Ten things every neurologist needs to know about neuropsychological assessments and interventions in people with epilepsy
Notice bibliographique
Résumé
This paper describes 10 core features of a neuropsychological assessment with the aim of helping neurologists understand the unique contribution the evaluation can make within the wider context of diagnostic methods in epilepsy. The possibilities, limitations and cautions associated with the investigation are discussed under the following headings. (1) A neuropsychological assessment is a collaborative investigation. (2) Assessment prior to treatment allows for the accurate assessment of treatment effects. (3) The nature of an underlying lesion and its neurodevelopmental context play an important role in shaping the associated neuropsychological deficit. (4) Cognitive and behavioural impairments result from the essential comorbidities of epilepsy which can be considered as much a disorder of cognition and behaviour as of seizures. (5) Patients' subjective complaints can help us understand objective cognitive impairments and their underlying neuroanatomy, resulting in improved patient care. At other times, patient complaints reflect other factors and require careful interpretation. (6) The results from a neuropsychological assessment can be used to maximize the educational and occupational potentials of people with epilepsy. (7) Not all patients are able to engage with a neuropsychological assessment. (8) There are limitations in assessments conducted in a second language with tests that have been standardized on different populations from that of the patient. (9) Adequate intervals between assessments maximize sensitivity to meaningful change. (10) Patients should be fully informed about the purpose of the assessment and have realistic expectations of the outcome prior to referral.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,003 |
| 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 ».