Effect of the COVID-19 Pandemic on the Epidemiology of Kawasaki Disease in Canada
Notice bibliographique
Résumé
Background COVID-19 substantially changed the epidemiology of Kawasaki disease (KD), with decreased incidence reported globally. We sought to determine its effect in Canada. Methods Pediatric admissions for KD (2004-2023) were identified through the Canadian Institute for Health Information. Clinical data for KD hospitalizations at The Hospital for Sick Children in Toronto (2016-June 2023) were manually reviewed. Results KD incidence was stable prior to the pandemic (22.5/100,000 0-4 year-old/year,p=0.19). There was a 30% reduction early pandemic (2020-2021) across all regions (15.8 cases/100,000 0-4 year-old) with blunting of traditional winter peaks. In the summer of 2022, an atypical peak in KD incidence was observed, aligning with the Delta wave. Epidemiology returned to normal patterns in 2023-2024 (+7% vs. pre-pandemic to 24.1 cases/100,000 0-4 year-old), with notable differences in Ontario and the Prairies. Patients diagnosed in the early pandemic were more likely to present with incomplete KD (odds ratio (95% confidence interval) OR:4.84(3.22-7.30),p=0.008), respiratory (OR:2.59(1.70-7.30),p=0.03) or abdominal symptoms (OR:4.84(3.15-7.44),p<.001). Those diagnosed in the late pandemic also presented with more incomplete KD (OR:1.76(1.16-2.66),p<0.001), respiratory (OR:1.70(1.05-2.75),p<0.001) or abdominal symptoms (OR:2.53(1.73-3.70),p<.001), albeit to a lesser extent, along with a shorter duration of fever before diagnosis (EST:-0.82(-1.52;-0.12) days, p=0.02) and higher odds of developing KD shock syndrome (OR:4.66(1.83-11.87),p=0.001). Throughout the pandemic, odds of developing giant coronary aneurysms or admission to the intensive care unit remained similar. Conclusions The pandemic saw the incidence of KD decrease significantly with disrupted seasonality. Pre-pandemic epidemiological patterns have returned. Patient presentations changed but outcomes remained stable compared to the pre-pandemic period.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».