P.090 Investigating deep brain stimulation parameters for drug resistant epilepsy treatment: a literature review
Notice bibliographique
Résumé
Background: Drug-resistant epilepsy (DRE), defined by persistent seizures despite appropriate anti-seizure medication trials, affects about one-third of individuals with epilepsy. Deep brain stimulation (DBS) has emerged as a promising avenue for improved seizure control. This project reviews existing publications to better understand the neuromodulation parameters used in DBS, aiming to inform clinical decisions on optimizing treatment parameters in patients living with DRE. Methods: A comprehensive literature search of PubMed and Google Scholar was conducted using the keywords “DBS,” “epilepsy,” and “parameters.” Only original studies reporting specific stimulation parameters were included, with meta-analyses and review papers excluded. A weighted Pearson correlation, using study sample size as the weight, examined frequency, pulse width, seizure reduction, and responder rate. Results: So far, 28 studies (1997-2024) have been reviewed, encompassing a total of 1,054 patients, with study size ranging from 1-250 patients. Electrode targets included the hippocampus, ANT, amygdala, centromedian nucleus, and STN. DBS frequencies ranged from 60–333 Hz, and pulse widths from 40–450 µs. Pearson correlation results suggest moderate frequencies (130–145 Hz) and wider pulse widths (300–450 µs) correlate with better seizure reduction and higher responder rates. Conclusions: These results support a formal meta-analysis to further investigate neuromodulation parameters to improve outcomes for DRE 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 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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,011 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».