SUDEP in the North American SUDEP Registry
Notice bibliographique
Résumé
OBJECTIVE: To obtain medical records, family interviews, and death-related reports of sudden unexpected death in epilepsy (SUDEP) cases to better understand SUDEP. METHODS: All cases referred to the North American SUDEP Registry (NASR) between October 2011 and June 2018 were reviewed; cause of death was determined by consensus review. Available medical records, death scene investigation reports, autopsy reports, and next-of-kin interviews were reviewed for all cases of SUDEP. Seizure type, EEG, MRI, and SUDEP classification were adjudicated by 2 epileptologists. RESULTS: There were 237 definite and probable cases of SUDEP among 530 NASR participants. SUDEP decedents had a median age of 26 (range 1-70) years at death, and 38% were female. In 143 with sufficient information, 40% had generalized and 60% had focal epilepsy. SUDEP affected the full spectrum of epilepsies, from benign epilepsy with centrotemporal spikes (n = 3, 1%) to intractable epileptic encephalopathies (n = 27, 11%). Most (93%) SUDEPs were unwitnessed; 70% occurred during apparent sleep; and 69% of patients were prone. Only 37% of cases of SUDEP took their last dose of antiseizure medications (ASMs). Reported lifetime generalized tonic-clonic seizures (GTCS) were <10 in 33% and 0 in 4%. CONCLUSIONS: NASR participants commonly have clinical features that have been previously been associated with SUDEP risk such as young adult age, ASM nonadherence, and frequent GTCS. However, a sizeable minority of SUDEP occurred in patients thought to be treatment responsive or to have benign epilepsies. These results emphasize the importance of SUDEP education across the spectrum of epilepsy severities. We aim to make NASR data and biospecimens available for researchers to advance SUDEP understanding and prevention.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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 ».