Multisystem Inflammatory Syndrome in Children (MIS-C) temporally related to COVID-19: the experience at a pediatric reference hospital in Colombia
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to describe the clinical characteristics and the different phenotypes of children with multisystem inflammatory syndrome in children (MIS-C) temporally related to COVID-19 and to evaluate the risk conditions that favored a greater severity of the disease during a 12-month period at a pediatric reference hospital in Colombia. METHODS: A 12-month retrospective observational study of children under the age of 18 years who met criteria for MIS-C. RESULTS: A total of 28 children presented MIS-C criteria. The median age was 7 years. Other than fever (100%) (onset 4 days prior to admission), the most frequent clinical features were gastrointestinal (86%) and mucocutaneous (61%). Notably, 14 (50%) children had Kawasaki-like symptoms. The most frequent echocardiographic abnormalities were pericardial effusion (64%), valvular involvement (68%), ventricular dysfunction (39%), and coronary artery abnormalities (29%). In addition, 75% had lymphopenia. All had at least one abnormal coagulation test. Most received intravenous immunoglobulin (89%), glucocorticoids (82%), vasopressors (54%), and antibiotics (64%). Notably, 61% had a more severe form of the disease and were admitted to an intensive care unit (median 4 days, mean 6 days); the severity predictors were patients with the inflammatory/MIS-C phenotype (OR 26.5; 95%CI 1.40-503.7; p=0.029) and rash (OR 14.7; 95%CI 1.2-178.7; p=0.034). Two patients had macrophage activation syndrome. CONCLUSIONS: Coronary artery abnormalities, ventricular dysfunction, and intensive care unit admission were frequent, which needs to highlight the importance of early clinical suspicion.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».