Electrostimulation for Refractory Epilepsy: A Review
Notice bibliographique
Résumé
Epilepsy is a neurological disorder that has been diagnosed in approximately 1% of the world's population. In North America alone, more than 3 million individuals suffer from epilepsy. Antiepileptic drugs are not fully effective in some patients, and most drugs have adverse side effects. Recently, several stimulation techniques (responsive neural, vagal nerve, transcranial magnetic, and deep brain) have been used as adjunct therapies to treat medically refractive seizures. Since its Food and Drug Administration approval in 2013, responsive neural stimulation (RNS), a closed-loop electrical stimulation system, has emerged as a potential therapeutic alternative to treat patients with epilepsy (PWE). RNS consists of a cranially implantable neurostimulator that sends electrical pulses using depth electrodes to epileptic foci/focus after the device senses irregular electrical activity, thus avoiding the onset of a seizure. In a long-term study that lasted 7 yr and involved more than 245 patients using RNS, results showed that16% of patients were seizure free, 60% had 50% or greater seizure reduction, and 84% had some improvement. Quality of life improved in 44% of the patients by the end of the second year. There is a need for more, larger, well-designed, randomized, controlled trials to validate and optimize efficacy and safety of invasive intracranial neurostimulation treatments in PWE. This article highlights the effects of treating patients with medically refractive seizures using RNS.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».