MétaCan
Menu
Retour à la cohorte
Enregistrement W3142799381 · doi:10.3988/jcn.2021.17.2.176

Systematic Literature Review of Psychiatric Comorbidities in Adults with Epilepsy

2021· review· en· W3142799381 sur OpenAlexaboutno aff
Elaine Lu, Nataliya Pyatka, Christopher J. Burant, Martha Sajatovic

Notice bibliographique

RevueJournal of Clinical Neurology · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueEpilepsy research and treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEpilepsyPsychiatryPsychiatric comorbidityComorbidityPsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND PURPOSE: Mental illness is disproportionately common in people with epilepsy (PWE). This systematic literature review identified original research articles that reported the prevalence of psychiatric comorbidities based upon clinical assessments in a sample of PWE and assessed the clinical features of the populations found in studies included in our review of mental health comorbidity. METHODS: The included articles were written in English and published from 2008 to 2018, and focused on adults aged ≥18 years who had psychiatric diagnoses determined in clinical assessments, such as those found in medical records, clinician psychiatric evaluations, structured diagnostic interviews, and mental health screening questionnaires specific for a psychiatric disorder. The primary outcome was the prevalence of psychiatric comorbidities as a percentage of the total sample of PWE. Additional data included the overall sample size, mean age, epilepsy type, study design, and method of diagnosis. A modified Newcastle Ottawa Scale was used to assess the quality of the studies. All 23 articles that were consistent with the inclusion criteria were related to observational studies. RESULTS: Mood disorders and anxiety disorders were the most common psychiatric comorbidities, with prevalence rates of 35.0% and 25.6%, respectively. Major depressive disorder was the most common mood disorder, with a prevalence of 24.2%. Post-traumatic stress disorder (PTSD) had the highest reported prevalence among anxiety disorders, at 14.2%, followed by general anxiety disorder at 11.1%. Other comorbidities included psychosis (5.7%), obsessivecompulsive disorder (3.8%), schizophrenia (1.7%), bipolar disorder (6.2%), and substance abuse (7.9%). The pooled prevalence of suicidality, as reported for two studies, was 9.3%. Temporal lobe epilepsy (TLE) was associated with higher levels of psychiatric comorbidity. Two (8.7%) of the 23 studies compared psychiatric comorbidities in TLE with that of extratemporal lobe epilepsy (ETLE), and one of these two studies found that depression was more common in TLE (53.8%) than in ETLE (25%). Regarding seizure types, partial seizures were associated with a higher prevalence of depression vs generalized seizures. CONCLUSIONS: This systematic literature review of recent original research found a relatively high prevalence of mental health comorbidities in PWE. Mood and anxiety disorders are the most common comorbidities, while psychotic spectrum conditions such as schizophrenia and bipolar disorder are much rarer. The prevalence of comorbidity may vary with the epilepsy type and treatment responsiveness. These findings suggest that screening tools for depression and anxiety should be included as part of the training for epilepsy care, while resources for other relatively common conditions such as PTSD and substance abuse disorders should be readily available to neurology specialists who treat PWE.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,030
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0170,015
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,443
Écart entre enseignants0,381 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations172
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical NeurologyMême sujetEpilepsy research and treatmentTravaux en français237 207