Paediatric critical COVID-19 and mortality in a multinational prospective cohort
Notice bibliographique
Résumé
Background: To understand critical paediatric coronavirus disease 2019 (COVID-19) and evaluate factors associated with mortality in children from high and low-middle income countries. Methods: Prospective, observational study of critically ill children hospitalised for COVID-19 in 18 countries throughout North America, Latin America, and Europe between April 1 and December 31, 2020. Associations with mortality were evaluated using logistic regression. Findings: 557 patients (median age, 8 years; 24% <2 years) were enrolled from 55 sites (63% Latin American). Half had comorbidities. Invasive (41%) or non-invasive (20%) ventilation and vasopressors (56%) were the most common support modalities. Hospital mortality was 10% and higher in children <2 years old (15%; odds ratio 1·94, 95%CI 1·08-3·49). Most who died had pulmonary disease. When adjusted for age, sex, region, and illness severity, mortality-associated factors included cardiac (aOR 2·89; 95%CI 1·2-6·94) or pulmonary comorbidities (aOR 4·43; 95%CI 1·70-11·5), admission hypoxemia (aOR 2·44; 95%CI 1·30-4·57), and lower respiratory symptoms (aOR 2·96; 95%CI 1·57-5·59). MIS-C (aOR 0·25; 95%CI 0·1-0·61) and receiving methylprednisolone (aOR 0·5; 95%CI 0·25-0·99), IVIG (aOR 0·32; 95%CI 0·16-0·62), or anticoagulation (aOR 0·49; 95%CI 0·25-0·95) were associated with lower mortality although these associations might be limited to children >2 years old. Interpretation: We identified factors associated with COVID-19 mortality in critically ill children from both high and low-middle income countries, including higher mortality with younger age and COVID-related pulmonary disease but lower mortality in MIS-C. Further research is needed on optimal treatments for younger children and respiratory failure in paediatric COVID-19. Funding: None.
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 | 0,003 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».