Multicenter cohort study of multisystem inflammatory syndrome in children (MIS-C)
Notice bibliographique
Résumé
Abstract BACKGROUND SARS-CoV-2 infection can lead to multisystem inflammatory syndrome in children (MIS-C). We investigated risk factors for severe disease and explored changes in severity over time. METHODS Children up to 17 years of age admitted March 1, 2020 through March 7 th , 2021 to 15 hospitals in Canada, Iran and Costa Rica with confirmed or probable MIS-C were included. Descriptive analysis and comparison by diagnostic criteria, country, and admission date was performed. Adjusted absolute average risks (AR) and risk differences (RD) were estimated for characteristics associated with ICU admission or cardiac involvement. RESULTS Of 232 cases (106 confirmed) with median age 5.8 years, 56% were male, and 22% had comorbidities. ICU admission occurred in 73 (31%) but none died. Median length of stay was 6 days (inter-quartile range 4-9). Children 6 to 12 years old had the highest AR for ICU admission (44%; 95% confidence interval [CI] 34-53). Initial ferritin greater than 500 mcg/L was associated with ICU admission. When comparing cases admitted up to October 31, 2020 to those admitted later, the AR for ICU admission increased from 25% (CI 17-33) to 37% (CI 29-46) and for cardiac involvement from 44% (CI 35-53) to 75% (CI 66-84). Risk estimates for ICU admission in the Canadian cohort demonstrated a higher risk in December 2020-March 2021 compared to March-May 2020 (RD 25%; 95%CI 7-44). INTERPRETATION MIS-C occurred primarily in previously well children. Illness severity appeared to increase over time. Despite a high ICU admission incidence, most children were discharged within one week.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».