Management of status epilepticus in the emergency department: Systematic review and clinical update
Notice bibliographique
Résumé
OBJECTIVE: To update the available evidence on the management of all types of status epilepticus (SE) in hospital emergency departments (EDs) and prehospital emergency medical services (EMS). METHODS: We conducted a systematic review following PRISMA 2020 methodology. A comprehensive search was conducted across biomedical databases (PubMed, Embase, Cochrane, Web of Science, and Spanish databases) from January 2015 through October 2025. Studies on treatment, validated prognostic scales, and multicenter registries of convulsive and nonconvulsive SE were included. Quality assessment was performed using GRADE and the Newcastle-Ottawa Scale. RESULTS: A total of 47 studies were included. Benzodiazepines remain the first-line therapy (high certainty of evidence, GRADE). As second-line therapy, levetiracetam, phenytoin, and valproate showed comparable efficacy (50-60%; moderate certainty). The ESETT trial demonstrated no superiority among second-line antiseizure drugs. Spanish evidence includes the ACESUR Registry (664 patients) and the validated RACESUR (AUC 0.72) and ADAN scales (predictive accuracy 90.9%; 95% CI, 88.4-93.4), providing context-specific evidence for the Spanish healthcare system. CONCLUSIONS: SE management requires rapid sequential treatment with benzodiazepines followed by second-line antiseizure drugs. Comparable efficacy among second-line options allows individualized treatment. The Spanish RACESUR and ADAN scales are validated tools that facilitate risk stratification in emergency settings.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 0,001 |
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 ».