Outcomes of stereoelectroencephalography exploration at an epilepsy surgery center
Notice bibliographique
Résumé
OBJECTIVES: Epilepsy surgery is offered in resistant focal epilepsy. Non-invasive investigations like scalp video EEG monitoring (SVEM) help delineate epileptogenic zone. Complex cases may require intracranial video EEG monitoring (IVEM). Stereoelectroencephalography (SEEG)-based intracerebral electrode implantation has better spatial resolution, lower morbidity, better tolerance, and superiority in sampling deep structures. Our objectives were to assess IVEM using SEEG with regard to reasoning behind implantation, course, surgical interventions, and outcomes. MATERIALS AND METHODS: Seventy-two admissions for SEEG from January 2014 to December 2018 were included in the study. Demographic and clinical data were retrospectively collected. RESULTS: The cohort comprised of 69 adults of which 34 (47%) had lesional MRI. Reasons for SEEG considering all cases included non-localizing ictal onset (76%), ictal-interictal discordance (21%), discordant semiology (17%), proximity to eloquent cortex (33%), nuclear imaging discordance (34%), and discordance with neuropsychology (19%). Among lesional cases, additional reasons included SVEM discordance (68%) and dual or multiple pathology (47%). Forty-eight patients (67%) were offered resective surgery, and 41 underwent it. Twenty-three (56%) had at least one year post-surgical follow-up of which 14 (61%) had Engels class I outcome. Of the remaining 23 who were continued on medical management, 4 (17%) became seizure-free and 12 (51%) had reduction in seizure frequency. CONCLUSION: SEEG monitoring is an important and safe tool for presurgical evaluation with good surgical and non-surgical outcomes. Whether seizure freedom following non-surgical management could be related to SEEG implantation, medication change, or natural course needs to be determined.
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) | 0,001 | 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 ».