中华急诊医学杂志  2017, Vol. 26 Issue (9): 1059-1064
 Abstract              PDF               Figures               Tables
引用本文 0
蒋艳, 张颖, 康真真, 杨琳, 张丽萍, 侯群. 中文版EMSE量表对癫痫持续状态患者预后的预测价值研究[J]. 中华急诊医学杂志, 2017, 26(9): 1059-1064.
Jiang Yan, Zhang Ying, Kang Zhenzhen, Yang Lin, Zhang Liping, Hou Qun. Prediction of mortality using Chinese version of epidemiology-based mortality score in status epilepticus (EMSE)[J]. Chin J Emerg Med, 2017, 26(9): 1059-1064.
中文版EMSE量表对癫痫持续状态患者预后的预测价值研究
蒋艳, 张颖, 康真真, 杨琳, 张丽萍, 侯群     
310006 杭州，浙江省中医院神经内科(蒋艳、康真真、杨琳、张丽萍、侯群)，临床评价分析中心(张颖)
收稿日期: 2017-02-05
基金项目: 国家自然科学基金(81301113)
通信作者: 侯群, Email:houqun168@163.com.
摘要: 目的 评估基于流行病学癫痫持续状态病死率评分(epidemiology-based mortality score in status epilepticus, EMSE)量表对预测成人癫痫持续状态(status epilepticus, SE)预后的价值。方法 采用EMSE对2013年6月至2016年6月期间在浙江省中医院住院治疗的54例成年癫痫持续状态患者病历资料进行回顾性评估，同时采用癫痫持续状态严重程度评分(status epilepticus severity score，STESS)量表与之进行比较，描绘ROC曲线，计算曲线下面积，找到理想界值，比较不同量表的预测价值，并通过Fisher线性判别分析，得到判别方程式并计算正判率。结果 54例SE患者中，13例(24.10 %)住院期间死亡。使用STESS预测病死率的ROC曲线下面积为0.705，理想界值≥3分(灵敏度为0.77，特异度为0.56)；使用EMSE预测病死率的ROC曲线下面积为0.800，理想界值≥79分(灵敏度为0.92，特异度为0.61)；其中，EMSE>的子项目组合EMSE-EAC(病因-年龄-合并症)预测病死率的ROC曲线下面积为0.814，理想界值≥32分(灵敏度为1.00，特异度为0.56)；另一子项目组合EMSE-EACE(病因-年龄-合并症-脑电图)预测病死率的ROC曲线下面积为0.925，理想界值≥71分(灵敏度为0.77，特异度为0.98)。两两比较显示EMSE-EACE曲线下面积大于STESS及EMSE>，差异有统计学意义(P < 0.01)。以预后为因变量(存活赋值为0，死亡赋值为1)，分别以STESS、EMSE、EMSE-EAC及EMSE-EACE评分值为自变量, 进行Fisher线性判别分析，采用自身验证回代法对判别函数进行检验，正判率分别为44.44%、62.96%、70.37%和81.48%。结论 EMSE是临床用于预测癫痫持续状态病死率的有效评分系统，其中EMSE-EACE比>STESS及EMSE在预测住院SE患者病死率方面更有优势。
关键词: 癫痫持续状态     病死率     预后     预测价值     基于流行病学癫痫持续状态病死率评分     癫痫持续状态严重程度评分     受试者工作特征曲线     判别分析    
Prediction of mortality using Chinese version of epidemiology-based mortality score in status epilepticus (EMSE)
Jiang Yan , Zhang Ying , Kang Zhenzhen , Yang Lin , Zhang Liping , Hou Qun     
Neurology Department(Jiang Y, Kang ZZ, Yang L, Zhang LP, Hou Q), Clinical Evaluation Analysis Center(Zhang Y), Zhejiang Provincial Hospital of Traditional Chinese Medicine, Zhejiang Chinese Medical University, Hangzhou 310006, China
Corresponding author: Hou Qun, Email: houqun168@163.com.
Abstract: Objective To study the value of epidemiology-based mortality score, a novel scoring system, in in-hospital adult patients with status epilepticus (SE) for predicting mortality, and to compare it with the status epilepticus severity score (STESS). Methods The clinical and electroencephalography data of 54 adult patients with SE admitted from June 2013 to June 2016 were derived from a prospective SE database of Zhejiang Provincial Hospital of Traditional Chinese Medicine. The outcome was defined as in-hospital death or survival at discharge. When the receiver-operating characteristic (ROC) curves were made, the area under ROC (AUC) and the optimal cutoff value were calculated. Fisher' s linear discriminant function analysis was conducted with the outcome as dependent variable and the scores as independent variables. Results Among 54 patients with SE recruited into the study, 13 (24.10 %) died in the hospital. The ROC curve for prediction of in-hospital death based on the STESS had a AUC of 0.705 with an optimal cutoff value for discrimination (best match for both sensitivity (0.77) and specificity (0.56) to be ≥3 points. The AUC based on the EMSE was 0.800 with an optimal cutoff value for discrimination (best match for both sensitivity (0.92) and specificity (0.61) to be ≥79 points. Three elements added in combination with EMSE system (etiology-age-comorbidity, EMSE-EAC) predicted in-hospital mortality with the best match for both sensitivity (1.00) and specificity (0.56) as the optimal cutoff point was ≥32 points, and the AUC was 0.814. Four elements added in combination with EMSE system (etiology-age-comorbidity-EEG, EMSE-EACE) predicted in-hospital mortality with the best match for both sensitivity (0.77) and specificity (0.98) as the optimal cutoff point was ≥71 points with an AUC of 0.925. The AUC of EMSE-EACE was larger than that of both STESS and EMSE (Both P < 0.01). Discriminant equations were found by Fisher linear discriminant analysis. The rates of accuracy of the equation for predicting patients' prognosis were 44.44% (STESS), 62.96% (EMSE), 70.37% (EMSE-EAC) and 81.48% (EMSE-EACE) respectively, suggesting that the equations of EMSE, EMSE-EAC and EMSE-EACE have superior stability. Conclusions The EMSE is an effective clinical scoring system that focuses on individual mortality. EMSE-EACE is superior over both STESS and EMSE in the prediction of in-hospital death.
Key words: Status epilepticus     Mortality     Outcome     Predictive value     Epidemiology-based mortality score in status epilepticus     Status epilepticus severity score     Receiver-operating characteristic curves     Discriminant analysis    

