Hemispherectomy Outcome Prediction Scale: Development and validation of a seizure freedom prediction tool
Notice bibliographique
Résumé
OBJECTIVE: To develop and validate a model to predict seizure freedom in children undergoing cerebral hemispheric surgery for the treatment of drug-resistant epilepsy. METHODS: We analyzed 1267 hemispheric surgeries performed in pediatric participants across 32 centers and 12 countries to identify predictors of seizure freedom at 3 months after surgery. A multivariate logistic regression model was developed based on 70% of the dataset (training set) and validated on 30% of the dataset (validation set). Missing data were handled using multiple imputation techniques. RESULTS: Overall, 817 of 1237 (66%) hemispheric surgeries led to seizure freedom (median follow-up = 24 months), and 1050 of 1237 (85%) were seizure-free at 12 months after surgery. A simple regression model containing age at seizure onset, presence of generalized seizure semiology, presence of contralateral 18-fluoro-2-deoxyglucose-positron emission tomography hypometabolism, etiologic substrate, and previous nonhemispheric resective surgery is predictive of seizure freedom (area under the curve = .72). A Hemispheric Surgery Outcome Prediction Scale (HOPS) score was devised that can be used to predict seizure freedom. SIGNIFICANCE: Children most likely to benefit from hemispheric surgery can be selected and counseled through the implementation of a scale derived from a multiple regression model. Importantly, children who are unlikely to experience seizure control can be spared from the complications and deficits associated with this surgery. The HOPS score is likely to help physicians in clinical decision-making.
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 ».