Effective withdrawal of antiepileptic drugs in premonitoring admission to capture seizures during limited video‐<scp>EEG</scp> monitoring
Notice bibliographique
Résumé
Objective: Withdrawal of antiepileptic drugs (AEDs) is commonly applied to capture seizures in video-EEG (vEEG) monitoring for patients with infrequent but intractable seizures. Because of the half-life of AEDs, AED withdrawal during only vEEG tends to be inadequate to provoke seizures within the vEEG admission. We hypothesize that prewithdrawal of long-half-life AEDs in premonitoring admission (PMA) is safe and effective to capture seizures in the limited time of vEEG. We determined the effect of half-life on the interval between AED withdrawal and seizure occurrence. Methods: We collected 87 patients with three criteria: (1) seizure occurrence ≤3 per month; (2) AEDs ≥2; (3) AED withdrawal during their admission, among 126 consecutive patients who underwent vEEG in the Department of Neurosurgery, Hiroshima University Hospital between 2011 and 2014. We divided patients into two groups on the basis of half-life of AED: Group A (23 patients) with phenobarbital (PB) and/or zonisamide (ZNS); Group B (64 patients) with other AEDs. In Group A, PB and ZNS were withdrawn during 4-day PMA before vEEG started. Further AED withdrawal was performed during vEEG, depending on the seizure occurrence. Results: The number of AEDs on admission was significantly higher in Group A (2-6, 3.5 ± 0.9; range, mean ±SD) than in Group B (2-5, 2.8 ± 0.8) (p < 0.01). All 23 Group A patients and 13 (20%) Group B patients underwent AED withdrawal during PMA. Seizures occurred during PMA in two patients in both Group A (9%) and Group B (15%). The first seizure occurred significantly longer after the start of withdrawal in Group A (6.1 ± 2.0 days) than in Group B (2.8 ± 1.3 days) (p < 0.01). Seizures were equally captured between both groups: 96% in Group A and 92% in Group B during vEEG. Significance: For epilepsy patients who are treated with PB and/or ZNS, we recommend the planning of AED withdrawal during PMA before the start of vEEG to succeed in capturing seizures during the limited time of vEEG monitoring.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».