Risk Factors for Epilepsy in a Rural Area in Tanzania
Notice bibliographique
Résumé
BACKGROUND AND METHODS: The high prevalence of epilepsy detected in rural Tanzania by Dr. Jilek-Aall since 1960, was verified by the World Health Organization (WHO) survey on neurological and seizure disorders. Neurologists and psychiatrists further interviewed both patients and controls using standard methods. The presence of possible risk factors was complemented by corroborative evidence through interviewing close relatives and scrutinizing medical records. Seizures were classified based on clinical symptoms and the use of EEG. RESULTS: A family history of epilepsy in first-degree relatives was found in 46.6% of patients, but in only 19.6% of controls. The odds ratio for family history with epilepsy was 3.52 (95% confidence interval, CI 2.4-5.74, p < 0.001). A past history of febrile convulsion was found in 44% of patients in comparison to 23% of the control group which was significant (odds ratio 2.4, 95% CI 1.5-3.8; p < 0.001). A history of intrapartum complications was found in 12.1% of patients and 1.8% of controls (odds ratio 7.3, 95% CI 2.5-25.2; p < 0.002). Head injury was not a significant risk factor for epilepsy in this rural community. CONCLUSION: The results indicated a strongly independent association between four factors and the risk of developing epilepsy. It would seem more likely that previous brain insults/diseases play a significant major role in the cause of epilepsy in the Mahenge area. However, a genetic predisposition to low threshold for convulsions cannot be excluded.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,002 | 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 ».