Electroencephalography monitoring in critically ill children: Current practice and implications for future study design
Notice bibliographique
Résumé
PURPOSE: Survey data indicate that continuous electroencephalography (EEG) (CEEG) monitoring is used with increasing frequency to identify electrographic seizures in critically ill children, but studies of current CEEG practice have not been conducted. We aimed to describe the clinical utilization of CEEG in critically ill children at tertiary care hospitals with a particular focus on variables essential for designing feasible prospective multicenter studies evaluating the impact of electrographic seizures on outcome. METHODS: Eleven North American centers retrospectively enrolled 550 consecutive critically ill children who underwent CEEG. We collected data regarding subject characteristics, CEEG indications, and CEEG findings. KEY FINDINGS: CEEG indications were encephalopathy with possible seizures in 67% of subjects, event characterization in 38% of subjects, and management of refractory status epilepticus in 11% of subjects. CEEG was initiated outside routine work hours in 47% of subjects. CEEG duration was <12 h in 16%, 12-24 h in 34%, and >24 h in 48%. Substantial variability existed among sites in CEEG indications and neurologic diagnoses, yet within each acute neurologic diagnosis category a similar proportion of subjects at each site had electrographic seizures. Electrographic seizure characteristics including distribution and duration varied across sites and neurologic diagnoses. SIGNIFICANCE: These data provide a systematic assessment of recent CEEG use in critically ill children and indicate variability in practice. The results suggest that multicenter studies are feasible if CEEG monitoring pathways can be standardized. However, the data also indicate that electrographic seizure variability must be considered when designing studies that address the impact of electrographic seizures on outcome.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».