MétaCan
Menu
← Back to cohort
Record W7104250589 · doi:10.71781/709

Conséquences imprévues : comprendre les maladies cardiovasculaires chez les adultes âgés atteints d’épilepsie

2020· dissertation· fr· W7104250589 on OpenAlexaboutno aff

Bibliographic record

VenuePapyrus : Institutional Repository (Université de Montréal) · 2020
Typedissertation
Languagefr
FieldMedicine
TopicEpilepsy research and treatment
Canadian institutionsnot available
Fundersnot available
KeywordsPopulationMedical screeningRisk factorArterial disease

Abstract

fetched live from OpenAlex

INTRODUCTION. La charge mondiale des maladies cardiovasculaires (MCV) ne cesse d’augmenter. Une population particulièrement vulnérable à ces maladies est celle des adultes âgés ayant une maladie neurologique : l’épilepsie. Plusieurs études démontrent que les adultes âgés atteints d’épilepsie ont un risque plus élevé de développer une MCV par rapport à la population générale. Cette association est étonnamment peu étudiée chez cette population. Afin de développer des programmes de soins de santé pour prévenir l’apparition de comorbidité de MCV chez les personnes atteintes d’épilepsie, dresser un portrait précis des adultes âgés atteints d’épilepsie est nécessaire. OBJECTIFS. Afin de combler les lacunes de la littérature scientifique sur les causes du fardeau élevé des MCV chez les adultes âgés atteints d’épilepsie, l’objectif de ce mémoire est d’étudier la répartition des facteurs sociaux, mode de vie et comportements, ainsi que des maladies chroniques connues comme étant des facteurs de risque de MCV chez les adultes âgés atteints d’épilepsie comparée à la population générale. En outre, nous visons à mesurer l’association transversale entre l’épilepsie et les MCV chez les adultes âgés, avec et sans ajustement pour des antécédents d’accidents vasculaires cérébraux (AVC), ainsi qu’à trouver des preuves d’interactions entre l’épilepsie et les facteurs de risque de MCV. MÉTHODES. Nous avons analysé les données de 44 817 participants de l’Étude longitudinale canadienne sur le vieillissement (ÉLCV), une cohorte d’étude longitudinale composée d’individus âgés d’au moins 45 ans et plus dont plus de 700 personnes ont des antécédents d’épilepsie autodéclarés au cours de leur vie. En ajustant pour l’âge, le sexe et le statut d’AVC, nous avons utilisé la régression log-binomiale pour modéliser les associations transversales entre les facteurs de risque de MCV, l’épilepsie et les MCV telles que les maladies cardiaques, les maladies vasculaires périphériques et les infarctus du myocarde. Nous avons comparé le fardeau des MCV attribuable par les AVC dans la population avec et sans épilepsie. Des modèles de régression multivariés ont également été stratifiés en fonction du statut d’épilepsie afin d’observer des différences dans ces associations entre les personnes atteintes d’épilepsie et les personnes non atteintes d’épilepsie. Finalement, nous avons testé l’existence d’interactions entre les facteurs de risque de MCV et l’épilepsie, et leur association avec le statut de MCV. Nous avons utilisé l’imputation multiple pour remplacer les données manquantes. RÉSULTATS. La majorité des caractéristiques sociodémographiques, mode de vie et comportements et maladies chroniques, sélectionnées comme facteurs de risque de MCV dans notre étude, étaient significativement plus prévalentes chez les personnes atteintes d’épilepsie comparée à la population générale non atteinte d’épilepsie. Le fardeau des MCV attribuable par les AVC chez les personnes atteintes d’épilepsie n’était que de 36 %, soit un taux similaire à celui de la population générale qui lui s’élevait à 32 %. Même après l’ajustement du statut d’AVC, ainsi que de l’âge et du sexe, les personnes atteintes d’épilepsie présentaient une prévalence significativement plus élevée de maladies cardiaques [ratio de prévalence (PR) = 1,27 (IC à 95 % : 1,02-1,57)] et de maladies vasculaires périphériques [PR = 1,88 (IC à 95 % : 1,50-2,36)]. Bien qu’elle ne soit plus significative, la tendance vers une augmentation de la prévalence des infarctus du myocarde chez les personnes atteintes d’épilepsie était maintenue [PR = 1,19 (IC à 95 % : 0,89-1,60)]. Finalement, parmi tous les facteurs de risque de MCV, seuls l’âge, l’hypertension et la maladie pulmonaire chronique obstructive ont été associés à une augmentation significative de la prévalence d’une ou plusieurs MCV. CONCLUSION. La grande taille de l’échantillon et l’étendue des informations sur la santé saisies par l’ÉLCV (c’est-à-dire démographiques, sociales, physiques, psychologiques, économiques, physiologiques) nous ont permis de modéliser une analyse approfondie et de présenter un reflet juste d’une population d’adultes âgés. Le mémoire présenté démontre que les facteurs de risque de MCV sont plus fréquemment observés chez les personnes atteintes d’épilepsie et l’association entre l’épilepsie et les MCV est indépendante de l’association entre l’épilepsie et les AVC. Ces résultats constituent une première étape importante pour mieux comprendre les origines des MCV chez les personnes atteintes d’épilepsie. L’analyse de médiation aurait pu être un moyen d’approfondir mes analyses. Cela n’a pas été possible avec l’analyse actuelle étant donné que nous n’avions aucun moyen d’établir la séquence temporelle de nos données. Les adultes âgés constituent une population vulnérable à laquelle les prestataires de soins de santé doivent accorder une attention particulière. Mener des études longitudinales sur les personnes dont les crises d'épilepsie viennent d'être diagnostiquées et qui présentent une maladie chronique, des caractéristiques sociodémographiques et un mode de vie entièrement caractérisé (avant et après le diagnostic d'épilepsie) sont nécessaires.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.006
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.018
Threshold uncertainty score0.036

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.006
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0010.001
Scholarly communication0.0010.001
Open science0.0000.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0060.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.011
GPT teacher head0.208
Teacher spread0.198 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designQualitative
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2020
Admission routes1
Has abstractyes

Explore more

Same venuePapyrus : Institutional Repository (Université de Montréal)→Same topicEpilepsy research and treatment→French-language works237,207→