COVID-19 Disease in Under-5 Children: Current Status and Strategies for Prevention including Vaccination
Notice bibliographique
Résumé
Since the coronavirus disease (COVID-19) pandemic hit the globe in early 2020, we have steadily gained insight into its pathogenesis; thereby improving surveillance and preventive measures. In contrast to other respiratory viruses, neonates and young children infected with severe acute respiratory syndrome coronavirus-2 (SARS-CoV-2) have a milder clinical presentation, with only a small proportion needing hospitalization and intensive care support. With the emergence of novel variants and improved testing services, there has been a higher incidence of COVID-19 disease reported among children and neonates. Despite this, the proportion of young children with severe disease has not increased. Key mechanisms that protect young children from severe COVID-19 disease include the placental barrier, differential expression of angiotensin-converting enzyme 2 (ACE-2) receptors, immature immune response, and passive transfer of antibodies via placenta and human milk. Implementing mass vaccination programs has been a major milestone in reducing the global disease burden. However, considering the lower risk of severe COVID-19 illness in young children and the limited evidence about long-term vaccine safety, the risk-benefit balance in children under five years of age is more complex. In this review, we do not support or undermine vaccination of young children but outline current evidence and guidelines, and highlight controversies, knowledge gaps, and ethical issues related to COVID-19 vaccination in young children. Regulatory bodies should consider the individual and community benefits of vaccinating younger children in their local epidemiological setting while planning regional immunization policies.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».