Risk Factors for COVID-19 Mortality in Pediatric Populations: A Scoping Review
Notice bibliographique
Résumé
Abstract Background Pediatric populations are generally considered to be at a lower risk of mortality from COVID-19 infection in comparison to adult populations. Regardless, a significant number of deaths from COVID-19 have been reported in pediatric populations internationally. We conducted a scoping review of the literature assessing the risk factors for COVID-19 mortality among pediatric patients. Methods A scoping review was conducted according to the Preferred Reporting Items for Systematic Reviews and Meta-Analyses Extension for Scoping Reviews (PRISMA-ScR). Searches were performed in PubMed, Scopus, medRxiv, and WHO Coronavirus Database. There were no restrictions placed for searches based on date. Papers that were published in English, included at least one pediatric death from COVID-19, and described at least one risk factor for the death and/or clinical presentation of the child(ren) were eligible for inclusion. The pediatric population was defined as children aged 18 years and younger. Results Searches generated a total of 5787 papers and, 78 papers were eligible for analysis. There was a pooled total of 837 pediatric deaths. The presence of at least one comorbidity was a major risk factor; malignancies, cardiovascular diseases and overweight/obesity were the most frequently associated with mortality. The development of Pediatric Multisystem Inflammatory Syndrome (PMIS) was also consistently demonstrated to be a risk factor. Common clinical complications associated with pediatric COVID-19 infection resulting in mortality were sepsis, acute respiratory distress syndrome, and acute kidney injury. Conclusions Our review has identified prominent risk factors for mortality from COVID-19 infection amongst pediatric patients. Knowledge of these risk factors can assist prognostication and clinical decision-making for severe pediatric COVID-19 infections. Our findings will help shape public health guidelines and guide new treatment regimens for high-risk individuals.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,008 |
| Bibliométrie | 0,015 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».