MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389957644 · doi:10.1161/circ.148.suppl_1.16216

Abstract 16216: Sociodemographic Disparities in Severity of Multisystem Inflammatory Syndrome in Children: The National MUSIC Study

2023· article· en· W4389957644 sur OpenAlexaffabout
Keila N. Lopez, Dongngan T. Truong, Brett R. Anderson, Carissa M. Baker‐Smith, Tamara T. Bradford, Audrey Dionne, Kirsten Dummer, Daniel Forsha, Wayne Franklin, Stephanie S. Handler, Ashraf S. Harahsheh, Keren Hasbani, Chenwei Hu, Pei‐Ni Jone, Sean M. Lang, Kimberly E. McHugh, Matthew E. Oster, Gail D. Pearson, Michael A. Portman, Tamar J. Preminger, Mark W. Russell, Yamuna Sanil, Sara Sexson Tejtel, Divya Shakti, Ryan Shea, Felicia Trachtenberg, Shuo Wang, Jonathan P. Wong, Jane W. Newburger

Notice bibliographique

RevueCirculation · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueKawasaki Disease and Coronary Complications
Établissements canadiensHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésMedicineOdds ratioIncidence (geometry)AsthmaInternal medicineEthnic groupPediatrics

Résumé

récupéré en direct d'OpenAlex

Introduction: The long-term outcomes after the Multisystem Inflammatory Syndrome in Children (MUSIC) study investigates sequelae in multisystem inflammatory syndrome (MIS-C) post-COVID across 33 US and Canadian sites. Among children with COVID-19, the adjusted MIS-C incidence rate ratios are higher in children who are Hispanic or Black. Our objective was to assess sociodemographic disparities associated with MIS-C severity and adverse outcomes. Methods: This multicenter cross-sectional study included US persons <21 years-old with MIS-C from 6/2020-1/2022. The primary composite outcome of greater illness severity included > 1 findings: vasoactive medications, cardiac dysfunction or elevated troponin, intubation, or mechanical support. Secondary outcomes were days from symptom onset to hospital admission and hospital length of stay (LOS). Predictor variables were patient distance to the hospital, neighborhood social deprivation index (SDI-higher score is worse), race/ethnicity, and non-primary English language. Covariates were age, insurance, asthma, and obesity. Multivariable models used backwards selection at significance p<0.05. Results: There were 1115 MIS-C patients, with a median age of 9 years old (IQR 5.6, 12.7), 39.2% female, 28.1% non-Hispanic Black, 27.8% Hispanic, 47.3% with public insurance, and a median SDI of 54 (IQR 25.0, 82.5). On multivariable analysis, increased odds of more severe illness included Hispanic ethnicity, odds ratio (OR) 1.5 (95% CI 1.1, 2.2); non-Hispanic Black race, OR 1.7 (95% CI 1.1, 2.4) compared to non-Hispanic whites; and ages 13-17 years, OR 3.7 (95% CI 2.4, 5.6) compared to those ages 0-5 years. Longer time to hospital admission was associated with lower SDI (i.e., less deprivation; p=0.009) and further distance from hospital (p=0.006). Risk factors for longer LOS were adolescent age (p=0.002) and non-Hispanic Black race (p=0.018). Asthma and obesity had no association with MIS-C severity. Conclusion: MIS-C severity and adverse outcomes are associated with sociodemographic factors, including being Black and/or Hispanic. Future studies should explore risk mechanisms , including systemic racism, environmental and genetic causes, quality of medical care, or multifactorial interactions.

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 enseignants0,086
Score d'incertitude au seuil0,172

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,283
Écart entre enseignants0,249 · 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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCirculation→Même sujetKawasaki Disease and Coronary Complications→Travaux en français237 207→