Evaluation of Chest CT Scan Findings in Pediatric Patients With COVID‐19: A Retrospective Descriptive Study
Notice bibliographique
Résumé
ABSTRACT Background and Aims COVID‐19 in children presents with varying severity. Identifying characteristic chest CT features is essential for accurate diagnosis and screening. This study aimed to evaluate CT patterns in pediatric COVID‐19 cases to enhance diagnostic accuracy. Methods This retrospective cross‐sectional study analyzed chest CT scans of 42 children with confirmed COVID‐19 at Children's Hospital, Gorgan, Iran. A 14‐item checklist assessed demographics, lung involvement, and radiological features. Descriptive statistics and Fisher's exact test were used for analysis. Results Ground‐glass opacities (GGO) were the most common finding (92.9%), followed by consolidation (54.8%). Both were significantly associated with peripheral distribution ( p < 0.001) and lower zone involvement ( p < 0.001 for GGO, p ≈ 0.002 for consolidation). Lesions affected peripheral lung zones (45.24%) or both central and peripheral zones (40.48%), with consolidation predominantly in the latter ( p < 0.001). Notably, 7.1% of children had no visible lung lesions. Cases with < 25% lung involvement showed significant correlation with GGO ( p < 0.001). Pleural effusion was observed in 4.8%, while pericardial effusion and mediastinal lymphadenopathy were absent. Conclusion Pediatric COVID‐19 commonly presents with GGO, consolidation, and peripheral lung lesions, with rare occurrence of features such as pleural effusion compared to adults. These differences may refine diagnostic strategies for pediatric populations.
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 | 0,021 | 0,092 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».