Development of a clinical model to predict vagus nerve stimulation response in pediatric patients with drug-resistant epilepsy
Notice bibliographique
Résumé
OBJECTIVE: Epilepsy impacts 470,000 children in the United States. For patients with drug-resistant epilepsy (DRE) and unresectable seizure foci, vagus nerve stimulation (VNS) is a treatment option. Predicting response to VNS has been historically challenging. The objective of this study was to create a clinical VNS prediction tool for use in an outpatient setting. METHODS: The authors performed an 11-year retrospective cohort analysis with 1-year follow-up. Patients < 21 years of age with DRE who underwent VNS (n = 365) were included. Logistic regressions were performed to assess clinical factors associated with VNS response (≥ 50% seizure frequency reduction after 1 year); 70% and 30% of the sample were used to train and validate the multivariable model, respectively. A prediction score was subsequently developed. Sensitivity, specificity, and area under the receiver operating characteristic curve (AUC) were calculated. RESULTS: Variables associated with VNS response were < 4-year epilepsy duration before VNS (p = 0.008) and focal motor seizures (p = 0.037). The variables included in the clinical prediction score were epilepsy duration before VNS, age at seizure onset, number of pre-VNS antiseizure medications, if VNS was the patient's first therapeutic epilepsy surgery, and predominant seizure semiology. The final AUCs were 0.7013 for the "fitted" sample and 0.6159 for the "validation" sample. CONCLUSIONS: The authors developed a clinical model to predict VNS response in a large sample of pediatric patients treated with VNS. Despite the large sample size, clinical variables alone were not able to accurately predict VNS response. This score may be useful after further validation, although its predictive ability underscores the need for more robust biomarkers to predict treatment response.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| 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 | 0,001 |
| 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 ».