MétaCan
Menu
Retour à la cohorte
Enregistrement W4380793800 · doi:10.1161/circ.146.suppl_1.11811

Abstract 11811: Cardiac Biomarkers Differentiate Kawasaki Disease From Multisystem Inflammatory Syndrome in Children Associated With Covid-19

2022· article· en· W4380793800 sur OpenAlexaff
Geetha Raghuveer, Balasubramanian Sundraram, Nagib Dahdah, Luis Garrido, Elif Seda Selamet Tierney, Tyler H. Harris, Michael Khoury, Mark D. Hicar, Elizabeth Braunlin, Deepika Thacker, Manaswitha Khare, Frédéric Dallaire, Robert W. Lowndes, Isabel Glassmeyer, Jean A. Ballweg, Guillermo Larios Goldenberg, Shae A. Merves, Cedric Manlhiot, Pedrom Farid, Brian W. McCrindle

Notice bibliographique

RevueCirculation · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueKawasaki Disease and Coronary Complications
Établissements canadiensUniversité de SherbrookeHospital for Sick ChildrenStollery Children's HospitalCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesnon disponible
Mots-clésMedicineKawasaki diseaseEjection fractionInternal medicineCreatinineCardiologyTroponin TTroponinCoronavirus disease 2019 (COVID-19)PopulationGastroenterologyDiseaseHeart failureMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

Introduction: Kawasaki disease (KD) and Multisystem Inflammatory Syndrome in Children (MIS-C) associated with COVID-19 show considerable clinical overlap making differentiation challenging. Hypothesis: Cardiac biomarkers can differentiate KD from MIS-C. Methods: The International KD Registry enrolled 2566 contemporaneous KD, MIS-C and acute COVID-19 pediatric patients from 39 sites in 8 countries from January 2020 through January 2022. The study population included MIS-C patients meeting CDC criteria with confirmed or probable COVID-19 infection, and KD patients meeting AHA guideline criteria without COVID-19 infection. Included patients had to have at least one measurement of NTproBNP or troponin I. KD and MIS-C patients were compared, to assess factors associated with cardiac biomarkers and cardiac outcomes. Receiver operating characteristic curves were used to determine cut points differentiating KD from MIS-C. Results: Of 779 patients with KD, 168 had NTproBNP (median 381 ng/L) and 173 had troponin I (median <10 ug/L) assessed at presentation, while of 1207 patients with MIS-C, 427 had NTproBNP (median 1850 ng/L; p<0.001 vs KD) and 522 had troponin I (median 12.7 ug/L; p<0.001) assessed. Baseline NTproBNP and troponin were correlated mildly (r=0.09; p=0.05) and were associated with older age and higher creatinine levels. Lower LV ejection fraction (LVEF) was associated with MIS-C (vs KD), but not with baseline or peak troponin levels after adjusting for age and creatinine levels. Lower LVEF was significantly associated with higher baseline and peak NTproBNP levels after adjusting for diagnosis and age. Higher peak coronary artery Z score was associated with KD vs MIS-C, but neither cardiac biomarker. Baseline troponin I >10 ug/L predicted MIS-C vs KD with a sensitivity of 57% and specificity of 74% (c-statistic 0.61), and baseline NTproBNP >1600 ng/L with a sensitivity of 54% and specificity of 75% (c-statistic 0.69). Conclusions: Higher baseline troponin I and NTproBNP levels are more predictive of MIS-C compared to KD. Lower LVEF, more common with MIS-C, was associated with higher NTproBNP but not troponin I levels, and coronary artery involvement, more common in KD, was not associated with either cardiac biomarker.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,016
Tête enseignante GPT0,246
Écart entre enseignants0,230 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculationMême sujetKawasaki Disease and Coronary ComplicationsTravaux en français237 207