Literature review and protocol for a prospective multicentre cohort study on multimodal prediction of seizure recurrence after unprovoked first seizure
Notice bibliographique
Résumé
INTRODUCTION: Epilepsy is a common neurological disorder characterised by recurrent seizures. Almost half of patients who have an unprovoked first seizure (UFS) have additional seizures and develop epilepsy. No current predictive models exist to determine who has a higher risk of recurrence to guide treatment. Emerging evidence suggests alterations in cognition, mood and brain connectivity exist in the population with UFS. Baseline evaluations of these factors following a UFS will enable the development of the first multimodal biomarker-based predictive model of seizure recurrence in adults with UFS. METHODS AND ANALYSIS: 200 patients and 75 matched healthy controls (aged 18-65) from the Kingston and Halifax First Seizure Clinics will undergo neuropsychological assessments, structural and functional MRI, and electroencephalography. Seizure recurrence will be assessed prospectively. Regular follow-ups will occur at 3, 6, 9 and 12 months to monitor recurrence. Comparisons will be made between patients with UFS and healthy control groups, as well as between patients with and without seizure recurrence at follow-up. A multimodal machine-learning model will be trained to predict seizure recurrence at 12 months. ETHICS AND DISSEMINATION: This study was approved by the Health Sciences and Affiliated Teaching Hospitals Research Ethics Board at Queen's University (DMED-2681-22) and the Nova Scotia Research Ethics Board (1028519). It is supported by the Canadian Institutes of Health Research (PJT-183906). Findings will be presented at national and international conferences, published in peer-reviewed journals and presented to the public via patient support organisation newsletters and talks. TRIAL REGISTRATION NUMBER: NCT05724719.
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 | 0,046 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,011 | 0,008 |
| Bibliométrie | 0,014 | 0,011 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,126 | 0,020 |
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 ».