Syndrome inflammatoire multisystémique chez les enfants au Canada
Bibliographic record
Abstract
Cet article présente un résumé de l’épidémiologie des cas de syndrome inflammatoire multisystémique chez les enfants (MIS-C) déclarés à l’échelle nationale au Canada par les autorités sanitaires provinciales et territoriales. Le syndrome inflammatoire multisystémique chez les enfants est un syndrome inflammatoire post-viral qui suit la maladie à coronavirus 2019 (COVID-19). Les symptômes peuvent comprendre de la fièvre, des douleurs abdominales, des vomissements, de la diarrhée, des éruptions cutanées et d’autres signes d’inflammation. Au Canada, le MIS-C est rare, avec 269 cas signalés à l’Agence de la santé publique du Canada entre le 11 mars 2020 et le 2 octobre 2021. Cent quarante-deux (53 %) de ces cas étaient des cas de COVID-19 confirmés en laboratoire ou liés épidémiologiquement à des cas de COVID-19. Des cas ont été signalés chez des nourrissons d’à peine une semaine et des jeunes de 18 ans, l’âge médian étant de six ans. Les cas étaient plus susceptibles de se produire chez les garçons que chez les filles (58 % contre 42 %, respectivement; p = 0,006). Presque tous les cas de MIS-C (99 %) ont nécessité une hospitalisation et 36 % une admission en unité de soins intensifs. Aucun décès n’a été signalé à ce jour. La tendance temporelle du MIS-C s’aligne sur la tendance temporelle du taux d’incidence du COVID-19 rapporté chez les enfants, avec un décalage de deux à six semaines.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".