MétaCan
Menu
Retour à la cohorte
Enregistrement W2137129417 · doi:10.1093/brain/awu042

Seizure burden is independently associated with short term outcome in critically ill children

2014· article· en· W2137129417 sur OpenAlexafffund
Eric T. Payne, Xiu Yan Zhao, Helena Frndova, Kristin McBain, Rohit Sharma, James S. Hutchison, Cecil D. Hahn

Notice bibliographique

RevueBrain · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueEpilepsy research and treatment
Établissements canadiensUniversity of TorontoHospital for Sick Children
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésInterquartile rangeMedicineStatus epilepticusConfidence intervalPediatricsEpilepsyElectroencephalographyCritically illSeverity of illnessAnesthesiaInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Seizures are common among critically ill children, but their relationship to outcome remains unclear. We sought to quantify the relationship between electrographic seizure burden and short-term neurological outcome, while controlling for diagnosis and illness severity. Furthermore, we sought to determine whether there is a seizure burden threshold above which there is an increased probability of neurological decline. We prospectively evaluated all infants and children admitted to our paediatric and cardiac intensive care units who underwent clinically ordered continuous video-electroencephalography monitoring over a 3-year period. Seizure burden was quantified by calculating the maximum percentage of any hour that was occupied by electrographic seizures. Outcome measures included neurological decline, defined as a worsening Paediatric Cerebral Performance Category score between hospital admission and discharge, and in-hospital mortality. Two hundred and fifty-nine subjects were evaluated (51% male) with a median age of 2.2 years (interquartile range: 0.3 days-9.7 years). The median duration of continuous video-electroencephalography monitoring was 37 h (interquartile range: 21-56 h). Seizures occurred in 93 subjects (36%, 95% confidence interval = 30-42%), with 23 (9%, 95% confidence interval = 5-12%) experiencing status epilepticus. Neurological decline was observed in 174 subjects (67%), who had a mean maximum seizure burden of 15.7% per hour, compared to 1.8% per hour for those without neurological decline (P < 0.0001). Above a maximum seizure burden threshold of 20% per hour (12 min), both the probability and magnitude of neurological decline rose sharply (P < 0.0001) across all diagnostic categories. On multivariable analysis adjusting for diagnosis and illness severity, the odds of neurological decline increased by 1.13 (95% confidence interval = 1.05-1.21, P = 0.0016) for every 1% increase in maximum hourly seizure burden. Seizure burden was not associated with mortality (odds ratio: 1.003, 95% confidence interval: 0.99-1.02, P = 0.613). We conclude that in this cohort of critically ill children, increasing seizure burden was independently associated with a greater probability and magnitude of neurological decline. Our observation that a seizure burden of more than 12 min in a given hour was strongly associated with neurological decline suggests that early antiepileptic drug management is warranted in this population, and identifies this seizure burden threshold as a potential therapeutic target. These findings support the hypothesis that electrographic seizures independently contribute to brain injury and worsen outcome. Our results motivate and inform the design of future studies to determine whether more aggressive seizure treatment can improve 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,017
Tête enseignante GPT0,310
Écart entre enseignants0,293 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations372
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBrainMême sujetEpilepsy research and treatmentTravaux en français237 207