MétaCan
Menu
Retour à la cohorte
Enregistrement W3162237425 · doi:10.1212/wnl.0000000000012221

Nomograms to Predict Verbal Memory Decline After Temporal Lobe Resection in Adults With Epilepsy

2021· article· en· W3162237425 sur OpenAlexaffabout
Robyn M. Busch, Olivia Hogue, Margaret Miller, Lisa Ferguson, Mary Pat McAndrews, Marla J. Hamberger, Michelle Kim, Carrie R. McDonald, Anny Reyes, Daniel L. Drane, Bruce P. Hermann, William Bingaman, Imad Najm, Michael W. Kattan, Lara Jehi

Notice bibliographique

RevueNeurology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueEpilepsy research and treatment
Établissements canadiensOntario Brain InstituteUniversity of TorontoUniversity Health Network
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNational Institute of Mental Health
Mots-clésTemporal lobeEpilepsyNomogramVerbal memoryPsychologyResectionAudiologyNeuroscienceMedicineCognitionSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,753

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,011
Tête enseignante GPT0,272
Écart entre enseignants0,261 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations51
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeurologyMême sujetEpilepsy research and treatmentTravaux en français237 207