Development of a Model to Identify Febrile Children at Low Risk for Multisystem Inflammatory Syndrome
Notice bibliographique
Résumé
OBJECTIVES: The case definition for multisystem inflammatory syndrome in children (MIS-C) is broad and encompasses symptoms and signs commonly seen in children with fever. Our aim was to identify clinical predictors that, independently or in combination, identify febrile children presenting to the emergency department (ED) as low risk for MIS-C. METHODS: We conducted a retrospective single-center study of otherwise healthy children 2 months to 20 years of age presenting to the ED with fever and who had a laboratory evaluation for MIS-C between April 15, 2020, and October 31, 2020. We excluded children with a diagnosis of Kawasaki disease. Our outcome was an MIS-C diagnosis defined by the Centers for Disease Control and Prevention criteria. We conducted multivariable logistic regression analyses to identify variables independently associated with MIS-C. RESULTS: Thirty-three patients with and 128 patients without MIS-C were analyzed. Of those with MIS-C, 16 of 33 (48.5%) had hypotension for age, signs of hypoperfusion, or required ionotropic support. Four variables were independently associated with the presence of MIS-C; known or suspected SARS CoV-2 exposure (adjusted odds ratio [aOR], 4.0; 95% confidence interval [CI], 1.4-11.9) and the following 3 symptoms and signs: abdominal pain on history (aOR, 4.8; 95% CI, 1.7-15.0), conjunctival injection (aOR, 15.2; 95% CI, 5.4-48.1), and rash involving the palms or soles (aOR, 12.2; 95% CI, 2.4-69.4). Children were at low risk of MIS-C if none of the 3 symptoms or signs were present (sensitivity 87.9% [95% CI, 71.8-96.6]; specificity 62.5% [53.5-70.9], negative predictive value 95.2% [88.3-98.7]). Of the 4 MIS-C patients without any of these 3 factors, 2 were ill-appearing in the ED and the other 2 had no cardiovascular involvement during their clinical course. CONCLUSIONS: A combination of 3 clinical symptoms and signs had moderate to high sensitivity and high negative predictive value for identifying febrile children at low risk of MIS-C. If validated, these factors could aid clinicians in determining the need to obtain or forego an MIS-C laboratory evaluation during SARS-CoV-2 prevalent periods in febrile 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».