Notice bibliographique
Résumé
Aim of the review: To review major epidemiological aspects of Kawasaki disease (KD) in Europe, describing demographic characteristics, revising its incidence along with time trends and geographic variations, and describing migration studies to provide clues about its etiology. Recent findings: The annual incidence of KD in Europe is about 10–15 per 100,000 children under 5 years old and seems to be relatively stable over time and space. Demographic characteristics are in line with those in other countries of the world, with a higher incidence in children from Asia and possibly North African origin. All studies performed across Europe found a coherent seasonal distribution of KD onset peaking from winter to early spring. This seasonal distribution was consistent over the years and suggests a climate-related environmental trigger. The occurrence of peaks during pandemics, microbiological findings and a possible link with southerly winds support the hypothesis of an airborne infectious agent. Neither other airborne agents such as pollutants or pollens nor urbanization and industrialization seem to have major effect on the etiology. Conclusion: Discrepancies in KD incidence rates across studies were due more to methodological differences, variation in definitions and awareness of the disease than a real increase in incidence. Genetic predisposition is undeniable in KD, but environmental factors seem to play a pivotal role. Several lines of evidence support a non-exclusive airborne infectious agent with a protective immune response by the host as a key factor in inducing the inflammatory cascade responsible for symptoms and complications.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 ».