Predicting mood decline following temporal lobe epilepsy surgery in adults
Notice bibliographique
Résumé
OBJECTIVE: To develop a model to predict the probability of mood decline in adults following temporal lobe resection for the treatment of pharmacoresistant epilepsy. METHODS: Variable selection was performed on 492 patients from the Cleveland Clinic using best subsets regression. After completing variable selection, a subset of variables was requested from four epilepsy surgery centers across North America (n = 100). All data were combined to develop a final model to predict postoperative mood decline (N = 592). Internal validation with bootstrap resampling was performed. A clinically significant increase in depressive symptoms was defined as a 15% increase in Beck Depression Inventory-Second Edition score and a postoperative raw score > 11. RESULTS: Fourteen percent of patients in the Cleveland Clinic cohort and 22% of patients in the external cohort experienced clinically significant increases in depressive symptoms following surgery. The final prediction model included six predictor variables: psychiatric history, resection side, relationship status, verbal fluency score, age at preoperative testing, and presence/absence of malformation of cortical development on magnetic resonance imaging. The model had an optimism-adjusted c-statistic of .70 and good calibration, with slight probability overestimation in higher risk patients. SIGNIFICANCE: Clinicians can utilize our nomogram via a paper tool or online calculator to estimate the risk of postoperative mood decline for individual patients prior to temporal lobe epilepsy surgery.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».