MétaCan
Menu
Retour à la cohorte
Enregistrement W4289783507 · doi:10.1136/bmjpo-2022-001440

Risk factors for severe PCR-positive SARS-CoV-2 infection in hospitalised children

2022· article· en· W4289783507 sur OpenAlexaffabout
Tilmann Schober, Chelsea Caya, Michelle Barton, Ann Bayliss, Ari Bitnun, Jennifer Bowes, Helena Brenes-Chacón, Jared Bullard, Suzette Cooke, Tammie Dewan, Rachel Dwilow, Tala El Tal, Cheryl Foo, Peter J. Gill, Behzad Haghighi Aski, Fatima Kakkar, Janell Lautermilch, Marie‐Astrid Lefebvre, Kirk Leifso, Nicole Le Saux, Alison Lopez, Ali Manafi, Joanna Merckx, Shaun K. Morris, Alireza Nateghian, Luc Panetta, Dara Petel, Dominique Piché, Rupeena Purewal, Léa Restivo, Ashley Roberts, Manish Sadarangani, Rosie Scuccimarri, Alejandra Soriano‐Fallas, Sarah Tehseen, Karina A. Top, Rolando Ulloa‐Gutiérrez, Isabelle Viel‐Thériault, Jacqueline Wong, Carmen Yea, E. Ann Yeh, Adriana Yock‐Corrales, Joan Robinson, Jesse Papenburg

Notice bibliographique

RevueBMJ Paediatrics Open · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensUniversity of AlbertaMcMaster UniversityUniversity of British ColumbiaDalhousie UniversityUniversité LavalBC Children's HospitalQueen's UniversityMemorial University of NewfoundlandTrillium Health CentreUniversity of ManitobaMcGill UniversityMcGill University Health CentreUniversity of OttawaWestern UniversityUniversity of TorontoUniversity of SaskatchewanUniversité de MontréalUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineInternal medicineComorbidityLogistic regressionCoinfectionRetrospective cohort studyCohortRisk factorPediatricsImmunologyHuman immunodeficiency virus (HIV)

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To identify risk factors for severe disease in children hospitalised for SARS-CoV-2 infection. DESIGN: Multicentre retrospective cohort study. SETTING: 18 hospitals in Canada, Iran and Costa Rica from 1 February 2020 to 31 May 2021. PATIENTS: Children<18 years of age hospitalised for symptomatic PCR-positive SARS-CoV-2 infection, including PCR-positive multisystem inflammatory syndrome in children (MIS-C). MAIN OUTCOME MEASURE: Severity on the WHO COVID-19 Clinical Progression Scale was used for ordinal logistic regression analyses. RESULTS: We identified 403 hospitalisations. Median age was 3.78 years (IQR 0.53-10.77). At least one comorbidity was present in 46.4% (187/403) and multiple comorbidities in 18.6% (75/403). Eighty-one children (20.1%) met WHO criteria for PCR-positive MIS-C. Progression to WHO clinical scale score ≥6 occurred in 25.3% (102/403). In multivariable ordinal logistic regression analyses adjusted for age, chest imaging findings, laboratory-confirmed bacterial and/or viral coinfection, and MIS-C diagnosis, presence of a single (adjusted OR (aOR) 1.90, 95% CI 1.13 to 3.20) or multiple chronic comorbidities (aOR 2.12, 95% CI 1.19 to 3.79), obesity (aOR 3.42, 95% CI 1.76 to 6.66) and chromosomal disorders (aOR 4.47, 95% CI 1.25 to 16.01) were independent risk factors for severity. Age was not an independent risk factor, but different age-specific comorbidities were associated with more severe disease in age-stratified adjusted analyses: cardiac (aOR 2.90, 95% CI 1.11 to 7.56) and non-asthma pulmonary disorders (aOR 3.07, 95% CI 1.26 to 7.49) in children<12 years old and obesity (aOR 3.69, 1.45-9.40) in adolescents≥12 years old. Among infants<1 year old, neurological (aOR 10.72, 95% CI 1.01 to 113.35) and cardiac disorders (aOR 10.13, 95% CI 1.69 to 60.54) were independent predictors of severe disease. CONCLUSION: We identified risk factors for disease severity among children hospitalised for PCR-positive SARS-CoV-2 infection. Comorbidities predisposing children to more severe disease may vary by age. These findings can potentially guide vaccination programmes and treatment approaches in children.

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)0,000
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 seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,055
Tête enseignante GPT0,428
Écart entre enseignants0,373 · 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

Citations18
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMJ Paediatrics OpenMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207