Epileptic Prodromes: Insights from Surveying 196 Patients and 150 Caregivers
Notice bibliographique
Résumé
ABSTRACT: Objective: Uncontrolled epilepsy creates a constant source of worry for patients and puts them at a high risk of injury. Identifying recurrent “premonitory” symptoms of seizures and using them to recalibrate seizure prediction algorithms may improve prediction performances. This study aimed to investigate patients’ ability to predict oncoming seizures based on preictal symptoms. Methods: Through an online survey, demographics and clinical characteristics (e.g., seizure frequency, epilepsy duration, and postictal symptom duration) were collected from people with epilepsy and caregivers across Canada. Respondents were asked to answer questions regarding their ability to predict seizures through warning symptoms. A total of 196 patients and 150 caregivers were included and were separated into three groups: those who reported warning symptoms within the 5 minutes preceding a seizure, prodromes (symptoms earlier than 5 minutes before seizure), and no warning symptoms. Results: Overall, 12.2% of patients and 12.0% of caregivers reported predictive prodromes ranging from 5 minutes to more than 24 hours before the seizures (median of 2 hours). The most common were dizziness/vertigo (28%), mood changes (26%), and cognitive changes (21%). Statistical testing showed that respondents who reported prodromes also reported significantly longer postictal recovery periods compared to those who did not report predictive prodromes (P < 0.05). Conclusion: Findings suggest that patients who present predictive seizure prodromes may be characterized by longer patient-reported postictal recovery periods. Studying the correlation between seizure severity and predictability and investigating the electrical activity underlying prodromes may improve our understanding of preictal mechanisms and ability to predict seizures.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».