Trends in management of patients with new‐onset refractory status epilepticus (<scp>NORSE</scp>) from 2016 to 2023: An interim analysis
Notice bibliographique
Résumé
In response to the evolving treatment landscape for new-onset refractory status epilepticus (NORSE) and the publication of consensus recommendations in 2022, we conducted a comparative analysis of NORSE management over time. Seventy-seven patients were enrolled by 32 centers, from July 2016 to August 2023, in the NORSE/FIRES biorepository at Yale. Immunotherapy was administered to 88% of patients after a median of 3 days, with 52% receiving second-line immunotherapy after a median of 12 days (anakinra 29%, rituximab 25%, and tocilizumab 19%). There was an increase in the use of second-line immunotherapies (odds ratio [OR] = 1.4, 95% CI = 1.1-1.8) and ketogenic diet (OR = 1.8, 95% CI = 1.3-2.6) over time. Specifically, patients from 2022 to 2023 more frequently received second-line immunotherapy (69% vs 40%; OR = 3.3; 95% CI = 1.3-8.9)-particularly anakinra (50% vs 13%; OR = 6.5; 95% CI = 2.3-21.0), and the ketogenic diet (OR = 6.8; 95% CI = 2.5-20.1)-than those before 2022. Among the 27 patients who received anakinra and/or tocilizumab, earlier administration after status epilepticus onset correlated with a shorter duration of status epilepticus (ρ = .519, p = .005). Our findings indicate an evolution in NORSE management, emphasizing the increasing use of second-line immunotherapies and the ketogenic diet. Future research will clarify the impact of these treatments and their timing on patient outcomes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».