The Spectrum and Burden of COVID-19–Associated Neurologic Disease in Australian Children 2020–2023
Notice bibliographique
Résumé
BACKGROUND: We aimed to describe the clinical spectrum and burden of COVID-19-associated neurologic disease in Australian children. METHODS: We extracted Australian national sentinel site surveillance data on COVID-19-associated neurologic disease in children hospitalized in the Paediatric Active Enhanced Disease Surveillance network, 2020-2023. Neurologic complications included encephalitis, encephalopathy, Guillain-Barre syndrome, seizures and cerebrovascular accident among others. We calculated the proportion of hospitalized pediatric COVID-19 cases associated with neurologic disease and described the spectrum of presentations including clinical features and severity. We calculated incidence rates of neurologic disease within COVID-19 variant eras among hospitalized patients. RESULTS: We identified 311 cases of SARS-CoV-2 infection with neurologic disease among 4616 hospitalized pediatric cases of COVID-19 reported through the surveillance network, representing 5.3 cases per 100 pediatric COVID-19 admissions. The most common COVID-19-associated neurologic presentations were seizures (n = 215), including febrile seizures. Nonspecific encephalopathy (n = 62), encephalitis, Guillain-Barre Syndrome, acute cerebellar syndromes, acute demyelinating encephalomyelitis and cerebrovascular accident were also reported. Almost 60% of children were ≤4 years, approximately 30% had pre-existing neurologic conditions and almost half had other medical comorbidities. COVID-19-associated neurologic complications infrequently led to death, although 25% (n = 2/8) of children with COVID-19 encephalitis died. The incidence rate of COVID-19-associated neurologic disease was lowest during the late Omicron era. CONCLUSIONS: Neurologic complications among COVID-19 hospitalized children are relatively frequent. While most neurologic complications are transient, including seizures, encephalitis remains a cause of significant morbidity. Children with pre-existing neurologic disease and other comorbidities are at higher risk.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».