Diagnosis and Management of Adult Status Epilepticus in Resource-Limited Settings
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Status epilepticus (SE) is the leading cause of death in patients with epilepsy, and it affects people in low/middle-income countries (LMICs) at a much higher rate. There is likely a significant gap between the recommended diagnosis and treatment of SE and current practices in resource-limited settings. We conducted a systematic literature review to determine how convulsive and nonconvulsive SE in adults is diagnosed and managed in LMICs. METHODS: All relevant articles from Embase, Medline, PubMed, and the Virtual Health Library Regional Portal databases, published before September 16, 2024, were included. Studies needed to take place in LMICs and include treatment and outcomes of patients with SE. This review followed the Preferred Reporting Items for Systematic Review and Meta-Analyses guidelines. The risk of bias was assessed using the Risk of Bias in Randomized Trials and Risk of Bias in Non-randomized Studies of Interventions tools. RESULTS: Our review included 23 studies from 3 continents including 1,526 patients, with most of the studies conducted in Asia. There is a lack of literature from Africa and surrounding the topic of nonconvulsive SE. The commonest etiology of SE was an acute symptomatic cause (21%-88%), with encephalitis predominating overall. Diagnostic and management practices varied greatly, dictated by local availability of drugs and expertise, rather than guidelines. First-line benzodiazepines were routinely underdosed while older and cheaper second-line antiseizure medications, such as valproic acid, phenytoin, and phenobarbital, were more frequently administered. In addition, there was a general lack of access to continuous EEG monitoring, with only 5 studies from tertiary-level centers in Asia reporting its usage. Mortality outcomes of up to 42.6% are higher in comparison with high-income countries. DISCUSSION: The heterogeneity in management practices of SE in LMICs highlights the lack of consistent treatment, with very few studies from Africa and Latin America available in the literature. This contributed to the limitations of this review, with only a small region of countries (mostly from Asia) represented and retrospective review of clinical records predominantly used. The nonuniformity of diagnostic and management practices in SE has highlighted the need for clinically appropriate guidelines in LMICs.
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 | 0,005 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».