Prevalence of epileptiform electroencephalographic abnormalities in people without a history of seizures: A systematic review and meta‐analysis
Notice bibliographique
Résumé
Abnormal patterns identified on electroencephalogram (EEG) are one of the primary diagnostic tests for epilepsy. However, epidemiological studies have established that both benign and epileptiform abnormalities (EAs) occur on the EEG of nonepileptic, seizure-free people as well. The reported rates of EAs in nonepileptic, seizure-free populations vary, and the true prevalence is unknown. The primary objective of this systematic review and meta-analysis was to estimate the overall prevalence of EAs in the EEG of people without a history of seizures. Secondary aims were to characterize (1) the cortical localization of focal abnormalities, (2) the proportion of findings that occurred during standard EEG stimulation protocols, and (3) the persistence and implications of abnormalities at follow-up. A comprehensive electronic search of six bibliographic databases was completed: Embase, MEDLINE, PsycInfo, Cumulative Index of Nursing and Allied Health Literature, Cochrane Central Register for Controlled Trials, and Web of Science. No search date restrictions were applied. Overall effect size was calculated using a generalized linear mixed-effects model. Fifty-three studies, totaling 73 990 individuals, met our inclusion criteria. The overall point prevalence of EAs was 1.74% (95% confidence interval [CI] = 1.13-2.67). Due to the risk of bias in the literature, especially from participant selection, we believe this to be an overestimate of the true prevalence. Prevalence of EAs was greater in children (2.45%, 95% CI = 1.41-4.21) and the elderly (5.96%, 95% CI = 1.39-22.13) compared with adults (.93%, 95% CI = .48-1.80). Reports of developing epilepsy after an EA-positive EEG were rare. The likelihood of subsequent positive findings on follow-up EEG may be as high as 50%. Our study has limitations in that males were overrepresented in the study samples, there is substantial heterogeneity among studies, and many studies provided insufficient detail about their exclusion criteria. Nonetheless, our estimates provide benchmark data for future studies examining EAs in clinical populations, particularly behavioral and psychiatric populations.
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 | 0,012 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,029 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».