The first-line management of psychogenic non-epileptic seizures (PNES) in adults in the emergency: a practical approach
Notice bibliographique
Résumé
Abstract Distinguishing non-epileptic events, especially psychogenic non-epileptic seizures (PNES), from epileptic seizures (ES) constitutes a diagnostic challenge. Misdiagnoses are frequent, especially when video-EEG recording, the gold-standard for PNES confirmation, cannot be completed. The issue is further complicated in cases of combined PNES with ES. In emergency units, a misdiagnosis can lead to extreme antiepileptic drug escalade, unnecessary resuscitation measures (intubation, catheterization, etc.), as well as needless biologic and imaging investigations. Outside of the acute window, an incorrect diagnosis can lead to prolonged hospitalization or increase of unhelpful antiepileptic drug therapy. Early recognition is thus desirable to initiate adequate treatment and improve prognosis. Considering experience-based strategies and a thorough review of the literature, we aimed to present the main clinical clues for physicians facing PNES in non-specialized units, before management is transferred to epileptologists and neuropsychiatrists. In such conditions, patient recall or witness-report provide the first orientation for the diagnosis, recognizing that collected information may be inaccurate. Thorough analysis of an event (live or based on home-video) may lead to a clinical diagnosis of PNES with a high confidence level. Indeed, a fluctuating course, crying with gestures of frustration, pelvic thrusting, eye closure during the episode, and the absence of postictal confusion and/or amnesia are highly suggestive of PNES. Moreover, induction and/or inhibition tests of PNES have a good diagnostic value when positive. Prolactinemia may also be a useful biomarker to distinguish PNES from epileptic seizures, especially following bilateral tonic-clonic seizures. Finally, regardless the level of certainty in the diagnosis of the PNES, it is important to subsequently refer the patient for epileptological and neuropsychiatric follow-up.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».