Epileptiform Asymetries and Treatment Response in Juvenile Myoclonic Epilepsy
Notice bibliographique
Résumé
BACKGROUND: Epileptiform electroencephalogram (EEG) asymmetries are not uncommon in juvenile myoclonic epilepsy (JME) and can contribute to the misdiagnosis of this syndrome. The objective of this study is to further characterize patients with focal or asymmetric epileptiform electroencephalographic abnormalities and more specifically in terms of response to treatment. Controversial data exists in the literature concerning this issue. METHODS: We retrospectively reviewed clinical and EEG data of a group of consecutive JME patients followed at our Epilepsy Service. The first EEG available for each patient was reviewed blindly by two independent electroencephalographers. RESULTS: Twenty-eight patients with JME were identified: 11 (39.3%) were resistant to at least one appropriate anti-epileptic drug (AED), including valproate, lamotrigine, topiramate or levetiracetam. All patients except two had generalized epileptiform abnormalities. Overall, EEG asymmetries were detected in 57.1% of the cases. The proportion of EEG asymmetries between AED-sensitive group (52.9%) and AED-resistant group (63.5%) did not reach statistical significance. Concordance between examiners for identification of EEG asymmetries was good. Analysis of patients with and without asymmetries showed no statistically significant differences in comparisons of age, family history of seizure, presence of polyspike and slow wave, photosensitivity and timing of EEG related to the onset of treatment. CONCLUSION: Asymmetric electroencephalographic abnormalities are frequent in patients with JME. These features should not be misinterpreted as being indicative of partial epilepsy. In our group, asymmetries were not associated with resistance to treatment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».