Inflammatory and coagulation marker profiles in severe pediatric COVID-19 patients: a systematic review
Notice bibliographique
Résumé
Background Children are susceptible to SARS-CoV-2 infection and often present mild manifestations. However, severe and critical cases have also been reported. The inflammation and coagulation marker profile pattern in these patients along with the white blood cell differential count in critical PICU cases with non-COVID-19 etiology is not entirely clear.
 Objective To evaluate the inflammation and coagulation profiles in children presenting with severe/critical SARS-CoV-2 infection.
 Methods A systematic search and review of scientific literature was conducted following the PRISMA guidelines using ProQuest, SCOPUS, EBSCOHost, ScienceDirect, Cochrane, EMBASE, and Pubmed databases. All relevant original studies until March 11, 2021, were included. The risk of bias was appraised using the Modified Newcastle Ottawa Scale and JBI Critical Appraisal Checklist tools.
 Results We identified 14 studies across 6 countries, including a total sample of 159 severe and critically ill pediatric COVID-19 patients. Most of the subjects showed normal leukocytes, but increased CRP, procalcitonin, ferritin, and IL-6. Studies on coagulation profiles showed normal thrombocytes, PT, aPTT, and inconsistent D-dimer results. 
 Conclusion Inflammation and coagulation parameters in severe/critically ill children with COVID-19 are atypical. Several inflammatory markers were elevated, including CRP, ferritin, procalcitonin, and IL-6. However, the elevated marker values are still lower compared to non-COVID infection patients. Further investigation of the parameters need to be done in serial examination multicenter studies, which include control subjects.
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 | 0,004 | 0,108 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».