Understanding the evolution of epilepsy – the value of collecting longitudinal data in the setting of a first seizure clinic
Notice bibliographique
Résumé
Objective: Our knowledge of disease mechanisms in epilepsy is biased by findings originating from cross-sectional studies and advanced stages of epilepsy. We provide a new perspective by collecting systematically longitudinal data from patients who present in early stages (ES). Methods: The Halifax First Seizure Clinic, founded in 2008, uses a comprehensive multimodal data basis addressing clinical presentation, neuroimaging, EEG findings, genetics, cognition, comorbidities, social parameters, and life style. Follow-up visits are 6, 12 and 24 months. Results: Out of 575 patients we identified 3 subgroups 1) Strictly first seizure, n=187, 2) New-onset epilepsy (> 1 seizure < 12 months), n=149, and 3) Newly-diagnosed epilepsy (seizures > > 12 months), n=50. 189 patients were excluded (not proven seizure or other conditions e.g syncope etc.). Our interim analyses suggest: A) pharmacoresistance presents in highly diverse patterns and is rarer than expected in ES, B) Congenital malformations seem to have an excellent treatment prognosis in ES, C) Marijuana consumption is significantly more prevalent at initial assessment (comparison general population), D) Preceding psychiatric comorbidities associated with reduced amygdalar volume may be a predictor for seizure recurrence. Conclusions: The preliminary and illustrative findings of our pilot study challenge current concepts of disease evolution in epilepsy.
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 | 0,017 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».