P.075 The trend of electroencephalograph findings after starting anti-epileptic drugs during seizure assessment in children
Notice bibliographique
Résumé
Background: Few studies have explored the effects of anti-epileptic drugs (AEDs) on electroencephalograph (EEG) findings during the assessment of seizure management. Although a patient may reach seizure freedom, EEG results may continue to be abnormal. Further information is required to understand the trend of EEG findings during seizure treatment. Methods: This is a retrospective study based on chart reviews. Patients who had epilepsy evaluations at the Royal University Hospital in Saskatoon between January 2012 and December 2015, were selected. The relationships among time of initiating AEDs, EEG findings, and seizure outcome on follow-ups, have been evaluated. Results: 151 patients had first seizure clinic assessments, in which 75 patients had an EEG before starting AEDs. Among the 75 patients, 54 (72%) had abnormal EEGs. From those, 38 (70.3%) patient’s EEGs became normal and 16 (29.7%) patients continued to have abnormal EEGs after the introduction of AEDs. The seizure freedom was 81.5% among those who had normal EEG on follow-up, and 43.7% of those who continued to have abnormal EEGs. Conclusions: Although patients with normal EEGs after starting AEDs may encounter a higher chance of seizure freedom, the seizure free patients with abnormal EEGs indicate that EEG is not completely sufficient in predicting seizure status.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,004 | 0,001 |
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.
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 ».