Prediction of good neurological outcome after return of circulation following paediatric cardiac arrest: A systematic review and meta-analysis
Notice bibliographique
Résumé
AIM: To evaluate the ability of blood-biomarkers, clinical examination, electrophysiology, or neuroimaging, assessed within 14 days from return of circulation to predict good neurological outcome in children following out- or in-hospital cardiac arrest. METHODS: Medline, EMBASE and Cochrane Trials databases were searched (2010-2023). Sensitivity and false positive rates (FPR) for good neurological outcome (defined as either 'no, mild, moderate disability or minimal change from baseline') in paediatric survivors were calculated for each predictor. Risk of bias was assessed using the QUIPS tool. RESULTS: Thirty-five studies (2974 children) were included. The presence of any of the following had a FPR < 30% for predicting good neurological outcome with moderate (50-75%) or high (>75%) sensitivity: bilateral reactive pupillary light response within 12 h; motor component ≥ 4 on the Glasgow Coma Scale score at 6 h; bilateral somatosensory evoked potentials at 24-72 h; sleep spindles, and continuous cortical activity on electroencephalography within 24 h; or a normal brain MRI at 4-6d. Early (≤12 h) normal lactate levels (<2mmol/L) or normal s100b, NSE or MBP levels predicted good neurological outcome with FPR rate < 30% and low (<50%) sensitivity. All studies had moderate to high risk of bias with timing of measurement, definition of test, use of multi-modal tests, or outcome assessment heterogeneity. CONCLUSIONS: Clinical examination, electrophysiology, neuroimaging or blood-biomarkers as individual tests can predict good neurological outcome after cardiac arrest in children. However, evidence is often low quality and studies are heterogeneous. Use of a standardised, multimodal, prognostic algorithm should be studied and is likely of added value over single modality testing.
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 | 0,010 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,027 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| 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 ».