OBJECTIVE Postictal generalized electroencephalographic suppression (PGES) is a pattern of low-voltage scalp electroencephalographic (EEG) activity following termination of generalized seizures. PGES has been associated with both sudden unexplained death in patients with epilepsy and therapeutic efficacy of electroconvulsive therapy (ECT). Automated detection of PGES epochs may aid in reliable quantification of this phenomenon. METHODS We developed a voltage-based algorithm for detecting PGES. This algorithm applies existing criteria to simulate expert epileptologist readings. Validation relied on postictal EEG recording from patients undergoing ECT (NCT02761330), assessing concordance among the algorithm and four clinical epileptologists. RESULTS We observed low-to-moderate concordance among epileptologist ratings of PGES. Despite this, the algorithm displayed high discriminability in comparison to individual epileptologists (C-statistic range: 0.86-0.92). The algorithm displayed high discrimination (C-statistic: 0.91) and substantial peak agreement (Cohen's Kappa: 0.65) in comparison to a consensus of clinical ratings. Interrater agreement between the algorithm and individual epileptologists was on par with that among expert epileptologists. CONCLUSIONS An automated voltage-based algorithm can be used to detect PGES following ECT, with discriminability nearing that of experts. SIGNIFICANCE Algorithmic detection may support clinical readings of PGES and improve precision when correlating this marker with clinical outcomes following generalized seizures.

中文翻译：

---

基于电压的发作后广义脑电图抑制的自动检测：算法开发和验证

目的 发作后全身脑电图抑制 (PGES) 是全身性癫痫发作终止后低电压头皮脑电图 (EEG) 活动的一种模式。PGES 与癫痫患者的不明原因猝死和电休克疗法 (ECT) 的疗效有关。PGES 时期的自动检测可能有助于对这种现象进行可靠的量化。方法 我们开发了一种基于电压的算法来检测 PGES。该算法应用现有标准来模拟专家癫痫病专家的读数。验证依赖于接受 ECT 的患者的发作后脑电图记录 (NCT02761330)，评估算法与四位临床癫痫学家之间的一致性。结果 我们观察到癫痫病学家对 PGES 的评级之间存在低到中度的一致性。尽管如此，与个别癫痫病学家相比，该算法显示出较高的辨别力（C 统计范围：0.86-0.92）。与临床评级的共识相比，该算法显示出高区分度（C 统计量：0.91）和显着的峰值一致性（Cohen's Kappa：0.65）。该算法与个别癫痫病学家之间的评分者之间的一致性与专家癫痫病学家之间的一致。结论 一种基于电压的自动算法可用于检测 ECT 后的 PGES，其可辨别性接近专家的可辨别性。意义 算法检测可支持 PGES 的临床读数，并在将此标志物与全身性癫痫发作后的临床结果相关联时提高精度。与临床评级的共识相比，该算法显示出高区分度（C 统计量：0.91）和显着的峰值一致性（Cohen's Kappa：0.65）。该算法与个别癫痫病学家之间的评分者之间的一致性与专家癫痫病学家之间的一致。结论 一种基于电压的自动算法可用于检测 ECT 后的 PGES，其可辨别性接近专家的可辨别性。意义 算法检测可支持 PGES 的临床读数，并在将此标志物与全身性癫痫发作后的临床结果相关联时提高精度。与临床评级的共识相比，该算法显示出高区分度（C 统计量：0.91）和显着的峰值一致性（Cohen's Kappa：0.65）。该算法与个别癫痫病学家之间的评分者之间的一致性与专家癫痫病学家之间的一致。结论 一种基于电压的自动算法可用于检测 ECT 后的 PGES，其可辨别性接近专家的可辨别性。意义 算法检测可支持 PGES 的临床读数，并在将此标志物与全身性癫痫发作后的临床结果相关联时提高精度。该算法与个别癫痫病学家之间的评分者之间的一致性与专家癫痫病学家之间的一致。结论 一种基于电压的自动算法可用于检测 ECT 后的 PGES，其可辨别性接近专家的可辨别性。意义 算法检测可支持 PGES 的临床读数，并在将此标志物与全身性癫痫发作后的临床结果相关联时提高精确度。该算法与个别癫痫病学家之间的评分者之间的一致性与专家癫痫病学家之间的一致。结论 基于电压的自动算法可用于检测 ECT 后的 PGES，其可辨别性接近专家的可辨别性。意义 算法检测可支持 PGES 的临床读数，并在将此标志物与全身性癫痫发作后的临床结果相关联时提高精度。