癫痫持续状态(status epilepticus，SE)为神经系统的危急重症疾病之一，其发病率高达4.6/10万~18.3/10万，病死率约20%[1-4]，早期识别预后不良性SE患者有助于尽早采用更为积极的措施，对指导治疗意义重大。目前广泛用于临床评估SE预后的为癫痫持续状态严重程度评分(status epilepticus severity score，STESS)量表[5]。2015年奥地利Leitinger等[6]设计提出一种新型的基于流行病学癫痫持续状态病死率(epidemiology-based mortality score in status epilepticus，EMSE)量表。迄今为止，EMSE评分仅在韩国的SE患者中进行过评定[7]，尚未有在中国SE住院患者中进行研究的报道。因此，本研究对EMSE评分预测中国人群SE患者死亡结局的临床价值进行探索性研究，为临床上更准确地应用EMSE量表预测SE患者的预后提供参考。

1 资料与方法 1.1 一般资料

回顾性分析2013年6月至2016年6月在本院确诊为癫痫持续状态的成人住院患者(包括急诊、普通病房及重症监护室)共54例。其中男性31例，女性23例，年龄21~99岁，(57.0±24.5) 岁。依据2015年中国抗癫痫协会对SE的临床实用性定义[8]，参照2015年国际抗癫痫联盟工作小组对SE的概念和分类的修订[9]及同类研究入选标准[6]，SE患者包括了全面性惊厥性发作超过5 min, 或者非惊厥性发作或部分性发作持续超过15 min，或5~30 min内两次发作间歇期意识未完全恢复正常的患者。排除标准：排除入院时已终止发作患者，由于EMSE量表年龄项目限定，排除21周岁以下患者，以及主要研究资料不完整、病史不详尽或指标数据严重缺失影响判断者。

