Drug-induced seizures in children and adolescents presenting for emergency care: Current and emerging trends
Notice bibliographique
Résumé
CONTEXT: Seizures may be the presenting manifestation of acute poisoning in children. Knowledge of the etiologic agent, or likely drug-class exposure, is crucial to minimize morbidity and optimize care. OBJECTIVES: To describe the agents most commonly responsible for pediatric drug-induced seizures, whose evaluation included a medical toxicology consultation in the United States. METHODS: Using the 37 participating sites of the Toxicology Investigators Consortium (ToxIC) Case Registry, a cross-country surveillance tool, we conducted an observational study of a prospectively collected cohort. We identified all pediatric (younger than 18 years) reports originating from an Emergency Department (ED) which included a chemical or drug-induced seizure, and required a medical toxicology consultation between April 1, 2010 and March 31, 2012. Results. We identified 142 pediatric drug-induced seizure cases (56% male), which represent nearly 5% of pediatric cases requiring bedside consultation by medical toxicologists. One-hundred and seven cases (75%) occurred in children aged 13-18 years, and 86 (61%) resulted from intentional ingestions. Antidepressants were the most commonly identified agents ingested (n = 61; 42%), of which bupropion was the leading drug (n = 30; 50% of antidepressants), followed by anticholinergics/antihistamines (n = 31; 22%). All antidepressant-induced seizures in teenagers were intentional and represented self-harm behavior. Sympathomimetic agents, including street drugs, represent the most common agents in children younger than 2 years (n = 4/19). CONCLUSION: Antidepressants, and specifically bupropion, are presently the most common medications responsible for pediatric drug-induced seizures requiring medical toxicology consultation in the United States. In teenagers presenting with new-onset seizures of unknown etiology, the possibility of deliberate self-poisoning should be explored, since most drug-induced seizures in this age group resulted from intentional ingestion.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».