Brivaracetam in the Treatment of Patients with Epilepsy—First Clinical Experiences
Notice bibliographique
Résumé
OBJECTIVES: To assess first clinical experiences with brivaracetam (BRV) in the treatment of epilepsies. METHODS: Data on patients treated with BRV from February to December 2016 and with at least one clinical follow-up were collected from electronic patient records. Data on safety and efficacy were evaluated retrospectively. RESULTS: = 20) in this group, of which five (8.8%) patients were newly seizure-free. In 50.5% (47/93), patients were switched from levetiracetam (LEV) to BRV, of which 43 (46.2%) were switched immediately. Adverse events (AE) occurred in 39.8%, with 22.6% experiencing behavioral and 25.8% experiencing non-behavioral AE. LEV-related AE (LEV-AE) were significantly reduced by switching to BRV. The discontinuation of BRV was reported in 26/93 patients (28%); 10 of those were switched back to LEV with an observed reduction of AE in 70%. For clinical reasons, 12 patients received BRV in monotherapy, 75% were seizure-free, and previous LEV-AE improved in 6/9 patients. BRV-related AE occurred in 5/12 cases, and five patients discontinued BRV. CONCLUSION: BRV seems to be a safe, easy, and effective option in the treatment of patients with epilepsy, especially in the treatment of patients who have psychiatric comorbidities and might not be good candidates for LEV treatment. BRV broadens the therapeutic spectrum and facilitates personalized treatment.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».