MétaCan
Menu
Retour à la cohorte
Enregistrement W3197511254 · doi:10.1093/jalm/jfab114

MultiInflammatory Syndrome in Children: A View into Immune Pathogenesis from a Laboratory Perspective

2021· review· en· W3197511254 sur OpenAlex
Mary Kathryn Bohn, Peter Yousef, Shannon Steele, Lusia Sepiashvili, Khosrow Adeli

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueThe Journal of Applied Laboratory Medicine · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueKawasaki Disease and Coronary Complications
Établissements canadiensHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPathogenesisMedicineImmunologyDiseaseImmune systemKawasaki diseaseMacrophage activation syndromeMyocarditisPathophysiologyEtiologySepsisBioinformaticsPathologyInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Multiinflammatory syndrome in children (MIS-C) is a novel and rare inflammatory disorder associated with severe acute respiratory syndrome coronavirus 2 infection in school-age children. Reports in the past year have suggested a multisystem pathophysiology characterized by hyperinflammation, gastrointestinal distress, and cardiovascular complications. Clinical laboratory investigations, including routine blood testing for inflammatory (e.g., C-reactive protein, ferritin) and cardiac (e.g., troponin, brain natriuretic peptides) markers have provided insight into potential drivers of disease pathogenesis, highlighting the role of the laboratory in the differential diagnosis of patients presenting with similar conditions (e.g., Kawasaki disease, macrophage activating syndrome). CONTENT: While few studies have applied high-dimensional immune profiling to further characterize underlying MIS-C pathophysiology, much remains unknown regarding predisposing risk factors, etiology, and long-term impact of disease onset. The extent of autoimmune involvement is also unclear. In the current review, we summarize and critically evaluate available literature on potential pathogenic mechanisms underlying MIS-C onset and discuss the current and anticipated value of various laboratory testing paradigms in MIS-C diagnosis and monitoring. SUMMARY: From initial reports, it is clear that MIS-C has unique inflammatory signatures involving both adaptive and innate systems. Certain cytokines, inflammatory markers, and cardiac markers assist in the differentiation of MIS-C from other hyperinflammatory conditions. However, there are still major gaps in our understanding of MIS-C pathogenesis, including T cell, B cell, and innate response. It is essential that researchers not only continue to decipher initial pathogenesis but also monitor long-term health outcomes, particularly given observed presence of circulating autoantibodies with unknown impact.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,912
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0040,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,016
Tête enseignante GPT0,304
Écart entre enseignants0,288 · 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