Neurosurgical management of frontal lobe epilepsy in children
Notice bibliographique
Résumé
OBJECT: Pediatric frontal lobe epilepsy (FLE) remains a challenging condition for neurosurgeons and epileptologists to manage. Postoperative seizure outcomes remain far inferior to those observed in temporal lobe epilepsies, possibly due to inherent difficulties in delineating and subsequently completely resecting responsible epileptogenic regions. In this study, the authors review their institutional experience with the surgical management of FLE and attempt to find predictors that may help to improve seizure outcome in this population. METHODS: All surgically treated cases of intractable FLE from 1990 to 2008 were reviewed. Demographic information, preoperative and intraoperative imaging and electrophysiological investigations, and follow-up seizure outcome were assessed. Inferential statistics were performed to look for potential predictors of seizure outcome. RESULTS: Forty patients (20 male, 20 female) underwent surgical management of FLE during the study period. Patients were an average of 5.6 years old at the time of FLE onset and 11.7 years at the time of surgery; patients were followed for a mean of 40.25 months. Most patients displayed typical FLE semiology. Twenty-eight patients had discrete lesions identified on MRI. Eight patients underwent 2 operations. Cortical dysplasia was the most common pathological diagnosis. Engel Class I outcome was obtained in 25 patients (62.5%), while Engel Class II outcome was observed in 5 patients (12.5%). No statistically significant predictors of outcome were found. CONCLUSIONS: Control of FLE remains a challenging problem. Favorable seizure outcome, obtained in 62% of patients in this series, is still not as easily obtained in FLE as it is in temporal lobe epilepsy. While no statistically significant predictors of seizure outcome were revealed in this study, patients with FLE continue to require extensive workup and investigation to arrive at a logical and comprehensive neurosurgical treatment plan. Future studies with improved neuroimaging and advanced invasive monitoring strategies may well help define factors for success in this form of epilepsy that is difficult to control.
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 | 0,000 |
| 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 | 0,000 | 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 ».