Diagnostic Inaccuracy in Children Referred with “First Seizure”: Role for a First Seizure Clinic
Notice bibliographique
Résumé
PURPOSE: To determine (a) the range of diagnoses, and (b) the prevalence of previous seizures in children presenting to a first seizure clinic. METHODS: One hundred twenty-seven children were seen in a tertiary care First Seizure Clinic. Inclusion criteria were age 1 month-17 years with an unprovoked event suggestive of seizure. Data collected included referring physician specialty, child's age, gender, developmental status, and clinical diagnosis of epileptologist (nonepileptic vs. epileptic). For those with epileptic events, seizure type, syndrome (if identifiable), presumed etiology (idiopathic, cryptogenic, and symptomatic), presence of prior afebrile and febrile seizures, provoking factors, family history, pre/perinatal complications and EEG results were recorded. RESULTS: The diagnosis was epileptic in 94 (74%), nonepileptic in 31 (24%) and unclassifiable in two (2%). Pediatricians were more likely to refer true epileptic events (92%) than ED physicians (76%) or family physicians (65%). Mean age at presentation was 8 years. Fifteen percent of children were developmentally delayed and neurological examination was abnormal in 11%. For those diagnosed with epileptic events, 32 presented with generalized while 62 presented with partial onset seizures. An epilepsy syndrome was identifiable in 15 cases. Thirty-eight percent experienced a prior probable seizure which was recognized by the referring physician in only one case. An EEG was done in all children with seizures and was abnormal in 41%. Early EEG was performed in 20% of children and did not show statistical significance. CONCLUSIONS: Diagnostic inaccuracy is common in first seizure. One quarter of children were incorrectly diagnosed as having a seizure while the diagnosis of epilepsy was missed in over one-third of children.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».