1.2 研究方法

根据STESS和EMSE量表(表 1)收集所需临床信息，包括年龄、SE的病因、既往癫痫病史、最严重的发作类型、治疗前意识水平、治疗前发作持续时间、初始脑电图状态及合并症等。由两位神经内科临床医师分别进行量表评定，评定结果不一致者需共同确认相关信息。结果观察指标为经正规治疗后出院时患者存活或死亡，观察时间范围包括整个住院期间。STESS评分方法如下：(1) 意识情况清醒或意识模糊为0分，昏迷为1分；(2) 最严重的发作情况表现为单纯部分性发作、复杂部分性发作、失神发作、肌阵挛发作为0分，全面性强直阵挛发作为1分，昏迷患者非惊厥持续状态为2分；(3) 年龄 > 65岁为0分，≥65岁为2分；(4) 既往发作史有为0分，无或不明确为1分。总分为4项内容分数之和，满分为6分。绘制STESS、EMSE及其两个子项目组合EMSE-EAC(病因-年龄-合并症)及EMSE-EACE(病因-年龄-合并症-脑电图)的受试者工作特征(receiver operator characteristic, ROC)曲线，计算ROC曲线下面积(area under curve, AUC)，计算最大约登指数并找出理想界值(cutoff)，计算界值对应的灵敏度(sensitivity)、特异度(specificity)、阴性预测值(negative predictive value, NPV)、阳性预测值(positive predictive value, PPV)及正确率(accuracy)。以预后为因变量，分别以STESS、EMSE、EMSE-EAC及EMSE-EACE量表评分为自变量，进行Fisher线性判别分析，采用自身验证回代法对判别函数进行验证，计算正判率。

表 1 EMSE量表评分标准 Table 1 EMSE scale
  项目 评分
病因E(选择一项计分)
中枢神经系统畸形/结构异常 2
药物减药/撤药、依从性差 2
多发性硬化 5
陈旧性脑血管病/陈旧性脑损伤 7
脑积水 8
酗酒 10
药物过量 11
脑外伤 12
隐源性 12
脑肿瘤 16
代谢性钠平衡紊乱 17
代谢异常 22
急性脑血管病 26
中枢神经系统急性感染 33
缺氧 65
年龄A(选择一项计分)
21~30岁 1
31~40岁 2
41~50岁 3
51~60岁 5
61~70岁 7
71~80岁 8
＞80岁 10
意识水平L(选择一项计分)
清醒 0
嗜睡/意识模糊 5
昏睡 14
昏迷 23
持续时间D(选择一项计分)
＜1 h 3
≥1 h 33
脑电图类型E(选择最差的一项计分)
暴发抑制(自发性) 60
持续状态后发作期放电 40
一侧性周期性放电 40
全面性周期性放电 40
无以上几种情况 0
合并症C(多项累积计分)
心肌梗死、充血性心力衰竭、周围血管病、脑血管病、痴呆、慢性肺病、结缔组织病、溃疡病、轻度肝病 10
偏瘫、中重度肾病、糖尿病伴靶器官损害、肿瘤(包括白血病、淋巴瘤) 20
中重度肝病 30
转移性实体肿瘤、艾滋病 60
表选项
1.3 统计学方法

采用SPSS 16.0及Medcalc软件对数据进行统计学分析。计量资料数据先进行正态性检验和方差齐性检验，符合正态分布和方差齐性的计量数据采用均数±标准差(x±s)表示，采用两个独立样本t检验进行比较；不符合正态分布及方差齐性的数据，以中位数(范围)[M(range)]表示，采用两个独立样本的非参数Mann-Whitney U检验。分类计数资料以例数和(或)百分比表示，采用χ2检验或Fisher’ s精确概率法进行检验。各量表ROC曲线比较采用Z检验。以P < 0.05为差异有统计学意义。

2 结果 2.1 SE患者人口学和临床特征

54例患者中存活41例，死亡13例，病死率为24.10%。其中死亡组平均年龄大于存活组(t=-2.518, P＝0.017)。年龄65岁及以上病例数为24例(44.40%)。SE患者的人口学和临床特征见表 2。死亡组的STESS分(Z=-2.267, P= 0.023)、EMSE分(t= 3.665, P＝0.001)、EMSE-EAC分(t= 4.304, P < 0.01) 及EMSE-EACE分(t= 6.932, P < 0.01) 均大于存活组(表 2)。

