Spatiotemporal clustering of cases of Kawasaki disease and associated coronary artery aneurysms in Canada
Notice bibliographique
Résumé
Detailed epidemiologic examination of the distribution of Kawasaki disease (KD) cases could help elucidate the etiology and pathogenesis of this puzzling condition. Location of residence at KD admission was obtained for patients diagnosed in Canada (excluding Quebec) between March 2004 and March 2015. We identified 4,839 patients, 164 of whom (3.4%) developed a coronary artery aneurysm (CAA). A spatiotemporal clustering analysis was performed to determine whether non-random clusters emerged in the distributions of KD and CAA cases. A high-incidence KD cluster occurred in Toronto, ON, between October 2004 and May 2005 (116 cases; relative risk (RR) = 3.43; p < 0.001). A cluster of increased CAA frequency emerged in Mississauga, ON, between April 2004 and September 2005 (17% of KD cases; RR = 4.86). High-incidence clusters also arose in British Columbia (November 2010 to March 2011) and Alberta (January 2010 to November 2012) for KD and CAA, respectively. In an exploratory comparison between the primary KD cluster and reference groups of varying spatial and temporal origin, the main cluster demonstrated higher frequencies of conjunctivitis, oral mucosa changes and treatment with antibiotics, suggesting a possible coincident infectious process. Further spatiotemporal evaluation of KD cases might help understand the probable multifactorial etiology.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».