Major surgery and critical illness produce a potentially life threatening systemic inflammatory response. The hypothalamic-pituitary-adrenal (HPA) axis is one of the key physiological systems that counterbalances this systemic inflammation through changes in adrenocorticotrophic hormone (ACTH) and cortisol. These hormones normally exhibit highly correlated ultradian pulsatility with an amplitude modulated by circadian processes. However, these dynamics are disrupted by major surgery and critical illness. In this work, we characterise the inflammatory, ACTH and cortisol responses of patients undergoing cardiac surgery and show that the HPA axis response can be classified into one of three phenotypes: single-pulse, two-pulses and multiple-pulses dynamics. We develop a mathematical model of cortisol secretion and metabolism that predicts the physiological mechanisms responsible for these different phenotypes. We show that the effects of inflammatory mediators are important only in the single-pulse pattern in which normal pulsatility is lost – suggesting that this phenotype could be indicative of the greatest inflammatory response. Investigating whether and how these phenotypes are correlated with clinical outcomes will be critical to patient prognosis and designing interventions to improve recovery.

Epileptic seizures are characterized by abnormal synchronous bursting of neurons. This is commonly attributed to an imbalance between excitatory and inhibitory neurotransmission. We introduce compartmental models from epidemiology to study this interaction between excitatory and inhibitory populations of neurons in the context of epilepsy. Neurons could either be bursting or susceptible, and the propagation of action potentials within the brain through the bursting of neurons is considered as an infection spreading through a population. We model the recruitment of neurons into bursting and their subsequent decay to susceptibility to be influenced by the proportion of excitatory and inhibitory neurons bursting, resulting in a two population Susceptible – Infected - Susceptible (SIS) model. This approach provides a tractable framework to inspect the mechanisms behind seizure generation and termination. Considering the excitatory neurotransmission as an epidemic spreading through the neuronal population and the inhibitory neurotransmission as a competing epidemic that stops the spread of excitation, we establish the conditions for a seizure-like state to be stable. Subsequently, we show how an activity-dependent dysfunction of inhibitory mechanisms such as impaired GABAergic inhibition or inhibitory–inhibitory interactions could result in a seizure even when the above conditions are not satisfied.

Epilepsy is one of the most common neurological disorders in children. Diagnosing epilepsy in children can be very challenging, especially as it often coexists with neurodevelopmental conditions like autism and ADHD. Functional brain networks obtained from neuroimaging and electrophysiological data in wakefulness and sleep have been shown to contain signatures of neurological disorders, and can potentially support the diagnosis and management of co-occurring neurodevelopmental conditions. In this work, we use electroencephalography (EEG) recordings from children, in restful wakefulness and sleep, to extract functional connectivity networks in different frequency bands. We explore the relationship of these networks with epilepsy diagnosis and with measures of neurodevelopmental traits, obtained from questionnaires used as screening tools for autism and ADHD. We explore differences in network markers between children with and without epilepsy in wake and sleep, and quantify the correlation between such markers and measures of neurodevelopmental traits. Our findings highlight the importance of considering the interplay between epilepsy and neurodevelopmental traits when exploring network markers of epilepsy.

Abstract Epilepsy is one of the most common neurological disorders in children. Diagnosing epilepsy in children can be very challenging, especially as it often coexists with neurodevelopmental conditions like autism and ADHD. Functional brain networks obtained from neuroimaging and electrophysiological data in wakefulness and sleep have been shown to contain signatures of neurological disorders, and can potentially support the diagnosis and management of co-occurring neurodevelopmental conditions. In this work, we use electroencephalography (EEG) recordings from children, in restful wakefulness and sleep, to extract functional connectivity networks in different frequency bands. We explore the relationship of these networks with epilepsy diagnosis and with measures of neurodevelopmental traits, obtained from questionnaires used as screening tools for autism and ADHD. We explore differences in network markers between children with and without epilepsy in wake and sleep, and quantify the correlation between such markers and measures of neurodevelopmental traits. Our findings highlight the importance of considering the interplay between epilepsy and neurodevelopmental traits when exploring network markers of epilepsy.