Association between antiseizure medications and quality of life in epilepsy: A mediation analysis
Notice bibliographique
Résumé
Abstract Objective The relationship between antiseizure medications (ASMs), which improve health outcomes by controlling seizures, and health‐related quality of life (HRQOL) is poorly understood and may involve intermediate variables. We evaluated the potential mediators of the association between ASMs and HRQOL. Methods Data are from an outpatient registry of adult patients with epilepsy seen at the Foothills Medical Center, Calgary, Alberta, Canada. Quality of life was measured using the 10‐item Quality of Life in Epilepsy, and depression was measured using the Neurological Disorders Depression Inventory for Epilepsy. Propensity score matching was used to adjust for covariate imbalance between patients who received a single ASM (monotherapy) and those who received two or more ASMs (polytherapy) due to confounding. Mediation analysis was used to estimate the mediating effects of depression and ASM side effects on the association between patients' ASM polytherapy and HRQOL. Results Of 778 patients included in this analysis, 274 (35.2%) were on two or more ASMs. Patient‐reported depression and ASM side effects jointly mediated the association between ASMs and HRQOL; these mediators accounted for 42% of the total average effect of ASM polytherapy ( = −13.6, 95% confidence interval = −18.2 to −8.6) on HRQOL. Significance These findings highlight the importance of managing depression and ASM side effects for improving health outcomes of patients requiring treatment with ASMs. Intervention programs aimed at improving HRQOL of patients with epilepsy need to target these potential mediators.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».