Frequency and Predictors of Nonconvulsive Seizures During Continuous Electroencephalographic Monitoring in Critically Ill Children
Notice bibliographique
Résumé
OBJECTIVE: To determine the incidence, predictors, and timing of nonconvulsive seizures (NCSz) during continuous electroencephalographic monitoring (cEEG) in critically ill children. METHODS: We identified critically ill children who underwent cEEG during a 4-year period. Multivariate logistic regression analysis was performed to determine variables associated with NCSz. RESULTS: Among 117 monitored children, 44% had seizures on cEEG and 39% had NCSz. The majority of patients with seizures (75%) had purely NCSz, and 23% of patients had status epilepticus, which was purely nonconvulsive in 89% of cases. Seizures occurred immediately on cEEG initiation in 15%, within 1 hour in 50%, and within 24 hours in 80%. Those with clinical seizures prior to cEEG were more likely to have NCSz on cEEG (83%) than those without prior seizures (17%). On multivariate analysis, NCSz were associated with periodic lateralized epileptiform discharges and absence of background reactivity. CONCLUSIONS: Seizures, the majority being NCSz, are common during cEEG in critically ill children (seen in 44% of patients). Half are detected in the first hour of recording, whereas 20% are not detected until after more than 24 hours of recording. Nonconvulsive seizures are associated with periodic lateralized epileptiform discharges and absence of reactivity on cEEG. This study confirms the importance of prolonged cEEG for critically ill children as a means to detect NCSz.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».