Deep brain stimulation for pediatric dystonia: a meta‐analysis with individual participant data
Notice bibliographique
Résumé
AIM: We performed a meta-analysis with individual participant data of deep brain stimulation (DBS) for dystonia in children and young people. METHOD: Three databases (PubMed, Embase, and Web of Science) were queried from January 1999 to August 2017 with no language restrictions to identify case studies and cohort studies reporting on pediatric patients (age ≤21y) with dystonia. The primary outcomes were changes in Burke-Fahn-Marsden (BFM) or Barry-Albright Dystonia Scale scores. A mixed-effects regression was used to identify associations between clinical covariates and outcomes. RESULTS: Of 2509 citations reviewed, 72 articles (321 children) were eligible. At last follow-up (median 12mo, 25th centile=9.0; 75th centile=32.2), 277 (86.3%) patients showed improvement in dystonia, while 66.1 percent showed clinically significant (>20%) BFM Dystonia Rating Scale-motor improvement. On multivariable hierarchical regression, older age at dystonia onset, inherited dystonia without nervous system pathology and idiopathic dystonia (vs inherited with nervous system pathology or acquired dystonia), and truncal involvement indicated a better outcome (p<0.05). INTERPRETATION: The data suggest that DBS is effective and should be considered in selected children with inherited or idiopathic dystonia. WHAT THIS PAPER ADDS: Deep brain stimulation is effective in selected children with inherited or idiopathic dystonia.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».