Culturally Informed Neuropsychological Evaluations in Pediatric Epilepsy: Evidence-Based Practice Considerations
Notice bibliographique
Résumé
OBJECTIVE: Epilepsy is one of the most common reasons for referral for a pediatric neuropsychological evaluation due its high prevalence in childhood and our well-established clinical role in tertiary care settings. Emerging evidence indicates that racial and ethnic minority populations experience increased epilepsy burden compared with White peers. Although there has been heightened recognition in our specialty regarding the dire need for culturally and linguistically responsive evaluations, the scientific evidence to support effective neuropsychological service delivery for bi/multilingual and bi/multicultural youth with epilepsy is comparatively scant and of poor quality. As a result, significant patient and clinical challenges exist, particularly in high stakes presurgical pediatric epilepsy evaluations of bi/multilingual and bi/multicultural children. METHOD: Given that Spanish is the most common language spoken in the United States after English, this paper will focus on Spanish and English measures, but will provide evidence-based practice considerations that can inform practices with other non-English speaking communities. Cultural and linguistic factors that affect clinical decision-making regarding test selection, test interpretation, and feedback with families are highlighted. RESULTS: We offer a review of neuropsychological profiles associated with pediatric epilepsy as well as a flexible, multimodal approach for the assessment of linguistically and culturally diverse children with epilepsy based on empirical evidence and the clinical experiences of pediatric neuropsychologists from diverse backgrounds who work with children with epilepsy. CONCLUSION: Limitations to this approach are discussed, including the lack of available measures and resources for culturally and linguistically diverse pediatric populations. A case illustration highlights a culturally informed assessment approach.
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 | 0,042 | 0,167 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».