An Integrative Nomogram for Identifying Cognitive Impairment Using Seizure Type and Cerebral Small Vessel Disease Neuroimaging Markers in Patients with Late-Onset Epilepsy of Unknown Origin
Notice bibliographique
Résumé
INTRODUCTION: Cognitive impairment (CI) is a common comorbidity in patients with late-onset epilepsy of unknown origin (LOEU). However, limited data are available on effective screening methods for CI at an early stage. We aimed to develop and internally validate a nomogram for identifying patients with LOEU at risk of CI and investigate the potential moderating effect of education on the relationship between periventricular white matter hyperintensities (PVHs) and cognitive function. METHODS: We retrospectively reviewed the clinical data of 61 patients aged ≥ 55 years diagnosed with LOEU. The main outcome was CI, reflected as an adjusted Montreal Cognition Assessment score of < 26 points. A nomogram based on a multivariable logistic regression model was constructed. Its discriminative ability, calibration, and clinical applicability were tested using calibration plots, the area under the curve (AUC), and decision curves. Internal model validation was conducted using the bootstrap method. The moderating effect of education on the relationship between PVH and cognitive function was examined using hierarchical linear regression. RESULTS: Forty-four of 61 (72.1%) patients had CI. A nomogram incorporating seizure type, total cerebral small vessel disease burden score, and PVH score was built to identify the risk factors for CI. The AUC of the model was 0.881 (95% confidence interval: 0.771-0.994) and 0.78 (95% confidence interval: 0.75-0.8) after internal validation. Higher educational levels blunted the negative impact of PVH on cognitive function. CONCLUSION: Our nomogram provides a convenient tool for identifying patients with LOEU who are at risk of CI. Moreover, our findings demonstrate the importance of education for these patients.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».