Memory and Health-Related Quality of Life in Severe Pediatric Epilepsy
Notice bibliographique
Résumé
OBJECTIVES: The purpose of this paper was to investigate the contributions of sociodemographic, neurologic, and neuropsychological variables to health-related quality of life (HRQoL) in children with epilepsy and high seizure burden. Focus was placed on the relationship between memory and HRQoL, which has not been previously investigated. METHODS: Ninety children with epilepsy receiving clinical care at a tertiary-level children's hospital were retrospectively identified. Primary assessment measures were verbal memory (California Verbal Learning Test-Children's Version) and HRQoL. Other neuropsychological variables included intellectual function, executive function, emotional and behavioral function, and adaptive function. Sociodemographic and neurologic variables were extracted from chart review. RESULTS: No significant correlations were found between HRQoL and sociodemographic or neurologic variables. Moderate correlations were found between neuropsychological variables and HRQoL. Emotional function (Child Behavior Checklist) and verbal memory (California Verbal Learning Test-Children's Version) emerged as significant predictor variables of HRQoL. Low verbal memory was associated with a twofold risk of low HRQoL, emotional and behavioral difficulty with a 10-fold risk, and the combination of emotional and behavioral difficulty and low verbal memory with a 17-fold risk. CONCLUSIONS: Verbal memory and emotional and behavioral difficulty are associated with increased risk of low HRQoL, even when other important variables are considered in children with high seizure burden. The results reinforce the importance of neuropsychological assessment in clinical care in pediatric epilepsy and suggest important areas of focus for psychological intervention.
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 | 0,001 |
| 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 ».