MétaCan
Menu
Retour à la cohorte
Enregistrement W3193837883 · doi:10.1101/2021.08.20.21262122

Pediatric critical COVID-19 and mortality in a multinational cohort

2021· preprint· en· W3193837883 sur OpenAlexaff
Sebastián González‐Dambrauskas, Pablo Vásquez‐Hoyos, Anna Camporesi, Edwin Mauricio Cantillano, Samantha Dallefeld, Jesús Domínguez-Rojas, Conall Francoeur, Anar Gurbanov, Liliana Mazzillo Vega, Steven L. Shein, Adriana Yock‐Corrales, Todd Karsies

Notice bibliographique

RevuemedRxiv · 2021
Typepreprint
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésMedicineOdds ratioPneumoniaPediatricsEpidemiologyCohort studyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Objectives To understand the international epidemiology of critical pediatric COVID-19 and compare presentation, treatments, and outcomes of younger (<2 years) and older (>2 years) children. Design Prospective, observational study from April 1 to December 31, 2020 Setting International multicenter study from 55 sites from North America, Latin America, and Europe. Participants Patients <19 years old hospitalized with critical COVID-19 Interventions none Main outcomes measured Clinical course, treatments, and outcomes were compared between younger and older children. Multivariable logistic regression was used to calculate adjusted odds ratios (aOR) for hospital mortality. Results 557 subjects (median age, 8 years; 24% <2 years) were enrolled from 55 sites (63% Latin American). Half had comorbidities. Younger children had more respiratory findings (56% vs 44%), viral pneumonia (45% vs 29%), and treatment with invasive ventilation (50% vs 37). Gastrointestinal (28% vs 69%) or mucocutaneous (16% vs 44%) findings, vasopressor requirement (44% vs 60%), and MIS-C (15% vs 40%) were less common in younger children. Hospital mortality was 10% overall but 15% in younger children (odds ratio 1.89 [95%CI 1.05-3.39]). When adjusted for age, sex, region, and illness severity, mortality-associated factors included cardiac (aOR 2.6; 95%CI 1.07-6.31) or pulmonary comorbidities (aOR 4.4; 95%CI 1.68-11.5), admission hypoxemia (aOR 2.33; 95%CI 1.24-4.37), and lower respiratory symptoms (aOR 2.83; 95%CI 1.49-5.39). Gastrointestinal (aOR 0.49; 95%CI 0.26-0.92) or mucocutaneous symptoms (aOR 0.31; 95%CI 0.15-0.64), treatment with intravenous immune globulin (aOR 0.33; 95%CI 0.17-0.65), and MIS-C (aOR 0.26; 95%CI 0.11-0.64) were associated with lower mortality. Conclusions We identified age-related differences in presentation and mortality for critical pediatric COVID-19 that should prompt more attention to improving management in younger children, especially in developing countries. Table of Contents Summary This is a multinational study describing critical pediatric COVID-19 clinical spectrum and related mortality in high and low-middle income countries during 2020. What’s known on this subject Pediatric critical illness due to COVID-19 is uncommon and have lower mortality compared to adults when hospitalized. While larger cohorts are from high-income countries (HICs), studies including data from low-middle-income countries (LMICs) remain scarce. What this study adds In our multinational cohort of critical pediatric COVID-19, we identified higher mortality than previously reported and age-related disease patterns. Children <2 years old had more respiratory disease and higher mortality, and older children had more non-pulmonary disease and better outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,104
Tête enseignante GPT0,495
Écart entre enseignants0,391 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207