Trajectories of health‐related quality of life in children with epilepsy: A cohort study
Notice bibliographique
Résumé
PURPOSE: Little is known about subgroups of children with epilepsy who may experience less favorable outcomes over time. The objectives of this study were to document trajectories of health-related quality of life (HRQL) and to identify predictors of the trajectory group in children with new-onset epilepsy. METHODS: Data were obtained from the Health Related Quality of Life in Children with Epilepsy Study, a prospective multisite study of children 4-12 years old with new-onset epilepsy followed for 24 months. Health-related quality of life was measured using the Quality of Life in Childhood Epilepsy questionnaire. Trajectories of HRQL were investigated using latent class trajectory modeling. Multinomial logistic regression was used to identify child, parent, and family predictors of HRQL trajectories. KEY FINDINGS: A total of 374 families responded at baseline and 283 (76%) completed the study. Five HRQL trajectories were observed: low-increasing (4%), moderate-decreasing (12%), moderate-increasing (22%), high-increasing (32%), and high-stable (30%). Many children in the low-increasing, moderate-increasing, high-increasing, and high-stable had clinically meaningful improvements in HRQL: 82%, 47%, 63%, and 44%, respectively. In contrast, the majority of children in the moderate-decreasing group (56%) experienced clinically meaningful declines in their HRQL. Factors predicting trajectories were number of antiepileptic drugs prescribed, presence of comorbid behavior or cognitive problems, parent depression, and family functioning and demands. SIGNIFICANCE: Results suggested that children with epilepsy are not homogenous but rather consist of groups with different trajectories and unique predictors of HRQL. Problems associated with child behavior and cognition were the strongest predictors identified. Given that several risk factors are modifiable, it is important to examine these as potential targets within a family-centered framework to improve HRQL of children with new-onset epilepsy.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».