Immunomodulatory Therapy in Children with Multisystem Inflammatory Syndrome (PIMS, MIS-C): A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
Background Multisystem Inflammatory Syndrome in Children (MIS-C) is a severe systemic hyperinflammatory condition leading to multiorgan dysfunction in a small number of children with COVID-19. Immunomodulatory therapy, including Intravenous Immunoglobulin (IVIG) and corticosteroids, is the mainstay of treatment. This meta-analysis was conducted to evaluate the effectiveness of three treatment strategies (IVIG and steroids, IVIG-only, and steroids-only) in the management of MIS-C Methods A systematic search of databases and grey literature sources was conducted to identify relevant RCTs and observational studies. RevMan 5.4 was used to analyze all the outcomes with risk ratio (RR) as the effect measure. The Newcastle-Ottawa scale was used to assess the risk of bias in observational studies. Cochrane’s revised “Risk of Bias” tool (RoB 2.0) was used to assess bias in RCTs. Results We included six cohort studies and one RCT in our meta-analysis. Compared to the IVIG-only group, the combination of IVIG and steroids reduced the treatment failure/persistence of fever [RR 0.70; 95% CI: 0.57-0.87], cardiovascular dysfunction [RR 0.62; 95% CI: 0.40-0.96], and the need for adjunctive immunomodulatory therapy [RR 0.49; 95% CI: 0.40-0.59]. The combination therapy and IVIG-only therapy had similar rates of left ventricular dysfunction, the need for inotropes, and the need for ventilatory support. According to our analysis, the steroids-only therapy and IVIG-only therapy had similar clinical outcomes. Conclusion Our meta-analysis shows that combination therapy with IVIG and steroids is more effective than IVIG or steroids alone in reducing treatment failure, cardiovascular dysfunction, and the need for additional immunomodulatory drugs in MIS-C. However, these findings must be interpreted cautiously due to the predominance of observational data, heterogeneity among studies, and the limited number of studies included. More large-scale RCTs are needed to support or refute our findings.
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 | 0,009 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,033 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».