C.3 Childhood Absence Epilepsy: Prevalence of neuropsychiatric comorbidities and predictors of treatment resistance
Notice bibliographique
Résumé
Background: Seizures in childhood absence epilepsy (CAE) are typically easily controlled with anti-seizure medications (ASMs). Factors predictive of treatment resistance remain unclear. Our objectives were to assess prevalence of neuropsychiatric problems and factors influencing treatment resistance in a cohort of CAE at a single centre. Methods: We retrospectively reviewed patients with CAE diagnosed between January 1999 and December 2016 with at least 1-year follow-up. Treatment resistance was defined as failure to respond to two appropriate ASMs. Exclusion criteria included eyelid myoclonia with absence, myoclonic absence, and generalized tonic-clonic (GTC) seizures prior to absence seizures. Results: The study population comprised 164 patients (65 males) with mean age at seizures onset of 6.1years. 21% had treatment-resistant seizures. The first ASM was Ethosuximide (63.4%), Valproic acid (23.2%), and Lamotrigine (6.7%). 32.9% of children had learning disabilities, 28.7% ADHD, and 12.8 % anxiety. A stepwise binary logistic regression analysis identified GTC seizures, learning disability (LD) and ongoing general spike and wave on EEG as predictors of treatment resistance. At last follow-up (average of 5.4 years), 43.3% of children were seizure-free off ASMs. Conclusions: 21% of children with CAE had treatment-resistant seizures. LD, GTC and failure of normalization of the EEG were associated with treatment resistance.
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 | 0,000 | 0,002 |
| 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 | 0,000 | 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) | 0,005 | 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 ».