1041 Poor Adherence and Suboptimal Response to PAP Therapy in Epilepsy
Notice bibliographique
Résumé
Obstructive sleep apnea (OSA) is common in epilepsy patients, and treatment adherence issues are confronted daily. Positive airway pressure (PAP) adherence may be even more challenging for epilepsy patients than those who are healthy, but this has not been examined systematically. This study investigated whether epilepsy patients with comorbid OSA are more likely to be nonadherent to PAP therapy than adults with OSA but without epilepsy. This retrospective study included 23 epilepsy patients diagnosed with OSA and a group of 23 control subjects who did not have epilepsy but were matched for age, sex, and severity of OSA. All participants started PAP treatment, and subject’s adherence was continuously recorded electronically, including hours and days of use, pressure received, and any residual respiratory events. Comparisons were made at 1-month, 3-month, and 1-year following PAP initiation, and predictors to poor adherence were evaluated. Patients with epilepsy were less adherent to PAP than OSA control subjects during the 1-year follow-up period, with the most prominent difference in adherence rates seen at 1-month (13% versus 78%, p=0.007). During this first month interval, average PAP use was lower in epilepsy patients (4.7 ± 2.1 hours) relative to controls (6.1 ± 1.2 hours, p=0.01). Despite sustained PAP use, epilepsy patients had a greater residual apnea/hypopnea index (AHI) at all study endpoints and were five times more likely than controls to have residual apnea events above normal range (≥5 event/hour). However, no clinical characteristics could significantly predict poor PAP adherence in patients. Epilepsy patients are less likely to be adherent to PAP therapy, as compared to adults with OSA. Moreover, PAP therapy could not sufficiently reduce AHI in up to 72% of patients. These findings highlight the need for careful monitoring of PAP use in epilepsy patients, as untreated OSA may worsen seizure burden. Canadian Institutes of Health Research.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,001 | 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 ».