表 2 SE患者临床特征及量表评分 Table 2 Clinical characteristics and scale score of SE patients
指标 总例数(n=54) 存活(n=41) 死亡(n=13) 统计值 P值
性别(男/女) 31/23 24/17 7/6 0.626 0.766
年龄(岁)
中位数(范围) 62 (21~99) 50 (21~99) 66 (25~89) 0.017
年龄≥65岁(例，%) 24 (44.4) 16 (29.6) 8 (14.8) 2.026 0.155
SE病因大体分类(例，%)
急性症状性 21 (38.9) 12 (22.2) 9 (16.7) 6.633 0.010
远隔非诱发性 7 (13.0) 7 (13.0) 0 (0.0) 2.550 0.110
症状性癫痫/进展性疾病 20 (37.0) 16 (29.6) 4 (7.4) 0.288 0.591
特发性/隐源性 6 (11.1) 6 (11.1) 0 (0.0) 2.140 0.143
治疗前意识程度(例，%)
清醒 20 (37.0) 18 (33.3) 2 (3.7) 3.442 0.064
嗜睡/意识模糊 16 (29.6) 12 (22.2) 4 (7.4) 0.011 0.918
昏迷 18 (33.3) 11 (20.4) 7 (13.0) 3.242 0.072
最严重的癫痫类型(例，%)
单纯部分/复杂部分/失神/肌阵挛 7 (13.0) 7 (13.0) 0 (0.0) 2.550 0.110
全面性强直阵挛发作 42 (77.8) 33 (61.1) 9 (16.7) 0.724 0.395
伴有昏迷的非惊厥持续状态 5 (9.3) 1 (1.9) 4 (7.4) 9.429 0.002
脑电图周期性放电(例，%) 15 (27.8) 5 (9.3) 10 (18.5) 16.753 ＜0.01
既往有癫痫病史(例，%) 23 (42.6) 18 (33.3) 5 (9.3) 5.675 0.017
治疗前癫痫持续时间(例，%)
＜1 h 37 (68.5) 29 (53.7) 8 (14.8) 0.387 0.534
≥1 h 17 (31.5) 12 (22.2) 5 (9.3) 0.387 0.534
查尔森合并症指数(例，%)
0 13 (24.1) 12 (22.2) 1 (1.9) 2.514 0.113
1~2 35 (64.8) 27 (50.0) 8 (14.8) 0.081 0.776
≥3 6 (11.1) 2 (3.7) 4 (7.4) 6.699 0.010
STESS 3 (1, 3.3) 2 (1, 3) 3 (2.5, 4) -2.267 0.023
EMSE 75.0±36.2 65.9±33.6 103.9±28.9 3.665 0.001
EMSE-EAC 38.6±16.1 31.2±13.7 50.4±14.8 4.304 < 0.01
EMSE-EACE 47.7±27.4 37.1±18.7 81.2±23.7 6.932 < 0.01
注：P值代表存活组与死亡组比较
表选项
2.2 EMSE量表评估SE患者预后不良的价值

各量表的ROC曲线见图 1，ROC曲线下面积及95%可信区间见表 3，各量表的曲线下面积均大于0.5，两两比较显示EMSE-EACE曲线下面积较STESS及EMSE大，差异有统计学意义(与STESS比较, Z=2.675，P=0.0075;与EMSE比较, Z=2.641，P=0.008 3)。计算得STESS、EMSE、EMSE-EAC、EMSE-EACE预测SE患者预后的理想界值分别为3、79、32及71。理想界值下对应的灵敏度、特异度、阴性预测值、阳性预测值、正确率见表 3。

图 1 不同量表ROC曲线 Figure 1 ROC curves of different scales
图选项

表 3 ROC曲线下面积比较及理想界值对应的检验效能 Table 3 The area under the ROC curve and the power of the cutoff value
量表 AUC 95%CI 界值 灵敏度 特异度 阴性预测值 阳性预测值
STESS 0.705±0.089a 0.565~0.821 3 0.77 0.56 0.56 0.77
EMSE 0.800±0.079b 0.669~0.897 79 0.92 0.61 0.61 0.92
EMSE-EAC 0.814±0.077b 0.685~0.907 32 1.00 0.56 0.32 1.00
EMSE-EACE 0.925±0.052bc 0.820~0.979 71 0.77 0.98 0.98 0.77
注：bP < 0.01代表曲线下面积与0.5比较；cP < 0.01代表EMSE-EACE与STESS，及EMSE-EACE与EMSE之间的比较
表选项
2.3 高分组和低分组患者病死率比较

分别用STESS、EMSE、EMSE-EAC和EMSE-EACE的理想界值将54例患者分为高分组和低分组，比较高分组和低分组病死率的差异。各量表高分组病死率均高于低分组(STESS，10/28和3/26，χ2=4.311，P=0.038；EMSE，12/28和1/26，χ2=11.225，P=0.001；EMSE-EAC：13/31和0/13，χ2=5.429，P=0.020；EMSE-EACE，10/11和3/43，χ2=33.759，P > 0.01)，差异均有统计学意义。

