Prognostic factors for multisystem inflammatory syndrome in children: A systematic review and meta‐analysis
Notice bibliographique
Résumé
AIM: Multisystem inflammatory syndrome in children (MIS-C) is a novel condition that can occur post-SARS-CoV-2 infection in children and adolescents. There is a paucity of evidence on the prognostic factors associated with MIS-C. The aim of this systematic review and meta-analysis was to summarise the prognostic factors for MIS-C development. METHODS: Five databases were systematically searched from January 2020 to May 2023 for studies reporting on prognostic factors for MIS-C using multivariable regression models. Random-effects meta-analyses were conducted to pool odds ratios for each prognostic factor. Risk of bias was rated using QUIPS and the GRADE framework was used to assess the certainty of evidence for each unique factor. RESULTS: Twelve observational studies (N = 18 024) were included, and 13 unique prognostic factors were amenable to meta-analysis. With moderate certainty, age <12 years, male sex and Black race probably increase the risk of MIS-C. Malignancy and underlying respiratory disease probably decrease the risk of MIS-C. Low-certainty evidence suggests that Asian race may increase the risk of MIS-C, and comorbidity may decrease the risk of MIS-C. CONCLUSION: Current literature presents several prognostic factors related to MIS-C following SARS-CoV-2 infection. Further research is necessary to elucidate the pathophysiologic mechanisms related to MIS-C.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».