的理解。例如，IFCN标准1、4和6的组合产生了识别简易爆炸装置的高精度和IRA，13满足较少IFCN标准的放电重复出现在EEG研究中，以保持最佳的诊断准确性。14最后，向受训者传授IFCN标准，提高了他们的诊断准确性和IRA。15
总之，作者验证了IFCN标准(4或5/6)和源空间分析的使用，以类似于专家评分的精度识别简易爆炸装置。在临床实践中实施IFCN标准和源分析应有助于减少癫痫的错误和误诊，特别是在具有挑战性的病例和/或IRA不理想的情况下。鉴于神经内科住院医师脑电图培训的教育缺口，首页16我们认为居民也应接受有关如何使用IFCN准则和来源分析的专门培训。这种培训将以客观标准为基础，从而有可能绕过某些机构所面临的教员授课时间不足的偶尔问题。实施这些方法的潜在挑战包括需要对读者进行全面的使用培训，以及为每个IFCN标准评分所需的主观判断。
研究资金
没有针对性的资金报告。
信息披露
F.A. Nascimento是神经病学住院医师和研究员编辑团队的前成员。首页其他作者报告没有相关披露。去首页Neurology.org/N全面披露。
附录的作者
脚注
去首页Neurology.org/N全面披露。作者认为相关的资金信息和披露(如果有的话)将在文章末尾提供。
提交并经外部同行评审。处理编辑是Whitley Aamodt，医学博士，公共卫生硕士。
- 收到了2022年1月27日。
- 最终接受2022年6月3日。
- ©2022美国神经病学学会首页
参考文献
信件:快速在线通信
需求
如果你要上传关于文章的信件:
您必须在六个月内更新您的披露:http://submit.首页neurology.org
您的合著者必须发送一份完整的出版协议表格来首页(对于主要/通讯作者不需要填写以下表格即可)，然后再上传您的评论。
如果你在回复一篇关于你最初撰写的文章的评论:
您(和共同作者)不需要填写表格或检查披露，因为作者表格仍然有效
并适用于信件。
提交规格:
- 文章必须少于200字，参考文献少于5篇。参考文献1必须是你所评论的文章。
- 投稿者不得超过5人。(例外:原作者回复可以包括文章的所有原作者)
- 只可提交发稿日起6个月内发表的文章。
- 不要冗余。在提交之前阅读文章上已经发布的任何评论。
- 提交的意见在发表前须经过编辑和编辑审查。
