Long-Term Impact of Hospitalization for Kawasaki Disease on Health-Related Quality of Life
Notice bibliographique
Résumé
OBJECTIVE: To prospectively evaluate the long-term impact of Kawasaki disease (KD) hospitalization on health-related quality of life (HRQoL). METHODS: We merged the Outcomes Assessment Program and KD databases and queried for KD admissions between 1 month and 18 years of age. Patients with a diagnosis of community-acquired pneumonia were included as a comparison group. HRQoL was evaluated with the parent proxy Pediatric Quality of Life Inventory (PedsQL). Long-term follow-up PedsQL surveys were performed at least 1 year after initial diagnosis and hospitalization. Results for the entire cohort adjusted for significant differences were calculated. Propensity score-matched cohorts were constructed from the unmatched cohorts of patients with long-term survey responses. Subgroup analysis for the KD group was performed. RESULTS: Patients with KD (n = 61) versus pneumonia (n = 80) had a lower PedsQL total score on admission and experienced a significantly greater HRQoL decline from baseline to admission. At long-term follow-up, no difference occurred in HRQoL between patients with KD and pneumonia, and 89% of patients with KD reached their baseline PedsQL scores. KD diagnostic subtype, coronary artery dilatation, and need for longer follow-up were not associated with HRQoL outcomes at any time point. Intravenous immunoglobulin nonresponders demonstrated lower HRQoL at admission, which did not persist at follow-up. CONCLUSIONS: Children with KD experience acute and significant HRQoL impairment exceeding that of children with newly diagnosed pneumonia, but the scores return to baseline at long-term follow-up. The recoveries at short- and long-term intervals are similar to patients with pneumonia.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».