Critical care EEG monitoring in children with abusive head trauma: A retrospective study of seizure burden and predictors of neurological outcomes
Notice bibliographique
Résumé
OBJECTIVES: Abusive Head Trauma (AHT) remains an important cause of acute seizures, morbidity, and mortality in children. We aimed to assess the clinical and electrographic seizure burden in children with AHT and to explore predictors of morbidity and mortality. METHODS: We conducted a retrospective chart review of all children admitted with AHT who underwent continuous electroencephalographic monitoring (cEEG) between January 1st, 2015, and April 15th, 2021. Their clinical, EEG and imaging variables were extracted and summarized. RESULTS: A total of 31 children (17 female) were included. The median age was 3 months (IQR 1.75-5). Forty-five percent of cases presented in the winter season (p = 0.024). In 25 cases out of 31, cEEG detected electrographic seizures, with 6 of these children not manifesting clinical seizures. A shorter time to first recorded seizure during cEEG was a significant predictor of in-hospital mortality (p = 0.012) and the maximum 1-hour seizure count was higher in children with worse cerebral outcomes (p = 0.008). A normal EEG background activity during cEEG was associated with favorable neurological outcomes (p = 0.008). The hospital mortality rate was 23 %. CONCLUSION: Almost 20 % of children with AHT had seizures recognized exclusively by cEEG. Normal cEEG background activity predicted a better outcome, while a shorter time to the first recorded seizure was associated with a higher in-hospital mortality. Corroborating prior reports, we found a significant clustering of cases during the winter. These results could enhance AHT prevention strategies and case prognostication.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».