Standard complete blood count to predict long‐term outcomes in febrile infection–related epilepsy syndrome (FIRES): A multicenter study
Notice bibliographique
Résumé
OBJECTIVE: We investigated whether complete blood count (CBC) analyses during intensive care unit stay could predict 12-month outcomes in patients with cryptogenic febrile infection-related epilepsy syndrome (FIRES), a subset of new-onset refractory status epilepticus (NORSE). METHODS: Outcomes at 12 months were classified as "unfavorable" (Glasgow Outcome Score [GOS] 1-3) or "favorable" (GOS 4-5). Demographic, clinical, and serial CBC data were collected across treatment phases: (1) no immunotherapy (before initiation or no treatment), (2) first-line immunotherapy, and (3) second-line immunotherapy. For each treatment phase, predictive models stratified outcomes based on CBC features using decision tree regression, with separate models for adults and children. Model performance was tested using a leave-one-patient-out approach. RESULTS: We studied 63 patients (34 adults, 29 children) from 12 centers. Unfavorable outcomes occurred in 18 adults and 12 children. Children were more likely to receive second-line immunotherapy. We analyzed 1530 CBCs (adults: 997 CBCs, including 539 for unfavorable outcomes; children: 533 CBCs, including 415 for unfavorable outcomes). Subgroup analyses revealed differences in CBC levels according to the outcomes and the treatment received. Adults with unfavorable outcomes notably had higher neutrophil-to-lymphocyte ratios (NLRs) and monocyte-to-lymphocyte ratios (MLRs), whereas children with unfavorable outcomes had higher red cell distribution width. NLRs and MLRs increased when CBCs were collected after the initiation of immunotherapy for both adults and children. The variables of interest differed in the different predictive models but always included the proportion of at least one subtype of leukocyte. Prediction accuracy with our models was higher in children (87% overall, with the best performance in no-treatment and first-line phases) than in adults (83% overall, with the best performance during/after the initiation of second-line). SIGNIFICANCE: Findings suggest the potential for standard CBCs to serve as a rapid, accessible tool for early prognostication in cryptogenic FIRES, particularly in children.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 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 ».