MétaCan
Menu
← Retour à la cohorte
Enregistrement W2269385120 · doi:10.1212/wnl.84.14_supplement.p2.320

Unintentional injuries among people with epilepsy in Bhutan (P2.320)

2015· article· en· W2269385120 sur OpenAlexaffabout
Tali Sorets, Erica McKenzie, Joe Cohen, Sydney S. Cash, Edward Leung, Damber K. Nirola, Sonam Deki, Lhab Tshering, Emma Wolper, Farrah J. Mateen

Notice bibliographique

RevueNeurology · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueEpilepsy research and treatment
Établissements canadiensHealth Sciences CentreQueen's University
Organismes subventionnairesnon disponible
Mots-clésEpilepsyMedicineCashFamily medicinePsychiatryBusinessFinance

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To analyze unintentional injuries among people with epilepsy (PWE) or suspected seizures in a resource-limited setting, including the relationship of injuries to electroencephalography (EEG), seizure frequency, and quality of life. BACKGROUND: Bhutan is a remote, landlocked, low-income country with a gross national income per capita of 2420USD with a high burden of epilepsy. Unintentional injuries are anecdotally reported to occur among PWE in Bhutan although antiepileptic drugs (AEDs) are freely available. DESIGN/METHODS: Subjects of all ages were recruited in July-August 2014 in an ongoing, prospective, cohort study at the Jigme Dorji Wangchuk National Referral Hospital in Thimphu. Each participant completed an EEG (XLTEK, Natus Medical Inc.) and those 蠅12 years completed a quality of life in epilepsy-31 survey. Standardized interviews in English or Dzhongka were administered to the participant or proxy as appropriate. RESULTS: A quarter of participants (26/106, 46[percnt] female, mean age 24 years) reported unintentional injuries (14 head injuries, 9 burns, 5 fractures/joint dislocations, 1 motor vehicle accident (>1 injury/person possible)). Participants with unintentional injuries were more likely to have an abnormal EEG (18/52, 34.6[percnt] versus 8/54, 14.8[percnt], p=0.025) and epileptiform abnormalities (15/37, 40.5[percnt] versus 11/69 15.9[percnt], p>0.05 for both) but less likely to be treated with an AED (26.9[percnt] versus 50.0[percnt], p=0.04). There were no significant differences in the mean number of seizures self-reported in the prior month (4 versus 8) or mean QOLIE-31 score (48.3 versus 48.9) (p>0.05 for both). After adjustment for age, sex, AED treatment, and seizure number, a normal EEG remained strongly associated with lower odds of unintentional injuries (OR 0.19, 95[percnt]CI 0.07-0.57, p=0.03) CONCLUSION:In resource-limited settings, EEG provide clinically relevant information to PWE and suspected seizures, leading to better provider identification of those at risk of serious unintentional injuries than clinical interview alone. Study Supported by: Grand Challenges Canada, Thrasher Foundation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,287
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeurology→Même sujetEpilepsy research and treatment→Travaux en français237 207→