2.4 EMSE量表评分评估SE患者预后的准确性

以预后为因变量(存活赋值为0，死亡赋值为1)，分别以STESS、EMSE、EMSE-EAC及EMSE-EACE评分值为自变量, 进行Fisher线性判别分析，得到判别方程式见表 4。其中Y0为存活, Y1为死亡。采用自身验证回代法对函数式进行检验，正判率分别为44.44%、62.96%、70.37%和81.48%，提示EMSE及其子量表的判别方程式有较好的稳定性。

表 4 Fisher判别函数 Table 4 Fisher discriminant function
量表 Y0(存活) Y1(死亡) 正判率(%)
STESS -2.375+1.467X -4.194+2.117X 44.44
EMSE -2.738+0.062X -5.778+0.098X 62.96
EMSE-EAC -3.194+0.160X -7.196+0.258X 70.37
EMSE-EACE -2.419+0.093X -8.952+0.204X 81.48
表选项
3 讨论

EMSE量表是预测SE患者病死率的新型量表，目前在临床上尚未广泛使用。本研究发现EMSE量表具有较高的灵敏度，易于检出高危患者。尤其是EMSE的子项目组合“病因-年龄-合并症-脑电图(EACE)”，同时具有较高的特异度，其预测的正确率高达93%，对重症SE有很好的预警作用。由于组成EMSE的各项参数在接诊患者时均容易获取，适合于急诊及一线神经科接诊医生及早发现预后不良性SE。

发明EMSE量表的学者Leitinger等[6]报道了EMSE-EAC和EMSE-EACE均为评估SE病死率的子项目组合，特别是EMSE-EACE，理想界值为64，其阴性预测值和阳性预测值分别为100%和68%。之后Kang等[7]通过韩国的多中心研究显示EMSE-EACE的理想界值为62。本研究显示的EMSE-EACE对SE病死率的预测有优势，其理想界值为71，阴性预测值为98%, 阳性预测值为77%。既往上述两项研究中住院患者病死率分别为23.9 %和13.3 %，而本研究病死率为24.1%。从群体构成来看，急性症状性病因两者分别为39.1及41.7%，与本研究的38.9%接近；同样，无并发症比例前两者分别为43.5%和27.5%，而本人群样本中为27.8%，与韩国的研究接近；本研究平均年龄为57.0岁，较其他两者(64.3岁和63.5岁)小，且脑电图周期性放电的发生比例为27.8%，低于韩国的研究(54.2%)。从方法学上看，Leitinger等[6]研究采用的理想界值是死亡组的最低分来确定的，目的是为了能提高阳性预测值，而本研究和韩国的研究均通过ROC曲线计算法来确定的。

既往研究显示STESS是评估癫痫持续状态的有用量表，目前已广泛用于国内外临床。现认为STESS对差的预后方面有很好的预测价值[5, 10-11]，而EMSE则对良好和差的预后均有很好的预测价值。本研究显示与Leitinger等[6]的研究一致的是STESS理想界值为3；而Kang等[7]研究认为STESS的理想界值≥4。这种差异可能源于研究群体的不同人口学特征，从研究群体的构成来看，65岁及以上患者比例前两者分别为62.0 %和47.5 %，本研究为44.4%；既往患有癫痫比例在前两个研究中分别为50%和64.2%，而在本研究中仅为42.6%。有研究认为STESS在大于65岁和既往无癫痫病史的患者有天花板效应[12]，而本研究群体总体年龄大于65岁患者偏少、且既往有癫痫病史患者也少，导致了STESS的理想界值更精确。本研究显示STESS同EMSE、EMSE-EAC在判断住院患者病死率之间差异无统计学意义，但EMSE-EACE较STESS、EMSE在预测SE患者病死率方面更有优势。

本研究显示死亡组患者年龄更大，此外，急性症状性病因、存在NCSE、合并严重并发症、脑电图表现为周期性放电、既往无癫痫病史的患者中发生率也更高，此结果与其他研究一致[13-15]，此结果也解释了EMSE量表中由“病因-年龄-合并症-脑电图”组成的EMSE-EACE具有更好地预测死亡的价值。既往研究显示影响SE预后的因素还包括是否得到恰当的治疗，而EMSE量表是在SE开始治疗前由一线医生来预测死亡结局的，故不能反映治疗方式及用药对病死率的影响。

