MétaCan
Menu
Retour à la cohorte
Enregistrement W4417305181 · doi:10.1016/j.yebeh.2025.110856

Transfer of Finnish adolescents with epilepsy to adult care: a population-based study

2025· article· en· W4417305181 sur OpenAlexaff
Matti Sillanpää, V N Reinhold, Leevi A. Toivonen, Peter Camfield

Notice bibliographique

RevueEpilepsy & Behavior · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAdolescent and Pediatric Healthcare
Établissements canadiensIzaak Walton Killam Health CentreDalhousie University
Organismes subventionnairesTurun Yliopisto
Mots-clésEpilepsySpecialtyIdentification (biology)Public healthHealth careYoung adultPublic healthcare

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Transferring adolescents with epilepsy (AWE) to adult care is a complex process, yet there is limited data on its overall epidemiology and clinical implications. OBJECTIVE: This population-based study analyzes the long-term clinical trajectories and predictors of transfer among AWE within a robust Finnish healthcare system. METHODS: A cohort of 439 AWE was followed for a mean of 10.28 years. Transfer outcomes, care settings, and long-term seizure control were evaluated for patients reaching transfer age, focusing on predictors of public adult specialty care. RESULTS: Of 222 AWE reaching transfer age, 189 (85.1 %) were transferred to adult services, with 64 % entering university hospital care. Remission was achieved in 23 % during extended follow-up, while 27 % remained drug-resistant. Multivariable analysis identified developmental and epileptic encephalopathy, specific developmental disorders, and comorbidities such as asthma, allergies, and obesity as significant predictors for public adult specialty care. Notably, changing the transfer age from 16 to 18 years had no significant effect on transfer rates. CONCLUSION: Transfer to adult specialty care affects the vast majority of AWE, imposing considerable demands on public health systems. These findings underscore the need for early identification of high-risk patients to inform resource planning and individualized care strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,389
Écart entre enseignants0,361 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEpilepsy & BehaviorMême sujetAdolescent and Pediatric HealthcareTravaux en français237 207