COVID-19-Induced Seizures: A Meta-Analysis of Case Series and Retrospective Cohorts
Notice bibliographique
Résumé
The adverse events and complications of coronavirus disease 2019 (COVID-19) continue to challenge the medical profession despite the worldwide vaccination against the severe acute respiratory coronavirus 2 (SARS-CoV-2), the causative agent of COVID-19. Other than typical respiratory manifestations, COVID-19 also presents a wide range of neurological manifestations. This article underlines the pooled incidence of COVID-19-induced seizures in patients with epilepsy and without epilepsy. Following Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) protocols, we conducted a bibliographical search, and an initial search revealed 1,375 articles. In total, 21 articles were included in the final analysis by following the inclusion criteria. A total of 11,526 patients from 21 published articles that met the predetermined search criteria were included. The median age of the patients was 61.9 years, of whom 51.5% were males. A total of 255 patients presented with seizures as the first manifestation of COVID-19 with a prevalence of 2.2% (95% confidence interval = 0.05-0.24, p < 0.01) (I2 = 97%), of which 71 patients had previously been diagnosed with epilepsy. Among patients with epilepsy, 49 patients had seizures as an initial presentation of SARA-CoV-2 with an incidence of 72% (0.54-0.85, p = 0.1) (I2 = 34). Although the incidence of COVID-19-induced seizures is not high compared to other neurological manifestations, seizure incidence in epileptic patients with COVID-19 is remarkably high. New-onset seizures in any patient should be considered a presentation of COVID-19 in the absence of other causative factors.
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 | 0,016 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,030 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».