Multisystem inflammatory syndrome in children (MIS-C) and COVID-19: a review of the literature
Notice bibliographique
Résumé
Multisystem Inflammatory Syndrome in Children (MIS-C) is a novel pediatric hyperinflammatory syndrome that has recently emerged globally as a potential complication of COVID-19 infection and has features similar to Kawasaki Disease (KD). In this article, a review existing literature on MIS-C was conducted to identify trends in patient characteristics, clinical and biological features, treatment, and outcomes. MIS-C affects previously healthy school-age children, with over-representation of those of Black and Afro-Caribbean descent. It presents with fever, gastrointestinal complaints, and KD-type features including rash and conjunctivitis. Laboratory and imaging studies demonstrate evidence of systemic inflammation and myocarditis. Accordingly, children are often critically ill and require intensive care admission and organ support. However, prompt anti-inflammatory treatment with intravenous immunoglobulin, steroids, and aspirin appears to lead to favourable outcomes. Though evidence of current coronavirus infection by RT-PCR is variable, most children have positive serology results indicating prior infection, which supports theories of MIS-C as a dysfunctional post-infectious immune process. Though similar to KD in some ways, MIS-C has important differences in its patient characteristics, clinical features, and cardiac involvement. Large-scale case registries and analysis of resulting data will be crucial to refining our understanding of MIS-C to ensure optimal outcomes for children worldwide.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».