Introduction of Continuous Video EEG Monitoring into 2 Different NICU Models by Training Neonatal Nurses
Notice bibliographique
Résumé
BACKGROUND: Continuous video electroencephalographic (EEG) (cvEEG) monitoring is emerging as the standard of care for diagnosis and management of neonatal seizures. However, cvEEG is labor-intensive and the need to initiate and interpret studies on a 24-hour basis is a major limitation. PURPOSE: This study aims at establishing consistency in monitoring of newborns admitted to 2 different neonatal intensive care units (NICUs) managed by the same neurocritical care team. METHODS: Neonatal nurses were trained to apply scalp electrodes, troubleshoot technical issues, and identify amplitude-integrated EEG abnormalities. Guidelines, checklists, and visual training modules were developed. A central network system allowed remote access to the cvEEGs by the epileptologist for timely interpretation and feedback. A cohort of 100 infants with moderate to severe hypoxic-ischemic encephalopathy before and after the training program was compared. RESULTS: During the study period, 192 cvEEGs were obtained. The time to initiate brain monitoring decreased by 31.5 hours posttraining; this, in turn, led to an increase in electrographic seizure detection (20% before vs 34% after), decrease in seizure clinical misdiagnosis (65% before and 36% after), and reduction in antiseizure medication burden. IMPLICATIONS FOR PRACTICE: Training experienced NICU nurses to set up, start, and monitor cvEEGs can decrease the time to initiate cvEEGs, which may lead to better seizure diagnosis and management. IMPLICATIONS FOR RESEARCH: Further understanding of practice bundles for best supporting infants at risk and being treated for seizures needs to be evaluated for integration into practice.Video Abstract Available at https://journals.lww.com/advancesinneonatalcare/Pages/videogallery.aspx.
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 | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».