Evidence for Efficacy of Combination of Antiepileptic Drugs in Treatment of Epilepsy
Notice bibliographique
Résumé
Epilepsy is the tendency to have recurrent, unprovoked seizures. Although 70% of epileptic seizures can be controlled with monotherapy (treatment by single antiepileptic drug), a combination of two or more anti-epileptic drugs (AEDs) may be required to improve efficacy (seizure control) and tolerability. Polytherapy (treatment with two or more AEDs) can affect efficacies and side effects in additive, supra-additive (synergistic) or infra-additive fashion. The effect is considered supra-additive when the efficacy of the combination is greater than the sum of the individual drug efficacies, while it is considered infra-additive when the efficacy of the combination is less than the sum of the individual drug efficacies. Here, we have reviewed the available studies and evidences for the application of polytherapy in humans and animal models, to understand which combination of AEDs act as a synergistic polytherapy for epilepsy. We have searched the bibliographic databases MEDLINE and PubMed for studies conducted from 1950 to 2013 and have concluded that, although promising results from the experimental point of view support the combinations of topiramate separately with lamotrigine, gabapentin and felbamate, the most reliable evidence supports the use of valproate and lamotrigine, as this combination generates encouraging results in animal models. Though effectiveness of this combination is supported by human data, there is the possibility of increased side effects. The new drugs are all effective as add-on therapy; there is some evidence that at present, in clinical practice, levetiracetam and topiramate may be the most effective add-on therapies in partial and some generalized epilepsies. J Neurol Res. 2015;5(6):267-276 doi: http://dx.doi.org/10.14740/jnr356w
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».