MétaCan
Menu
Retour à la cohorte
Enregistrement W4225129410 · doi:10.33588/rn.7409.2022041

Epilepsy with catamenial pattern

2022· review· en· W4225129410 sur OpenAlexaff
Gaby Moscol, Poul Espino, Luis Carlos Mayor, Jorge G. Burneo

Notice bibliographique

RevueRevista de Neurología · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueEpilepsy research and treatment
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésEpilepsyPsychologyMedicineNeuroscience

Résumé

récupéré en direct d'OpenAlex

Catamenial pattern epilepsy is defined as an increase in the frequency of seizures during a specific stage of the menstrual cycle compared to baseline. It has been described that around a third of women with epilepsy have a catamenial pattern. The changes in the seizure pattern would be explained by the influence of catamenial fluctuations, of female gonadal hormones on neuronal excitability. Progesterone through its metabolite allopregnanolone plays a protective role by increasing GABAergic transmission; however, its effect on brain progesterone receptors can increase neuronal excitability. The effects of estrogens are complex, they tend to increase neuronal excitability, although their effects depend on their concentration and exposure time. Three catamenial patterns of seizure exacerbation have been proposed: the perimenstrual pattern, the periovulatory pattern, and the luteal pattern. The diagnostic approach is carried out through a systematic process of 4 steps: a) clinical history of the pattern of the menstrual cycle and epileptic seizures; b) diagnostic methods to characterize the menstrual cycle and the pattern of seizures; c) check diagnostic criteria; and d) categorize the catamenial pattern. The treatment options studied require a higher level of evidence, and there is no specific treatment. Optimization of conventional antiseizure treatment is recommended as the first therapeutic option. Other therapeutic options, such as non-hormonal and hormonal treatments, could be useful in case the first therapeutic option proves to be ineffective.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,345
Écart entre enseignants0,292 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista de NeurologíaMême sujetEpilepsy research and treatmentTravaux en français237 207