The utility of ketogenic diet therapy in the management of epileptic spasms: A systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: We systematically reviewed the existing literature on the efficacy of the ketogenic diet (KD) in patients with epileptic spasms (ES) and analyzed predictors of seizure outcomes. METHODS: The Preferred Report Items for Systematic Reviews and Meta-Analysis (PRISMA) guidelines were followed. The primary outcome was the proportion of patients achieving 50-99 % spasm reduction at 3 months following KD initiation. Additional outcomes included the proportion of patients achieving complete spasm freedom at 1, 3, and 6 months. Meta-regression was employed to examine clinical determinants of seizure outcomes. RESULTS: Twenty-two studies (n = 1077 individuals) were included. There were 607 males (62.2 %) and 369 females (37.8 %) (k = 16 studies). The mean age of KD initiation was 16 months (SD: 5.4, range: 8.4-23 months) (k = 11 studies). Epilepsy etiology was reported in 453 individuals (k = 15 studies), 297 (65.6 %) had a known etiology and 156 (34.4 %) were unknown. Structural (n = 178, 59.9 %) and genetic/metabolic (n = 80, 26.9 %) causes were common. Most received the classic ketogenic diet (n = 975/1077, 90.5 %) and 102 patients (9.5 %) received the modified Atkins diet (MAD). At 3 months, 48 % (95 % CI: 40 %, 57 %) achieved a 50-99 % spasm reduction and 25 % (95 % CI: 17 %, 34 %), achieved spasm freedom. At 6 months, 41 % (95 % CI: 32 %, 50 %) achieved 50-99 % spasm reduction and 25 % (95 % CI: 17 %,35 %), achieved spasm freedom. Meta-regression did not identify predictors of treatment response. CONCLUSION: KD may be an effective treatment option for ES. However, predictors of clinical response were not identified, highlighting the need for larger studies to better understand them and long-term outcomes.
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 | 0,012 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».