Predicting postoperative epilepsy surgery satisfaction in adults using the 19‐item Epilepsy Surgery Satisfaction Questionnaire and machine learning
Notice bibliographique
Résumé
ABSTRACT Objective The 19‐item Epilepsy Surgery Satisfaction Questionnaire (ESSQ‐19) is a validated and reliable post hoc means of assessing patient satisfaction with epilepsy surgery. Prediction models building on these data can be used to counsel patients. Methods The ESSQ‐19 was derived and validated on 229 patients recruited from Canada and Sweden. We isolated 201 (88%) patients with complete clinical data for this analysis. These patients were adults (≥18 years old) who underwent epilepsy surgery 1 year or more prior to answering the questionnaire. We extracted each patient’s ESSQ‐19 score (scale is 0–100; 100 represents complete satisfaction) and relevant clinical variables that were standardized prior to the analysis. We used machine learning (linear kernel support vector regression [SVR]) to predict satisfaction and assessed performance using the R2 calculated following threefold cross‐validation. Model parameters were ranked to infer the importance of each clinical variable to overall satisfaction with epilepsy surgery. Results Median age was 41 years (interquartile range [IQR] = 32–53), and 116 (57%) were female. Median ESSQ‐19 global score was 68 (IQR = 59–75), and median time from surgery was 5.4 years (IQR = 2.0–8.9). Linear kernel SVR performed well following threefold cross‐validation, with an R2 of .44 (95% confidence interval = .36–.52). Increasing satisfaction was associated with postoperative self‐perceived quality of life, seizure freedom, and reductions in antiseizure medications. Self‐perceived epilepsy disability, age, and increasing frequency of seizures that impair awareness were associated with reduced satisfaction. Significance Machine learning applied postoperatively to the ESSQ‐19 can be used to predict surgical satisfaction. This algorithm, once externally validated, can be used in clinical settings by fixing immutable clinical characteristics and adjusting hypothesized postoperative variables, to counsel patients at an individual level on how satisfied they will be with differing surgical outcomes.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».