Nomograms to Predict Verbal Memory Decline After Temporal Lobe Resection in Adults With Epilepsy
Notice bibliographique
Résumé
OBJECTIVE: To develop and externally validate models to predict the probability of postoperative verbal memory decline in adults after temporal lobe resection (TLR) for epilepsy using easily accessible preoperative clinical predictors. METHODS: Multivariable models were developed to predict delayed verbal memory outcome on 3 commonly used measures: Rey Auditory Verbal Learning Test (RAVLT) and Logical Memory (LM) and Verbal Paired Associates (VPA) subtests from Wechsler Memory Scale-Third Edition. With the use of the Harrell step-down procedure for variable selection, models were developed in 359 adults who underwent TLR at the Cleveland Clinic and validated in 290 adults at 1 of 5 epilepsy surgery centers in the United States or Canada. RESULTS: Twenty-nine percent of the development cohort and 26% of the validation cohort demonstrated significant decline on at least 1 verbal memory measure. Initial models had good to excellent predictive accuracy (calibration [c] statistic range 0.77-0.80) in identifying patients with memory decline; however, models slightly underestimated decline in the validation cohort. Model coefficients were updated with data from both cohorts to improve stability. The model for RAVLT included surgery side, baseline memory score, and hippocampal resection. The models for LM and VPA included surgery side, baseline score, and education. Updated model performance was good to excellent (RAVLT c = 0.81, LM c = 0.76, VPA c = 0.78). Model calibration was very good, indicating no systematic overestimation or underestimation of risk. CONCLUSIONS: Nomograms are provided in 2 easy-to-use formats to assist clinicians in estimating the probability of verbal memory decline in adults considering TLR for treatment of epilepsy. CLASSIFICATION OF EVIDENCE: This study provides Class II evidence that multivariable prediction models accurately predict verbal memory decline after TLR for epilepsy in adults.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».