Detection of electrographic seizures with continuous EEG monitoring in critically ill patients
Notice bibliographique
Résumé
OBJECTIVE: To identify patients most likely to have seizures documented on continuous EEG (cEEG) monitoring and patients who require more prolonged cEEG to record the first seizure. METHODS: Five hundred seventy consecutive patients who underwent cEEG monitoring over a 6.5-year period were reviewed for the detection of subclinical seizures or evaluation of unexplained decrease in level of consciousness. Baseline demographic, clinical, and EEG findings were recorded and a multivariate logistic regression analysis performed to identify factors associated with 1) any EEG seizure activity and 2) first seizure detected after >24 hours of monitoring. RESULTS: Seizures were detected in 19% (n = 110) of patients who underwent cEEG monitoring; the seizures were exclusively nonconvulsive in 92% (n = 101) of these patients. Among patients with seizures, 89% (n = 98) were in intensive care units at the time of monitoring. Electrographic seizures were associated with coma (odds ratio [OR] 7.7, 95% CI 4.2 to 14.2), age <18 years (OR 6.7, 95% CI 2.8 to 16.2), a history of epilepsy (OR 2.7, 95% CI 1.3 to 5.5), and convulsive seizures during the current illness prior to monitoring (OR 2.4, 95% CI 1.4 to 4.3). Seizures were detected within the first 24 hours of cEEG monitoring in 88% of all patients who would eventually have seizures detected by cEEG. In another 5% (n = 6), the first seizure was recorded on monitoring day 2, and in 7% (n = 8), the first seizure was detected after 48 hours of monitoring. Comatose patients were more likely to have their first seizure recorded after >24 hours of monitoring (20% vs 5% of noncomatose patients; OR 4.5, p = 0.018). CONCLUSIONS: CEEG monitoring detected seizure activity in 19% of patients, and the seizures were almost always nonconvulsive. Coma, age <18 years, a history of epilepsy, and convulsive seizures prior to monitoring were risk factors for electrographic seizures. Comatose patients frequently required >24 hours of monitoring to detect the first electrographic seizure.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».