Reoperation after failed resective epilepsy surgery in children
Notice bibliographique
Résumé
OBJECTIVE Although epilepsy surgery is an effective treatment option, at least 20%-40% of patients can continue to experience uncontrolled seizures resulting from incomplete resection of the lesion, epileptogenic zone, or secondary epileptogenesis. Reoperation could eliminate or improve seizures. Authors of this study evaluated outcomes following reoperation in a pediatric population. METHODS A retrospective single-center analysis of all patients who had undergone resective epilepsy surgery in the period from 2001 to 2013 was performed. After excluding children who had repeat hemispherotomy, there were 24 children who had undergone a second surgery and 2 children who had undergone a third surgery. All patients underwent MRI and video electroencephalography (VEEG) and 21 underwent magnetoencephalography (MEG) prior to reoperation. RESULTS The mean age at the first and second surgery was 7.66 (SD 4.11) and 10.67 (SD 4.02) years, respectively. The time between operations ranged from 0.03 to 9 years. At reoperation, 8 patients underwent extended cortical resection; 8, lobectomy; 5, lesionectomy; and 3, functional hemispherotomy. One year after reoperation, 58% of the children were completely seizure free (International League Against Epilepsy [ILAE] Class 1) and 75% had a reduction in seizures (ILAE Classes 1-4). Patients with MEG clustered dipoles were more likely to be seizure free than to have persistent seizures (71% vs 40%, p = 0.08). CONCLUSIONS Reoperation in children with recurrent seizures after the first epilepsy surgery could result in favorable seizure outcomes. Those with residual lesion after the first surgery should undergo complete resection of the lesion to improve seizure outcome. In addition to MRI and VEEG, MEG should be considered as part of the reevaluation prior to reoperation.
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 | 0,004 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 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 ».