Clinical Practice Variation Among Pediatric Rheumatologists Treating Kawasaki Disease: Results of a North American Survey
Notice bibliographique
Résumé
Background: The best treatment for children with KD who fail to respond to the first dose of IVIG (refractory KD) is currently unknown. The purpose of this study was to determine treatment practices of pediatric rheumatologists in North America who manage IVIG-refractory KD. Methods: A 34-item web-based survey was sent to 102 randomly selected members of the Childhood Arthritis and Rheumatology Research Alliance (CARRA). The anonymous survey addressed the use of primary intensification as well as the treatment of IVIG-refractory KD. Results: The response rate was 82%; 56% (all pediatric rheumatologists) completed the survey. Primary intensification was used for macrophage activation syndrome (MAS), KD shock, and those at high risk for coronary artery aneurysms (CAAs) by 84%, 76% and 52% of responders, respectively, with corticosteroids (CSs) used most frequently. For IVIG-refractory KD without CAA, a second dose of IVIG was used most often (63% alone; 23% plus CS). With non-giant CAAs, only 15% used a second IVIG alone, 40% used IVIG plus CS, and 35% took infliximab, usually with CS/IVIG. With giant CAA, treatments used most frequently were CS, a second IVIG, and infliximab (91%, 69%, and 58%, respectively), usually as combinations of two or more medications. Conclusions: Treatment of IVIG-refractory KD varies significantly among North American pediatric rheumatologists, particularly in the presence of CAAs. Our findings emphasize the need for research to identify the most effective therapy for this KD subgroup. The current use of primary intensification and the presence and size of the CAA will need to be considered as consensus treatment plans are developed.
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 | 0,000 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».