综上所述，EMSE量表评分对SE患者病死率有一定预测价值，特别是EMSE-EACE较既往STESS量表有更好地预测价值，可以为临床医师提供患者预后信息、指导治疗。但本研究是一项回顾性研究，数据来源于对既往临床资料的收集，由于研究的样本量偏小，且来源于单中心，难免存在偏倚。本研究没有对该量表的信度和效度进行验证，这也是下一步研究的重点。因此，今后应纳入更多的可用信息及大样本的多中心前瞻性研究以进行更深入的探讨。

参考文献
[1] Ong CT, Sheu SM, Tsai CF, et al. Age-dependent sex difference of the incidence and mortality of status epilepticus:a twelve year nationwide population-based cohort study in Taiwan[J]. PLoS ONE, 2015, 10(3). DOI:10.1371/journal.pone.0122350
[2] Hesdorffer DC, Logroscino G, Cascino G, et al. Incidence of status epilepticus in Rochester, Minnesota, 1965-1984[J]. Neurology, 1998, 50(3): 735-741. DOI:10.1212/WNL.50.3.735
[3] Kantanen AM, Reinikainen M, Parviainen I, et al. Incidence and mortality of super-refractory status epilepticus in adults[J]. Epilepsy Behav, 2015, 49: 131-134. DOI:10.1016/j.yebeh.2015.04.065
[4] Betjemann JP, Josephson SA, Lowenstein DH, et al. Trends in status epilepticus-related hospitalizations and mortality: redefined in US practice over time[J]. JAMA Neurol, 2015, 72(6): 650-655. DOI:10.1001/jamaneurol.2015.0188
[5] Goyal MK, Chakravarthi S, Modi M, et al. Status epilepticus severity score (STESS):A useful tool to predict outcome of status epilepticus[J]. Clin Neurol Neurosurg, 2015, 139: 96-99. DOI:10.1016/j.clineuro.2015.09.010
[6] Leitinger M, Holler Y, Kalss G, et al. Epidemiology-Based Mortality Score in Status Epilepticus (EMSE)[J]. Neurocrit Care, 2015, 22: 273-282. DOI:10.1007/s12028-014-0080-y
[7] Kang BS, Kim DW, Kim KK, et al. Prediction of mortality and functional outcome from status epilepticus and independent external validation of STESS and EMSE scores[J]. Crit Care, 2016, 20(1): 20-25. DOI:10.1186/s13054-016-1190-z
[8] 中国抗癫痫协会. 临床诊疗指南癫痫病分册(2015年修订版)[M]. 北京: 人民卫生出版社, 2015.
[9] Trinka E, Cock H, Hesdorffer D, et al. A definition and classification of status epilepticus--Report of the ILAE Task Force on Classification of Status Epilepticus[J]. Epilepsia, 2015, 56(10): 1515-1523. DOI:10.1111/epi.13121
[10] Rossetti AO, Logroscino G, Milligan TA, et al. Status Epilepticus Severity Score (STESS)A tool to orient early treatment strategy[J]. J Neurol, 2008, 255(10): 1561-1566. DOI:10.1007/s00415-008-0989-1
[11] Sutter R, Kaplan PW, Ruegg S. Independent external validation of the status epilepticus severity score[J]. Crit Care Med, 2013, 41(12): 475-479. DOI:10.1097/CCM.0b013e31829eca06
[12] Leitinger M, Kalss G, Rohracher A, et al. Predicting outcome of status epilepticus[J]. Epilepsy Behav, 2015, 49: 126-130. DOI:10.1016/j.yebeh.2015.04.066
[13] Malek AM, Wilson DA, Martz GU, et al. Mortality following status epilepticus in persons with and without epilepsy[J]. Seizure, 2016, 42: 7-13. DOI:10.1016/j.seizure.2016.08.009
[14] Alvarez V, Drislane FW, Westover MB, et al. Characteristics and role in outcome prediction of continuous EEG after status epilepticus:A prospective observational cohort[J]. Epilepsia, 2015, 56(6): 933-941. DOI:10.1111/epi.12996
[15] Chin RF, Neville BG, Scott RC. A systematic review of the epidemiology of status epilepticus[J]. EurJ Neurol, 2004, 11(12): 800-810. DOI:10.1111/j.1468-1331.2004.00943.x