Abstrakt

Risikofaktorenanalyse und Bewertungssystem für neurologische Entwicklungsergebnisse nach neonatalen Krampfanfällen

Yun Jung Hur und Mi Lim Chung

Hintergrund: Die Ziele dieser Studie waren, Prognosefaktoren zu bestimmen und ein neues Punktesystem zur Bewertung der neurologischen Entwicklung von Säuglingen mit Neugeborenenkrämpfen zu entwickeln. Methoden: Es wurde eine retrospektive Untersuchung der Krankenakten von Säuglingen durchgeführt, die zwischen März 2010 und Dezember 2015 auf der Neugeborenen-Intensivstation des Haeundae Paik Krankenhauses wegen Neugeborenenkrämpfen behandelt wurden. Die neurologischen Ergebnisse wurden im Alter von 24 Monaten nach der Empfängnis beurteilt. Zur Bewertung der Risikofaktoren im Zusammenhang mit schlechten neurologischen Ergebnissen wurden verschiedene Faktoren einschließlich klinischer Merkmale, EEG-Befunde und Ergebnisse von bildgebenden Untersuchungen mit univariaten und multiplen logistischen Regressionsanalysen (SPSS Version 18.0) untersucht. Ergebnisse: Von den 174 untersuchten Säuglingen zeigten 57 (32,8%) abnorme neurologische Ergebnisse. Zur Entwicklung eines Punktesystems wurden sieben potenzielle Prädiktoren für negative Ergebnisse verwendet, die mithilfe einer binären logistischen Regressionsanalyse ausgewählt wurden. Dazu gehörten Geburtsgewicht, Zeitpunkt des Anfalls, EEG-Befunde, Ergebnisse der Neurobildgebung, Anfallsart und -schwere sowie Ätiologie. Den Variablen wurden binäre Werte mit einem arithmetischen Gesamtwert zwischen 0 und 7 zugewiesen. Ein Cut-off-Wert von ≥ 3 bot die höchste Sensitivität und Spezifität. Eine Normalisierung oder anhaltend normale Befunde bei der EEG-Nachuntersuchung innerhalb von 3 Monaten nach Anfallsbeginn waren ebenfalls mit neurologischen Ergebnissen verbunden (p<0,05). Schlussfolgerung: Wir schlagen ein Bewertungssystem vor, das sieben Variablen verwendet, um frühe Prognoseinformationen zu ungünstigen neurologischen Entwicklungsergebnissen bei Säuglingen mit neonatalen Anfällen zu liefern und langfristige neurologische Ergebnisse zum Zeitpunkt des Anfallsbeginns zuverlässig vorherzusagen.

Haftungsausschluss: Dieser Abstract wurde mit Hilfe von Künstlicher Intelligenz übersetzt und wurde noch nicht überprüft oder verifiziert.