Hyperkinetic Lingual Movements Resulting from Epileptogenesis: A 13-Patient Cohort Study on Lingual Seizures
Notice bibliographique
Résumé
OBJECTIVES: Lingual seizures are rare hyperkinetic tongue movements with significant clinical implications due to their epileptogenic origin. Despite their diagnostic value, these seizures are often underrecognized, particularly when electroencephalographic (EEG) findings are inconclusive. This study aims to characterize their clinical features, EEG patterns, imaging findings and underlying causes, emphasizing the need for increased awareness and improved diagnosis. METHODS: A retrospective review identified patients with isolated lingual seizures or those with additional motor involvement. Data on demographics, seizure characteristics, EEG findings, imaging results and underlying causes were collected and analyzed. Seizures were classified based on the International League Against Epilepsy (ILAE) 2017 framework to refine their clinical and diagnostic profiles. RESULTS: Thirteen patients were identified: 11 with focal-aware and 1 with focal-unaware seizures. Seven had epilepsia partialis continua, and five experienced frequent seizures. Seizure involvement was limited to the tongue in four cases, extended to cranial muscles in seven and affected the tongue, cranial and extremity muscles in two. Significant ictal EEG findings were noted in only three patients with extensive motor involvement. However, nine patients had acute cerebral lesions, associated with glial tumors, encephalitis, chronic gliosis or cortical hemorrhage. CONCLUSIONS: This study provides a detailed characterization of lingual seizures, highlighting their clinical, electrophysiological and imaging features. Given their rarity and underdiagnosis, our findings offer valuable guidance for clinicians, underscoring the importance of improved recognition and diagnostic strategies for this distinct seizure type.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».